对应备件号、采购信息，如采购日期、采购单价、保修信息、专业、 类型/类别等。 通过从采购、入库、维修、借调、领用、分配、定位、折旧、 报废、盘点，实现设备资产全生命周期管理，简化、规范日常操作， 对管理范围内的设备进行评级管理、可靠性管理和统计分析，提高 管理的效率和质量。 基于 BIM 三维模型，跟踪设备、设施资产位置及其相关属性数 伟景行智慧建筑运维管理平台解决方案 Connectivity）数据环 境 ，ActiveX  系统采用多层次的安全机制  合法用户的验证  对数据记录的访问权限控制（VPA）  对功能节点的访问权限控制  对页面功能操作的访问控制  Web 平台融合了 J2EE 理念  集成 AJAX、工作流、事务处理  Flash 技术、Web Service  基于 J2EE 的后台业务逻辑定制  Web 平台提供了一套机制 系统软、硬件建议配置 结合以上的技术及业务架构图，本方案中涉及的软硬件需要能 够满足当前用户的并发需求。存储设备容量则根据系统实际存储内 容数据而做调整，本方案中不做限定。软硬件建议配置如下文所述。 3.1.操作系统及软件平台配置方案 GIS+BIM+FM 设施设备运维管理系统运行于企业公司内部网络 中，与一体化平台等公司内部系统处于同一网络环境中，它们之间 相互直接访问。处于内部网络中的用户可以直接使用

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：  早期阶段：传统制造业以人工操作和经验管理为主，生产效率 低，响应市场需求能力弱。  自动化阶段：随着自动化技术的引入，生产线开始实现机械 化，但信息孤岛问题依然存在，各个环节之间缺乏有效的数据 共享。  智能化阶段 平，这不仅适用于重复性高的工序，也适用于需要精准操作的复杂 任务。此外，通过数据分析，实现资源的高效利用，减少原材料的 浪费，降低生产成本。 为了确保达成上述目标，本项目计划实现以下关键成果：  部署 AI 大模型进行智能化数据分析与处理  建立实时生产监控与反馈系统  实现全面的生产线自动化解决方案  开展员工培训，以提升操作员对新系统的适应能力 通过以上目标及成果的实现，AI 例如，实施柔性生产线，通过模块化设计的生产工艺，实现快速切 换不同产品的生产，减少设备进行切换时的时间浪费。 在人员配置方面，针对不同的生产任务，合理划分人员的职责 和工时。可以通过 AI 模型分析生产线工人的操作效率，根据工作 需求进行班次调整和人力分配，确保人力资源的高效使用。 为了更好地进行资源优化管理，建议建立资源跟踪和反馈机 制。通过实施物联网技术，实时监控设备的运行状态和资源的使用 情况，及时收集反馈数据。利用

甚至达到全行业最低，以构建竞争优势的战略。 二、信息化需求分析  来自外部环境的挑战： 1、 竞争对手的压力。重要的不是顺腾公司是否信息化，重要的是竞争对手是否信息 化。顺腾公司没有信息化的工具，在起跑线上就落后于人。手工操作相比信息化 系统，如同用大刀长矛对付洋枪洋炮，不具备竞争优势。信息化是大势所趋，也 是形势所迫。 2、 客户的要求。由于企业呈快速成长的态势，顺腾公司产品由过去的国内市场转向 更为广泛的国外市场 几年的快速发展，企业规模迅速扩大，管理、文化和团队未能同步提升的问题也日益凸现。 目前，除工程部应用 PRO/E、UG、CATIA 和中望 CAD 软件，以及公司行政办公应用万户 OA 系统外，生产物流系统全是手工操作。由于缺乏统一的信息共享平台，业务运作效率 低、出错多，部门间协调工作量大，沟通成本高。目前，公司处于转型期，未来几年有可 能发展成为集团企业，组织架构由目前的职能型变成矩阵型，几个分厂变成独立核算的子 变化，这些变化会导致原先做的信息化规划不适应新的情况。以上信息化规划不应成为顺 腾公司信息化的死框框，而是要能根据新的情况不断调整信息化规划。 五、各信息系统集成策略 顺腾公司的系统总体集成，采用无缝可配置的“互操作级”集成方式： • 基于 API+XML 的方式实现系统间无缝集成； • 用户可方便自行配置需要传输的数据，数据实时传递，安全性高； • 更改管理的集成控制，支持双向的数据传递； • 以设计中心的

数据、环保监测数 据、气象环境数据、原材料质量、人员定位数据和视频监控数据等并未进行有效地加工和 应用，造成了大量数据浪费。 ⚫ 中控提出的“1+2+N”智能工厂新架构，打破数据孤岛。通过工厂操作系统 sup-OS 将 数据打通；通过两个自动化（PA+BA）实现企业生产全要素的互联集成和企业经营的协同 智能，解决企业中的数据体系建设、模型体系建设以及场景化的应用软件问题；同时运用 大量 APP 图 2：中控技术“1+2+N”智能工厂新架构 ........................................................ 6 图 3：中控 supOS 工厂操作系统 ......................................................................... 7 图 4：中控技术智慧企业“PA+BA”架构 整体规划不足 工业软件集成水平低 各类软件移植难 二次开发工作量大 软件定制化程度高 数据接口种类繁多 缺乏统一数据标准 资料来源：蓝卓《中国工业操作系统发展白皮书》、申万宏源研究 传统自动化和信息化本质是把生产操作和管理流程通过软硬件系统的方式予以固化， 从而建立了垂直制造体系，这一体系下负责不同业务环节或流程的子系统间彼此孤立，即 使不同自动化厂商间的设备在工业现场

设计系统与供应链系统衔接更紧密，设计成果及变更信息的传递更快更准确 具有更高的柔性，能适应产品及业务变化快速进行调整 快速的反应能力 跨系统的数据集成速度更快、信息更全面 更快、更友好的系统操作 与上下游企业的信息传递更快捷 资源供需平衡 对商机、销 售预测 提供管理平台和丰富的计算工具 对订单的可承诺性提供更高的支持 提供更严谨的供应链计划功能及材料控制工具，减少呆滞库存 系统对业务覆盖不全，人工操作量大  业务分析、决策缺乏数据支持  系统优化跟不上业务需求变化和企业扩张速 度 营收快速增长 150 亿（ 2015 年）→ 300 亿（ 2020 年） 规模日渐庞大 新 产品 线上线，整合各分公司进行集团化运作。 现有 IT 系统 OA PLM  系统技术框架扩展性不 足  系统孤岛林立，整体集 成性不足  业务需求覆盖不足人工 操作业务较多，各部门信 企业真正意识到信息管理 的战略意义，推动信息化 覆盖面的完善，并追求更 深化的应用 信息系统全面满足各 个层级的需要，从简 单的事务处理到支持 高效管理的决策， IT 完整的与管理结合 阶 段 特 点 基础信息化 操作信息化 管控信息化 决策智能化 CAPP 系统 经销 商管理 售后及维修 管理 业 务 中 台 CRM 客户关系管理系统 客户行为采集 智能顾客分析 商机管理 服务管理 内 部 运

进行流 程化管理，推动产业从传统操作模式向智能化转型的初步探索，为后续的深入应用奠定基 础。 L�局部推广级：石油石化产业工业互联网平台集成AI决策，将智能技术应用于多个业务模 块，实现工厂环境的物联感知，并通过数据、知识和模型的有机融合优化决策过程。业务场 景集成机器学习和深度学习技术，自动化特定任务，智能化应用从单一领域扩展至多个模 块，提高了操作效率和决策准确性。 L�扩展复制 勘探培训模拟：利用数字孪生技术结合人工智能视觉构建的智能培训平台，通过VR和AI视频 技术模拟真实的油气勘探现场，为员工提供了一个无风险的训练环境。员工可以在平台上练 习专业技能和操作流程，体验流程化操作带来的反馈效果，为上岗后的真实生产过程储备足 够的前期经验。 来源: 石化盈科&IDC ����年 图�.智能勘探业务场景与人工智能技术组合 勘探工艺优化 油井工况诊断 勘探开发风险管理 励模型（RM），并用强化学习（RL） 方式微调模型，结合多模态交互，推动智能勘探大模型具备更艰巨井下环境中的智能复杂任务处 理能力，进而打磨已有的通过传统监督机器学习得到的模型，推动勘探业务突破操作效率和模型 安全的瓶颈。此外，资源开发业务的数字、术语、语法较为复杂，智能勘探大模型可逐层剖析这 些信息，如对资源开发趋势数据、异常数据、决策因子进行整合，体系化提升整体业务的智能化 能力，为勘探业务的数字智能化提供关键动力。

复性劳动多，价值低。 u 采购业务供应商寻源、订货、对账、开票全部线下操作，供应商绩效考核人工统计，工作量大，及时性差，准确度低。 u 财务核算简单，成本核算粗放，无法及时了解产品订单成本情况，无法指导经营决策。 信息管理手工为主，应用初级 过程数据人工统计，追溯困难 计划执行返馈周期长，效率低 采购业务人工操作，管控难 财务侧重核算，管理职能弱化 项目目的——降本增效，科学决策 灵活定义质检指标 指标可以有多种质量标准 质检指标 多种检验方案 检验标准判断 全程检验控制 全面质量管理 质量统计 针对性检验方案制定 自动检验规则判断 质检控制在各个环节 现场质量判定操作界面 质量追溯系统报表 关键需求与解决方案 —— 供应商管理及采购业务 供应商管理 供应商绩效 供应商管理 供应能力管理 供应商主数据 主档案 管理特性 质量水平 价格水平 库存管理 WMS 管理端 ASRS （ WCS ） 输送系统 分拣系统 电子标签系统 自动货架 堆垛机 AGV 在线称重系统 取消操作 收货 上架 入库任务管理 出库管理 出库任务管理 预配 分配 拣货 发运 取消操作 库存管理 库存查询 库存冻结 库存转移 / 调 整 仓库盘点 策略管理 批次规则 包装规则 上架规则 库存周转规则 拣货规则

➢ 场景大模型 场景大模型则是进一步细化到工业中的特定场景。工业领域包含众多场景， 10 如研发设计场景、生产制造场景、试验测试场景、运维服务场景等。场景大模 型针对这些特定场景下的数据和操作要求构建，能够精准地适应特定场景下的 任务需求，例如生产制造场景中的质量控制任务、运维服务场景中的设备故障 预测任务等。 图 1.3 工业场景（研发设计、生产制造、运维等） 1.1.2 工业任务/行业模型适配 特点，包 括 CAX 模型、传感信号、工艺文件、机器指令等特有数据模态，与通用大模型 常用的文本、图像等数据模态有很大区别。工业数据制备涉及到对这些复杂多 样的数据进行收集、整理、清洗、标注等操作，以便为后续的模型训练提供合 适的数据基础。 图 1.4 工业数据类型（三维图纸、时序信号、二维图纸、机器指令等） 1.1.4 工业基座模型训练 工业基座模型训练是工业大模型构建的重要阶段。在这个阶段，利用经过 工业场景交互应用是工业大模型构建的最后一个阶段。这一阶段主要关注 工业大模型在实际工业场景中的应用，包括与工业硬件设备、操作人员、其他 工业软件系统等的交互。例如在生产制造场景中，工业大模型可能需要与生产 线上的机器人、PLC（可编程逻辑控制器）等设备进行交互，为生产操作提供 决策支持、故障诊断等服务。 1.2 工业大模型的特点 图 1.6 工业大模型特点 工业大模型作为新一代

分开，从而生成准确、一致的结果，且能够追溯到源文件和数据，以确保信息的准确。 另外，Generative AI 还通过嵌入相关性评分机制，在未达到相关性阈值时回答 “我不知 道” 。例如在设备运维场景下，操作员可以利用简化的工作流程来诊断设备故障根因。 当操作员发现生产问题时，可以直接进入 C3 Generative AI 搜索故障排除指南和教科书， 以找出潜在原因。 3.4. 三种模式综合应用推动工业大模型落地 在工 工程师简化机械加工任务。Éncy 能够 执行多种任务，包括生成基于文本描述的代码，以及使用 Python 编写代码来创建.dxf 或.stl 文件。此外，Éncy 还能支持工程师操作机床，回答与 SprutCAM X 软件操作相关 的任何问题。例如，当工程师给出指令“在点(100, 25)处钻一个直径 10 毫米的孔”， Éncy 即可生成相应的 CAM 执行代码。 4.2.2 车间和设备管理 不仅能处理和分析原始数据，还能识别并解释复杂的 生产行为，转化为易于理解的、可操作的洞察。借助数据可视化技术，它提供了数据 的图形化叙述，增强数据的可解释性，帮助制造业专业人士进行数据驱动的决策。此 外，它还简化了测试流程，使用户能够通过自然语言查询快速验证假设，并根据可靠 数据进行调整，显著提高了生产效率和操作效率。 ABB20与 Microsoft 合作推出 ABB Ability™

FuncGenFoil 算法框架组建与功能示例..................................................... 37 图 13 FuncGenFoil 算法框架操作界面示例......................................................... 38 图 14 AIPOD 智能优化平台................ 利用Transformer从操作序列生成CAD模型，SketchGraphs16使用GNN 和 Transformer 分析几何关系并生成参数化 CAD。小模型方面，基于 规则和物理的小模型可以快速执行基于明确物理定律或几何约束的 优化计算，进行实时的仿真分析反馈。如，西门子的 Solid Edge 2024 版本通过集成小模型技术，实现了多项智能设计辅助功能，基于用户 操作习惯和物理约束的 AI 现设计冲 突的自动检测，有效减少返工与修改成本。如汽车设计中，AI 的作 用不仅限于设计优化，还包括设计验证和错误检测，AI 可以检测出 可能被忽视的问题，如结构弱点或安全合规性偏差，并提供可操作的 修正建议。 智能图纸识别与逆向建模将图纸信息有效转化为模型数据。利用 计算机视觉、深度学习和模式识别技术，自动识别和理解二维工程图 纸（如扫描蓝图、PDF 图纸、CAD 矢量图）中的信息（视图、尺寸、