1 实现降本增效 By ：施耐德电气 梅峰 建材及矿业能力中心经理 如何通过预测与控制 智能工厂 智能工厂建设目标： 5 个方向 故障维修 预防维护 人工操作 机器操作 事后统计 质量预控 人工经验 智能决策 资源效率 安环第一 人 机 料 法 环 3 战略决策 持续发展 设备效率 业务运营 能效管理 生产工艺控制 设备级 生产级 控制级 企业级 山 实时性 4 层架 构 智能化的三层深度 数字化 3 2 1 • 信息的记录、存储、查询、汇总、展示 • 移动 APP 访问信息 • 便于数据的追溯、比对、分析、总结 •智能预测 •智能分析 •智能决策 •让机器替代人形成强大劳动力 信息化 智能化 物理工厂 人的经验 经验知识化 知识模型化 模型算法化 算法代码化 代码软件化 软件使用 • 质量 • • 物流 • 书面信息数字化 • 智能设备 自 动 数 据 采 集 • 自 动取样 • 在线分析 • 自 动感知 人 智 ” 到 “ 智机 3 层深 度 5 APC 智能预测与控制 6 借助于智能控制，可以消除人与人的差别 操作员不同，造成成本和质量上的差异 288 万 每月能耗成本节约 24 万 每年能耗节约 288 万 CO2 减排 8400

图形 1 AI+ 设备（预测性维护）方案 图形 1 背景 加入星球获取更多更全的数智化解决方案 预测性维护是工业大数据和人工智能结合落地的重要应用场景 ，为企业带来多方 面效益 预测性维护（ Predictive Maintenance ，简称 PDM ）是以设备状态为依据的新兴的维护方式 ，在设备运行时对其主要部位进行周期性 或 持续监测 ，判定其所处的状态 ，预测状态未来的发展趋势 ，并依据该状态发展趋势和可能的故障模式 ，并依据该状态发展趋势和可能的故障模式 ，预先制定维修计划 ，确定机器应该修 理的时间、 内容、方式。预测性维护可以为企业带来以下效益： ☐ 降低维保成本 ☐ 延长设备寿命 ☐ 提高设备使用率 ☐ 减少库存成本 ☐ 提升生产安全 维护触发点 固定周期，不考虑设备实际 状态，可能带来过度维护 必要时，预留足够应对时间 给一线人员在故障前做出应对 维护方式 根据零部件的平均损坏率进行维护， 不考虑实际运行状态 根据设备的实际运行状态 决定维护方式及关注点 维护成本 维护成本高， 停机停产时间较长 维护成本低， 停机停产时间较短 使用场景 无法准确获得单体 设备运行状态时 单体设备状态可获知时 预测性维护与预防性维护虽然只有一字 之差 ，在理念上却截然不同。预防性维 护不考虑系统设备当前的运行状态和健 康状态 ，是按照已经安排好的时间来完 成计划内的维护工作 ，会引起过度维护

腾讯 以 Deep5eek 为代表 的 在能源行业的应用 前景预测 贾德香 博士、正高 国网规划计划领军人才、 国网能源院高级专家 注册电气师、 咨询师 OT Deep5eek 等 RI 大模型简介 Deep5eek 在能源应用前景 预测 0 3 挑战与应对策略 Deep5eek 等 RI 大 模型简介 20 世纪 50 ~ 70 年代是人工智能技术的萌芽时期。 集群、分布式训练框架等。 二、 AI 大模型的核心技术与特 点 Te n c e n 腾 讯 Te n c e n 腾 讯 02,Deep5eek 等 RI 大 模型在能源应用前景 预测 n 国网光明电力大模型：（开源与闭源并举） 发输变配用、调度、交易 规划、建设、运行、检修、营销 n 南网，大瓦特 n 三峡集团“大禹”大模型 n 中核集团龙吟大模型 n 中国广核，“锦书”大模型 RI 大 模型在能源应用前景 预测 能源生产与管理 n 新能源发电优化： 1 、精准的功率预测： DeepSeek 可构建更精准的新能源发电预测模型，对太阳能、风能等发电功率进行提前预测。例如， 针对某风光装 机占比达 58% 的省级电网， DeepSeek 通过构建考虑新能源场站波动特性的动态安全域模型，将弃光率从 19% 降至 3.2% ，日前预测精 度提高 至 94.7% 。

求计划的验证过程，同时密切监控 预测准确性 C- 供应计划  甲方还需在供应商协同、端到端供 应能力可见性等方面进行提升 物流网络和相应的库存计划与监控 仍然较弱 B-S&OP S&OP 关注解决需求和供应的冲 突，欠缺对年度财务计划的考虑 应尽快提高 IT 支持的整体水平，并 加快决策速度 A1- 客户协同 A2- 预测周期 A3- 预测 A4- 内部协同 A5- 计划物流部 • 分公司计划物流经理：制定分公司 4/5 周销售预测，制定分公司购销合同，制定 要货计划 市场部 • 市场部经理：负责制定分公司市场活动方案，指导分公司销售预测 办事处 • 办事处经理：协助计划物流经理制定购销合同及销售预测 • 渠道经理：协助计划物流经理制定购销合同及销售预测 • 业务员：协助计划物流经理制定购销合同及销售预测 海外营销 总部 行销部 计划组 • FCST Plan name 总部 4 周净需求 Horizon 5 周 Bucket 每周 考虑 CDC+RDC 库存 需求计划重点关注 蝈内需求高阶流程 蝈内需求计划主要由总部制定 3 个月滚动预测及月度购销合同，指导物料采购及 月度生产 Plan name 物料采购计划 ( 短周期 ) Horizon 4 周 Bucket 每周 考虑物料库存及供应商反馈 参考 参考 1.1 1

体系规划总图 体系规划总图 计划流程规划 计划流程规划 销售的供应资源匹 配诊断 销售的供应资源匹 配诊断 供应商产能管理体 系规划 供应商产能管理体 系规划 销售预测管理 ( 线 上 + 线下） 销售预测管理 ( 线 上 + 线下） 供应链计划体系及 组织诊断 供应链计划体系及 组织诊断 供应链体系规划 供应链体系规划 执行体系诊断 执行体系诊断 执行体系流程规划 柔性供应链策略——动态均衡库存管理 柔性供应链策略——动态均衡库存管理 敏捷供应链策略——交付周期优化规划 敏捷供应链策略——交付周期优化规划 S&OP 精细化标签管理 S&OP 精细化标签管理 销售预测诊断（线 上 + 线下） 销售预测诊断（线 上 + 线下） 订货模型诊断 订货模型诊断 周 周 电商促销活动 电商促销活动 实操案例（以 8 月促销活动大面积断货为案例分析良品整个 S&OP ） 实操案例（以 致各段库存不能时时进行协调和监控，库存不 合理时时出现； 2 、产品预预实差异很大，没有建立科学的分 析、计算、监控机制，导致公司两级分化（大 批断货和大批库存积压）； 3 、产品分类计划维度过于单一，不能有效指 导预测、订单计划、储备、发货、售卖，周转 效率和产品新鲜不佳，消费者体验差； 4 、全渠道对于产品新鲜体验、品质安全没有 能够很强贯彻组织的日常工作中，不能高效和 指导员工的工作； 5 、公司缺乏产品新鲜管理的机制和技术手段，

LES NTal k … 数据 平台 数据收集 数据存储 数据集市 多维度查 阅 数据更新 数据个性 化 数据权限 控制 运营数据可视化 数据预警 供应链预警 销量预测 智能供应链 库存预测 数据规约 数据集成 数据交换 数据清洗 数据建模 价值挖掘 ROI 收 集 投入计 算 投入预 测 投入分 配 营销管理 用户行为分析 会员活动 会员机制 会员消息 会员推荐 智能商品排序 关联商品推荐 热销商品推荐 智能推荐 数据接口 订单 市 场 数 据 精 确 管 理 运 营 精 细 化 业 务 处 理 平 台 生产预测 配送预测 精准营销 基础数据 分析 营销分析 用户分析 运营分析 市场 负责人 营销 负责人 运营 负责人 库存 管理员 …… 其 他 数 据 分 析 系 统 4 章节 01 没有成熟的销售预测产品，人工预测工作量巨大，周期 长，无法完成供应链数据的可视化 用户行为数据收集不全面，不能支撑用户画像，无法实 现用精确营销及站内个性化推荐 业务现状 7 数据分析 - 总结经验指导未来 分析 销售 指导 采购 优化 仓储 8 供应链问题 销售预测准确率低 库存配置不合理 补货周期长 T+2提前期长 补货不及时 手动采购有限制 预测方法不合理

目录 甲方供应链未来情景 客户 分公司 S&OP 供应可视 一致性需求计划 可承诺量 (ATP) 供应约束 端到端同步计划 终端客户销售 甲方供应链网络 供应商 交付计划 PO / 预测协 同 及时交付 及时供应 及时交付 周主计划会议 需求管理 供应管理 关注长周期决策 集中型供应链管理组织 - 形成统一的一致性需求计划，根据计划执行生产 1 2 3 4 财务整合 物流网络政 策 11 PO / 预测协同 4 2. S&OP 一级流程 : 供应链计划流程 供应链计划一级流程 输入 输出 装运 装运 生产 生产 采购 采购 供应商 物料 原材料 1.1 需求计划 [ 营销 ] [ 每周 ] [IBP ] 1.2 需求冲减 和优先级 [ 每周 ] [APO-DF ] [ 营销 ] 需求 净预测 销售订单 周生产目标 1.3 原材料装运 原材料接收 成品入库 成品出库 装运 入库 半成品入库 出库 供应监控 计划 vs 执 行 成品每日目标完成 OTD2 OTD1 供应商 OTD OTD0 需求满足 订单 vs. 预测 半成品每日目标完成 主计划 vs. 成品生产计划 成品 vs. 半成品生产计划 生产计划 vs. PO / DN ATP 装运目标 生产目标 采购目标 1. 一级流程设计及未来场景 2.

浪费不知情  信息化孤岛：能源相关系统独立运 行，无法集中综合管控  园区能效管理粗放，预测不准确， 能源利用率低  缺乏专业的能效管理和节能分析 能效管理 1.0 能效管理 2.0 能效管理 3.0 无有效节能手段 无法实时管理，事后管理为主 技术、数据和业务融合， 事前预测，事中控制，事后追溯 实时监控 事中控制  完成能源计量数据采集，实现状态 监控   实现一定的能耗数据统计分析  单点节能，无系统节能和管理节能 的手段  缺乏能耗预测方法，缺乏节能分析 手段  统一 ICT 资源、统一联接、统一数 据 底座，统一集成平台，实现以业 务 驱动的全融合；  实现完整的能耗数据监控，统计和 分析  系统节能，管理节能  提供多种能效智慧化分析手段，提 供有效的节能建议 5 目录 1. 园区能效管理发展趋势 IAM 、 EI 、 IEF 等 10 个 平台组件。体现了平台 的 集 成性和连接性。 3. 支持：公有云 / 混合云部署。 ...... 能效实时监测 异常告警及处置 能效统计分析 能源运营预测优化 联接 4G/5G Wi-Fi 5/ 6 NB- IoT Etherne t Optical e-LTE …… 端 照明系统 智能电表 空调机组 AHU/VAV 新风机组 制冷主机、冷却泵、冷却塔

AI+ 质量管理是运用人工智能、大数据、物联网、云计算等新一代信息技术，对产品质量进 行全生命周期、全过程、全要素的智能化管理，实现质量问题的预防、预测、预警和持续改进。 - 预防性 ：从被动检测转向主动预防 - 预测性 ：预测质量趋势和潜在问题 - 实时性 ：实时监控和反馈质量状态 - 全面性 ：覆盖产品全生命周期 - 智能性 ：具备自学习和自优化能力 AI+ 质量管理——方案概述 3 、 质量预测 根据实时生产数据和模型 ，预测产品质量趋势 ，及时发现潜在质量问题。 4 、 工艺参数优化 利用优化算法 ，对关键工艺参数进行调整 ， 以实现产品质量的最 大化。 形成闭 环 ， 持 续 改进 AI+ 质量管理——架构蓝图 ① 生产过程透明化（ SPC 全流程 监控，保障设备生产过程工艺稳 定可靠）：快速定位稳定性不足 的环节，为后续预测与优化提供 数据基础； 数据基础； ② 生产过程可预测（ AI 驱动优化， 实现预测性维护与分析）：构建 AI 模型实现质量预测、工艺调优 与故障预判，形成主动式管控闭 环。 ③ 知识经验可关联可沉淀 （ FMEA 失效模式与影响分析 +LLM 大语言模型，闭环反馈）： 产品研发设计和生产过程知识库、智 能体问答应用。 AI+ AI+ 质量管理——产品清单 基本模块 基本模块 算法管理模块 算法管理模块 单工序闭环控制

数据量大 高度非线 性 数据深度挖掘 潜在关联发现与预测 大模型 黑箱效应 幻觉 非精准函数映射 特性 局限 不直接干预现有系统的操作指令 ， 而是通过深度分析现有系统产生的数据（如 企业资源计划（ ERP ） 系统的销售数据、 办公自动化（ OA ） 系统中的审批流 程） ，提供高级分析、预测、优化建议和人机交互功能。 大模型的输出作为参 考信息 ，辅助专业人员进行决策 ，形成优势互补。 l 选择和优化模型骨架要考虑： 电力数据的特性 ：电力数据以时序为主 ，包 含 大量数值型数据 ，对模型捕捉时间依赖和 动态 变化能力要求高。 不同的任务需求 ：不同任务（预测、控制、 诊 断）对模型架构的侧重点不同。 计算资源的约束 ：需平衡模型性能与训 练 / 推 理成本。 架构之基：选择与优化适应电力特性的模型 骨架 通用模型 辅助调度员进行电网安全校核、 阻塞管理、优化出清计算 市场交易辅助机器人 辅助交易员进行市场分析、价格预 测、策略生成、风险监控 智慧能源辅助机器人 辅助园区管理者、聚合商、用户进 行负荷预测、能效优化、市场参与 决策 “ 辅助机器人” ：面向核心业务场景的智能体范 式 l 认知与决策中枢：是机器人的核心智能所在 ，负责处理最复杂的认知任务。 l 核心大模型 理解与表征：