張朝 中國電子報
編者按：當前，工業互聯網成為新基建的熱點，李克強總理也要求“依托工業互聯網促進傳統產業加快上線上云”，同時工信部最新發布了《關于推動工業互聯網加快發展的通知》，提出“加強工業互聯網在裝備、機械、汽車、能源、電子、冶金、石化、礦業等國民經濟重點行業的融合創新，突出差異化發展，形成各有側重、各具特色的發展模式”。基于此，為探索工業互聯網平臺垂直行業落地路徑，賽迪智庫信息化與軟件產業研究所工業互聯網研究室圍繞鋼鐵、石化、風電、航空航天、家電、工程機械等十余個行業，形成了工業互聯網賦能傳統行業數字化轉型之路系列報告。
鋼鐵行業作為我國重要的原材料流程制造行業，具備生產流程長、生產工藝復雜、供應鏈冗長等典型特征，當今正面臨設備維護成本高、工業知識隱形程度高、下游需求日益個性化、環保壓力增大等挑戰，亟需圍繞設備管理、生產管控、供應鏈管理、環保管理等方面開展數字化轉型。連接全要素、全產業鏈、全價值鏈的工業互聯網，正是鋼鐵行業進行數字化轉型的首選路徑，但是在落地應用中存在諸多問題。基于此，研究工業互聯網平臺如何在鋼鐵行業中規模化落地具有重要意義，有利于推動我國鋼鐵行業關鍵生產設備管理、生產工藝全過程管控、全產業鏈協同以及能耗管理向數字化、網絡化、智能化轉型升級，深化鋼鐵行業供給側結構性改革，開創鋼鐵行業高質量發展新局面，實現從鋼鐵大國向鋼鐵強國的轉變。
一、鋼鐵行業數字化轉型趨勢分析
（一）設備管理由傳統維護向智能維護轉變
鋼鐵企業通常部署有高爐等眾多高價值設備，以往只能采取事后維護或者基于主觀經驗判斷和固定失效周期的定期維護，很難準確識別設備故障并維修，容易造成產線停滯和生產安全等重大問題。隨著智能傳感器和通信技術的興起，實時監測高爐等設備的溫度、壓力、流量等各種工況數據成為了現實，基于此可實現設備故障的自感知、自分析和自決策，做好設備的預測性維護，減少維護成本，提高設備的可靠性，并保障生產的通暢運轉。
（二）生產工藝由黑箱式向透明化轉變
鋼鐵行業是典型的長流程行業，生產環節眾多，生產工藝復雜，對工藝知識的依賴程度很高。很長一段時間，鋼鐵企業的冶煉工藝、冶煉配方、設備維護、經營管理等環節的正常運轉，只能依靠隱形程度很高的人工經驗，容易造成工人技術水平參差不齊和產品質量波動。隨著信息技術在鋼鐵企業的深度滲透，隱形的生產經驗被挖掘、提煉，并封裝顯性化軟件模型，實現生產工藝透明化，更有效指導實際生產，提高生產效率和安全水平。
（三）供應鏈體系由局部協同向全局協同轉變
庫存一直是鋼鐵行業的一大管理痛點，主要源于對上下游產業的信息盲區，并且家電、汽車等下游產業對鋼材的需求日益個性化，加大了作出科學高效采銷決策的難度。鋼鐵行業傳統的供應鏈只能靠契約合同保障，信息孤島化問題提出，物料信息難以在供應鏈中實現跨環節的自由流通，大大增加了企業運營成本。鋼鐵企業可將ERP、SCM等信息系統集成用于供應鏈整合，構建上下游信息流通渠道，結合產品需求、原料供給和產能配置，及時調整生產計劃，提高產能利用率，減少庫存積壓，保障訂單穩定到期兌現。
（四）環保管理由粗放型向清潔型轉變
作為我國支柱產業的鋼鐵行業也是高耗能、高污染、高排放的代表性行業，在國家大力治理環境污染時，行業面臨的環保成本急劇上升。鋼鐵行業急需轉變發展理念，重視環保管理水平提升，加快由以前單純追求產量擴張的粗放型生產方式向追求優質低碳的清潔型生產方式轉變。而物聯網、大數據、人工智能等數字技術的出現，可以幫助鋼鐵企業實時采集、監測、分析各生產環節的能耗和排污情況，集中企業資源對重點環節進行工藝優化或設備升級，提高企業清潔型發展水平。
二、鋼鐵行業工業互聯網平臺典型應用場景及實踐
（一）設備全生命周期管理
鋼鐵行業工業互聯網平臺可實時采集高爐等高價值設備的運行數據，結合設備故障診斷模型，自動預警設備故障并確定最優設備維護方案，實現設備預測性維護。
一是設備狀態監測。鋼鐵企業通過工業互聯網平臺實時采集高爐等設備工作溫度、工作環境和應力分布等狀態數據，并做可視化處理，增強設備狀態監測的可靠程度。
二是設備故障診斷。綜合利用采集的設備數據，結合設備故障診斷模型，對設備故障進行分析和預警，避免設備故障引發的生產停滯和安全問題。
三是設備維護仿真。根據設備故障位置和重要性，利用工業互聯網平臺在賽博空間中仿真模擬維護方案，并選出可靠的維護方案，保障企業正常生產。
四是設備創新設計。將高爐等生產設備運行監測數據反饋至設備生產商，結合性能需求和應用環境，全方位模擬設備運行狀態，確定最佳設備生產方案，形成良性的設備迭代優化閉環。
例如，寶鋼集團面向鋼鐵行業設備遠程運維建立了工業互聯網平臺，促進了設備維修實現從被動處理到主動管控、從單一數據專項分析到大數據綜合分析、從基于經驗的預防性維修到基于數據的預測性維修、從單純反饋設備狀態到提供整體解決方案的四個轉變，為企業帶來了顯著經濟效益，使設備運維成本降低5%以上、檢修作業效率提升10%以上、設備整體效率提升5%以上、備件使用效率提升10%，并每年為企業帶來基于平臺增加的社會市場技術服務費約2000萬元以上。
（二）智能化生產
鋼鐵行業工業互聯網平臺可將生產工藝、生產過程管控、產品質量管理等領域涉及的工業知識顯性化為工業機理模型，結合實際采集數據，實現智能化生產。
一是生產工藝優化。工業互聯網平臺可應用人工智能技術等先進技術，在賽博空間對鋼鐵的工藝配方、工藝流程等方面進行全方位、超逼真的模擬仿真，得到產品最佳生產工藝方案，縮短產品上市周期。
二是生產過程管控。工業互聯網平臺可將生產過程中涉及的工藝知識、工業經驗等技術要素封裝化并顯性化為可調用的機理模型，結合采集的設備、環境、材料等參數，確定最優加工計劃，提升生產效率。
三是產品質量管控。通過在工業互聯網平臺部署生產質量分析模型，可采用機器視覺等技術，采集和分析產品全過程質量數據，持續迭代優化閉環控制體系，實現全流程產品質量跟蹤及自動控制，提升產品質量控制精度。
例如，東方國信利用在機理模型和大數據分析領域積累的技術優勢，開發了適用于煉鐵行業的工業互聯網平臺，在工藝優化、生產管控和質量管理等環節為鋼鐵企業實現了降本增效的經濟目標。酒鋼集團在實施煉鐵平臺之后，鐵水質量穩定性提高了20%，單座高爐每年降低了成本2400萬元，冶煉效率提升了10%。
（三）供應鏈協同
鋼鐵行業工業互聯網平臺可匯聚整理產業鏈物料信息和產能信息，結合下游實際需求和企業生產能力，制定科學的生產計劃，滿足零庫存運營要求，實現供應鏈協同。
一是產業鏈物料流通協同。通過工業互聯網平臺可與上下游企業建立互通互聯的數據通道，動態監測上游原材料供給情況，輔助原材料采購決策；搜集整理下游企業訂單和產品定制信息，自動生成生產計劃，對產品進行個性化加工和精準化配送。
二是社會范圍生產能力協同。通過工業互聯網平臺整理訂單信息和其他鋼鐵企業的基本信息，動態匹配產品性能要求和鋼廠的生產工藝水平，通過訂單共享實現產能共享，提高鋼鐵行業產能利用率。
例如，南京鋼鐵積極適應下游個性化需求，通過構建面向供應鏈管理的制造云平臺，提供“JIT+C2M模型的定制服務”，尋找“個性化定制”和“大規模生產”之間的最佳平衡點，使企業設計成材率提高0.15%、每噸產品附加值提升近百元、整票合同兌現率提升至98.94%、用戶滿意度提升至94.26%。
（四）綠色化生產
鋼鐵行業的能耗和環保問題日益突出，鋼鐵企業可采集各生產環節的能源消耗和污染物排放數據，找出問題嚴重的環節，并進行工藝優化和設備升級，降低能耗成本和環保成本，實現清潔低碳的綠色化生產。
一是節能降耗。貫穿鋼鐵企業整個生產過程的工業互聯網平臺，通過建設能源管控中心，實現能源生產、能源消耗數據的自動實時采集、集中監視，并基于數據進行能源智能管理、能源供需平衡、能源預測優化，生成高效的能源利用方案，減少能耗成本。
二是治污減排。鋼鐵企業可在各工藝設備的排污口設置智能監測傳感器，將實時采集的排污數據傳輸至工業互聯網平臺，綜合分析鋼鐵企業生產過程中的有毒有害物質的排放情況，確定工藝優化和設備升級方案，減少對生態環境的污染和破壞。
例如，酒鋼集團是我國西部最大的鋼鐵聯合企業，其原燃料主要依賴自產，原燃料質量差并且質量波動幅度大，高爐類型多樣化，因反應器“黑箱”特性，其能耗成本和環保成本一直居高不下。在實施了東方國信煉鐵平臺后，酒鋼集團單座高爐每年減少碳排放20000噸。東方國信預期整個鋼鐵行業推行Cloudiip平臺后，每年將為我國鋼鐵行業降低100億元成本和1000萬噸碳排放。
三、推進應用場景落地的著力點
（一）聚焦數據流通質量，打造高效邊云協同體系
一是增設智能傳感器，通過在設備、車間等區域部署熱成像儀、壓力傳感器、振動傳感器、軌跡識別傳感器等具備邊緣計算能力的智能終端，提前過濾無用的冗余數據，精準采集數據。二是完善數據解析體系，面向鋼鐵企業中的關系數據、時序數據、文檔數據、地理空間數據等海量異構數據，建立高效的數據解析體系，統一數據格式，實現數據跨領域流通。三是建立大數據共享中心，在云端匯聚設備、生產、供應鏈等數據資源，根據實際業務需求，通過跨領域數據的互相調用，激發數據資產活力，以數據的全局自由流動帶動資源配置的全局優化。
（二）圍繞工藝流程優化，提高機理模型供給能力
一是圍繞設備管理，開發鋼鐵行業設備狀態監測類模型、設備故障分析類模型、設備維護類模型等，提高設備資產管理水平。二是圍繞產線管理，開發鋼鐵行業物料管理類模型、質量管控類模型、生產工藝優化類模型、生產配方優化類模型、全流程排程優化模型、節能降耗類模型等，優化生產過程管控能力。三是圍繞企業經營管理，開發鋼鐵行業供應鏈管理模型、訂單管理模型、財務管理模型等，構建高效供應鏈協同體系。四是開發模型綜合管理平臺，匯聚機理模型資源，實現模型的標簽化管理、智能化搜索和精準化調用。
（三）堅持行業痛點導向，完善特定場景解決方案
一是圍繞設備全生命周期管理，梳理鋼鐵行業各機械設備在狀態監測、故障分析、維護作業等環節的痛點，針對特定問題，綜合調用機理模型，形成特定設備專用預測性維護方案。二是圍繞智能化生產，挖掘鋼鐵行業在工藝設計、流程排程、質量管理等環節的痛點，按需調用機理模型形成特定場景的解決方案。三是圍繞供應鏈協同，分析鋼鐵行業傳統供應鏈中信息流通堵點和供需錯配問題，結合企業硬件設施和運營環境，構建供應鏈管理解決方案。四是圍繞綠色化生產，整合鋼鐵行業在能耗和排污方面粗放型管理的問題，明確環保監測、分析等環節的痛點，集成機理模型，形成提高環保管理水平的解決方案。
（四）重視平臺安全防護，建立高度可靠安全系統
一是夯實設施安全。圍繞鋼鐵行業生產設備、服務器、主機等基礎硬件設施的安全接入，部署網絡安全協議和容災備份系統。二是強化數據安全。明確鋼鐵行業設備數據、生產數據、供應鏈數據在收集、存儲、處理、轉移、刪除等環節的安全保護要求，通過應用數據安全模型強化防竊密、防篡改和數據備份等安全防護措施。三是建立安全管理體系。圍繞鋼鐵行業工業互聯網平臺安全監督檢查、風險評估、數據保護等方面建立健全安全管理制度，強化自檢查、自糾正的安全管理閉環。
作者張朝供職于賽迪智庫信息化與軟件產業研究所工業互聯網研究室
宋穎昌 中國電子報
風電行業具有風場設計周期長、設備維護成本高、并網協調效率低、棄風漏電壓力大等痛點問題，制約著風電產業的發展壯大。工業互聯網平臺作為新一代信息技術與制造業融合發展的產物，正結合風電產業地理位置偏僻、資本技術密集、發電波動性大等特征，以設備智能化運維、風場數字化管理、精準柔性供電等場景為切入點，加速風電行業數字化轉型。基于此，我們對風電行業基于工業互聯網平臺進行數字化轉型解決方案進行了專題研究，深入剖析了風電行業數字化轉型趨勢、平臺應用場景以及業務落地解決方案，同時，該報告對其他新能源行業數字化轉型路徑的探討同樣具有借鑒意義。
一、風電行業數字化轉型趨勢分析
（一）數據采集：由底層互聯向全面感知轉變
數據采集是風電產業設計、生產、運營的關鍵基礎，傳統數據采集周期長、成本高、精度低，難以滿足風場精細化設計和運營需求，容易造成投資方損失。隨著智能傳感器和通信技術的興起，更加實時、全面、精細的數據采集成為可能，能夠為風場設計建立更加精密的風資源圖譜，為設備運行建立齒輪、軸承等更加微觀細致的數字模型，為風場管理提供準確有效的氣象、能源等數據輸入以應對雷擊、臺風、霧霾等不同場景需求，從而為智能選址設計、生產性能提升、管理決策優化等提供有效數據支撐。
（二）設備維護：由人工調試向智能運維轉變
風場一般處于人煙稀少、位置偏僻、環境惡劣的地區，不適宜維護人員長期駐扎。特別對于海上風電來說，后期運營維護費用占到總成本的一半以上。此外，由于風電行業前期跳躍式發展、參與方良莠不齊、缺乏統一標準等原因，導致風電機組在實際運維中容易存在運行不穩、故障頻發等問題。目前國內風電運維仍然以糾正型運維為主，后期設備維護成本較高。結合5G無人機、巡檢機器人等智能產品遠程巡檢設備運行情況，有利于在云端對設備運行與環境數據進行大數據分析，開展預測性維護與備品備件管理，減少設備停機維護帶來的損失，提高運維數字化、智能化水平。
（三）風場管理：由單場單管向虛擬集成轉變
一方面，隨著國家能源局做出新能源電價調整的戰略決策，風電和火電價格將趨同保持一致，壓縮風電利潤空間，倒逼企業提高生產效能。另一方面，由于缺乏系統規劃、風預測精度低、電網不配套等原因，風電產業限電棄風壓力較大，容易造成資源浪費。通過綜合運用數字孿生、VR等技術構建“數字風場”，對大氣環境、設備運行、電力輸送等建立虛擬模型，有利于依托大數據分析開展集群運行參數優化，助力實現風電產量精準預測，為管理者直觀反饋風場運行情況，優化運行控制策略執行，提高風場發電效率。
二、風電行業工業互聯網平臺典型應用場景及實踐
（一）虛擬風場設計
依托工業互聯網平臺設計虛擬數字風場，有利于提高設計精度，減短設計周期，有效降低了風場建設設計過程中的不確定性。一是宏觀輔助選址。基于互聯網平臺的計算能力與地理信息資源，結合激光雷達、無人機等勘探技術建立三維仿真模型，實現宏微觀地理選址與場區推薦。二是機群優化排布。通過定制化風場仿真建模實現機組最優排布、集群尾流優化、工程精準計劃等自動化設計，合理利用不同密度的風力資源。三是風場個性定制。依托平臺針對風場特有的風況特征、地形條件等進行定制化設計，節約工程建設成本，控制風電場投資風險。
例如，金風科技依托金風云平臺打造風場數字化設計系統，圍繞環境、風機、道路等建立高精度三維仿真模型，實現 “分鐘級”集電線路自動規劃與“秒級”智能選址，縮短了設計周期，提高了設計精度，推動風電場投資回報率提升1%~3%，投資估算誤差小于3%。
（二）設備預測維護
樹根互聯、東方國信、徐工集團等工業互聯網企業將減少設備停機檢修損失、開展預測性維護作為切入點，以風機為核心實現覆蓋風電設備全生命周期的故障預測和主動維修，有效降低平準化維護成本。一是精準故障定位。依托平臺建立故障智能診斷模型，基于專家庫和自學習機制，縮減人工挑選有用變量的成本與時間，快速實現設備故障定位。二是設備預測維護。基于平臺分析預測風機關鍵部件變化趨勢、產品壽命和潛在風險，對零部件庫存、運輸和更換開展主動管理，搶占維修窗口期，減少風機停機、飛車倒塔等損失。三是虛擬輔助維修，基于數字孿生技術打造風機故障實驗模擬平臺，通過數字樣機積累設備維護知識庫與解決方案檢索庫，提高故障處理效率。
例如，巴盟風電整合風力發電設備的設計、環境、運行、運維檔案等數據資源，建立設備健康管理模型，打造具備故障診斷預測、產品健康管理和壽命預估等功能的綜合管理系統，使關鍵零部件故障可提前72小時預警，次生事故可降低90%，減少直接和間接損失近千萬元。
（三）風場管理優化
企業依托工業互聯網平臺建立場級運行管理模型，有利于精確預測發電區間，優化電網功率負荷，探索分布式能源管理，提升風場管理水平。一是發電效能提升。依托通過調整風機控制提高機組出力，帶動風場整體效能提升。二是集約管理優化。基于工業互聯網平臺整合風電開發產業鏈，匯聚前期工作、工程建設和生產運營等環節關鍵要素，提高風場管理水平，支撐風電規模化發展化。三是柔性協調供電。基于大數據精準預測發電量區間，與火電、太陽能等能源實現協同增效，降低供電整體波動性。
例如，昆侖數據與國網青海電力聯合打造“綠能互聯”工業互聯網平臺，接入負荷側大用戶并開展能耗監測業務，通過對風機集群進行動態監測、狀態糾偏與參數優化，推動電廠發電量提升1%-5%，新能源電廠人員成本降低超過20%，電廠備件消耗平均降低10%。
三、推進應用場景落地的著力點
（一）關注底層數據采集，加速設備上云上鏈
一是以業務需求為導向，建立底層數據協議轉換機制，實現升壓站、風電機組、靜止無功發生器等設備上云與動態監控。二是依托區塊鏈技術，加快傳動鏈、軸承、齒輪箱等關鍵部件運行數據上鏈，為后續的備件生產和維修策略制定提供安全、穩定的數據支撐。三是完善風電企業內網體系，打通電力輸送、變電管理等關鍵業務數據流通網絡，拓展數據采集方式，提高數據采集效率。
（二）夯實模型構建基礎，強化重點模型培育
一是綜合考慮地理、氣候、運輸等因素建立風力資源模擬、集群影響分布、虛擬風場設計等模型，降低設計與建設的不可確定性。二是與高等院校、科研院所加強合作，針對風機螺旋載荷、葉片結冰預警、軸承壽命預測等建立重點應用模型庫，三是培育積累能源錯峰分布、集群效率提升等管理模型，加快運營管理經驗沉淀并實現模型的標簽化管理、智能化搜索與精準化調用。
（三）聚焦重點應用場景，深化解決方案應用
一是打造設備級解決方案，圍繞葉片結冰預警、軸承健康管理、齒輪故障預測等領域培育一批穩定高效的殺手級工業APP。二是打造場級解決方案，圍繞風場功率預測、氣象變化應對、風場能量分布等場景建立風電解決方案庫，加快風場生產效率提升。三是打造產業鏈級解決方案，整合地方風電產業各方資源，打造新能源錯峰調配、風電消納擴容等綜合場景解決方案，提升風力資源應用整體效率。
（四）提升產業協同水平，加快服務模式創新
一是提高風場性能實時監控與預測能力，探索打造風光互補、風水互補等區域分布式能源體系，實現供電、售電、用電協同運營。二是依托平臺充分挖掘數據潛在價值，探索開展信用擔保、數據交易、融資租賃等商業模式創新，打造平臺務服務型風電企業。三是探索售電輔助決策，開發智能報價、交易模擬、數據報告等功能，形成客戶分級管理、特色供電套餐等營銷模式，推動收益利潤增值。
（五）加強數據安全管理，筑牢網絡安全防線
一是鼓勵編制平臺網絡攻擊應急預案與運行指導手冊，引入工業防火墻、網閘等工控安全產品，定期開展相關培訓與應急演練。二是引導企業對照數據管理能力成熟度模型（DCMM）開展貫標，制訂數據分類分級管理標準，按照系統特性定期異地備份數據。三是全面排查數據訪問漏洞，完善電力數據管理體系，確保滿足電網橫向隔離、縱向加密的安全要求。
作者宋穎昌系賽迪智庫信息化與軟件產業研究所工業互聯網研究室副主任
王剛 中國電子報
家電行業具有技術更新速度快、產品研發周期短、產品同質化程度高等特征，面臨市場趨于飽和、生產智能化水平低、供應鏈協同難度大等痛點，海爾等家電企業正以個性化定制和供應鏈整合為切入點，加速向生產方式柔性化、經營管理平臺化、產品服務生態化等方向數字化轉型。研究工業互聯網平臺如何在家電行業落地，對探索傳統行業數字化轉型具有重要意義。
一、 家電行業數字化轉型趨勢分析
(一)生產定制化
家電行業中消費者對產品的需求日趨多樣化，這對企業智能化生產能力提出了更高的要求。規模化定制作為一種新的生產模式，依托工業互聯網平臺使用戶參與到從產品設計到成品生產的全過程，并將用戶需求直接轉化為生產排單，實現以用戶為中心的個性定制與按需生產，在全面綜合成本、質量、柔性和時間等競爭因素的前提下，有效地解決需求個性化與大規模生產之間的沖突，成為大多數龍頭家電企業轉型的方向。
(二)經營平臺化
家電行業競爭的實質是供應鏈競爭，供應鏈的運作能力是家電企業不可或缺的核心競爭力和戰略制高點。傳統家電企業的供應鏈響應周期長、響應速度慢、協同管理手段缺失，導致供應鏈整體運行效率低，形成過重的渠道庫存，影響產品的交付周期和用戶滿意度。在這種背景下，基于信息化手段，依托工業互聯網平臺提高各環節協作效率，實現企業內外部供應鏈協同優化，成為家電企業數字化轉型關注的焦點。
(三)產品服務化
隨著宏觀經濟增長放緩，家電消費需求增速明顯回落，家電企業通過不斷豐富產品功能，優化產品結構，加速向附加值更高的產業鏈上游轉移。隨著新一代信息技術的快速迭代和不斷成熟，家電產品正從單純的功能性產品向智能化服務系統轉變，借助先進的傳感器、互聯網、人工智能、自動控制等技術，實時感知用戶信息，通過平臺化統一管理和信息交互，為用戶提供全方位、定制化的家居體驗，推動企業由賣產品向賣解決方案轉型，形成新的競爭優勢。
二、 家電行業工業互聯網平臺典型應用場景及實踐
(一)柔性化生產
家電行業工業互聯網平臺能夠快速響應用戶需求，促進生產環節與用戶需求的深度交互，實現柔性化生產。
一是產品設計優化。通過工業互聯網平臺建立定制化產品設計體系，使用戶全流程參與需求交互、產品設計、生產制造、物流交付等產品全過程，形成基于用戶數據驅動的閉環設計系統，提升產品設計效率。
二是采購供應優化。通過工業互聯網平臺采集匯聚傳感器、設備控制器、立體倉庫、AGV、物流機器人等設備數據，開展生產進度、物料管理、企業管理等深度分析，實現排產、倉儲、運輸和追蹤的按需調度和優化。
三是生產過程管控。通過工業互聯網平臺可與生產制造各環節建立互通互聯的數據通道，構建生產設備、產線、材料、工藝等數字模型，利用現場數據驅動模型運行，按需優化控制生產環節、加工環節、裝配環節的工藝流程、路徑規劃、控制參數及生產系統結構和控制程序，實現智能化生產。
例如，海爾集團依托COSMOPlat平臺打造了15家互聯工廠，形成以用戶需求驅動的即需即供、彈性部署、橫向擴展的柔性生產能力。以膠州互聯工廠為例，其中：生產效率提升60%;開發周期縮短50%以上;交貨周期縮短50%以上;運營成本下降20%。美的集團通過打造M.IoT工業互聯網平臺，構建以數據為驅動的全價值鏈運營，實現傳統家電制造工廠到精益制造、再到智能精益制造的轉型升級。以美的南沙工廠為例，其中：原材料和半成品庫存減少80%;整體制造效率提高44%;產品交付周期由20多天降到最多3天。
(二)供應鏈協同
家電行業工業互聯網平臺可打通產業鏈上下游各環節，實現跨部門間、跨企業間、企業與社會間的數據互聯互通，促進資源優化配置和開放共享。
一是企業內部供應鏈協同。通過工業互聯網平臺可實時獲取設備、工具、物料、人力等生產資源信息，跟蹤現場物料消耗，結合庫存情況進行精準配貨，實現生產、庫存的動態調整優化，有效降低庫存成本。
二是企業間供應鏈協同。通過工業互聯網平臺實時采集物聯網數據、生產操作數據、供應商數據、用戶感知數據和企業經營數據，通過邊云協同實現供應鏈數據的橫向集成和縱向集成，推動設計、制造、供應、服務等環節的并行組織和協同優化，形成集中采購、協同設計、電商銷售、智慧物流、金融科技等創新服務。
例如，海爾集團依托平臺整合研發資源、供應商資源、用戶資源，構建了基于平臺的共創共贏生態，為企業和用戶提供包括互聯工廠建設、協同制造、設備資產運維、供應鏈金融等服務，形成平臺上供應商、企業、用戶全鏈條的價值增值，實現由制造型企業向平臺型企業的轉型，其中：平臺集聚供應商資源390萬家;服務企業數量4.3萬家;生態收入超過151億元。
(三)智能家居解決方案
家電行業工業互聯網平臺利用在產品上增加智能模塊實現產品聯網與家居環境感知，并利用大數據分析提供智能家居解決方案，推動企業由賣產品向賣服務拓展，有效延伸價值鏈條，擴展利潤空間。
一是智能家電解決方案。通過將邊緣計算、網絡通信等技術引入到家電產品中，使其具有自感知、自適應功能，基于平臺實現健康節能等服務。
二是整體解決方案。通過將各種家庭設備進行云端連接，依托平臺對設備的環境數據、運行數據及用戶設置數據等進行智能分析，實現家居環境控制、空氣質量管理、家庭安全防護等綜合服務。
例如，松下電器以智能家電作為用戶數據入口，向附加值更高的產業鏈上游轉移，通過打造基于平臺的Ora智能家居解決方案，為用戶提供從智能單品到智能家居、從智能家居到家庭裝修的一體化綜合服務，實現企業由“賣產品”向“賣服務”轉型。其中，“家電DNA”已延伸至住宅、美容健康、車載、系統解決方案和B2B業務等領域;打造的“住空間”系統解決方案，預計2021年營收將達到600億元。
三、 推進應用場景落地的著力點
(一)構建規模化定制生產能力，搶占用戶數據主導權
一是聚焦用戶需求，通過引入用戶參與生產全流程，依托平臺實現需求數據在研發設計、生產制造、物流銷售等環節的流通，形成用戶需求的深度挖掘、實時感知、快速響應和及時滿足的能力。二是聚焦生產過程，通過在智能設備群、產線、車間等工業現場部署具備邊緣計算能力的智能終端，實時對生產數據進行分析與反饋，實現整個生產過程的動態管控優化。
(二)構建平臺化組織管理能力，整合供應鏈上下游資源
一是聚焦企業層面，利用平臺打通設計、管理、供應鏈等各環節數據，推動企業內頂層決策到底層生產的端到端集成，基于大數據、人工智能等技術進行挖掘分析，實現扁平化管理和決策優化。二是聚焦產業層面，構建基于平臺的數據共享機制，實現供需信息、制造資源、創業創新資源的匯聚，通過基于數據分析的重新組織，實現產業鏈上下游資源優化配置與協同，形成新模式、新業態和新的利潤增長點。
(三)構建基于平臺的產品生態，內生外延打造系統解決方案
一是聚焦智能單品，通過置入微處理器、傳感器、網絡通信等裝置，使家電產品可監測、可控制、可優化，形成單元級的產品服務系統，依托平臺提供狀態監測、故障診斷、預測預警、健康優化等智能服務。二是聚焦智能家居，以家庭場景為中心，通過在家居設施中配置通用智能模塊，實現智能硬件間、智能硬件與平臺間的互聯和集成，通過對用戶家居全場景實時感知和智能控制，形成系統級的產品服務系統，提供智能一體化的家居服務。
作者王剛供職于賽迪智庫信息化與軟件產業研究所工業互聯網研究室
孫剛 中國電子報
工程機械行業具有設備產品多樣、生產過程離散、供應鏈復雜的行業特征，面臨設備價值增值水平不高、供應鏈資源調配效率低下、金融生態不完善等行業痛點，急需加快基于工業互聯網平臺的數字化轉型步伐，全面提升研發設計、生產制造、供應鏈管理、遠程運維、客戶服務等環節的數字化水平。徐工集團、三一重工、中聯重科等國內企業和uptake等國外企業以遠程運維為切入點，日本小松以智慧施工為切入點，加速推動工程機械行業向設備維護智能化、綜合解決方案“交鑰匙化”方向加速轉型。基于此，我們對工程機械行業基于工業互聯網平臺進行數字化轉型解決方案進行了專題研究，深入剖析了工程機械行業數字化轉型趨勢、平臺應用場景以及業務落地解決方案，同時，該報告對其他高端裝備行業數字化轉型路徑的探討同樣具有借鑒意義。
一、工程機械行業數字化轉型趨勢分析
(一)設備維護按需化
傳統以預防為主的定期維修無法有效處理潛在或突發的異常故障，也會產生諸多不必要的拆卸和安裝，造成過高的設備維護維修費用和額外的磨合損耗，甚至導致新的故障。基于工業互聯網平臺，在線采集設備性能、狀態參數等數據信息，經過一系列的統計算法和分析，可以及時發現設備運行過程中的健康狀態和存在的問題，按需求進行設備維護，節省人力物力，保障設備運行效率。
(二)備件管理精益化
傳統的倉儲模式能夠緩解一定的備件需求壓力，但是相應的產生了包括存儲空間、物流調配、流轉資金等高昂的倉儲成本，還需要進行備件管理，耗費人力物力。運用物聯網、云計算、大數據等新一代信息技術，加強供應鏈管理，能夠提高備件流通效率，快速響應生產和維修需求，即時調配、按需調配、智能調配，從而提高了生產和維修效率，節省現金流。
(三)產融結合在線化
由于工程機械設備單價高、行業金融體系不完善等原因，下游中小企業往往存在著資金短缺的問題，嚴重制約了行業生態的發展。依托工業互聯網平臺進行設備連接、數據采集、統計分析能力，可以實現制造設備運行過程透明化，有利于金融機構做出實時評估，控制金融風險，在線提供快速融資、貸款服務。
(四)解決方案服務化
我國工程機械行業的技術、產能、效率近幾年獲得了飛速的發展，為應對越發緊縮的市場環境，響應用戶端需求的升級變化，工程機械行業正呈現出制造業服務化趨勢，即以產品制造商向解決方案提供商轉變，從單純的生產加工向提供設備運營維護、支撐業務管理決策、滿足個性化定制需求等服務環節延伸，增加產品附加價值，塑造企業綜合優勢。
二、工程機械行業工業互聯網平臺應用場景及實踐
(一)設備預測性維護
工程機械行業基于工業互聯網平臺的建模仿真、數據分析、評估診斷能力，有效評估設備健康水平，實現預測性維護。
一是設備狀態監測。實時采集溫度、電壓、電流等數據，提高設備狀態洞察力，避免機械設備突發故障。
二是設備建模仿真。構建設備數字孿生體，通過輸入參數、工況等數據，進行模擬仿真，優化維護方案。
三是設備故障診斷。對設備工作日志、歷史故障、運行軌跡、實時位置等海量數據進行挖掘分析，判斷可能出現故障的時間和部位，安排維修計劃。
例如，卡特彼勒基于Uptake開發的設備聯網和分析系統，采集設備的各類數據信息，聯網監控，分析預測設備可能發生的故障，實現了300多萬臺運轉設備的統一管控。日立基于lumada工業互聯網平臺推出consiteoil解決方案，通過傳感器將遠程的故障預警率提高到58%。徐工集團基于漢云工業互聯網平臺，為每一臺設備做數字畫像，將可能損壞的零部件進行提前更換，使設備故障率降低一半。
(二)備品備件管理
備品備件的管理一直以來都是工程機械行業不可忽視的重要部分，基于工業互聯網平臺，可以有效促進企業備品備件管理邁向智能化。
一是備品備件標識管理。以物聯網技術連接備品備件，運用標簽化管理、智能化檢索等手段實現備品備件的監督、跟蹤和協調。
二是備品備件部門協同。基于工業互聯網平臺，打通各部門信息壁壘，推動跨部門協作，促進備品備件高效流通。
三是備品備件供應鏈管理。建立零部件供應商對接交流平臺，在保障生產和維修需求的前提下，實時、定量采購，降低庫存量，節約現金流。
例如，徐工集團基于漢云工業互聯網平臺，實現備品備件的計劃、采購、庫存、供銷、追溯功能一體化，通過大數據分析持續優化備品備件管理體系，打破生產商和分銷商信息孤島，提升分揀效率8%,提升倉庫利用率6%，降低備件庫存8%，提高庫存周轉率5%。
(三)智慧施工
工程機械行業正從設備本身的解決方案向現場的解決方案轉變，將機器和工人連接，優化施工方案，輔助操作施工，實現智慧施工。
一是現場施工數據采集。通過傳感器、無人機、三維掃描儀等方式對施工對象、施工場景、外在環境等因素進行高精度感知，掌握現場施工狀態。
二是施工方案模擬仿真。建立虛實映射的數字孿生體，輸入設立不同的施工條件，進行工況模擬迭代，不斷優化施工方案。
三是現場施工現場指揮調度。建立反饋響應系統，根據設備動態變化，實時修正、調整施工方案并指揮現場施工。
例如，小松提出和實施smart construction即智能施工解決方案。通過無人機+邊緣盒子+小松云，聚焦高精度測量、設計圖和測量圖對比(Skycatch)、小松云模擬確定施工計劃、施工可視化等環節，實現了建筑工程狀態感知、實施分析、科學決策、精準執行的閉環，從而實現遠程操作服務。
(四)互聯網金融
基于工業互聯網平臺實現工程機械設備的深刻洞察、設備故障精準預測、事故風險有效評估，促進基于平臺的產融模式創新。
一是在線貸款。銀行、金融機構通過線上平臺監測施工隊作業情況、承包商貸款情況和經營情況，針對性給與貸款、融資等服務。
二是融資租賃。工程機械企業依托獨立運作、與銀行合作、與融資公司合作等方式，開始租賃業務。加快資金的流通，降低融資成本，緩解資金壓力，幫助中小企業迅速做大規模。
三是精準投保。保險公司依托工業互聯網平臺對機械設備的監測、管理能力，綜合評估工程機械設備施工風險，從而實現針對性投保、按需投保、精準投保等保險服務。
例如，中聯重科成立融資租賃公司，實現了設備的擴大銷售，獲得的營業額將占集團總收入的20%以上。三一集團基于樹根互聯根云工業互聯網平臺，通過融資租賃或者經營性租賃運營超過50%的設備，每年管理超300億的在外貨款;同時與久隆、三湘銀行展開合作，開發用于精準定價與風險選擇的數據產品，幫助久隆保險完成UBI保險產品及延保產品的定價。
三、推進應用場景落地的著力點
(一)關注數據采集，擴展信息獲取渠道
一是加強施工現場數據采集，通過傳感器、無人機，攝像頭、三維掃描儀等感知設備，采集現場施工環境和施工對象信息。二是加強設備端數據采集，基于平臺采集和整合工程機械設備設計數據、運行數據、運維檔案和地理位置等數據，實現對機械設備的深刻洞察。三是加強客戶端數據采集，采集客戶需求、反饋等數據信息，形成對市場的理解和認識。
(二)緊扣模型開發，提高模型供給能力
一是面向業務運營管理，構建資源調度模型、安全管理模型、供應鏈管理模型等，實現管理優化。二是面向設備遠程運維，構建狀態監測模型、預測預警模型、健康評估模型、故障診斷模型等，實現機械設備智能化運維。三是面向生產制造，構建加工工藝模型、質量管控模型、組裝裝配模型等，提高生產質量和效率。
(三)聚焦解決方案，開發推廣典型應用
一是設備智能運維解決方案，基于平臺的數據沉淀和模型應用，開發部署運行監測與分析工業APP，提供智能運維解決方案。二是現場施工解決方案，實時監控現場施工設備運行狀態，基于工業互聯網平臺大數據分析能力，提供現場施工解決方案。三是供應鏈管理解決方案，依托工業互聯網平臺開發集中采購、供應商管理、柔性供應鏈、智能倉儲、智慧物流等云化應用服務。
(四)深化服務能力，加強企業綜合實力
一是進行反饋式設計，發揮機械設備在制造和使用過程中獲得的數據、經驗和智慧，返回到產品設計中，促進產品設計迭代式創新。二是進行柔性化生產改造，對產品按照其功能進行劃分而進行模塊化設計，內部實現零部件的標準化、通用化，采用多功能機械手，實現了多品種生產組裝的快速切換。三是開展精益化管理，有效整合備品備件、機械設備、生產線、供應鏈、客戶端信息，優化管理模式，提高產業鏈協同能力。
(五)拓展商業模式，加快數字轉型步伐
一是實施平臺化戰略，搭建工業互聯網平臺，匯聚產業鏈上下游優勢資源，對接優質客戶、供應商、經銷商開展商業合作。二是開展服務型制造，探索基于產品研發設計的增值服務、基于產品效能提升的增值服務、基于產品交易便捷化的增值服務、基于產品集成整合的增值服務以及從基于產品的服務到基于需求的服務。三是開展產業鏈金融創新，積極對接金融機構、保險公司、銀行等，共同開發金融產品，提高金融服務能力。
作者孫剛供職于賽迪智庫信息化與軟件產業研究所工業互聯網研究室
徐靖 中國電子報
石化行業是資產密集型行業，具有設備價值高、工藝復雜、產業鏈長、危險性高、環保壓力大的行業特征，面臨設備管理不透明、工藝知識傳承難、產業鏈上下游協同水平不高、安全生產壓力大等行業痛點，急需加快基于工業互聯網平臺的數字化轉型步伐，全面提升設備管理、生產管理、供應鏈管理、安全管理、節能降耗等環節的數字化水平。恒逸石化、恒力石化、石化盈科、中油瑞飛等企業以設備智能管控、生產協同優化為切入點，加速推動石化行業向全流程智能化方向加速轉型。基于此，我們對石化行業基于工業互聯網平臺進行數字化轉型解決方案進行了專題研究，深入剖析了石化行業數字化轉型趨勢、平臺應用場景以及業務落地解決方案，同時，該報告對其他化工行業數字化轉型路徑的探討同樣具有借鑒意義。
一、石化行業數字化轉型趨勢分析
(一)設備管理：從黑箱管理向健康管理轉變
石化行業的生產設備具有危險性，一旦設備在運行的過程中出現異常高溫、高壓、設備腐蝕泄漏的情況，會引發火災或者爆炸事故，造成人員傷亡。過去，企業很難及時了解企業設備的情況，只能定期派人對設備檢查和維護，浪費了大量的人力物力。在工業互聯網平臺應用的大背景下，基于傳感器、自適應感知、精確控制與執行等數據采集技術，實現設備全生命周期的實時態勢感知、遠程故障診斷和預測性維護。
(二)知識管理：從紙質封存向模型封存轉變
我國石化行業經過幾十年的發展，積累了大量的工藝技術、實踐經驗和專家知識。它們大多在少數專家手中，碎片化現象嚴重，知識傳播渠道以線下的培訓為主，受時間和空間的諸多限制。在工業互聯網平臺應用的大背景下，聚焦煉化生產的工藝優化、質量管控、節能降耗場景，推動石化工藝知識以機理模型、業務模型、算法模型的形式共享、復用、傳播，大幅降低石化知識創新的門檻。
(三)供應鏈管理：從企業內向企業間協同轉變
我國石化行業的原油和天然氣進口依存度高。在國際原油價格大幅波動，供應鏈成本壓力持續發酵的大背景下，我國石化行業需要提高供應鏈整體的敏捷性和靈活性，對市場變化快速做出反應，及時調整，統籌安排開采、外購、運輸、生產和銷售。因而，以工業互聯網平臺為連接樞紐，實現上游原油供應企業、中游煉化生產企業、下游產品分銷企業之間的供應鏈協同成為大勢所趨。
(四)安全管理：從人工巡檢向智能巡檢轉變
中國油氣運輸管線約7萬公里，跨度大、范圍廣，部分管線處于地形地貌復雜、自然環境惡劣、環境敏感區域，輸送介質危險性大。石油煉化生產的原料和產品大多是高溫高壓、易燃易爆有毒的危險品，規模龐大，微小的事故就會造成災難性危害。常規人工巡檢速度慢、成本高、效率低、受自然和地理條件制約大。在工業互聯網的大背景下，利用傳感器、增強現實眼鏡、無人機、智能機器人等工具，大幅提高了巡檢的實時性、精準性和可視性，提高巡檢效率。
二、典型應用場景及實踐
(一)設備管理
一是設備狀態檢測。通過對物理設備的幾何形狀、功能、歷史運行數據、實時監測數據進行數字孿生建模，實時監測設備的各部件的運行情況。中石油青海油田對10萬臺口油氣水井和3000余座場站的采油設備的運行數據自動采集，遠程實時監測設備運行狀態，實現了邊遠油田派遣人數和人工成本大幅下降。
二是遠程故障診斷。將設備的歷史故障與維修數據、實時工況數據，與故障診斷知識庫相連，利用機器學習和知識圖譜技術，實現設備的故障檢測、判斷與定位。中油瑞飛工業互聯網平臺對中石油海外油田設備提供了跨國油田遠程技術支持服務，結合專家遠程診斷和工人維修指導，實現了50%以上的問題無需設備服務商到場解決非現場解決。
三是預測性維護。構建設備數字孿生體，實時采集各項內在性能參數，提前預判設備零部件的損壞時間，主動、及時和提前進行維護服務。燕山石化建立了調節閥故障模型，通過對煉化裝置流量控制閥進行數據分析和診斷，實現了對控制閥的預測性維護，降低無效維修50%以上，創造直接經濟效益近5000萬元。
(二)煉化生產
一是工藝優化。在實際煉化生產前，對原油原料、工藝流程、煉化設備進行數字孿生建模，對工藝配方、工藝流程等全方位模擬仿真，優化原料配比參數和裝置優化路徑，得出最優的煉化生產方案。中石油云南石化對開工原油的煉化工藝流程進行模擬分析，明確各項操作參數，從而指導生產操作，實現了常減壓裝置1次開車成功，制氫聯合裝置核心設備投產1次成功。
二是質量管控。實時采集和分析油品煉化全流程的質量數據，對各項質量指標進行在線動態分析和預測預警，實現煉化全流程質量跟蹤及自動控制。中石化九江石化在煉化生產過程中，對各項質量指標進行實時監測和動態分析，實現了油品煉化質量的大幅提升，噸原油除成品油率提高到82%，產出率提升7個百分點。
三是節能降耗。通過對關鍵耗能設備和高耗能加工流程的數據采集，結合大數據、人工智能算法和專家知識庫，分析耗能的關鍵因素，找出能耗最低的工藝參數來指導實際生產，提高關鍵耗能設備的維護精度。恒逸工業大腦通過對歷年鍋爐燃燒數據的深度學習，推算出最優的鍋爐燃燒參數，燃煤發電效率提升2.6%，在節煤方面增加了數千萬元收入。
(三)供應鏈協同
一是企業內供應鏈協同。實時采集和分析供應鏈運行情況，識別資源配置低效的環節，提出改進方案，提高企業內部資源配置效率。中石化鎮海煉化將原油采購、資源配置、裝置運行、產品結構、銷售物流等進行全流程建模，系統分析供應鏈協同的重點難點和優化潛力點，測算了各類優化方案637個，累計創效3.9億元。
二是企業間的供應鏈協同。以工業互聯網平臺為連接樞紐，打通石化上游原油供應、中游煉化生產、下游產品銷售各環節，優化全產業鏈資源配置。當前，我國石化產業鏈的供應鏈協同正處于探索應用階段，新冠肺炎疫情期間，基于石化盈科ProMACE工業互聯網平臺，鎮海煉化、恒力石化進行生產動態優化調整，提高防疫所需原材料的供給能力，同時與口罩、防護服生產企業實時對接、協同排產，實現了上下游醫衛用品資源配置的動態優化，提升產業鏈協同效率。
(四)安全巡檢
一是生產安全監控。實時采集的煉化生產過程中的各類安全數據，結合安全生產監控模型，對生產異常狀態和安全風險實時報警。中石化茂名石化基于工業互聯網平臺匯聚廠區內外的安全信息，結合安全風險診斷模型，實現了異常狀態和安全風險的實時報警，發現并消除了1800多項生產異常問題避免了多起突發事件。
二是管道智能巡檢。在油氣管道內外利用傳感器、智能陰保樁、管道巡檢機器人、無人機等數據采集工具，以及連接地理、氣象等環境數據，實現管道內外運行狀態的全面感知和實時監測，對管道異常狀況(如泄漏)快速定位。基于ProMACE工業互聯網平臺，石化盈科在中石化西北油田開展了原油管線泄漏視頻智能識別應用，通過訓練卷積神經網絡，實現視頻數據實時分析處理，巡檢視頻識別效率提高70%以上。
三、推進應用場景落地的著力點
(一)加強底層數據分析，促進邊云協同
一是邊緣數據采集方面，安裝傳感器、無人機、攝像頭、三維掃描儀等數據采集工具，利用泛在感知技術，采集油田地質勘探、鉆井、開采、運輸、煉化、銷售領域的多源設備、異構系統、運營環境、人員等數據，實現對油田、運輸管道、煉化工廠運行狀態的全面感知。二是邊緣數據分析方面，在原油開采裝置、煉化重點裝置、運輸管道關鍵節點部署機器學習和深度學習算法，在邊緣控制器上集成分析引擎，實現對裝置的自動調整和優化。在設備管理、質量管控、智能巡檢場景下，可以考慮將云端的機器學習模型和深度學習模型，部署在邊緣設備端，在模型、數據、服務三方面實現邊云協同。
(二)梳理煉化工藝知識，研發工業模型
一是面向設備管理，重點研發煉化重點裝置的運行狀態監測模型、遠程故障診斷模型和預測性維護模型。二是面向煉化生產，重點研發煉化工藝流程模擬優化模型、聚合物反應模型、換熱網絡優化模型、公用工程系統優化模型以及能量系統優化模型、生產質量管控模型。三是面向供應鏈管理，重點研發原油進口供應鏈擾動緩解模型、供應鏈柔性作業模型、供應鏈均衡協調模型、成本和風險平衡模型、計劃和調度模型等。四是面向安全管理，研發基于多源安全數據融合的火災爆炸事故風險預警模型、高危設備監測和故障預警模型、危險源監測和預警模型、應急資源管理模型、安全應急調度模型。
(三)研發行業解決方案，推廣典型應用
一是打造設備管理解決方案。重點研發和推廣煉化重點裝置的狀態監測、遠程故障診斷、預測性維護解決方案，提升煉化裝置管理水平。二是打造煉化生產解決方案。重點研發煉化生產裝置流程模擬、智能化驗室、運營管理優化、生產質量管控等解決方案，實現煉化生產優化。三是打造供應鏈協同類解決方案。重點研發石化企業內部的供應鏈協同解決方案和企業間的供應鏈協同解決方案，實現石化供應鏈全流程的優化、資源合理利用以及價值的優化。四是打造安全管理類解決方案。重點研發煉化生產安全監管解決方案、管線漏失動態監測、鉆孔破壞點精確定位、應急指揮解決方案，實現對煉化生產風險提前報警，對油氣長輸管道泄漏的實時檢測和準確定位。
作者徐靖供職于賽迪智庫信息化和軟件產業研究所工業互聯網研究室
管桐 中國電子報
航空航天行業具有有長周期、多種類、小批量、高可靠的行業特征，面臨數據源差異大、模型適配性不足、管理調度效率低下、故障預測能力欠缺等行業痛點，急需加快基于工業互聯網平臺的數字化轉型步伐，全面提升研發設計、生產制造、供應鏈管理、運營維護等環節的數字化水平。GE、歐特克、勞斯萊斯、商飛、西飛等國內外企業正以網絡化協同為切入點，向基于平臺的設計、制造、管理、服務一體化轉型。基于此，我們對航空航天行業基于工業互聯網平臺進行數字化轉型解決方案進行了專題研究，深入剖析了航空航天行業數字化轉型趨勢、平臺應用場景以及業務落地解決方案，同時，該報告對其他高端裝備行業和離散行業數字化轉型路徑的探討同樣具有借鑒意義。
一、航空航天行業數字化轉型趨勢
(一)研發設計由串行異構向并行協同轉變
傳統航空航天行業研發設計二維、三維輔助軟件混用，在工具、模型、數據、API、操作規范等方面差異較大，研發設計流程冗長復雜，研發成本較高。隨著業內基于MBD研發設計模式的應用推廣，將三維模型作為唯一數據源進行幾何、工藝、質量和管理等屬性標注，有利于統一標準，改善數據差異問題，打破研發設計的空間、時間、組織限制，降低跨專業、跨部門、跨企業協同研發設計門檻。
(二)生產制造由以數映物向數物融合轉變
在傳統生產制造過程中，將研發設計模型轉化為生產制造模型需消耗大量人力物力，零部件加工主要以常規加工為主，生產質量管控成本較高。在圖紙到實物的轉化中，因缺乏三維空間信息，過度依賴操作工人的理解、經驗和技能水平。隨著數字孿生技術在生產制造環節的應用，助力企業依據統一模型、統一數據源進行制造，解決CAD到CAM的集成問題，實現生產過程可預測、可調整、可追溯，降低生產成本。
(三)生產管理由單點對接向動態調整轉變
相較傳統離散行業，航空航天對材料供應和資源調配都具有極高要求，既要求盡量采用靈活的零部件管理來降低運營成本，又需要保證交付的速度。傳統數據交換模式以單點管理為主，缺乏節點間統籌管理，無法適應復雜場景下的動態調整需求。工業互聯網聚焦人、傳感器、生產設備和云端等節點的互聯互通，打通研發、生產、管理等環節“數據孤島”，可有效構建大協作、大配套的生產管理體系。
(四)運維服務由定期維護向視情維護轉變
傳統運維以基于經驗和規律的定期檢修為主，不同零件、組件在制造工藝、故障類型和生命周期等方面差異化巨大，維護成本高昂。通過在飛機維修領域引入大數據、人工智能等新一代信息技術，有利于開展故障溯源、輔助設計和工藝改進，提高設備描述、仿真診斷、預測維護的精密度和準確率，達到治未病，自感知，自決策的效果。
二、航空航天行業工業互聯網典型應用場景及實踐
(一)基于MBD的研發設計
企業依托工業互聯網平臺開展基于MBD的研發設計，以三維統一數據源作為唯一依據，縮短研發周期，提高效率。一是信息交互。優化信息的傳輸、操作和管理,大幅減少由理解差異產生歧義的問題。二是工藝審查。分析可制造性、可裝配性和結構合理性。三是工藝規劃。規劃零部件裝配順序和運動路徑。四是工藝編制。計算關鍵部件工藝容差，合理分配資源。
例如，波音公司構建全球化的研發體系，波音777項目實現了全球238個DBT團隊，總成員8000余人協同研發，減少了90%的設計更改，設計周期縮短一半。運-20研制中，我國首次建設異地協同設計、制造和管理信息平臺，開創一航商飛、一飛院兩地、四個主機廠、十九家國外供應商協同研制模式。
(二)基于CPS(賽博物理系統)的智能制造
結合CPS、AR/VR等技術推動數據源、模型的統一，加快數據有效流通，構建基于工業互聯網的異地多廠協同制造體系。一是分布式生產。將整機組裝廠、零部件生產廠等資源整合，以信息管理為整個制造網格系統提供行動依據，形成網絡化制造系統。二是個性化生產。針對不同型號的飛機制造需求，制定個性化的組裝方案。三是柔性化生產。根據市場、廠區、庫房的動態信息，及時調整生產所需的人、機、料、法、環等配套供給。
例如，我國在新飛豹的研制中，全面采用數字樣機技術，實現全機51897個零件、43萬個標準件、487個關鍵件的三維數模直接用于數字化生產。西飛通過資源、信息、物料和人的高度互聯，確保工藝流程的靈活性和資源的高效利用，成功將整機制造周期壓縮到15個月左右。
(三)基于大數據分析的供應鏈管理
企業借助工業互聯網平臺對供應鏈信息進行收集、整合、優化，通過數據分析，及時發現倉儲物流、產品質量、制造工藝等方面的問題，提高供應鏈調整能力，保障產品質量。一是物流管理。通過業務需求，動態調整備品備件預計劃，改善供應鏈庫存狀況、降低系統庫存總成本、提高準時交付率。二是質量管理。運用大數據技術評測生產制造能力、質量保障能力、交付進度、合格率等指標，健全質量管理體系，完善質量追溯制度，實現對各環節產品質量的精確管控。
例如，商飛構建基于工業云的飛機研制系統平臺，推動全球近150個一級供應商之間進行數據交互，實現基于統一數據源的設計、制造、供應一體化協同。西飛公司按生產計劃實時更新裝配進度信息和配套缺件動態信息，將計劃、庫房、缺件結合起來，航材備件月結庫存時間，由原來的1天縮短為不到4小時。
(四)基于PHM的運營維護
基于PHM的運營維護建立航空產品故障和維護維修的數據庫，支持多部門、多專業協同進行運營維護。一是狀態實時監測。航空航天企業通過工業互聯網平臺實時采集發動機、飛行器等設備工作溫度、工作環境和應力分布等狀態數據，并進行可視化呈現，保障設備狀態監測可靠性。二是故障診斷預測。對歷史積累的海量數據進行高效處理，生成運維模型，診斷產品在不同使用條件下出現故障的概率和時間。三是維修輔助決策。基于故障預測結果，輔助制定維修方案，遠程指導工程師現場執行，降低人工操作錯誤產生的返工，有效避免信息傳遞缺失的問題。
例如，西飛運用數字化技術，對飛機和航空產品的使用性能、功耗、能耗等進行過程監控，并根據對運行數據的分析，預先制定改進方案，及時更換老化零部件，進行健康管理、維修，提高了航空產品服務的安全性和數據采集的多樣性。GE在Predix平臺上開發了DRAI(人工智能超差處理)算法，用于檢測飛行器葉片故障隱患，自動抓取，生成維護報告，識別率和報錯率在95%和97%以上。
三、推進應用場景落地的著力點
(一)統一技術架構接口規范，保障數據融通
一是規范數據類型，以基于MBD的三維模型作為設計、制造、管理、維護的唯一依據，推動信息傳遞媒介由二維向三維轉變。二是夯實數據基礎，對高價值、高可靠、高能耗設備，實時采集其全生命周期數據，提升采集數據深度、廣度和精度，并運用大數據分析開展關聯性研究。三是建設通用設計CAD軟件標準零件庫、技術注釋庫和材料庫，對CAD建模軟件進行二次開發，建立企業基于MBD的全三維設計支持系統。
(二)突破全生命周期機理模型，推動數物融合
一是突破設計仿真、工藝流程、裝配流程等研發設計模型，助力研發設計數據自由流動。二是突破工業機理、業務流程、生產質量等生產制造模型，加快工業知識沉淀。三是突破業務流程、供應鏈管理等生產管理模型，推動供需兩側互聯互通。四是突破故障診斷、故障預測、零部件壽命預測等運營維護模型，提高運營維護精度。
(三)構建多層次體系化平臺，實現數據分級分類
一是推動供應鏈上公有云，鼓勵主機廠商建立公有云，促進供應商業務流程的規范化、標準化，與主機廠實現計劃、技術、采購和質量的協同。二是推動集團內設計上私有云，推動集團內研發設計部門和系統級供應商依托私有云開展協同研發，以三維統一數據源消除數據傳遞過程中的不確定性。三是推動企業生產制造上專有云，引導整機組裝廠、零部件生產廠借助專有云對生產工藝、設備運行、產品質量等數據進行存儲、分析，實現生產制造過程協同管控，提高產品質量穩定性。
作者管桐供職于賽迪智庫信息化與軟件產業研究所工業互聯網研究室
張朝 中國電子報
汽車行業是典型的大型離散行業，具有供應鏈高度分散、生產工藝復雜、產品結構精密等特征，面臨研發設計周期長、供應鏈管理低效、下游需求碎片化、服務要求高端化等行業痛點，亟需加快基于工業互聯網平臺的數字化轉型步伐，全面提升研發設計、生產制造、產供銷管理、經營模式等環節的數字化水平。海爾、上汽、北汽等企業以網絡化協同設計和規模化定制生產為切入點，加速推動汽車行業向協同化、定制化、柔性化方向轉型。基于此，我們對汽車行業基于工業互聯網平臺進行數字化轉型解決方案進行了專題研究，深入剖析了汽車行業數字化轉型趨勢、平臺應用場景以及業務落地解決方案，對加快打造我國汽車新型制造體系具有重要意義。
一、汽車行業數字化轉型趨勢分析
(一)研發設計由獨立分散向網絡協同轉變
汽車的研發設計通常包括車觀外形、結構強度、內飾擺放和電器布置等方面，涉及眾多專業領域，采用傳統的煙囪化設計業務系統，難以實現各方面設計的協調性，容易導致后期較高的設計修改率。伴隨著虛擬仿真和云協作平臺等技術的出現，可以保障各設計部門基于唯一虛擬模型進行設計開發，實現成員間“點對點”的信息交流，提高研發設計協同化水平，縮短產品上市周期。
(二)生產制造由批量生產向規模化定制生產轉變
我國汽車產品同質化問題嚴重、市場競爭激烈，諸多車企呈現銷售下滑等頹勢，并且下游消費者需求日漸碎片化，使得傳統少品種、大批量生產模式難以適應市場變化，加大車企的生存壓力。隨著大數據等新興技術的應用，車企可以全方位獲取消費者的需求數據，結合企業生產能力和產線轉換能力，動態調整生產計劃，實現規模化定制生產，提高企業競爭優勢和消費者滿意程度。
(三)產供銷管理由信息孤島向全局協同轉變
傳統車企需要與眾多零配件供應商和汽車經銷商進行溝通協調，保障汽車產品從生產到銷售過程的通暢運行，而以往汽車產業鏈的信息孤島問題嚴重，大大增加了車企對產供銷鏈條的管理成本。通過建立數據流動渠道，打通汽車行業產供銷端的信息管理通道，為產業鏈各環節的企業制定科學采銷決策提供重要支撐，通過保障物料信息在產業鏈全鏈條中的自由流動，帶動物料資源自由流通，實現產供銷端的高效協同。
(四)盈利模式由單一銷售向全方位服務轉變
傳統汽車行業只能依靠銷售汽車進行盈利，盈利渠道單一，容易受市場環境影響，韌性較差。而隨著汽車產品高度智能化和通信技術的快速發展，汽車企業可以更容易獲取圍繞人、車、城市生成的娛樂數據、車機數據、駕駛行為數據、電商數據以及場景化數據等重要數據資產，并用于汽車精準投保、預測性維護、智能營銷、出行服務等新興業務場景，有力拓寬車企盈利渠道。
二、汽車行業工業互聯網平臺典型應用場景及實踐
(一)研發設計協同
一是模擬仿真。汽車企業可通過在工業互聯網平臺部署CAE等功能模塊，在賽博空間對汽車模型進行碰撞仿真、結構仿真和流體仿真等，降低樣品試制成本，并縮短產品研發周期。
二是設計數據交互。汽車企業可應用工業互聯網平臺集成汽車的外觀、結構、性能和電器分布等數據，實現各項設計工作跨部門、跨企業、跨區域的同步進行，保障設計方案的協調與適配，提高研發效率。
三是工藝設計優化。利用工藝流程仿真等功能模塊，全方位、超逼真模擬汽車加工、焊接、涂裝、整裝等工序，確定最優工藝方案，保障產品質量。
例如，長安汽車在美洲、歐洲、亞洲等地都建立了研發中心，通過建立以三維數字化設計和全球協同設計為核心的汽車產品智能化研發云平臺，與海外設計中心進行24小時全天候產品聯合開發，實現了跨部門、跨企業、跨區域的產品協同設計，支撐產品研發周期從36個月縮短至24個月。
(二)規模化定制生產
一是用戶深度參與。汽車行業搭建的工業互聯網平臺可以為消費者參與定制生產提供入口，協調研發部門、生產部門和采銷部門根據客戶定制信息，確定生產方案，實現以客戶為中心的定制生產模式。
二是全流程排產。汽車行業可通過工業互聯網平臺建立客戶定制產品BOM，并結合生產能力和時間要求，自動生成高效且可執行的生產計劃。
三是柔性化生產。汽車行業可以利用工業互聯網平臺，依據定制產品生產方案，及時切換產線布局，并協調指揮AGV滿足不同產線的物料需求，實現規模化定制生產。
例如，榮成康派斯公司依托海爾COSMOPlat工業互聯網平臺“SINDAR幸達”智慧房車露營生態解決方案，通過構建交互定制平臺、創新設計平臺、模塊化采購平臺、智慧售后服務平臺等，讓用戶直接參與到房車生產的全生命周期，實現房車的大規模定制化生產，取得了良好經濟效益，綜合采購成本降低7.5%，交付周期從35天下降到20天，訂單同比增長62%，一次性交檢合格率達到95%。
上汽大通開發了包括“我行MAXUS大數據平臺”在內的7個數字化平臺，可以為用戶參與、用戶制造提供接口，整合和匹配用戶的多樣化汽車配置，統一調配各生產車間協作，實現在線選配、日歷訂車、訂單跟蹤等智能定制功能，支撐實現規模化定制生產模式，助力產品上市周期減少35%，產品交付期縮短20%以上，加工及產線切換時間縮短30%，并實現了99.8%的配置精確度。
(三)產供銷協同
一是“進銷存”精準管理。汽車行業通過工業互聯網平臺可建立貫穿全產業鏈的溝通渠道，實時監測上游原材料供給情況和下游產品需求信息，根據精益管理要求，動態調整企業庫存策略，在保障企業正常運轉的基礎上，實現“進銷存”精準管理。
二是質量追溯體系。汽車企業可基于工業互聯網平臺，采集汽車零配件和生產工藝信息，進行標簽化處理，對產品進行全生命周期的質量管理，準確識別質量問題，并進行溯源管理，找到質量問題環節，提高產品質量保障水平。
例如，廣西汽車集團通過工業互聯網大數據平臺搜集銷售、生產、采購、物流各環節的數據，搭建起了企業全流信息化平臺，實現了供應商供貨—工廠生產—客戶配送全程數字化，實現了產供銷端的協同化，使物流作業效率平均提高35%，單據錯誤率降低85%，數據及時性提高50%。
(四)服務化延伸
一是預測性維護。汽車企業基于工業互聯網平臺實時采集生產設備參數設置、應力分布等狀態數據，利用故障診斷大數據分析模型，實現設備故障預警，通過實施預測性維護方案，減少非計劃停機時間。
二是智能營銷。汽車行業可將工業互聯網平臺數據接口擴展至社會范圍內的大數據體系，精準識別客戶信息，完整刻畫客戶肖像，通過智能汽車等終端進行個性化推送，提升營銷水平。
三是個性化保養。汽車行業工業互聯網平臺可結合車聯網實現與客戶的互聯互通，采集客戶駕駛習慣、車況數據等信息，通過故障預警分析模型，為客戶提供個性化保養方案，優化客戶服務體驗。
四是出行服務。汽車行業工業互聯網平臺可通過實時監測汽車產品，動態匹配客戶用車需求，簡化汽車租賃流程，為客戶提供完整的出行解決方案，打造高質量出行服務生態體系。
例如，一汽基于工業互聯網平臺實時監測總裝車間電機設備狀態，通過對總裝電機的預測性維護，有效避免因非計劃停機造成的損失，實現了顯著的經濟效益，總裝電機故障預測準確率提高至90%以上，預測周期提前7—90天，非計劃停機時間減少10%—20%，電機維護成本節約5%—15%。
北汽福田汽車基于iTink云平臺通過車聯網實現與客戶的互聯，為客戶提供預測性維修保養和車隊管理等高端服務，并通過打通與其它行業數據體系的流通渠道，形成包含汽車金融、ETC管理等圍繞客戶360°的服務生態體系，采取打標簽的方式，精準用戶畫像，并依據大數據標簽精準推送，進行有針對性的服務，使回客率提高20%以上。
三、推進應用場景落地的著力點
(一)深化數據應用，完善數據流通體系
一是完善數據解析體系。面向汽車行業設備運行狀態信息、實時工藝參數信息、產品質量信息、生產計劃信息等大量異構數據，建立高效的數據解析體系，釋放數據資產活力。二是建立大數據共享中心，在云端匯聚汽車行業全要素、全價值鏈、全產業鏈等數據資源，激發數據規模效應，以數據自由流動帶動資源配置的全局優化。三是深化數據挖掘。積極探索與保險、銀行等大數據平臺間的溝通與協作，實現數據跨領域的自由流動，為汽車行業新模式新業態提供數據支撐。
(二)聚焦生產過程，強化機理模型供給
一是圍繞個性化定制，開發完善用戶信息反饋模型、方案選擇模型、產品可視化模型等，降低用戶參與定制的門檻，并提高用戶參與的積極性。二是圍繞柔性化生產，開發完善產線監測模型、AGV調用模型、生產排程模型等，滿足企業根據客戶定制信息高效開展混線生產。三是圍繞工藝質量管理，開發完善質量缺陷檢測模型、質量溯源模型、工藝優化模型等，保障生產流水線中的產品質量。四是開發模型綜合管理平臺，匯聚機理模型資源，實現模型的標簽化管理、智能化搜索和精準化調用。
(三)圍繞行業痛點，推廣解決方案普及
一是圍繞企業生產管理，梳理汽車行業在研發設計、生產制造環節中的痛點問題，綜合利用機理模型，形成特定場景解決方案。二是圍繞企業經營管理，挖掘汽車行業在供應鏈和銷售渠道中的信息流通堵點和供需錯配問題，結合硬件設施和運營環境，構建企業經營解決方案。三是圍繞企業服務化延伸，整合汽車行業在智能營銷、預測性維護、出行服務、汽車金融等方面的痛點環節，按需調用機理模型，形成支撐新模式新業態的解決方案。四是圍繞安全防護，分析汽車行業在生產制造、實際駕駛、運營維護等領域的安全需求，集成機理模型，實現安全感知、安全決策等功能，保障企業生產安全和客戶駕駛安全。
作者張朝供職于賽迪智庫信息化與軟件產業研究所工業互聯網研究室