欢迎阅读罗克韦尔自动化的《2024 年智能制造现状报告》。 罗克韦尔自动化与我们的客户和合作伙伴一起，正在创造工业运营的未 来。120 年来，技术固然发生了变化，但我们的方法在世界各地和不同行业一再得 到验证。 在今年的《智能制造现状报告》中，我们探讨了当前的颠覆因素，包括工业人工智 能等新兴技术，以及它们缓解制造商面临的最大挑战的潜力。 我们采用独特的以人为本的方法来实现自动化；制胜法宝是员工受到激励、参与 98% 的企业制定了可持续发展/ ESG 政策，其中近一半的企业制定 了全公司范围的正式政策 创造工业运营的未来 首席执行官兼董事长致函 祝愿 2024 年取得丰硕成果和圆满成功， 罗克韦尔自动化 董事长兼首席执行官 Blake Moret :: 02 主要报告 结果 第九版年度智能制造现状报告 执行摘要 04 采取措施 30 概述 05 人口统计/企业统计结构 展并增强团队能力 可持续发展和 ESG 政策日益受到能源问 题的推动 工厂车间流程实现了大多数智能制造 应用 制造商面临的最大挑战 智能制造的未来状态 23 利用人工智能的竞争 自动化对成功至关重要 可持续发展和 ESG 是风险降低的核心 技术投资可推动企业的长期复原力 人工智能将提高质量并降低风险 领导者将在人员、流程和技术之间取得 平衡 目录 :: 08

AI 给供应链带来重大变革。64% 的供应链高管认为生成式 AI 正 全方位革新工作流程。 供应链团队必须改变工作方式。60% 的运营和自动化高管表示，到 2025 年，AI 助手将接管大部分常规和事务性工作。 自动化决策的比例将进一步上升。运营和自动化高管们表示，生成式 AI 将在未来两年内将数字助理的决策量增加 21%。 预测能力提升并推动可持续创新。76% 的供应链和运营高管认为，生成 生成式 AI 与云计算的强大结合，能够让这一 设想成为现实。通过结合机器学习、自动化 和高级数据分析，组织能够在混合云环境下 精准预测需求变化和采购延误等各类情况。 凭借预测，组织将能够变革供应链战略，从 事后被动应对转变为事前主动调整。 领先采纳生成式 AI 和数据创新的组织，特别是将 AI 能力视作自动化投资核心的组织，已获得显著回报。 智能供应链洞察变革，驱动增长 4 目前，领先采纳生成式 目前，领先采纳生成式 AI 和数据创新的组织， 特别是将 AI 能力视作自动化投资核心的组织， 已获得显著回报。报告显示，相较于同行竞争者， 这些组织的年净利润高出 72%，年收入增长率 高出 17%。所有受访的供应链高管都认为，AI 驱动的运营将在未来三年内推动收入增长翻倍 或更多。 1 根据这些数据，72% 的高绩效 CEO 在 IBM 商 业价值研究院 (IBM IBV) 发布的

降低运营成本......................................................................................16 2.3 实现高度自动化..................................................................................18 2.4 优化资源配置... ......................................95 7.1 生产线自动化......................................................................................98 7.1.1 自动化设备选择............................................. 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 析技术提取有价值的信息，为管理层提供精准的决策支持。  个性化定制：根据市场需求和客户反馈，通过

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， 以及解决了哪些行业痛点？本文将从公司“1+2+N”智能架构解读五大软件产品先进性。 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 做支持。中控构建了“4 大数据基座+1 个智能引擎”支撑“1+2+N”架构。4 年智能制造解决方案营收同比增速为 15%。我们假设 2024-2026 年该业务毛利率保持稳定为 41%。 （2）自动化仪表：随着公司仪器仪表产品扩容，预计该业务将继续保持快速 增长，我们假设 2024-2026 年自动化仪表业务同比增速为 50%、40%、35%。考 虑到自动化仪表业务有一定的规模效应，毛利率预计稳中有升，我们假设 2024-2026 年毛利率分别为 31%、32%、32%。

， 在智能化、物联、安全方面都有显著的优势成果。����年��月，美国《工业互联网战略》发布， 旨在通过物联网（IoT）技术推动包括石化产业在内的制造业能力升级，通过智能传感器、数据分 析和自动化技术，实现优化提效。����年�月，美国能源部（DOE）提出《能源部数字化转型计 划》，重点是利用大数据和人工智能技术，提高能源生产和管理的智能化水平、效率和安全性。 拜登政府也在积极发布政策， 智能库存管理 资产预测性维护 ……. 高端化 智能化 绿色化 �� 智能化 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 广泛认知能力的广义AI迈进（图 �）。智能化是对企业数字化发展的一次重大升级，将推进石油石化数字化的智能新应用。例 如：数字技术推动的调度管理规则数据化，以传统人工智能的运筹能力支撑调度管理的自动化进 阶打磨，加之与云、工业互联网等技术的融合，进一步推动了工程的智能化进阶发展。 来源: 石化盈科&IDC ����年 图�. 石油石化产业人工智能技术演进路线 业务价值 时间 智能供应优化

通过有效的程序和方法，确保团队在超出监管能力的灾难 性事件（如自然灾害、暴力/恐怖事件）中的安全 自主生产 打造低碳化产业系统，能够快速、无缝地重新配置和调整以适应 变化。 • 引入高度灵活的自动化生产线概念，专门满足高度定制化需 求，或能够根据变化快速重新配置 • 动态排产能力 • 库存优化模型 • 在资本支出中纳入可持续相关的考量 需求预测 能够预见和预测业务需求及客户需求的变化，以及更广泛的社会 • 口头交流 • 设备维护 • 文档管理 • 工作场所安全 • 维护安全 • 电气规程 • 工厂自动化 • 生成式人工智能 • 预测性维护 • 工作场所安全规划 • 时间管理 • 设备维护 • 电气规程 • 工厂自动化 • 生成式人工智能 • 预测性维护 • 适应能力 • 工作积极性 • 职责义务 • 团队合作 • 自主生产维护团队的领导者 工厂自动化潜力：高 人工智能增强潜力：低 工厂自动化潜力：低 人工智能增强潜力：高 个性化学习路径 ...从生产角色转变为确保 工厂正常运行的管理角色。 资料来源：埃森哲商业研究院基于世界经济论坛消费行业“未来的工作”试点工作组、美国职业信息网络（O*NET），以及美国劳工部劳工统 计局的分析。 智能制造 | 15 未来三年，计划投资于设施搬迁、自动化和数字 化来增

欧洲制造业正在呈现稳步增长，先进制造业企业的 数量从2009年的1,900家增加到2023年的4,500 家，增长了一倍多1。自动化、机器人、人工智能和 物联网等技术得到广泛应用。 尽管欧盟的制造业在企业总量和技术创新方面落后 于中国，但近年来已经超过了美国，呈现良好发展 势头。关键技术集中在人工智能、物联网、自动化、 3D打印和机器人技术等领域。 然而，对欧盟制造业来说，挑战依然存在，例如劳 动力成本上升，以及与美国和中国相比，获得资金 TELENOR IoT | 物联网赋能制造业数字化转型 | 7 制造业面临的挑战 生产效率低下：制造业的许多工艺过程仍然是手工 操作，容易出错，导致效率低下。借助物联网，可 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 情况更加复杂。物联网能够发挥重要作用，助力企业解决以下难题： TELENOR IoT | 物联网赋能制造业数字化转型 | 8 以及满足对更快、更高效的网络连接的需求。网络 升级对于工厂自动化、供应链监控和能源管理等采 用长期、低数据量物联网方案的行业尤其重要。 目前生产运营仍依赖2G和3G网络的制造商需要尽 快采取行动，升级设备和系统，以支持4G和5G网 络。这个过程涉及大量的规划、测试和部署工作。

预测何时可能出现问题，并在问题发生之前采取预防性措施。这样 可以减少意外停机时间，提高整体效率。 动态电源管理：通过分析负载和需求，AI 可以动态地调整 电源分配，确保每个设备都得到其所需的电力，但不会浪费额外的 能源。 自动化任务：AI 可以自动执行诸如数据迁移、备份和负载 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 测和处理数据采集和提取过程中的错误。通过日志记录、告警通知 等方式，即时发现和解决数据的异常情况。 26 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 （8）自动化调度：根据需求和计划，设定自动化的采集和提取 任务的调度时间表和频率。可以使用定时任务或调度工具，确保数 据的及时采集和提取 所有排放源的数据采集采用自动 DCI+人工校核方式，保证基础 数据的准确性。根据 这些工具可以自动执行公式和计算，生成各种指标和报告。 3、可视化工具：使用数据可视化工具，将碳排放数据转化为易 于理解和直观的图表、图形和图像。这有助于提供直观的数据展示， 使报告更具吸引力和易读性。 4、自动化报告生成工具：利用自动化报告生成工具，将数据处 理和分析的结果自动转化为标准化的报告格式。这类工具可以根据 29 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 预先设定的模板和规则，自动将数据填充到相应的报告模块中，生

AI 技术在智慧工厂建设中的使用方法 引言： 智慧工厂是指通过信息化和智能化技术实现生产流程自动化、柔性化和高效化 的现代化工厂。随着人工智能（AI）技术的快速发展，越来越多的企业开始探索 将 AI 应用于智慧工厂建设中，以提高生产效率、优化资源利用、降低成本等目 标。本文将介绍 AI 技术在智慧工厂建设中的使用方法，并探讨其对企业的影响和 未来发展。 一、数据采集与分析 1.1 传感器技术 准地做出 决策，减少生产风险。 二、智能化生产与机器人技术 2.1 自动化生产线 AI 技术可以实现智能化的自动化生产线，通过自主学习和智能决策能力提高 设备的自我调节功能。例如，基于视觉识别技术的机器人可以对产品进行质量检 测，并在发现异常情况时自动暂停生产，并通知相关人员进行处理。这种智慧工厂 中的自动化流程可以极大地提高生产效率和产品质量。 2.2 协作机器人 协作机器人是

...................................................................................... 17 园区基础设施自动化和智能化能力 ......................................................................................... 18 源荷碳足迹监控的 灵活需求 ▪ 冷热及空调风管网及设备保温性能满足相关标准 能源使用： ▪ 长期的生产工艺与流程优化，逐步实现精益管理，降低单位产能能耗 ▪ 主要用能设备的自动化和数字化升级，通过物联网和大数据技术辅助进一步提升整 体生产效率 ▪ 主要工业中间环节的去碳化，如煤改电、氢能替代技术 商务办公和文化旅游： - 挑战： ▪ 此类园区大部分能 碳排放。 能源使用： ▪ 增加电驱/氢能车辆和新型能源设备替代化石燃料运输工具 ▪ 提高整体园区的自动化和智能化能力，比如立体仓储系统，可以将土地和仓库的空 间利用率大幅提高，配合相应的智能分拣系统和机器人，可以达到少人甚至无人的 仓储管理体系。 ▪ 自动化程度越高的环境，对环境舒适度的要求越低，可减少用于照明和暖通空调的 能耗 ▪ 多个园区和上下游园区间形成物流