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， 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 和维护不足的问题。 两种方式的特点对 比见右表。 方式 预防性维护

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 管 理 质 量 管 理 设 备 管 理 物 流 管 理 原 料 管 理 数 字 矿 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 • 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

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。 大模型通常具有数十亿甚至千亿级别的参数， 使得模型能够捕捉到更多的细节和特征 ，提高了任务的准确性。 2 、训练数据海量。 AI 大模型需要训练大量数据才能发挥出其强大的 性能 ，这些数据来自于各种来源 ，如互联网、企业内部数据等。 3 、计算资源需求高。 由于参数规模庞大 ， AI 大模型的训练需要高性 能的计算资源 ，如 GPU 集群、分布式训练框架等。 二、 AI 大模型的核心技术与特 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 n 中国石油，昆仑大模型 n 中国石化，“胜小利”大模型

基于智慧燃气的完整性管理 目 录 1 港华智慧 能源简介 2 完整性管 理概念 3 TOP 港华智慧运维平台 4 完整性管 现有厂站 1,055 个， 管网约 12.8 万公里。 香港中华煤气 + 港华智慧能源 成立于 1994 年 （前身港华燃气）， 为香 港 中华煤气有限公司 （下称中华煤气， 港华智慧能源简介 基于智慧管网的全生命周期 管道完整性管理： 对燃气 输配管道的风险因素不断 进行识别和评价， 采取各 种风险控制措施， 持续改 进， 将风险控制在可接 受 范围内， 最终实现安 全、 可靠、经济运行的目的 。 完整性管理概念 管道完整性： 管道处于可 靠的服役状态， 主要包括： 管道在结构和功能上是完 运维 报废 TMS 工程移动应用 TOP 智慧运行平 台 信息化创新促城燃完整性管理 02 03 05 04 01 TMS 工程成 本 可行性研究 管道完整性管理概念 • 第三方损害 • 穿越点 • 敏感区域管理 • 定期检验 •

总部驱动的需求计划流程，缺少市场感应 缺乏端到端的供应链计划来保证计划的连续性和库存优化 缺乏端到端的供应链计划来保证计划的连续性和库存优化 缺乏端到端的供应链 KPI 架构将业务指标与日常运营结合起来 缺乏端到端的供应链 KPI 架构将业务指标与日常运营结合起来 关键的供应链数据进行手动维护，对计划员缺少足够的可视性 关键的供应链数据进行手动维护，对计划员缺少足够的可视性 11 22 33 44 55 66 启示 启示 甲方目前供应链计划主要问题 7 甲方供应链成熟度分析 A- 需求计划  甲方的需求计划流程缺少跟客户 协同和与市场驱动的一致性结构  甲方需要每周进行至上而下的需 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 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- 透明度及订单交付承诺 A6- 订单管理 B1-S&OP 会议 B2-S&OP 与财务计划整合 B3-S&OP 组织 B4-S&OP IT 支持 B5- 产品上市管理 B6- 产品退市管理

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 基于规划体系的数字化需求 任务卡 任务卡 体系对业务任务支撑 体系对业务任务支撑 4 S&OP 变革背景及意义——诊断结论回顾 指标问题 供应链的组织和绩效考核，有较为全面的指标体系，但是指标缺乏导向性和目的性。缺乏对公司战略的承接，缺乏指 标分级，所以也就缺乏最终评价顶层指标的路径。 信息断点 供应链各环节存在信息断点，也造成供应链行为决策不能有及时有效信息支撑，从而做到精细化管理 规划与策略 对于公

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 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. 二、三级流程及规则政策 3. 附录 目录 3.1 主计划 二级流程 : 3.1 主计划 1) 流程概览 目标 • 基于一致性无约束周需求计划，生成一致性主计划 主要输出

图形 1 AI+ 质量管理方案 背景 最大的挑战 海量数据的处理能力缺乏 检测效率低下 综合成本大 质量稳定性、准确性差 • 人工判读：依赖经验，标准难以统一；新 员工经验不足、重复性疲劳等易导致漏检 误判； • 精度受限：产线上难以根除的微小缺陷。  人力：大量质检人员的需求，培训和运营成本高。  物料：废品损失成本大，提高生产成本；  客户满意度：质量问题容易引起客户投诉，影响品 依赖员工个人经验，难以发现早期故障 征兆，平均故障发现时间长达数小时。  跨系统的数据未整合：质量管理数据分 散在多个系统中，缺乏整合分析，导致 决策缺乏数据支撑。  改进措施难闭环：工艺参数与质量关联 性不透明，无法提前干预，滞后性强。 痛点 即便传感器采集了大量数据，企业也常常面临“数据看不懂、预警不及时”的问题。 解决思路 将数据和知识库进行深入融合，构建 AI 模型库； 将 AI 应用到生产全流程的过程质量控制： 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 核心功能 1 、 FMEA 失效模式与影响分析：

战略的提出为我国能源发展指明了清洁低碳的核心方 向 ， 能源系统正经历前所未有的结构性变革。 l 新型电力系统应运而生 ：作为能源革命的核心载体 ，新 型电力系统旨在构建以高比例可再生能源为主体 ，源网荷 储深度互动、安全高效的现代能源体系。 l 核心使命与紧迫性： 承载高比例新能源：支撑风、光等波动性可再生 能 源的大规模、高比例接入与消纳 ，是实现能源 结构 ：为经济社会绿色低碳转型提 供 坚实的电力基础。 承载高比例新能源 确保可再生能源的大规模 接入和消纳， 以实现能 源 结构清洁化。 能源革命浪潮：新型电力系统的时代使命与紧 迫性 支撑经济社会发展 提供坚实的电力基础 ，以促进 经 济和社会的绿色转型。 保障能源安全稳定 维护可靠的电力供应 ， 以 支持国家能源安全。 如何实现中国的“双碳” 目标？ 新型电力系 出色的上下文学习与推理、多模态融合潜力等能力 ，成为破局关键 ，助力解 决系统难题。 数据 “爆炸 ”与融合困境 ： 海量 、 多源 、 异构数 不确定性剧增 ： 高比例能源的接入 ， 新能源的 随 机性、 波动性给系统平衡带来巨大挑战 协调难度加大 ： 数以亿计的分布式资源接入 ， 传 统集中控制模式难以为继 重风险 ，系统安全边界动态变化 至毫秒级完成决策 ，传统方法算力瓶颈凸显 安全韧性要求提升

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 实施方案 需求理解 6 商城运营所需订单、客服、售后、物流、流量等数据存 储在不同系统中，数据查看不便，连贯性差 01 02 03 04 各数据源数据无统一存储地址 , 数据标准不统一，对业务 运营后期数据挖掘和模型建立无统一可用的数据库 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