场景化落地应用推进制造企业数字化转型两篇文档

场景化落地应用推进制造企业数字化转型陈文龙制造业数字化现状解析信息化建设整体思路典型场景案例介绍决胜数字化转型之路第一部分制造业数字化现状解析中国机械制造业的挑战与机遇面临的挑战全球经济及政治影响人力成本上升原材料资源紧张发达国家意识到实体经济重要性，正在进行“再工业化”运动全球政治因素及经济导致的外企回流及技术封锁，需要企业更加重视企业供应链是否可以支持业务连续性。由于人力成本上升，导致大量劳动密集型业务外迁东南亚等地。中年国产的值“（世人界民工币厂”元面）临双重挑战公共突发事件冲击美德英等发达国家纷纷提出以重振制造业为核心，以信息网络技术、数字化制造技术应用为重点，依靠科技创新，抢占制造业新的制高点的“再工业化”战略国际金融危机，凸显实体经济的重要性中国的“世界工厂”面临双重挑战“疫情”让制造业“危”“机”并存自动化/数字化基础差的企业无法应对疫情，停工停产。疫情导致用工荒、资源紧缺、成本上涨，曲线底部企业周转困难。自动化及数字化能力强的企业依托先进技术正常开工，并扩大了市场份额。外部的环境压力成为制造业智能化和数字化的催化剂，传统制造业需要通过技术手段实现产业升级、连接上下游，降低企业的人力依赖，改善供应链上下游的供给环境。中国制造业微笑曲线业务工序附加价值产品研发/咨询半成品/零部件生产组装装配销售推广售后服务利润空间资源成本数字化转型跟我们有什么关系？年产值（人民币元）数字化转型中的三管四做6数字化转型浪潮下，智能工厂成为转型新路径2020年6月30日，中央全面深化改革委员会审议通过《关于深化新一代信息技术与制造业融合发展的指导意见》，提出将进一步加快制造业数字化、网络化、智能化步伐，加速“中国制造”向“中国智造”转型。智能制造已成为推动制造业转型、加快制造业高质量发展的重要抓手，而智能工厂作为制造业转型的枢纽与核心，备受企业青睐。年产值（人民币元）制造企业数字化转型成熟度评估模型IOMM01明确不同行业的不同企业转型的路径、阶段、最佳实践和未来方向企业数字化转型对标准化的需求和IOMM的思路IOMM：I&OMaturity

Model第一部分I：Infrastr

ucture数字基础设施服务运营能力第二部分O：Operation企业整体数字化经营运营能力中国信息通信研究院云计算与大数据研究所企业整体和IT部门如何建设为以客户为中心的服务能力02企业数字基础设施如何建设整体组件化、产品化的平台03第二部分信息化建设整体思路年产值（人民币元）三大板块支撑体系化经营管理平台建设输入数据流过程工作流输出信息流高效会议体系周月报、移动报表移动管理应用移动端填报，预警推动高阶应用年产值（人民币元）存储处理中心：底层数据仓库架构源数据数据抽取转换数据仓库数据集市整合分析展现数 数 数据 据 据抽 转 加取 换 载数据质量管理ODS(操作数据存储)EDW(数据仓库)数据集市关系数据模型多维数据模型主数据管理（MDM）营销风险存货风险运营分析财务分析物流分析客户分析人力资源…..专业软件、门户、移动设备等形式发布固定报表自主分析移动端年产值（人民币元）数据底层板块——底层数据应用现状传统报表平台直连业务系统数据分析中心年产值（人民币元）指标体系——指标数据分析三要素指标体系——指标体系库参考营销主题库存主题财务主题生产主题人资主题质量主题应用平台——金字塔平台体系搭建02战略层运营层执行层企业驾驶舱目的：展示企业整体业务经营情况及指标

01展示形式：多指标多维度分析图形适用人群：高层领导年产值（人民币元）数据统计上报目的：明细数据查询展示形式：表格填报适用人群：基层工作人员03业务模块分析目的：聚焦业务，提升管理效率展示形式：单指标多维度分析图形+表格适用人群：中层领导应用平台——各层级建设策略管理员驾驶舱及移动端应用工厂领导层决策及战略信息工厂管理层运营及业务管理信息业务信息报表及图形化展示工厂业务执行层基础运营信息业务信息报表战略目标及决策监控

工厂 运营管理层成本指标库存指标采购指标质量指标人力指标成本分析主题模型仓储分析主题模型质量分析主题模型采购分析主题模型产量分析主题模型工厂管理决策层关键指标经营绩效风险预警战略目标业务运营层面反馈生产 库存 质量 设备OEE报 能源日报 日报 月报 表 单耗运营策略战略拆解落地企业战略规划自上而下进行拆解，各部门纵横双向实现高度协同运营实时监控KPI数据实时可视，各部门高速健康运转问题预警纠偏创建档案库，异常数据与流程及时纠偏全员参与改善创建精益改善库，宣贯精益意识，倡导全员参与，实现自学习自优化，工作持续改善工厂战略决策及运营支持数据建设目标愿景目标总体规划思路缔造杰出企业，成就先进品牌各个业务部门运营效率提升全产业、全品类布局打造集团企业分析体系以数字化为导向，以运营效率提升为中心

管理水平一流管理体系一流服务品质一流运营透明流程上线降本增效关注体验（客户/经销商/员工）组织协同1个理念3个一流5个原则关键举措运用大数据技术实现数字化业务部门管理提升，支持分子公司快速复制现有的数据分析体系和能力。制定数据标准，建设统一的数据平台，实现数据资产的沉淀及互联互通，促进以数据共享为基础的多领域融合。基于大数据平台开发各类管理和辅助决策工具，实现管理及效率提升；沉淀优秀的分析经验，实现技能共享与传承。建立数据管理体系，培养业务和大数据复合性人才，创造数字文化氛围和持续演进的管理体系。第三部分典型场景案例介绍场景一：生产指挥中心提高生产效率提升⼯⼚产出，提升设备OEE，降低运营成本提升敏捷性降低库存，缩短交货时间，减少换线时间加速产品迭代减少设计迭代时间，缩短新产品上市时间提升企业可持续发展能力减少资源浪费，提⾼能源效率实现定制化实现多品种、⼩批量的定制化⽣产制造业在组织、业务、产品和价值链上的复杂性，为企业的数字化转型带来了诸多障碍。事实上，数字化转型并非单项技术的应用，也不仅仅是个技术命题，更是一个战略和管理命题。因此，制造企业需要深度剖析数字化转型的需求和突破口，建立明确的数字化转型路线图。然而高层对数字化转型必要性、紧迫性和复杂性认识不足，企业内部已应用的系统孤岛纵横，重视自动化轻视数字化、转型效果不显著、持续投资难、无法有效量化效益等问题严重制约了制造业的数字化进程。因此，企业急需一个能够打通诸多业务系统、综合展示生产运营各环节、支撑各层级管理决策的窗口。在这样的背景之下，

生产指挥中心应运而生。1 2 3 4 5建设生产指挥中心突破降本增效局限六大模块支撑企业数字化转型，为生产指挥中心打牢基础数字化财务会计报表 全面预算财务共享 财务分析智慧供应链智能物流 采购监管全局订单 供销平衡业务运营改善智能制造 数字化营销数字工厂 质量追溯 客户满意 渠道管理计划可控 全局可视 客户画像 竞品分析数字技术创新数字化服务客供监造 智能运维客户评价 项目管理物联网信息应用数据安全数据治理数据资产管理大数据平台服务质量提升工艺流程改善产品改良大数据计算安全技术数字化人力人事管理 员工画像薪酬绩效 人才发展6.基础设施建设公司级数据中心智能化设备改造业务信息系统安防监控中心企业战略转型数字化转型成熟度评估 数字化转型战略规划工具 数字化转型战略目标制定与拆解 数字化转型企业文化变革组织能力提升 3.管理模式变革员工能力 员工思维 员工治理 PDCA闭环线上化 数字化双线管理生产指挥中心体系构建生产指挥中心车间维度分析：车间看板+工序建模备料车间驾驶舱焊接车间驾驶舱涂装车间驾驶舱装配车间驾驶舱厂内物流配送-物流管理驾驶舱事业部维度分析：由点到面+多维穿透

总经理驾驶舱/部门驾驶舱综合管理采购/计划财务管理HSE管理制造/质量管理生产统计驾驶舱订单管理驾驶舱质量管理驾驶舱异常管理生产异常入库异常质量异常智能制造展厅设计指挥中心大屏：多屏组合+监控集成生产运营情况-指挥中心大屏 企业形象大屏设备互联及视频监控多层级/多角色的数据触达体系总经理驾驶舱不同班组/工种到岗情况人员技能匹配度情况人员总体信息人员变动情况趋势员工相关技能雷达图每小时下线量生产下线 下线量同比及 各工序不整体信息 趋势情况 良率各产线不良率 各机台不良率紧急交付产品品种轮播工厂异常信息滚动播放设备/模具保养及执行情况设备连接状态及开动情况设备实时OEE分析近七日设备OEE变化趋势库存月趋势分析总成/零件切换物料周转 总成/零件库存 总成库龄排名 数据汇总 TOP10积压物资排行零件库龄TOP10驾驶舱体系分层细化指挥中心大屏体系之下，负责日常生产运营业务的总经理/厂长，需要能够在自己的办公室内快速掌握工厂的整体动向，包括可以根据异常初步定位原因和责任部门，及时提醒相关部门的负责人；核心指标展示：

Q质量、C成本、

D配送、S安全、M人员士气等；当前显示总经理驾驶舱页面，相应数据可以点击下钻，分别钻取跳转至车间级驾驶舱或各事业部驾驶舱。生产运营指挥调度中心生产运营情况总览展示工厂真实的运营情况，包括总厂和各个车间；综合展示集团及事业部最关心的指标，如生产订单情况、来料库存情况、成品质量检测情况、设备状态等；不同的业务板块支持点击下钻，进行细化分析；设备互联&3D建模-新一代FVS渲染模块动态渲染3D建模及渲染展示全新推出的FVS建模展示模块，借助通用的GLB模型进行3D组件的导入，再结合前端的动态渲染进行更加直观的效果展示；通过对设备每日的开机时长，作业时长，故障时长等指标计算出设备的开机率，在线率，作业率，空闲率，故障率等重要指标。下方根据工作中心维度展示各工作中心的设备情况，与各工序驾驶舱的设备内容整体呼应。厂间指标监控区域工厂生产情况总览展示各个区域工厂的总产量、批次、工用时等数据。帮助企业高层快速了解各区域产情况。核心板块——生产达成时、生达成、达变量天产量达成：考究单日产量和累计产量的成率，帮助企业高层实时监控生产进度和达 情况，起到监控预警的作用。核心指标：提取批效率、批运行效率OEE三个核心分析指标。不仅监控生产总量成情况，同时还分析生产整体效率。产量趋势分析：分析产量随时间趋势的化和达成情况，并与OEE进行对比，分析产是否符合生产效率，帮助企业快速定位异常数。生产状况与异常分析该面板以产品线为维度，展示各条产品线当前的生产批次和生产状态。同时，展示最近一周设备故障的停机时间和停机原因，帮助企业快速定位生产中的关键异常因素。生产车间运营监控大屏车间监控大屏展示车间管理关键指标信息，包含计划进度、质量情况、设备状态、人员配备等，对车间的实时情况能够进行监控和管理，也是一种领导层压力下放、车间实现自我管理的有力工具。优势：实时性实时反应生产情况、设备情况、人员情况、环境情况等重要车间生产指标，减轻管理人员的工作负担；发生异常情况时，快速定位，提高问题处理响应效率，从而提高生产效率。丰富性由于大屏展示涵盖内容较多，使得管理人员可以通过一张屏幕就能对当日生产情况进行分析。比如单区域耗能与产量是否匹配，工人分配情况是否满足生产需求等。美观性监控大屏不仅可以服务于管理人员，在对外参观或巡视时，美观的大屏有助于树立“智能工厂”形象，提高公司影响力。车间生产计划管理统计各车间当月及年度累计指标完成率，对比反馈时序进度较差的车间，进行针对性改善与问责。时序进度不达标的车间，信息标红高亮显示。场景二：企业闭环经营管控体系数字化管控平台管理分析财务分析营运分析生产分析……经营仪表盘经营监控经营指标库战略监测市场环境行业竞争战略地图行动明细跟踪行动执行行动进度监控经营监测关键KPI绩效监控业务经营指标发现经营问题管理分析业务专题分析剖析业务原因分析问题原因经营管理闭环战略回顾与考核战略目标达成监测部门绩效考核评估沉淀管理知识经验战略规划与调整外部环境监测行业竞争分析战略地图监测把控战略目标落实行动战略行动方案跟进专项改进行动跟进落实改进行动PDCA闭环管理过程P：工作目标制定拆解A：问题待办执行闭环跟踪C：执行结果复盘分析D：执行过程看板驱动构建完整的指标异常/任务超期闭环管控体系自动抓取生产过程的异常数据进入闭环管理相关产线线长收到消息任务流转超期填写原因+改进对策+计划完成时间并推送异常对策/超期提醒，反馈产线线长该异常/超期流转结束按权限推送给责任人员数据异常/任务超期审核确认完成仍需改进每30min定时推送超期的任务/异常数据消息给产线线长和责任工程师构建完整的闭环管控体系P：自动监控考核指标超过阈值/流转超期问题，保障能够定位到问题的责任人；D：设定指标监控的周期，如每隔30min做一次推送；C：收到推送预警消息后，填写相应的问题原因+改进措施+计划完成时间，精确到执行负责人；A：再次反馈给负责人后，确认是否已经完成闭环。构建完整的指标异常/任务超期闭环管控体系责任人问题闭环管理建立问题找人、分层管理机制，大幅提升数据决策的时效性；重点调试数据及过程数据全部实现自动化，掌握全部数据动态，在线闭环管控；故障及原因分析不再无的放矢，各类原因全部在线记录，方便后续分析经验教训；通过邮件/飞书推送给指定人员。场景三：销售运营管理分析对于大部分企业来说，销售部门是为企业直接带来利润的主要部门，说是企业命脉部门其实也不为过。然而事实上是为数不少的销售部工作人员由于缺乏营销分析概念和方法，企业累积的大量数据得不到有效的利用，营销分析只停留在数据和信息的简单汇总和流水帐式的通报，缺乏对客户、营销、代理商、竞争方面的OLAP深入分析，结果决策者只能凭着本能的反应来运作，决策存在很大的失误风险。PDCA销售目标制定缺乏依据，全靠拍脑袋销售团队分散难管理，缺少协同透明会议复盘无详细数据信息支撑，流于形式问题经验没有跟踪反馈，落地执行困难目标制

定复盘检

查任务执

行问题跟

踪目标制定三步走——现状分析P目标制定D执行过程C结果复盘A问题跟踪市场规模及占有率分析

商机数量变化趋势分析1、市场规模分析，对市场整体体量以及企业自身市场定位，有个大致的认知；2、同行业同类型产品竞品分析，细化到每个产品的市场竞争力分析，清楚企业竞争力和主打产品；3、线索商机来源及变化趋势分析，对比往年销量和商机数量来制定今年的预计目标，相对更有参考意义。同行业同类型产品竞品分析外部内部一线目标制定三步走——历史结果数据分析P目标制定D执行过程C结果复盘A问题跟踪营业收入相关指标对比分析营收达成同比分析商机转化分析1、营业收入同比往年数据分析，预估本年度未来几个月的收入、成本、费用等相关指标，给目标制定以及执行监督做参考2、相关指标对比分析，营业收入相关指标对比分析，通过关联指标趋势相同或者相反的变化情况，参考制定对应目标；3、商机转化率分析，了解内部业务人员对商机的把控情况，结合现有商机既能估算出实际转化的销售额。外部 内部 一线目标制定三步走——月度目标预测体系搭建P目标制定D执行过程C结果复盘A问题跟踪集团营销分公司业务员任务下发目标上报集团营销分公司业务员为了保证上报的目标越来越准确，除了关注任务达成情况以外，还考核目标预测的准确情况。外部 内部 一线执行过程三层透明激励——自我管理驱动P目标制定D执行过程C结果复盘A问题跟踪业务员及管理者业务指标、业绩指标、考核指标以及日常工作过程中的事务性数据等信息汇集到一起，做成一张日常工作看板，实现业务员目标自我管理和自我驱动。看板 报告 赛马执行过程三层透明激励——高层压力下放P目标制定D执行过程C结果复盘A问题跟踪看板 报告 赛马定时自动生成各项任务进度报告，推送给相关业务员以及管理层手中，发现异常及时跟进处理，同时把对目标任务的达成压力下放给业务员。执行过程三层透明激励——横向对比竞争P目标制定D执行过程C结果复盘A问题跟踪销售任务完成率排行TOP业务员看板 报告 赛马结果复盘分析—结果到问题再到原因定位的关联分析体系P目标制定D执行过程C结果复盘A问题跟踪问题影响因子分析方法结论销售分公司业绩未达标销售分析业绩历史同环比分析市场分析客户分析产品分析本月某产品销量骤减季度销售额断崖式下降......业绩排名分析同类产品市场销量对比整体市场销量监控关键用户分析大客户异常数据预警产品历史销量同环比产品市场占有率通过历史数据同比加同类团队横向对比，发现这个销售公司虽然业绩未达标，但是完成度排名和增幅都比较靠前，可能是目标定高了通过某产品客户历史订单分析，定位到销量减少是因为有大客户在招投标过程中被竞品抢走，这个点在市场占有率的数据中也得到印证通过市场整体数据监控分析，发现销售额下降是整个市场环境的变化，做好促销等应对措施即可问题跟踪闭环——会议必决、决后必办P目标制定D执行过程C结果复盘A问题跟踪会议必决：每次高层会议形成决议，记录责任人，具体事项，预期目标与效果，计划完成时间，进度跟踪等决后必办：每次会议的代办事项以及问题记录都在系统中行成具体的跟踪标志，下次会议之前先整体过一遍遗留问题的处理情况，保证会议提出的决议都能得到跟进第四部分决胜数字化转型之路数字化平台全景图管理驾驶舱综合绩效分析关键业务指标关键预算执行应收账龄周转区域业绩地图供应运营监控销售体系销售管理分析销售绩效分析销售盈利分析销售订货分析产品销售分析服务销售分析销售排程分析销售信用分析应收账龄分析周转分析客户贡献分析商机漏斗分析财务体系全面预算成本费用分析预算执行分析资金协调分析盈利能力运营能力偿债能力发展能力成本分析科目发生查询供应链体系订单全生命周期供应商画像采购计划分析采购执行分析

预付应收分析静态库存分析动态库存分析库存周转分析库龄分析生产体系精益生产管理产销协同分析生产计划分析生产执行分析生产耗能分析生产延期预警生产质量分析生产订单查询生产报工分析生产产值分析质量体系质量追溯分析客诉管理库存超期检验合格率分析直通率分析检验处理进度展现终端IT监控系统单点登录系统访问频次统计系统访问人员监控人力体系人员结构统计人员流动统计职位结构统计职位变动分析职位明细查询人员入职渠道人员离职原因人员明细查询一体化管控平台、多种场景应用助力企业数字化转型工业互联网平台赋能制造业数字化转型方法论党中央、国务院近期关于工业互联网的工作部署2020年3月17日，国务院总理李克强主持召开国务院常务会议，并指出要对“互联网+”、平台经济等加大支持，壮大数字经济新业态，依托工业互联网促进传统产业加快上线上云，发展线上线下融合的生活服务业，支持发展共享用工平台。工业互联网人工智能数据中心5G基站建设《工业和信息化部办公厅关于推动工业互联网加快发展的通知》（2020年3月20日）CD（一）改造升级工业互联网内外网络。（二）增强完善工业互联网标识体系。（三）提升工业互联网平台核心能力。（四）建设工业互联网大数据中心。一、加快新型基础设施建设（十三）加快工业互联网创新发展工程建设。（十四）深入实施“5G+工业互联网”512工程。（十五）增强关键技术产品供给能力。四、加快壮大创新发展动能（九）建立企业分级安全管理制度。（十）完善安全技术监测体系。（十一）健全安全工作机制。（十二）加强安全技术产品创新。三、加快健全安全保障体系（五）积极利用工业互联网促进复工复产。（六）深化工业互联网行业应用。（七）促进企业上云上平台。（八）加快工业互联网试点示范推广普及。二、加快拓展融合创新应用EF（十九）提升要素保障水平。（二十）开展产业监测评估。六、加大政策支持力度（十六）促进工业互联网区域协同发展。（十七）增强工业互联网产业集群能力。（十八）高水平组织产业活动。五、加快完善产业生态布局AB0201引导平台增强5G、人工智能、区块链、增强现实/虚拟现实等新技术支撑能力，强化设计、生产、运维、管理等全流程数字化功能集成。遴选10个跨行业跨领域平台，发展50家重点行业/区域平台。推动重点平台平均支持工业协议数量200个、工业设备连接数80万台、工业APP数量达到2500个。鼓励各地结合优势产业，加强工业互联网在装备、机械、汽车、能源、电子、冶金、石化、矿业等国民经济重点行业的融合创新，突出差异化发展，形成各有侧重、各具特色的发展模式。引导各地总结实践经验，制定垂直细分领域的行业应用指南。提升工业互联网平台核心能力深化工业互联网行业应用《工业和信息化部办公厅关于推动工业互联网加快发展的通知》（2020年3月20日）主要内容一、数字化转型方法论：基于双螺旋模型的三大视角九大维度二、价值视角：连接维、企业维、生态维三、技术视角：架构维、产业维、数据维四、业务视角：行业维、痛点维、场景维企业为什么要进行数字化转型？数据来源：麦肯锡库存占用成本下降20-40%设计-工程成本下降10-30%质量成本优化10-20%制造业增加值成本减少25-35%减少废料20-35%减少能耗5-8%劳动生产力提高15-30%设备停机时间下降30-50%预测准确度提高85%提高工人每人每小时劳动生产率40-60%提高运营部门间接人工效率30-40%提升设备综合效率15-25%提高一次通过率5-8%数字化转型的本质:为企业创造价值提质增效l

提升劳动生产率l

优化设备管理l

提高企业产量l

完善质量管理节本降耗l

节约生产成本l

降低企业库存l

降低质量成本l

降低能耗水平生态培育l

新技术l

新产品l

新模式l

新业态基础建设单项应用协同创新制造业数字化转型正在迈向3.0阶段：工业互联网平台赋能综合集成集成范围投资收益工业互联网（工业APP）工业云（工业SaaS）工业软件制造业数字化转型的新载体：工业互联网平台边缘层工业PaaS工业APPIaaS云基础设施（服务器、存储、网络、虚拟化）数据采集协议解析边缘智能工业应用开发工具（专用开发工具、应用模板、图形化编程）工业微服务组件（机理模型、数据驱动模型、微服务管理）工业大数据分析平台（数据管理、数据建模、数据分析）通用PaaS平台（开发环境、运行环境、运营环境）新型工业APP传统软件云化制造业数字化转型方法论要回答三个问题为什么要转？（价值）用什么转？（技术）怎么转？（业务）制造业数字化转型框架：以价值重构为主线的双螺旋模型技视角术业务视角价值视角p

制造业数字化转型必须从价值、技术、业务三个视角统筹考虑。p

价值重构是逻辑起点，技术支撑是工具，业务落地是内核。抛开技术谈业务，容易陷入老方案，使用旧地图找不到新大陆。抛开业务谈技术，容易陷入炫耀锄头的自娱自乐。p

双螺旋模型的含义：以价值重构为主线，坚持技术支撑和业务落地双轮驱动，实现技术和业务双向迭代。制造业数字化转型框架：基于双螺旋模型的三大视角九大维度技术视角业务视角价值视角主要内容一、数字化转型方法论：基于双螺旋模型的三大视角九大维度二、价值视角：连接维、效益维、生态维三、技术视角：架构维、产业维、数据维四、业务视角：行业维、痛点维、场景维工业互联网平台价值体系全价值链全产业链全要素设备降耗节本增效提质连接维效益维新技术新产品新模式新业态从价值视角看，工业互联网平台的本质是通过工 生态维业全要素、全价值链和全产业链的连接，实现对企业乃至制造业的重构。工业互联网平台数据应用模型企业运营类研发制造管理服务资产管理类状态监测故障诊断预测预警远程运维产业链协同供应链协同制造能力共享业务应用（PLM、ERP、SCM）工厂1 工厂2...level

4设备模型业务模型l 二维模型l 三维模型l .....l 研发设计模型l 生产制造模型l 经营管理模型l .....机理模型l 物理模型l 化学模型l .....算法模型l 分类l 回归l 聚类.....生产运行控制（MES/MOM）设备执行监控（HMI-SCADA）传感器（PLC）设备层level

3level

2level

1level

0全要素：人、机、料、法、环全产业链：供应链、空间链、金融链价值链：研发、制造、服务工业互联网平台=工业全要素、全价值链、产业链的连接全要素全产业链全价值链人机料法环供应链空间链金融链研发制造服务产品生产自动化机器物料机理模型实体空间知识生产智能化机器数据数据模型+机理模型数字孪生空间固定供应链线下集群银行贷款柔性供应链线上集群互联网金融推动工业生产从3.0向4.0转变打破企业边界、商业边界、区域边界微笑曲线向数据驱动的价值闭环转变研发

制造 服务附加值数据驱动协同研发按需制造精准服务工业互联网平台=工业全要素、全价值链、产业链的重构主要内容一、数字化转型方法论：基于双螺旋模型的三大视角九大维度二、价值视角：连接维、效益维、生态维三、技术视角：架构维、产业维、数据维四、业务视角：行业维、痛点维、场景维工业互联网平台技术体系数据算力模型应用工业APP工业PaaSIaaS边缘层数据中心人工智能数字孪生数据维架构维产业维5G工业互联网平台=数据+算力+模型+应用边缘层工业PaaS工业APPIaaS云基础设施（服务器、存储、网络、虚拟化）数据采集协议解析边缘智能工业应用开发工具（专用开发工具、应用模板、图形化编程）工业微服务组件（机理模型、数据驱动模型、微服务管理）工业大数据分析平台（数据管理、数据建模、数据分析）通用PaaS平台（开发环境、运行环境、运营环境）新型工业APP传统软件云化数据模型应用＋＋算力＋工业互联网+5g/数据中心/人工智能应该怎么加？p

从5g、数据中心、人工智能到工业互联网，这几个概念不是割裂的，而是环环相扣的，构成了数据采集、传输、计算、分析、应用的数据闭环，工业互联网平台建设的关键是要实现这些技术的群体性突破和协同性创新。边缘计算5G数据采集计算传输应用分析数据数据+算力数据中心数据+算力+模型 数据+算力+模型+应用人工智能 工业互联网工业互联网平台=数据+算力+模型+应用数据+算力 + 模型+应用=工业互联网平台数据上不来设备类型多协议封闭接口类型多工况恶劣数据存不了数据用不好监测点多类型多样流量大性能要求高时间跨度大数据量巨大数据维度多实时分析难难以定量算法落后5G数据中心人工智能一、5G:打通工业互联网最初一公里的有效手段l 超过80%的5G应用场景在工业互联网垂直领域。l 5G技术将解决工业互联网落地最初一公里问题。l 当前“5G+工业互联网”应用总体情况仍然处于试点示范和探索阶段。eMBB增强移动宽带10GbpsuRLLC高可靠低时延1msmMTC海联物联1Million/km21G2G3G4G5G19801990200020102020应用场景传输速率模拟

语音数字

语音

短信移动互联网应用数字业务占主导数据洪流

物联网115Kb-384Kb384Kb-100Mb100Mb-1Gb10Gb+模拟时代数字时代移动互联网时代万物互联时代5G与工业互联网融合创新l 打造项目库l 培育解决方案供应商l 构建供给资源池l 技术标准攻关l 融合产品研发和产业化l 网络技术和产品部署实施l 5：打造5个内网建设改造公共服务平台l 1：遴选10个重点行业l 2：挖掘20个典型应用场景l 建设测试床2019年11月12日，工业和信息化部印发《“5G+工业互联网”512工程推进方案》，高质量推进5G与工业互联网融合创新。l 《“5G+工业互联网”512工程推进方案》提出要提升“5G+工业互联网”网络关键技术产业能力、创新应用能力、资源供给能力。提升网络关键技术产业能力提升创新应用能力提升资源供给能力基于“5G+8K超清视频+

深度学习+

平台”，构建大飞机制造机器视觉，实现复合材料的无损检测、拼缝检测，使检测时间由原来几小时甚至几天缩短至几分钟；

人员成本降低95%。基于“5G+远程控制+AR+平台”，构建机床自主触发物流需求、AGV自主智能路径规划的智能物流方式，大幅提升民机装配协同效率，使传统的单项工装工作人员由3

人减少到1人；

装配效率提高70%；降低操作人员成本20万/人。基于“5G+射频+VR+平台”，构建基于大数据驱动的产品、设备、工装、物流、人员及刀量具等生产要素全过程管控，实现对生产环境、生产状态、复合材料等全方位跟踪与优化，提升生产的智能运营管理，零配件定位误差缩小在3

厘米以内；运营成本降低20%；生产效率提高20%以上。中国商飞联合互联网企业、设备制造企业、移动通信企业、科研院所等，开展“5G+工业互联网”在大飞机生产制造、工厂物流、质量管控等方面的探索，形成智能生产、智能物流、智能检测等融合应用实践。其中，h公司提供基于“5G+云”的AR/VR技术；联通提供5G通信技术及智能制造技术；腾讯提供云计算、大数据和人工智能技术；上交提供智能制造创新模式研究支撑。智能生产 智能物流 智能检测商飞：基于“5g+工业互联网”的智慧工厂5g专网在工业互联网中的六大应用场景2019年7月，全球知名咨询公司Heavy

Reading联合全球5G技术研发领先企业高通发布了《5G专用网络在工业互联网中的应用》白皮书。l Heavy

Reading白皮书指出在工业互联网领域，5G专用网络与LTE和Wi-Fi相比，具有覆盖范围更广、安全保障能力更强、性能更加优越三大优势，能够支持苛刻性能要求的工业场景应用：一是利用5G+AI实现码头等特定区域物流车的智能导航。二是利用5G+AR开展辅助装配与远程运维。三是利用5G+机器视觉开展预测性维护。四是利用5G支撑高压配电网负荷控制。五是利用5G+NB-IoT解决设备物联问题。六是利用5G专用网络对工业设备进行远程控制。二、数据中心：支撑工业互联网落地的关键基础设施l

美国IDC机柜数目前已占全球40%的市场，其后是中国和日本分别占8%和6%，中国IDC发展比美国晚5年。l

2018年，我国制造业增加值约占全球30%，互联网用户数全球占比约21%，稳居世界第一制造大国和网络大国，这决定中国IDC规模不会低于美国。l

我国数据中心发展前景巨大，预计2020~2025年中国IDC市场累计超万亿元。数据中心作为工业互联网的重要基础设施，更加强调云计算数据中心和边缘数据中心的协同性，我国IDC市场空间巨大。数据来源：前瞻产业研究院、中国IDC圈数据来源：中国国家统计局美国商务部《互联网趋势报告》制造业占GDP比重互联网用户全球占比“规模化+小微化”数据中心协同发展会成为主流规模化数据中心架构边缘数据中心架构p

传统的大型规模化数据中心难以满足万物互联的需求，需要建设小微型数据中心，来加强边缘计算和数据分析的能力。p

一方面，算力就是生产力，要加快规模化数据中心建设，缩小和美国数据中心市场占比的差距。另一方面，要加快边缘数据中心建设，满足企业带宽、时延、安全需求。云数据中心l 时延限制l 网络拥塞l 完全问题l ...云数据中心云DC边缘DC边缘数据中心边缘数据中边云协同将加速工业互联网平台落地p

Gartner：The

edge

will

eat

the

cloud(边缘计算正在吃到云计算)。p

IDC：40%的数据将在边缘侧进行存储、处理和分析。p

边缘云和云计算协同将成为工业互联网平台发展的重要方向，两者密不可分、相辅相成。p

边缘云的三大功能：①边缘数据采集、存储和分发。②边缘数据的实时分析③边缘设备的智能控制。边缘数据中心业务l

不敢传：涉及数据安全与保密l

不需传：本地化、实时性l 不能传：网络延迟、功耗、计算量、协议适配Predix大型数据中心业务l

非实时、大数据量的业务l

需要进行纵向和横向对比分析的业务l

需要和业务系统进行集成的业务l

需要进行全局优化的业务三、人工智能：工业互联网平台的内核p

定义：工业人工智能是工业领域中由计算机实现的智能，具有自感知、自学习、自执行、自决策、自适应等特征，其本质是通过打造状态感知、实时分析、精准执行、科学决策的数据自动流动闭环，解决工业的复杂性和不确定性难题。p

问题：工业的复杂性、不确定性和人工智能缺乏可靠性、可解释性之间的矛盾，制约工业人工智能的发展。p

发展阶段判断：工业智能仍处于发展探索时期，工业人工智能的关键技术、场景应用、产业发展均处在起步阶段。数据（人机物）洞察模型应用实时分析状态感知科学决策精准执行学习提升主要矛盾l 缺乏可靠性l 缺乏可解释性人工智能工业系统l 复杂性l 不确定性数据层边缘层模型层算法模型机理模型应用层故障诊断定位（分类）设备预测维护（分类+回归）产品质量检测（分类）产品自动分拣（分类+回归）产业链级企业级设备

l

几何模型模型

l

寿命模型业务

l模型

l研发设计模型生产制造模型l 经营管理模型l 第一性原理l 知识图谱l 回归算法l 分类算法l 聚类算法智能网关设备级供应链管理（回归）集团辅助决策（分类+回归）员工数据机器数据物料数据规则数据环境数据智能机器人智能传感器智能机床模型管理引擎模型推理引擎工业人工智能框架：边缘层+数据层+模型层+应用层智能芯片过程控制（分类+回归）生产工艺优化（回归）流程自动监控（回归）智能辅助设计（分类+回归）机器学习算力方面，边缘层亟需加快研发适配工业实时性需求的AI芯片p

工业智能边缘目前处于技术突破阶段，所涉及的硬件基础设施、软件技术等大多已具备，但仍面临边缘节点对计算能力的支持、边缘计算任务的智能调度，边缘计算网络架构和性能优化等挑战。p

目前以“AI芯片+兼容解析工具+设备”为主要形式，通过全面感知、精准计算与自主控制，有效缓解数据中心计算压力，实现业务处理去中心化；未来，其存储、计算、判断等性能将继续提升，加速向边云协同、万物智联转化AI专用芯片 兼容性编译工具&协议解析工具 智能设备l 寒武纪研制深度学习专用处理器芯片，相对于传统执行x86指令集的芯片，有两个数量级的性能提升。l 腾讯和阿里基于FPGA的云计算加速芯片，实现了低成本、低功耗，具有广泛的应用场景。l h公司针对边缘服务器市场推出Ascend

310芯片，目前已部署在自动驾驶领域，正在向其他应用领域拓展。l 英特尔、亚马逊、谷歌、Facebook和

KhronosGroup等企业和机构基于各自优势与竞争考虑打造了相应编译器或模型表示规范。l 中国移动、东方国信、寄云科技等企业通过建设智能网关，动态实现OT与IT间协议转换，加强对带宽资源不足和突发网络中断等异常场景的应对能力。l

生产设备：库卡、新松等企业开发搭载机器学习算法、路径规划等技术的机械臂、运输载具和智能机床等产品。l 控制设备：针对包装、焊接、拼接等作业场景，伯克利、海康威视等企业通过应用语音识别、视频捕捉等技术提升人机交互效率。l

研发设备：NetSpeed提供SoC设计与架构辅助设计系统，通过内置人工智能算法助力芯片设计师寻求最佳解决方案，并提供持续的设计反馈。模型方面，深度学习、知识图谱和管理引擎将成为重点发展方向p

深度学习，主要解决了工业场景中的识别、监控、推理、预测等问题，适用于不可见的复杂问题。p

知识图谱，主要解决了工业要素的挖掘、分析、建模、可视化等问题，适用于认知明确的问题l中飞艾维与百度深度合作，基于飞桨（PaddlePaddle）深度学习框架联合开发海量数据

AI分析平台，实现巡检数据中特定缺陷辩识，速度达到人工处理近百倍。l德国瀚沙公司：基于“深度学习+能耗”预测电网中断和停电，识别电网缺陷的可能性提高2倍以上。l领邦智能：基于“深度学习+视觉”进行预测性维护、产品质量检测等工作，误检率为十万分之一，质检效率是质检员的八倍。l东软集团部署工业知识图谱进行知识发现和决策辅助，实现了协助人工高效操作和有效决策。l一汽通过构建汽车故障诊断知识图谱，将业务方向、售后场景和细化描述进行关联建模，实现效率支撑、提前发现和专业案例支撑。lUTC

联合技术研究中心将知识图谱引入研发设计过程，依靠知识图谱分解功能块，构建设计方案库，设计出的换热传热效率提高

80%，设计周期加快

9

倍。深度学习知识图谱应用方面，工业的复杂性、不确定性和人工智能缺乏可靠性、可解释性之间的矛盾导致工业人工智能发展缓慢维护，使电梯停运时间降低50%，维护费用节约15%设备级l 产品质量检测IBM依托Waston人工智能平台开展基于视觉识别的质量检测，有效减少重复人工成本，质检时间缩短80%，产品质量缺陷率减少7%l 流程行业：自动监控中海油、中石油等通过建设智能实时决策系统，构建起以井为中心、井场与基地多学科协同作战的信息系统平台，每年仅单平台操作费就节省800万元l 离散行业：辅助设计瑞士纽若公司在自行车设计中，利用深度学习网络对进行空气动力学分析，产品动力学特性比传统方法高5-20％，并将继续应用于风机、涡轮机、飞机等设计过程l 集团辅助决策GE、壳牌、阿美等巨头依托Knowledge

Platform，通过知识图谱与数据科学协同，在综合考虑品牌效益、经营成本、经济趋势等因素的基础上，利用人工智能提供决策和流程优化建议l 供应链管理h公司、西门子、莱比锡等企业打造供应链知识图谱，通过企业关系网实现供应链风险管理与零部件选型l 离散行业：过程控制德国施肯拉公司了将检流计扫描仪与数字角度传感器相结合，基于机器学习控制系统的智能扫描头，实时独立地计算控制参数，帮助系统更快、更精确地工作l 设备预测维护德国蒂森克虏伯集团结合智能传感器及机器学习，开展基于电梯运行数据的预测性l 产品自动分拣爱普生、埃尔森、梅卡曼德等基于

3D

视觉与深度学习进行不规则物品的识别和分拣。利用深度强化学习使机器人具备自主及协同学习技能，准确率达到

90%企业级产业链级案例:富士康基于工业人工智能的刀具寿命智能预测富士康基于深度学习建立的刀具寿命智能预测模型，实现了从计件换刀到精准换刀的转变，帮助企业延长刀具寿命15%，提高产品良率30%。传感器工控机监控系统工具寿命预警机台、刀具状况监控DeeplearningDATAn 痛点：传统汽车制造制程中，采取计件换刀的方法，一是不能完全解决加工过程中崩刀、断刀的问题，二是刀具的意外损坏会直接造成加工部件的损毁并造成巨大损失，三是不能充分利用刀具有效寿命。n

方案：采集机台振动/电流传感器和控制器等多类异构数据，在云端基于深度学习训练刀具剩余寿命预测模型，并部署到边缘侧，实施监测分析刀具状态数据，智能预测断刀、崩裂和寿命的异常情况。n

效果：l 实现刀具崩刃及断刀的即时判定准确率93%l 刀具寿命预计延长15%，预计减少刀具成本15%l 提升产品良率

30%，节省材料成本约

10%，提高生产效率15%。来源：富士康痛点：钢铁年产值约8万亿，钢铁工序70%的冶炼成本和能耗以及90%的碳排放在炼铁工序，但炼铁反应器及产品单一，生产竞争力在于冶炼成本，对于大型、连续、高温、高压、密闭的反应黑箱高炉而言，当前仍以“盲人摸象”式操作和“师傅带徒弟”式为主，不同炼铁厂（人）水平“参差不齐”，不同高炉之间寿命最大相差15年、吨铁成本相差百元、燃料比相差百公斤，其数字化、智能化、科学化水平提升空间巨大。方案：基于机理模型的知识图谱+基于大数 效果：据的深度学习单座高炉降低2400万铁水质量稳定性提高20%在全国30%高炉推广冶炼效率提升10%算法集应用场景知识图谱设备故障诊断 物流配方优化 工艺流程优化生产过程管理 产品质量控制 服务效能提升主元分析分类算法聚类算法随机森林遗传算法粒子群算法……技术：生产技术、设备诊断等工艺：工艺设计、工艺改善等流程：焦化、烧结、高炉等……东方国信：基于机理+数据驱动的数字高炉四、区块链：为工业互联网奠定多方共治、互信共享的基础边缘层工业PaaS工业APPIaaS云基础设施（服务器、存储、网络、虚拟化）数据采集协议解析可信边缘智能工业应用开发工具（专用开发工具、应用模板、智能合约）工业微服务组件（机理模型、数据驱动模型、微服务管理、模型共享、供应链优化、状态溯源、访问控制、协作生产）工业大数据分析平台（可信数据管理、工业分布式账本、互信共享、数据建模、数据分析、身份管理）通用PaaS平台（开发环境、运行环境、运营环境）新型工业区块链应用APP传统软件云化可信工业数据采集可信工业大数据存储数据建模+模型共享（区块链）微服务生产+集成工业区块链应用（设计、生产、销售、保险、租赁、二手交易、维护、回收）柔性监管入口可信身份可信传输来源：工业互联网产业联盟《工业区块链白皮书》五、扩展现实（XR）：一场人机交互的新革命扩展现实XR(Extended

Reality)

包括虚拟现实VR(Virtual

Reality)、增强现实AR(Augmented

Reality)、混合现实MR(Mixed

Reality)、全息现实HR(HolographicReality)等多种技术形式。技术定义特点虚拟现实VR(Virtual

Reality)VR是仿真技术的一个重要方向，是仿真技术与计算机图形学人机接口技术、多媒体技术、传感技术、网络技术等多种技术的集合，是一门富有挑战性的交叉技术前沿学科和研究领域。VR主要包括模拟环境、感知、自然技能和传感设备等方向。沉浸感、交互性和构想性增强现实AR(Augmented

Reality)AR是一种能将真实世界信息和虚拟世界信息“无缝”融合的新技术，是把原本在现实世界的一定时间空间范围内很难体验到的实体信息（视觉、听觉、味觉、触觉等），通过电脑等科学技术，模拟仿真后叠加应用到真实世界，被人类感官所感知，从而达到超越现实的感官体验。AR主要包含多媒体、三维建模、实时视频显示及控制、多传感器融合、实时跟踪及注册、场景融合等技术与手段。真实世界和虚拟世界的信息集成、具有实时交互性、可在三维尺度空间中增添定位虚拟物体混合现实MR(Mixed

Reality)MR是虚拟现实技术的进一步发展，该技术通过在现实场景呈现虚拟场景信息，在现实世界、虚拟世界和用户之间搭起一个交互反馈的信息回路，以增强用户体验的真实感。MR包括增强现实和虚拟现实，指的是合并现实和虚拟世界而产生的新的可视化环境。虚拟物体存在于真实世界中、用户可与虚拟物体互动全息现实HR(Holographic

Reality)HR也称虚拟成像技术，是利用光的干涉和衍射原理记录并再现物体真实的三维图像的技术。HR包括拍摄过程和成像过程，拍摄过程利用干涉原理记录物体光波信息，成像过程利用衍射原理再现物体光波信息。用户无需任何穿戴设备，利用裸眼即可直接看到360度全方位的3D影像。数据来源：中兴通讯《5G云XR应用白皮书》扩展现实（XR）在工业互联网中的应用扩展现实(XR)

可以在产品全生命周期内，改善物理空间和赛博空间的交互方式，实现物理空间和赛博空间更好的融合融合，提高工业互联网赋能水平，为工业互联网带来广阔的应用场景和增值空间。研发设计生产制造仓储物流产品销售l

可视化模拟产品在各种环境中的状态，提高试验可靠程度，并降低研发成本。l

全方位仿真产品材料、结构、性能等参数，提高产品质量管控准确性；l

将二维图纸转化为三维模型，增强与模型间的互动，提高研发人员沟通效率；l 真实还原生产制造工作场景，提高员工培训水平，提高生产效率；l 实时提示危险因素，减少员工误操作，保障安全生产；l 动态监测、展示生产各工序运行情况，保障生产的流畅性；l

多维度展示设备健康状态，提前预警设备故障，减少计划外停机时间，降低生产成本。l 准确显示产品信息，提高员工分拣速度和准确度，降低分拣成本；l

实时更新仓库状态，支撑高效物流决策。l

虚拟化调配产品信息，精准掌握产品库存变化。l

可视化精准监测仓库环境信息，减少火灾等事故的发生，提高仓库安全保障。l

透明化展示产品各种结构信息和性能信息，减少顾客担忧；l

在真实场景展示产品运行状态，提高消费者购买信心；l

为顾客参与产品设计提供可视化渠道，降低参与门槛，实现定制化服务。案例:PTC基于“Thingworx+AR”开展设备维护连接将物理设备的属性和行为与Thing

Model做映射集成通过数字主线将IOT平台与IT平台进行集成构建/映射/发布构建AR体验，并与IOT平台数据关联体验基于AR体验指导维修基于“Thingworx+AR”的设备维护流程p

PTC基于“Thingworx+AR”为设备状态监测、维护方案选择做可视化指导，大大提高了设备维护效率。建模定义产品的属性和行为提高产量提供分步骤的组装指导，远程指导，减少错误操作。加速培训把退休工程师的知识传到下一代，通过3D训练优化学习曲线。降低成本为故障定位提供精细IOT数据，可提前标注可能故障的零件。提高生产效率与安全性提供实时、分步骤的指导，提高安全性，加快训练进程。数字孪生是综合运用感知、计算、建模等信息技术，通过软件定义，对物理空间进行描述、诊断、预测、决策，进而实现物理空间与赛博空间的交互映射。物理对象原理+数据l

软件是载体l

数据是基础自我学习l

模型是核心动态调整机理模型+数据驱动模型信息指令模型控制器软件软件定义化模型精准化计算实时化数据可视化描述诊断预测决策六、数字孪生:工业互联网的终极版图一项通用技术支撑经济社会数字化转型的通用使能技术两大孪生空间交互反馈原子实体逻辑物理空间比特模型软件赛博空间三大技术要素数据是基础原理机理模型数据驱动模型模型是核心传感器数据四大功能等级描述诊断预测决策五大典型特征数据驱动模型支撑软件定义精准映射智能决策软件是载体软件定义化 模型精准化计算实时化 数据可视化数字孪生内涵：涵盖“12345”五大内容数字孪生是工业互联网和工业4.0参考架构的核心数字世界物理世界物（设备/机器/产品等）数字孪生空间资产层传感器、驱动器集成层网络、协议通信层数据、模型（数字孪生实现）信息层资产功能功能层组织和业务流程业务层德国工业4.0参考架构l 应用平台l

数字孪生空间l 模型平台l 数据平台图

以数字孪生体框架为核心的工业互联网Paas系统美国工业互联网联盟将数字孪生作为工业互联网落地的核心和关键。德国工业4.0参考架构将数字孪生作为重要内容。案例：基于数字孪生的数字化设计达索、PTC、波音等公司综合运用数字孪生技术打造产品设计数字孪生体，在赛博空间进行体系化仿真，实现反馈式设计、迭代式创新和持续性优化。目前，在汽车、轮船、航空航天、精密装备制造等领域已普遍开展原型设计、工艺设计、工程设计、数字样机等形式的数字化设计实践。几何数据原理数据工艺数据材料数据历史设计数据历史测试数据数据层模型层应用层数模验证模型试验仿真模型产品数字模型优化迭代物理几何模型生产加工模型客户生产部门第一性原理动态数据反馈现场设备数据现场环境数据集成服务接口人机交互模拟客户深度体验沉浸式工艺设计虚拟制造工业设计优化设计协同辅助需求设计验证生产工程预测数据n 多维动态的数字环境n 精确执行的数字模型n 同步交付的数字产品案例：基于数字孪生的智能工厂西门子、洛马等国外公司，以及华龙迅达、东方国信科等国内公司，在赛博空间打造映射物理空间的虚拟车间、数字工厂，推动物理实体与数字虚体之间数据双向动态交互，根据赛博空间的变化及时调整生产工艺、优化生产参数，提高生产效率。智能计划排产物料配给管理产品质量追踪协同工艺规划生产参数优化人员安排管控故障预测维修能效优化分析生产制造库存动态管 设备维护管控 理生产环境管

安全可靠保控 障经营管理产品服务生产规划产品设计员工数据机器数据物料数据规则数据环境数据多协议兼容+边缘数据采集设计制造协同模型生产管理优化模型设备健康管理模型产品增值服务模型制造能力交易模型生产过程状态监测模型故障诊断模型工艺优化模型质量控制模型节能减排模型离散行业流程行业数据层模型层应用层案例：基于数字孪生的设备健康管理（PHM）GE、空客等公司开发设备数字孪生体并与物理实体同步交付，实现了设备全生命周期数字化管理，同时依托现场数据采集与数字孪生体分析，提供产品故障分析、寿命预测、远程管理等增值服务，提升用户体验，降低运维成本，强化企业核心竞争力。数据层模型层应用层现场设备数据现场环境数据几何数据功能数据历史状态数据历史维护数据状态监测模型物理数据远程诊断模型故障预测模型健康管理模型学习提升模型设备检测健康评估故障定位寿命预测故障预警异常报警 维修规划远程调度备件管理增值服务工艺数据主要内容一、数字化转型方法论：基于双螺旋模型的三大视角九大维度二、价值视角：连接维、效益维、生态维三、技术视角：架构维、产业维、数据维四、业务视角：行业维、痛点维、场景维工业互联网平台业务体系智能化生产网络化协同个性化定制服务化延伸单元级企业级产业链级场景维电子消费品装备原材料行业维痛点维设备级工业互联网平台业务落地的基本原则两个闭环三项坚持l 坚持分业施策深入行业，我国制造业门类众多，要梳理每个行业的典型特征和转型基础。l 坚持需求牵引l 坚持场景驱动深入问题，认真挖掘设备级、单元级、企业级、产业级的痛点。深入场景，紧紧抓住智能化生产、网络化协同、个性化定制、服务化延伸这个牛鼻子。l 形成业务-价值闭环：解决方案要转为企业的质量、成本、效率等方面的效益和新技术、新产品、新模式、新业态的培育l 形成业务-技术闭环：解决方案要沉淀为企业的业务中台，沉淀为可复用的能力行业行业特点行业痛点数字化转型趋势典型应用场景典型企业钢铁l生产流程长l生产工艺复杂l供应链冗长l设备维护低效化l生产过程黑箱化l下游需求碎片化l环保压力加剧化l设备管理由传统维护向智能维护转变l生产工艺由黑箱式向透明化转变l供应链体系由局部协同向全局协同转变l环保管理由粗放型向清洁型转变l设备全生命周期管理l智能化生产l供应链协同l绿色化生产东方国信、宝钢集团、优也信息、南钢集团、酒钢集团石化l设备价值高l工艺复杂l产业链长l危险性高l设备管理不透明l工艺知识传承难l产业链上下游协同水平不高l安全生产压力大l设备管理从黑箱管理健康管理转变l知识管理从纸质封存向模型封存转变l供应链管理从企业内向企业间协同转变l安全管理从人工巡检向智能巡检转变青海油田、云南石l设备健康管理化、九江石化、镇l智能炼化生产江石化、茂名石化、l供应链协同兰卓信息、石化盈l安全监控科风电l地理位置偏僻l资本技术密集l发电波动性大l风场设计周期长l设备维护成本高l并网协调效率低l弃风漏风较严重l数据采集由底层互联向全面感知转变l设备维护由人工调试向智能运维转变l风场管理由单场单管向虚拟集成转变l虚拟风场设计 金风科技、远景能l设备预测维护 源、昆仑数据、明l智慧风场管理 阳智能、华能集团、l精准柔性供电 Siemens、GE工业互联网平台垂直行业业务落地的典型场景行业行业特点行业痛点数字化转型趋势典型应用场景典型企业航空航天l研发周期长l产品种类多、规模小l产业链特别长l数据源不统一l模型适配性不足l故障预测水平有待提升l研发设计由串行异构到并行协同转变l生产制造由以数映物到数物融合转变l生产管理由单点对接到动态调整转变l运维服务由定期维护到视情维护转变l基于MBD的研发设计l基于CPS的智能制造l基于大数据分析的供应链管理l基于PHM的运营维护GE、Autodesk、罗罗、商飞、西飞l技术更新速度l生产智能化水平低l供应链协同效率低l行业营收增速放缓l生产方式由规模化生产向规模化定制方向转变l经营方式由生产型经营向平台型经营转变l盈利模式由卖产品向卖服务转变l柔性化生产l供应链协同l智能家居解决方案海尔集团、美的集团、海信集团、格力电器、松下电器快家电l产品研发周期短l产品同质化程度高工程机械l设备产品多样化l生产过程离散化l供应链复杂l资源调配效率低下l机械设备运维困难l金融生态不完善l设备维护按需化l备件管理精益化l产融结合在线化l解决方案服务化l设备预测性维护l备品备件管理l智慧施工l互联网金融卡特彼勒、小松、日立、徐工集团、三一重工、中联重科工业互联网平台垂直行业业务落地的典型场景钢铁行业：抓住工艺优化智能化这一牛鼻子钢铁行业具备生产流程长、生产工艺复杂、供应链冗长等特征，面临设备维护低效化、生产过程黑箱化、下游需求碎片化、环保压力加剧化等痛点，正以工艺优化为切入点，加速向设备运维智能化、生产工艺透明化、供应链协同全局化、环保管理清洁化等方向数字化转型。设备全生命周期管理 智能化生产 供应链协同 绿色化生产宝钢集团基于丰富的制造经验，积极探索基于工业互联网平台的实现设备运行信息的有效集成与分析挖掘，为远程监测、故障诊断等全生命周期服务管理提供支持。l设备运维成本降低5%；l检修作业效率提升10；l设备寿命提升30%；l设备整体效率提升5%；东方国信基于Cloudiip工冶炼工艺、高炉安全等开发了炼铁云平台，并覆盖了全国30%左右的高炉。l单座高炉每年铁水质量稳定性提高20%；l单座高炉每年炼铁成本降低2400万元；l单座高炉冶炼效率提升10%。酒钢集团能耗成本和环保成本一直居高不下，在实施了东方国信Cloudiip平台之后，通过采集能耗指标和污染指标，精准实施工艺优化和设备升级。l酒钢集团单座高炉每年减少碳排放20000吨。l预计整个行业普及应用之后，每