2024 年 06 月 11 日 中控技术 (688777) ——控制系统 Nyx 与 AI 大模型 TPT 发布，中控“1+2+N” 智能工厂架构再升级 报告原因：强调原有的投资评级 买入（维持） 投资要点： ⚫ 6 月 5 日，中控技术在新加坡召开新品发布会，推出了全球自动化领域的通用控制系统 Nyx 及流程工业首款 AI 时序大模型 TPT。为何说这两款产品是颠覆性的，到底有哪些创新性， ...................... 6 2．颠覆式控制系统 Nyx 与大模型 TPT 推出，引领行业进入 AI 时代 ...................................................................................8 2.1 运行基座：控制系统 OMC & Nyx ...................... .............................. 8 2.1.1 OMC：新一代智能运行管理与控制系统 ........................................ 8 2.1.2 Nyx：全球首款通用控制系统 ...................................................... 10 2.2 模拟基座：模拟设计平台 APEX

能减排成效。低效运行的设备应及时得到排查和纠正， 从而避免不必要的运行成本。监测、分析和优化是验 证成效,并且及时发现和调整不合理系统配置的关键所 在。 基于实时跟踪的控制系统是实现气候中和运行的一个重 要部分。控制系统可以对部门耦合进行实时调整，从而 将成本和温室气体排放降到最低。通过对控制系统的信 号做出（自动）反应，来实现基础设施的优化使用，如 电网、储能和能源供需互动。可以采用不同的需求侧管 理策略，比如负载转移、填谷与削峰。 的能源部门优化能源系统，同时将成本和排放降到最低。 因此，在规划园区能源系统时，一个重点 是各种技术组件的控制策略。 本章将进一步介绍这方面的内容，重点是路线图的第六步。 章节6.1 显示了园区控制系统的可能目标，并讨论了必要的基础设施。 在第六步中将以章节6.2中概述的 一个虚拟园区的不同能源系统方案为例进行总结。 指标的微小变化会对其他关键指标产生重大影响。因 此，在最左边可以用很少的额外成本实现大量的二氧化 移，可以通过充电和放电的存储单元来实现。 一旦确定目标和策略，实施的最后一步是全面的硬件和 软件基础设施建设。图16显示了一个地区能源管理系统 的可能组成部分。 与建筑自动化系统一样，园区能源系统的控制系统也由 现场、自动化和管理三个层面组成。现场包括建筑物、 能源来源、能源供应和能源系统的其他部分（如电动汽 车）。系统的传感器和执行器都位于现场。根据能源系 统的建筑/部分，传感器和（数字）可控执行器的数量

34% " 第九版年度智能制造现状报告 智能制造技术有哪些示例？ 制造执行系统 (MES) 跟踪并记录原材料向成品的 转化，提供实时生产管理，以推动整个企业的合规性、质 量和效率。 分布式控制系统 (DCS) 使用分散元件来控制分散系 统，例如自动化工业过程或大型基础设施系统。 质量管理系统 (QMS) 对质量文档、过程和测量进行标 准化和自动化。 供应链规划 (SCP) 将来自多个部门的数据组合在一起，以 生产物流通过制造运营及自动移动机器人 (AMR) 提供协调、敏捷、零接触的物料流。 设计和可视化 工具将原始想法转化为直观的人机界面和沉浸式虚 拟现实仿真，以实现更智能、更快的生产。 工业控制系统可在运营的每个阶段 改善过程和生产质量，并提供无缝数据交换。 电源控制推动有价值的过程和诊断数据的持续流动，为设计环 境、可视化系统和信息软件提供信息。 分析利用数据来解决制造瓶颈，优化输出和质量，

管理创新和应用一体化平台 技术信息 隔离 A 设备位号记 录 基于三维模型的可视化综合监控 工作票 该区域的 KPI 报告及 与目标值的 偏差 事故分析 工艺控制系统 实时运行数据 危险点预控 危险等级 修改记录 大数据分析与综合展示 九江石化全流程生产装置 DCS+PID+APC 九江案例 ：智能炼厂总体技术架 构 原 油 分 子 数 据 库

设备数据化改造：依据设备的运行状态，采集关键数据，如温 度、压力、转速等，通过传感器和 IoT（物联网）技术，将数 据上传至云平台，为后续的智能分析和决策提供基础。 2. 智能控制系统引入：引入基于 AI 的智能控制系统，结合机器 学习和数据分析技术，实现对设备运行的智能调控。系统可以 依据实时数据自主调整运行参数，优化生产过程，提高产品质 量。 3. 远程监控与故障预警：建设一套完善的远程监控系统，实时跟 等），结合特定行业需求，经过迁移学习进行再训练，以保证 它们在特定应用场景中的效果和精度。 2. 数据源管理与处理 在数据采集层面，项目将整合 MES（制造执行系 统）、SCADA（数据采集与监视控制系统）等多种数据源， 确保数据的全面性和一致性。数据将经过清洗、标注和增强， 确保在 AI 大模型训练和推理中的有效性。 3. 端到端模型部署 考虑到智能工厂对实时性的要求，将采用分布式计算和边缘计 过物联网技术（IoT），实现对各类生产设备的实时监测，采集数 据类型包括但不限于设备状态、生产进度、原材料消耗、质量检测 结果等。这些数据将通过 PLC（可编程逻辑控制器）和 SCADA（数据采集与监视控制系统）等设备进行采集和传输。 在数据存储方面，采用分层存储策略，以应对不同类型和频率 的数据需求。实时数据通过边缘计算设备进行处理，并快速转发到 云端的数据湖中。历史数据则使用大数据平台存储，支持后续的深

材料、零部件、能源、设备等各种制造资源。由小到大实现从智能装备到智能生产单元、智能生产线、数字化车间、智能工厂，乃至智能制造系统的集成。互联互通是指通过有线、无线等通信技术 ,实现机器之间、机器与控制系统之间、企业之间的互联互通。信息融合是指在系统集成和通信的基础上，利用云计算、大数据等新一代信息技术，在保障信息安全的前提下，实现信息协同共享。新兴业态包括个性化定制、远程运维和工业云等服务型制造模式。

Cross-layer Service Orchestration，跨层调度协同）、5G 与工业组态软件协作适配、5G 与 DCS（Distributed Control System，分布式控制系统）融合等关键 技术研究与探索，加强 5G 与工业协议、工业业务逻辑的适配，深化 5G 与工业控制、生产设备等终端设备的融合。 （三）未来展望 工业 5G 终端设备的品类和形态将更加多样。随着 芯片/模组的工业终端设备将日益增多，5G 与工业的融合将 从外围辅助终端向核心生产控制环节过渡，工业协议传输将由传统的 有线承载方式逐步替换为 5G 无线承载，5G 将与 PLC、DCS 等核心 控制系统加强双向融合，工业终端设备和系统的作业方式将发生重大 变革。 工业 5G 终端设备将更加智能，并逐渐向云化发展。随着工业大 模型、通感一体、工业算力等技术发展，工业 5G 终端设备的智能化

成 ...... 计算机 视觉 模式 识别 预测 建模 机器人 规划 应用 专家 系统 自然语 言处理 机器 证明 �� 油田井下智能管理：通过物联网技术集成井下传感器、生产设备和控制系统，实现油田数据 的全面采集和实时监控。人工智能对这些多维数据进行深度分析，结合智能化的处理能力， 智能管理系统能够预测设备故障、优化生产流程，自动调整生产参数，提高运营效率。 勘探经营智能管 产线设备面临版本老旧，产能升级、 新旧设备更新换代的挑战，现有设备 无法满足设备完整性管理体系信息化 建设需求 当前企业基础设施无法支撑企业级应 用，生产业务缺乏软件应用支持；同 时，现有工业控制系统信息安全防护 应用不足以支撑系统安全运行 企业缺乏数字化人才与复合型人才， 生产业务人员对信息化理解不到位， 对于智能生产设备操作监测能力不足 �� 基于蓝图，荣信化工从以下四个环节落实工厂智能化： 测、虚拟周界监测、泄漏区人员监测，在发生识别报警时进行应急推送，使调度人员及时处 理，降低事故发生概率。 APC：根据煤化工装置的运行特点和过程控制需求，设计以保证生产安全、稳定产品质量、 降低装置能耗为主要控制目标的先进控制系统，克服系统内变量强耦合、非线性、大滞后、 负荷变化、蒸汽波动等因素的影响，实现对装置各工艺参数的平稳控制，提高自动化水平， 降低劳动强度，并在平稳控制的基础上通过工艺指标优化和“卡边”操作，实现节能降耗，

挥了重要作用。边缘计算通过将计算任务下沉到靠近数据源的边缘节点，不仅 降低了数据传输时延，还提升了模型的响应速度。例如，在自动化生产线中， 边缘计算可以实时处理来自传感器的数据，并将结果传递给控制系统，从而实 现生产线的智能化调度。而在某些对数据保密性要求较高的场景中（如国防工 业、关键设备制造等），本地计算则提供了更高的安全性，确保数据不会外泄。 基础设施层的构建不仅为工业大模型的高效运行提供了技术保障，还通过 数据作为工业大模型开发的基石，其质量优劣直接关乎模型性能的高低。 工业领域的数据来源极为广泛，设备运行日志详细记录了设备的工作状态和历 史信息；传感器数据实时反馈生产过程中的各类物理量；生产控制系统记录包 含生产流程、参数设置等关键数据；技术文档蕴含丰富的行业知识和操作规范； 34 监控视频则从视觉角度呈现生产场景，这些多模态数据共同构成了工业数据的 丰富来源。但这些数据往往 这往往导致不同厂商和不同领域的模型难以互通。未来，工业大模型将通过开 放平台和统一的接口标准实现跨行业、跨设备的智能协作。例如，机器学习模 型可以与物联网平台、企业资源计划（ERP）系统和生产控制系统等进行深度 集成，进一步优化从生产计划到实际生产执行的全过程。在这种高度协同的环 境中，工业大模型不仅能够分析生产线的实时数据，还能快速响应市场需求变 化和突发事件，提高生产的柔性和应变能力。

2. 安全标准 主要包括功能安全、网络安全、数据安全等 3 个部分。 功能安全标准主要包括智能制造中功能安全系统的设计、实 施、测试等标准。网络安全标准指以确保智能制造中相关终 端设备、控制系统、工业互联网平台、边缘计算、工业数据 等可用性、机密性、完整性为目标的标准，重点包括企业网 络安全分类分级管理、安全管理、安全成熟度评估和密码应 用等标准。数据安全标准主要包括工业数据质量管理、加密、