而生，致力 于构建一个集成 AI 大模型技术的智慧工厂解决方案。该项目不仅 关注生产效率的提升，还强调智能化决策和实时数据分析，以应对 市场快速变化和客户需求多样化的挑战。 本项目将主要围绕以下几个关键点展开：  智能化生产：通过引入 AI 大模型对生产线数据进行实时分 析，实现自动化调度和优化生产过程，减少人为干预和错误 率。  数据驱动决策：建设一个集成的数据处理平台，利用大数据分 大 化的现代化制造环境。随着工业 4.0 的兴起，智慧工厂的概念逐渐 成为制造业转型升级的重要方向。 智慧工厂的核心在于信息的互联互通。通过物联网、大数据分 析、人工智能等技术，智慧工厂能够实时监控和分析生产过程，及 时调整生产策略，以适应市场需求和提高生产效益。同时，智慧工 厂还强调与供应链的深度融合，使整个生产和物流链条高效协同。 在发展历程上，智慧工厂的概念经历了几个重要阶段： 、处理 和分析变得更加全面和实时。 在当前的市场环境中，智慧工厂的建设正在逐步加速，许多企 业利用智能制造提升了市场竞争力。据统计，全球智慧工厂市场预 计在未来几年将实现高速增长，年复合增长率达到 20%以上。 在智慧工厂的构建过程中，主要关注以下几个关键点：  数据采集与分析：通过传感器和网络设备实时采集生产数据， 实现对设备状态、生产效率等的实时监控。  智能决策与调度：利用人工智能算法对大数据进行分析，优化

信息，构建了智能化的供应链管理系统。例如，某重型机械制造企 业应用 AI 驱动的供应链优化方案后，库存周转率提升 35%，原材 料采购成本降低 12%，订单交付周期缩短 20%。 在生产调度方面，AI 算法通过实时分析设备状态、订单优先级 和资源约束，实现了生产计划的动态优化。某电子制造企业部署 AI 生产调度系统后，设备利用率提升了 15%，能源消耗降低了 8%， 月均产量增加 12%。 制造业 AI 其在生产优化、质量控制、供应链管理等方面的具体实施方案，以 期为行业提供切实可行的技术路径。 首先，AI 技术能够通过大数据分析和机器学习算法，优化生产 流程，减少资源浪费。例如，通过对生产线的实时监控，AI 系统可 以预测设备故障并进行预防性维护，从而减少停机时间，提高生产 效率。此外，AI 还可以通过对历史生产数据的分析，优化生产计 划，减少库存积压，降低运营成本。 其次，在质量控制方面，AI 技术在质量控制方面的应用也日益广泛。通过计算机 视觉技术，AI 可以对生产线上产品进行实时检测，识别缺陷和异 常，确保产品质量的一致性。例如，新能源汽车电池的生产过程 中，AI 可以通过对电池表面的图像分析，快速识别出微小的裂纹或 瑕疵，从而提高产品的合格率。此外，AI 还可以通过传感器网络对 生产设备进行实时监控，预测设备故障，提前进行维护，减少生产 线停机时间。 在智能制造方面，AI 技术的应用主要体现在生产线的自动化和

➢ 基础层：基于 Transformer 的通用特征提取 ➢ 领域适配层：融入设备动力学方程、材料本构模型等机理知识 ➢ 任务特定层：面向检测、预测、优化等场景的轻量化模块 ◼ 实时推理架构 为满足产线实时性要求，架构设计突破包括： ➢ 动态计算图：根据输入数据复杂度自适应调整计算路径 13 ➢ 级联推理引擎：将模型拆分为多个子模块进行流水线处理 ➢ 边缘-云协同：在 5ms 跨工厂迁移：在分布式制造节点间同步质量检测经验 ◼ 安全容错机制重构 工业大模型建立新型安全保障体系： ➢ 不确定性量化：输出置信区间及风险预警 ➢ 防御性蒸馏：抵抗对抗样本攻击 ➢ 退化监测：实时跟踪模型性能衰减 1.3 工业大模型的分类体系 工业大模型的快速发展催生了多样化技术形态和应用模式。为系统认知其 技术边界与适用场景，本节从技术架构、应用场景、数据模态、功能定位四个 维 计算速度提升） ➢ 材料基因工程（预测新型合金性能参数误差降低） ➢ 工艺参数智能推荐（减少试错实验次数） 技术架构：融合物理方程约束的生成式模型。 (2) 生产制造类大模型 ➢ 实时质检：在极短时间内完成复杂曲面缺陷检测 ➢ 动态排产：应对突发订单的调度优化响应时间 ➢ 设备健康管理：提前预测故障发生概率 (3) 供应链类大模型 ➢ 需求预测：融合宏观经济指标的预测误差率

5G 与工业生产的融合 应用 5G 后 场景  5G 端计算网关 灵活接入  5G 网络 上行大带宽 实时 回传，传输时延≤ 50ms  视频 AI 分析 ，提供生产 安全管理手段 应用 5G 前  有线组网 不易部署  建设及维护成本高 ，视频 存储量大，不易实时分析 问题  摄像头 资源利用率不高  车间入口、产线、仓库等区域 部署 80+ 路摄像头，视频监控 场景与技术综述  实践：通过摄像头改为连接 5G 端计算网关，基于 5G 网络上行大带宽能力，将视频监控数据实时回传至边缘侧和中心侧 ，基于自主 研发的 AI 视频图像分析算法，对“人、车、物、场景”进行快速的检测、识别与分析，助力节省人力成本，降低安全隐患，提高管 理效率，为工厂提供人员安全行为分析和实时预警手段 网络能力   4K 摄像头上行速率 >25Mbps 8K 摄像头上行速率 >100Mbps ：合规操作监测 通过摄像头改为连接 5G 端计算网关，基于 5G 网络上行大带宽能力，视 频数据实时回传至边缘计算服务器进行 AI 分析，为工厂提供人员安全行 为分析和实时预警手段 园区：安防监测 + 特征识别 物流：人车分流监测 5G+AI 安防成熟体系架构  基于 5G+AI 可以实时动态监控厂区、车间等场景特征，基于经验条 件、自学习条件比对，实现各类自动违规监测； 

智能工厂实例驾驶舱 5G+ 应用介绍 业务特性 • 自动更新排产约束， AI 排 产 • 通过 MES 系统实现全流程智能管 理 网络应用优势 • 大连接： 300+ 终端 • 低时延：实时排产调度 • 数据安全：生产数据不出园区  为满足客户需求的不确定性，我们需要频繁调整排产计划，通过多点数据采集核对信息，确保生产正确高效地进行；  采用 5G+MEC 对工厂进行部署，可解决 模块的部署，实现室内场景的定位系统；  借助 5G 网络的实时回传，可以有效实现园区的人员位置管理、资产与设备定位管理、电子围栏管理以及必要时设备信息追踪； 5G+ 应用介绍 业务特性 • 实时海量数据上行传输 • 问题及时发现（偶发 / 批次 问 题） 网络应用优势 • 数据实时汇集、实时分析 • 大带宽、大数据分析  通过 5G 网络的上行吞吐优势，实现视觉检测图片数据实时上传（单 PCB 板单检测图片约 板单检测图片约 128 张）；  借用 MEC 集成的数据分析工具，对问题数据实时分析，以判断是偶发性性问题还是源料批次问题； 5G+ 应用介绍 业务特性 • 双目视觉导航实时定位 • 云化视觉与边缘计算 • 实时海量数据传送 网络应用优势 • 精准定位、主动避障碍 • 大带宽、 MEC 集 成  通过 5G 网络无缝切换实现室内场景的连续性运动管理，从而实现不同产线间的物料转运地无缝衔接；

实现办公楼、厂房、土地、能源等各种要素资源从原来简单台账管理转变为信息化、可视化、数字 化管理；实时了解园区各类资源的使用情况，有效整合利用闲置资源，实现各类资源的优化配置。 构建产业全景图，各级领导及招商人员可根据招商引资全景图了解产业链的相关企业，补齐产业链 条，实现精准招商、敲门招商。 对招商引资落地的每一个项目通过平台进行全过程管理，实时、动态显示项目状态，并自动预警开 展督查督办，确保每一个项目按时间节点，高效有序推进。 信息资源共享交换平台实现数据对接，通 过关联模型分析园区态势，挖掘数据价值 物联网中台：设备互联、数据互通 对园区各个智能设备、边缘网关和智能应用子 系统进行数据集成，实现设备互联、数据互通， 实现对园区态势的实时感知。 AI 能力中台： AI 赋能、深化应 用 通过 AI 能力赋能视频融合应用，提升视频应用 价值，如人脸识别、车牌识别、人员热力、 人员轨迹、语音识别等 提供智能感知子系统的集成联接能力，实现应用 3DGIS 建筑空间 BIM 其他… . 零售商品识别场景类 ◆ 基于视频实现商品品类的识别， 支持数百种 SKU 识别 AI 互娱场景类 五大场景 ◆ 人像卡通化 / 卡通画动图 ◆ 人脸实时表情迁移 ◆ 人脸 3D 关键点检测 人体属性及行为分析类 工业场景类 医疗场景类

化和数字化，为 数据中心园区的碳中和提供坚实的数据支撑和工具支持。 能碳管理系统覆盖园区的数据中心系统、建筑系统、交通系统、 基础设施系统、废弃物处理系统以及能源系统等园区所有排放源。 通过实时监测和记录数据中心园区的碳排放情况，识别并分析能源 消耗的瓶颈和浪费点，能碳管理系统可提供改进能源使用效率、降 低能源消耗与运营成本、减少碳排放的有效解决方案。 为高规格满足数据中心企业及客户对于 均衡等任务，从而提高数据中心的效率。 数据中心设计优化：使用 AI 对设计进行模拟和分析，可以 找到最佳的布局和设计，确保空气流动和冷却效率最大化，从而节 省能源。 预测性维护：通过对设备数据的实时分析，AI 可以预测哪 些部件即将失效，这可以减少突然的设备故障和与之相关的能源浪 费。 3、实现价值链减排的间接减排和排放抵消 如战略性采购物流运输服务和包装，优先选择能够提供电动运 14 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 际情况选择合适的数据收集方式，如手工记录、计量设备、自动监 测、传感器等。能耗采集应尽可能增加自动监测设备/仪表，具备动 态实时性能力，在条件不成熟的情况下，亦可通过人工录入方式。 如通过读取能源表或电表来收集用电量、用热量，用气量，用煤量、 用油量等数据信息。数据中心在数据监测中，如无法直接读取相应 的水、电、气仪表来获取，亦可从供应商处收集。

面向石油石化全产业链发展，全面融入人工智能和自动化技术，用智能化加速产业升级进 程。在企业经营中逐步推进数字化、数智化应用，利用定制化解决方案和服务帮助企业提升 运营质量和效率。在自动化生产过程中，利用智能制造系统的丰富功能，实时监控生产过 程，优化生产效率，减少资源浪费。在产业链协同和流通过程中，构建智能物流和供应链管 理平台，提高整个产业链的响应速度和灵活性。 绿色化 在国家“双碳”战略的大背景下，石油石化产业需要转变发展模式，拓展新需求，创造新模 力，并以数字化方式沉淀现场技术人员知识来构建知识管理平台；为实现净零承诺，到���� 年，��%的油气产业上下游企业将采用AI驱动的碳数据平台，实现碳捕获和数据披露自动 化，并使用AI技术来实时预测净零计划的履约情况。 图�. 通过发展智能化落实中国石油石化新型工业化框架图 来源: 石化盈科&IDC ����年 新型工业化 构建现代石化产业体系 促进产业的高质量发展 预测 建模 产业上下游实现智能自动化互联，生成式AI/大模型推动产业升级；企业实现跨产业链数据共享、业务自动化与AI融合化 L� 实现产业智能化与石油石化新型工业化，落实无人干预决策；生产资源得以动态智能配置，实现智能驱动业务实时创新 单点试验 局部推广 扩展复制 运营管理 优化创新 业务赋能 专项创新 局部智能 泛在智能 协同智能 认知智能 技术深度 数据提效 静态优化 动态应用 智能交互 智能互联 来源:

程 l 人、物、设备、建筑、城市、万物皆可数字孪生 l 数字世界形成一个独立的系统与物理世界并行。虚拟服务 现实，使物理世界更高效、更便捷、更安全、更低成本 建设理念 - 数字孪 生 l 实时监控掌握当前园区的环境、人、物、事等一切管理 对象情况与资源情况。 l 提供跨专业的统一视图，对突发事件快速做出响应，降 低对生命、健康、财产的威胁与损失。 l 提供园区级的跨专业协作调度，更高效的组织部署资源， 区域车位使用情况、车位信息查 询、车辆信息查询 l 视频巡检管理 巡检任务设定、巡检任务查看、 巡检路线显示 SA 类管 理 l 消防管理 • 查看消防设备监控 • 温度云图显示实时数据分 布 • 展示设备对象的监控面板 • 设备分类统计 FA 类管 理 l 空间管理 • 建筑空间分布管理 • 房间状态和功能划分 • 监控联动显示 例 4 系统应 用 2 方案介 绍 3 系统介 绍 After ： l 动态展示园区全貌及各区域，便于招商引资接待 l 园区设施变更，可及时更新数据确保实时统一 l 动态实时显示运营数据，做到宏观到微观精细化管理 Before: l 沙盘面积大，无区域划分不便于接待介绍 l 场景环境固定，环境变更不能及时更新 l 数据叠加，无法用于园区管理需求 园区浏览

实现生产过程自动化，从而提高精确度和速度。联 网设备生成的实时数据有助于优化生产计划，减少 浪费并提高整体生产效率。 设备维护成本高：设备故障导致维护成本和停机时 间增加。物联网支持预测性维护，可以在故障出现 之前做出预测，并更及时地安排维修。这样不仅能 减少停机时间，还能延长设备使用寿命，从而节省 成本。 质量控制问题：在不同生产线上保持产品质量一致 颇具挑战性。物联网系统支持实时质量监控和分析， 从而确保统一的质量水准。在生产过程中及时发现 正在重新考虑回流的可行性，即让制造业务更贴近 消费市场。物联网通过提供实时追踪和监控来增强 供应链的可见性和韧性，确保更平稳地运营以及更 快地对中断危机做出响应。 数据安全问题：随着越来越多的设备接入网络，确 保数据安全和合规性的难度加大。物联网解决方案 采用可靠的安全措施来保护敏感数据并确保合规性， 包括加密、安全数据传输和实时威胁检测等。 3D打印技术的应用：3D打印技术的快速发展正在 和监控来应对运营上的各种挑战。总体来看，借助网络能够实现： 无处不在的连接：物联网为工厂内的几乎所有设备和场景提供连接支持。连接对于实 时数据采集和自动化至关重要。 可行性洞察：物联网有助于实时数据采集和分析，提供可转化为行动的实用洞察，以 增强决策制定并优化生产线。 数据安全性高：确保数据安全性以及符合国际标准在物联网部署中至关重要，尤其是 敏感的制造业务。 TELENOR IoT