供应链协同 计划达成率、生产效率、 ... 设备稼动率 大数据分析 更好的协同 公共云平台 绩效管理 业务运营 资源管理 企业级 工业互联网平 台 更高的绩效 安全 ERP TMP APS/MES 边缘云 服务器 服务器 服务器 质量工艺控制 生产成本优化 推进绿色生产 车间级 工业网络 工业网络 SCADA/ 工业网络 / 多协议网关 更高的效率 机器人、运动控 制、电机控制、 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 MES 与 300+ 终端互通，实现每天近 15.2 改变现有程序下载模式，更快 更准 生产制程高清标识 : 通过融合 MES 系统和 MEC 服务器，在流程中关联生产产品与对应的制程图片，再通过 5G 手机 终端，实现高清相片快速上传，从而实现生产信息的便捷查询，使得产品质量追溯更加精准。 • 5G 手机安装 MES 系统 APP 应用环境 应用场景 • MEC 与 MES 系统协同 • 智能关联，防错防呆 • 供货海外产品出货前做好包装前各类物

5 ：生产过程的知识挖 掘 生产计划 过程仿真 生产需求 效益偏差 人 人 机 料 法 环 认知融合 需求预测 实际效益 优化 APC 测 - 全生命周期数字化资产模型 MES DCS 传感测量网络 想办法：智能工厂顶层设计 3D 设计 一体化 设计 建造 运维 字 化 移 交 工 程 服 务 Vertical 数 生产信息化管理及业务应用 数据 采集 静 态 企业基础信息 三维图纸 地理信息 扫描信息 文档图片 动 态 实时监控 实时数据 生产运营系统 MES 系统 能管系统 EAM 系统 传感信息 控制层 集团运营数据可视化监控与运营决策辅助 标 准 规 范 体 系 信 息 安 全 防 护 运 行 保 效协同 风险辨识、风险预控及应急指挥辅助 设备、装置、全厂多级递阶优化策略 三维设计模型转变为运营管理模型 DCS/MES/ERP/EAM 等异构系统 集成 工业控制信息系统安全防护问题 乙烯联合装置全流程优化控制等 DCS/FAS/MCS/APC/MES/ EMS 等 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

超16%。 • 数据交易：2023年交易所需求方是供给方的 1.75倍，数据产品成交率为17.9%，数据场 内交易供需匹配率低。 外部数据市场情况 企业内部不同业务系统间的数据流动增多 MES CRM ERP WMS 其他 企业内部不同业务 系统跨模块打通趋 势明显，跨业务系 统之间数据流动的 数量增加，且流转 路径变的更加复杂， 被攻击的风险增加 企业内部数据流转示意图 从制 www.iresearch.com.cn 核心技术的使用情况-MES/MOM成熟度高 MES/MOM、CAD、AI质检等解决企业实际研发生产管理的技术在企业 的应用成熟度最高，企业能接受的平均回报周期约为20个月 企业部分核心技术的使用状态和企业引入核心技术时可接受的ROI周期 未计划引入 初步引入，在寻找厂商 已建立试点实施 优化推广中 研发场景-CAD 等辅助设计 研发场景-CAE 等产品/产线/工 艺等仿真模拟 生产制造场景- APS等 生产制造场景- MES/MOM 生产制造场景- AI质检 远程运维- AR/VR 注释：针对已经进行了数字化转型的企业客户进行调研，N=45。 来源：艾瑞咨询研究院自主研究及绘制。 11.1% 6.7% 6

汽车和轮胎行业，汽车行业 各级供应商，电动汽车，电池 17 个国家/地区 54% 主要决策者 分担决策责任 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 云/SaaS GenAI 或因果关系人工智能 5G 人工智能/机器学习 供应链规划 (SCP) 高级分析（使用人工智能/机器学习） 机器人流程自动化 (RPA) 机器人 制造执行系统 (MES) 企业资源规划 (ERP) :: 10 :: 智能制造的现状 :: 第九版年度智能制造现状报告 连续两年，制造商一直认为缺乏技能娴熟的员工是他们 难以超越竞争对手的主要原因。 受访者计划使用新兴技术扩大员工队伍，填 在未来三年内，受人工智能影响最大的领域将 成为制造业面临的两大常态问题：保持质量和 降低风险，特别是网络安全。 制造商 将人工智能视为对 劳动力 挑战影响最大的 技术。 5G 供应链规划 (SCP) 制造执行系统 (MES) GenAI 或因果关系人工智能 高级分析（使用人工智能/机器学习） 人工智能/机器学习 应 对 劳 动 力 挑 战 的 十 大 技 术 问题： 贵公司投资的哪些技术将在未来 12

客户关系管理（CRM）、人力资源管理（HRM）、质量管 理系统（QMS）、资产绩效管理系统（APM）、项目管理（PM） 软件等经营管理软件应用指南和集成实施标准。 （3）生产制造软件标准 主要包括制造执行系统（MES）、高级计划排程系统 （APS）、工厂物料运输管理系统（TMS）、能源管理系统 15 （EMS）、故障预测与健康管理软件（PHM）、运维综合保 障管理（MRO）等生产制造软件应用指南和集成实施标准。 品数据管理（PDM）等软件的数据格式和接口规范标准研制。 经营管理软件标准。推动企业资源计划（ERP）、供应链管理（SCM）、客户关系 管理（CRM）等软件与其他软件集成实施类标准研制。 生产制造软件标准。推动制造执行系统（MES）、高级计划排程系统（APS）、工厂 物料运输管理系统（TMS）等软件与其他软件集成实施类标准研制。 控制执行软件标准。推动工业操作系统等软件的系统架构、数据接口等标准研制。 3. 智能工厂标准

GPT、BERT、EfficientNet 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 数据等。为了实现全面的数据采集，我们可以采用以下技术： 1. IoT（物联网）设备：通过传感器、摄像头等设备实时采集设 备状态和生产数据。 2. API 集成：通过开放的 API 接口，将外部系统（如 ERP、MES）中的数据引入到数据处理平台中。 3. 数据库连接：直接连接到工厂内部的数据库，提取历史数据进 行分析。 接下来，对于采集到的数据，需要进行清洗和预处理，以确保 数据的质量和一致性。这一过程包括： 机械手臂和机器人：在装配、焊接、喷涂等工序中，使用机器 人臂进行高精度、高效率的操作。这些机器人不仅可以 24 小 时连续工作，还能减少因人为因素造成的操作误差。 3. 智能软件系统：引入 MES（制造执行系统）和 WMS（仓库管 理系统）等智能软件，实时监控生产动态，并自动生成生产报 告，实现资源的优化配置与调度。 为确保以上自动化系统的成功实施，需注意以下几个关键措 施： 

(四) 信息化覆盖强度 精细化工企业信息化体现在研发、生产、仓储、销售、财务管控 等多方面。研发方面，通过 AI 接入，可缩短产品研发与产品验证周 期，加快研发成果转化率；生产方面，通过 MES（制造执行系统）优 化排产计划，提升产能利用率。ESG 监管趋严背景下，信息化系统（如 环境监测 IoT 平台）可实时追踪排放数据，帮助企业在“双碳”政策 下降低环境违规风险。另外在生产环节可引入工业机器人，提升生产

支持 智能工厂数字化信息化业务，通用的智能工厂数字化信息化业务如下表所示。 表 3-4 通用的智能工厂数字化信息化系统 主系统名称 子系统代表 智能生产类系统 制造执行系统（MES）、先进规划排程系统（APS） 中国电子节能技术协会 绿色全光网络专业委员会 63 63 主系统名称 子系统代表 智能物流类系统 仓储管理系统（WMS）、物流执行系统（LES） Telecommunication Union 国际电信联盟 KQI Key Quality Indicator 关键质量指标 LES Logistics Execution System 物流执行系统 MES Manufacturing Execution System 制造执行系统 MIMO Multiple-Input Multiple-Output 多输入多输出 MPM Multi-PON

数据是工业大模型应用的核心如图 5.3 所示，准确的数据采集与处理决定了 模型的效果和可靠性。数据采集与处理过程通常包括以下几个步骤： 数据采集与接入：通过传感器、IoT 设备、企业内部管理系统（如 ERP、 MES 系统）等采集实时数据，包括生产数据、设备运行数据、质量检测数据等。 在一些应用场景中，可能还需要集成外部数据源（如天气数据、市场数据等） 进行数据补充。 数据清洗与预处理：由于工业数据通常包含大量噪声和缺失值，因此需要 应用。 这个步骤涉及到将模型的预测与决策能力应用到实际的生产和管理环节中。具 体步骤如下： 系统集成设计：设计并实现工业大模型应用的技术架构，确保模型与现有 的 IT 系统（如 ERP、MES 系统）进行无缝集成。需要考虑数据流动、实时性要 求以及系统的扩展性。通常，在这一环节中需要使用微服务架构、API 接口或 中间件等技术，将模型部署在云端、边缘计算设备或本地服务器上。 应用 不同企业的业务需求，技术团队可以设计并开发适合特定场景的功能模块，例 如供应链优化中的智能调度算法，或制造业中的预测性维护系统。此外，技术 103 服务还包括与企业现有业务系统（如 ERP、MES）的无缝集成，确保数据流和 工作流的高效协同。 安全性与合规性保障贯穿于工业大模型技术服务的全过程。在数据使用和 模型运行过程中，技术团队会定期进行安全审计，发现并修复潜在的漏洞。同 时，

量问题，推动制造流程的持续优化。 Vanti19推出 Manufacturing COPILOT，目标是解决当前制造业专业人员在数据管理 和分析方面面临的挑战。通过融合和整理来自 ERP 系统、制造执行系统（MES）、传 感器以及历史记录器等多样化数据，该平台改变了数据处理方式。同时基于大模型能 力，允许用户以自然语言询问并与数据互动，将复杂的数据分析过程转换为简单直观 的对话。Manufacturing