战略地图|破局智能制造的 9 个场景

文章插图

文章插图
向数字化的智能制造要生产力，是各国应对产业升级转型的共同选择。基于深耕制造行业七年的成功实践，阿里云对于制造业向智能制造升级提炼了九大场景，以及对应九大场景的可行解决方案。从微观到宏观，这九大场景已经基本覆盖了智能制造的所有关键环节，可以作为回答智能制造现阶段问题的着力点。
中国的制造业，无论是流程制造还是离散制造，都遇到了进一步发展的瓶颈期。对于流程制造来说，如水泥、钢铁，表现比较明显的是能源利用率的提升问题——特别是进入双碳时代后，制造业的环保需求逐步加大。对于离散制造来说，突出问题是需求侧市场变化太快，工厂的投入和产能存在巨大不确定性。
“如果将流程制造、离散制造等一系列的问题做抽象与提炼会发现其中有共同的痛点，无论是设备的能耗优化/预测性维护、生产线的自动控制/工艺优化/调度优化、产品的质量检测，还是供应链管理、营销与销售预测、产销协同，可以归类为：用大数据技术解决产线上的具体问题、AI技术落地于具体场景的问题，以及基于数据中台和AI引擎的全链路数据一体化用于解决供应链上下游协同的问题。总之，一系列的问题都可以归结为：如何用新的数据智能方式去帮助制造业企业实现产业升级。”阿里云行业线产品解决方案部总经理曾震宇总结道。
向数字化的智能制造要生产力，是很多国家共同的战略选择。基于深耕制造行业七年的数字化实践，阿里云对于制造业向智能制造升级提炼了九大场景，以及对应九大场景的可行解决方案。
解决这些共性问题的底座是四种能力：数据中台、AI优化控制引擎、数字孪生与云钉一体。
其中，数据中台是制造企业非常重要的基础能力。过去制造业可被实时搜集、感知和在线的数据少；未来3--5年，制造业的实时数据量一定会急剧增加，包括设备数据、传感器数据等，需要围绕这些数据进行建模、加工，然后基于数据中台，不断训练AI数据模型并形成AI引擎，与工厂传统经验形成互补，最终形成AI知识图谱，数字化一切以前不可量化的人为因素。
另外，和所有的技术一样，虚拟现实融合技术，真正规模化产生产业价值的方向并非在生活娱乐领域，数字孪生是工业发展的大趋势。工厂内全维度数据构成的数字世界，今天已经不再是“科幻”，而是能够利用数据和算法检测生产线上的设备健康状况、产品质量，并进行预测性智能决策。
云钉一体解决的是组织协同问题。钉钉在实践过程中将制造业的组织、系统集成在一起，整个办公流程、生产流程、生产管理、质量控制、售后服务的自动化，都可以基于钉钉的协同平台和应用开发平台实现。
智能制造的九大场景有六大场景着眼于产线的微观智能，分别是自适应控制、生产工艺优化、能耗优化、专家知识系统、智能质检、预测性维护；另外三大场景着眼于大型组织的数据归一与协同的宏观智能，分别是数据移动在线、产销协同与柔性制造、工业数字孪生。从微观到宏观，这九大场景已经基本覆盖了智能制造的所有关键环节，完全可以作为回答智能制造现阶段问题的着力点。
场景一：数据移动在线化去年12月工信部等八个部门正式印发《“十四五”智能制造发展规划》，明确到2035年，规模以上制造业企业全面普及数字化网络化，重点行业骨干企业基本实现智能化。中国工程院院士李培根进一步解读，“发展智能制造，数据是基础，数据是血液”。数据融合是制造企业降低生产各环节成本、提高生产效率的关键。
人员的排班排产、产线的调度优化、货物流转、金融周转等运营效率的提速，都需要生产经营数据的在线化与移动化。数据的在线可以让企业管理人员在生产、经营过程中，依据实时数据不断调优决策。
钉钉发布的制造行业解决方案2.0从对生产状况影响最大的人和设备着手，让设备数据、成本数据实时呈现。“设备上钉”产品实现了人与设备的连接，每一台设备都是一个钉钉账号，管理人员可在钉钉上查看设备运行状况，任何设备故障都可以通过钉钉自动通知到人，让风险在第一时间被发现、被处理；设备上的生产进度，成为采销、生产计划的依据。
除了“设备上钉”产品，“码上制造”的专属行业底座，通过生产码、库位码、报工码、物料码等四个生产环节的二维码，解决制造企业最核心的进（采购）、销（销售）、存（仓储）、生产环节数据在线化和移动化的难题。

战略地图|破局智能制造的 9 个场景 | 参数