张朝 中国电子报
编者按：当前，工业互联网成为新基建的热点，李克强总理也要求“依托工业互联网促进传统产业加快上线上云”，同时工信部最新发布了《关于推动工业互联网加快发展的通知》，提出“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”。基于此，为探索工业互联网平台垂直行业落地路径，赛迪智库信息化与软件产业研究所工业互联网研究室围绕钢铁、石化、风电、航空航天、家电、工程机械等十余个行业，形成了工业互联网赋能传统行业数字化转型之路系列报告。
钢铁行业作为我国重要的原材料流程制造行业，具备生产流程长、生产工艺复杂、供应链冗长等典型特征，当今正面临设备维护成本高、工业知识隐形程度高、下游需求日益个性化、环保压力增大等挑战，亟需围绕设备管理、生产管控、供应链管理、环保管理等方面开展数字化转型。连接全要素、全产业链、全价值链的工业互联网，正是钢铁行业进行数字化转型的首选路径，但是在落地应用中存在诸多问题。基于此，研究工业互联网平台如何在钢铁行业中规模化落地具有重要意义，有利于推动我国钢铁行业关键生产设备管理、生产工艺全过程管控、全产业链协同以及能耗管理向数字化、网络化、智能化转型升级，深化钢铁行业供给侧结构性改革，开创钢铁行业高质量发展新局面，实现从钢铁大国向钢铁强国的转变。
一、钢铁行业数字化转型趋势分析
（一）设备管理由传统维护向智能维护转变
钢铁企业通常部署有高炉等众多高价值设备，以往只能采取事后维护或者基于主观经验判断和固定失效周期的定期维护，很难准确识别设备故障并维修，容易造成产线停滞和生产安全等重大问题。随着智能传感器和通信技术的兴起，实时监测高炉等设备的温度、压力、流量等各种工况数据成为了现实，基于此可实现设备故障的自感知、自分析和自决策，做好设备的预测性维护，减少维护成本，提高设备的可靠性，并保障生产的通畅运转。
（二）生产工艺由黑箱式向透明化转变
钢铁行业是典型的长流程行业，生产环节众多，生产工艺复杂，对工艺知识的依赖程度很高。很长一段时间，钢铁企业的冶炼工艺、冶炼配方、设备维护、经营管理等环节的正常运转，只能依靠隐形程度很高的人工经验，容易造成工人技术水平参差不齐和产品质量波动。随着信息技术在钢铁企业的深度渗透，隐形的生产经验被挖掘、提炼，并封装显性化软件模型，实现生产工艺透明化，更有效指导实际生产，提高生产效率和安全水平。
（三）供应链体系由局部协同向全局协同转变
库存一直是钢铁行业的一大管理痛点，主要源于对上下游产业的信息盲区，并且家电、汽车等下游产业对钢材的需求日益个性化，加大了作出科学高效采销决策的难度。钢铁行业传统的供应链只能靠契约合同保障，信息孤岛化问题提出，物料信息难以在供应链中实现跨环节的自由流通，大大增加了企业运营成本。钢铁企业可将ERP、SCM等信息系统集成用于供应链整合，构建上下游信息流通渠道，结合产品需求、原料供给和产能配置，及时调整生产计划，提高产能利用率，减少库存积压，保障订单稳定到期兑现。
（四）环保管理由粗放型向清洁型转变
作为我国支柱产业的钢铁行业也是高耗能、高污染、高排放的代表性行业，在国家大力治理环境污染时，行业面临的环保成本急剧上升。钢铁行业急需转变发展理念，重视环保管理水平提升，加快由以前单纯追求产量扩张的粗放型生产方式向追求优质低碳的清洁型生产方式转变。而物联网、大数据、人工智能等数字技术的出现，可以帮助钢铁企业实时采集、监测、分析各生产环节的能耗和排污情况，集中企业资源对重点环节进行工艺优化或设备升级，提高企业清洁型发展水平。
二、钢铁行业工业互联网平台典型应用场景及实践
（一）设备全生命周期管理
钢铁行业工业互联网平台可实时采集高炉等高价值设备的运行数据，结合设备故障诊断模型，自动预警设备故障并确定最优设备维护方案，实现设备预测性维护。
一是设备状态监测。钢铁企业通过工业互联网平台实时采集高炉等设备工作温度、工作环境和应力分布等状态数据，并做可视化处理，增强设备状态监测的可靠程度。
二是设备故障诊断。综合利用采集的设备数据，结合设备故障诊断模型，对设备故障进行分析和预警，避免设备故障引发的生产停滞和安全问题。
三是设备维护仿真。根据设备故障位置和重要性，利用工业互联网平台在赛博空间中仿真模拟维护方案，并选出可靠的维护方案，保障企业正常生产。
四是设备创新设计。将高炉等生产设备运行监测数据反馈至设备生产商，结合性能需求和应用环境，全方位模拟设备运行状态，确定最佳设备生产方案，形成良性的设备迭代优化闭环。
例如，宝钢集团面向钢铁行业设备远程运维建立了工业互联网平台，促进了设备维修实现从被动处理到主动管控、从单一数据专项分析到大数据综合分析、从基于经验的预防性维修到基于数据的预测性维修、从单纯反馈设备状态到提供整体解决方案的四个转变，为企业带来了显著经济效益，使设备运维成本降低5%以上、检修作业效率提升10%以上、设备整体效率提升5%以上、备件使用效率提升10%，并每年为企业带来基于平台增加的社会市场技术服务费约2000万元以上。
（二）智能化生产
钢铁行业工业互联网平台可将生产工艺、生产过程管控、产品质量管理等领域涉及的工业知识显性化为工业机理模型，结合实际采集数据，实现智能化生产。
一是生产工艺优化。工业互联网平台可应用人工智能技术等先进技术，在赛博空间对钢铁的工艺配方、工艺流程等方面进行全方位、超逼真的模拟仿真，得到产品最佳生产工艺方案，缩短产品上市周期。
二是生产过程管控。工业互联网平台可将生产过程中涉及的工艺知识、工业经验等技术要素封装化并显性化为可调用的机理模型，结合采集的设备、环境、材料等参数，确定最优加工计划，提升生产效率。
三是产品质量管控。通过在工业互联网平台部署生产质量分析模型，可采用机器视觉等技术，采集和分析产品全过程质量数据，持续迭代优化闭环控制体系，实现全流程产品质量跟踪及自动控制，提升产品质量控制精度。
例如，东方国信利用在机理模型和大数据分析领域积累的技术优势，开发了适用于炼铁行业的工业互联网平台，在工艺优化、生产管控和质量管理等环节为钢铁企业实现了降本增效的经济目标。酒钢集团在实施炼铁平台之后，铁水质量稳定性提高了20%，单座高炉每年降低了成本2400万元，冶炼效率提升了10%。
（三）供应链协同
钢铁行业工业互联网平台可汇聚整理产业链物料信息和产能信息，结合下游实际需求和企业生产能力，制定科学的生产计划，满足零库存运营要求，实现供应链协同。
一是产业链物料流通协同。通过工业互联网平台可与上下游企业建立互通互联的数据通道，动态监测上游原材料供给情况，辅助原材料采购决策；搜集整理下游企业订单和产品定制信息，自动生成生产计划，对产品进行个性化加工和精准化配送。
二是社会范围生产能力协同。通过工业互联网平台整理订单信息和其他钢铁企业的基本信息，动态匹配产品性能要求和钢厂的生产工艺水平，通过订单共享实现产能共享，提高钢铁行业产能利用率。
例如，南京钢铁积极适应下游个性化需求，通过构建面向供应链管理的制造云平台，提供“JIT+C2M模型的定制服务”，寻找“个性化定制”和“大规模生产”之间的最佳平衡点，使企业设计成材率提高0.15%、每吨产品附加值提升近百元、整票合同兑现率提升至98.94%、用户满意度提升至94.26%。
（四）绿色化生产
钢铁行业的能耗和环保问题日益突出，钢铁企业可采集各生产环节的能源消耗和污染物排放数据，找出问题严重的环节，并进行工艺优化和设备升级，降低能耗成本和环保成本，实现清洁低碳的绿色化生产。
一是节能降耗。贯穿钢铁企业整个生产过程的工业互联网平台，通过建设能源管控中心，实现能源生产、能源消耗数据的自动实时采集、集中监视，并基于数据进行能源智能管理、能源供需平衡、能源预测优化，生成高效的能源利用方案，减少能耗成本。
二是治污减排。钢铁企业可在各工艺设备的排污口设置智能监测传感器，将实时采集的排污数据传输至工业互联网平台，综合分析钢铁企业生产过程中的有毒有害物质的排放情况，确定工艺优化和设备升级方案，减少对生态环境的污染和破坏。
例如，酒钢集团是我国西部最大的钢铁联合企业，其原燃料主要依赖自产，原燃料质量差并且质量波动幅度大，高炉类型多样化，因反应器“黑箱”特性，其能耗成本和环保成本一直居高不下。在实施了东方国信炼铁平台后，酒钢集团单座高炉每年减少碳排放20000吨。东方国信预期整个钢铁行业推行Cloudiip平台后，每年将为我国钢铁行业降低100亿元成本和1000万吨碳排放。
三、推进应用场景落地的着力点
（一）聚焦数据流通质量，打造高效边云协同体系
一是增设智能传感器，通过在设备、车间等区域部署热成像仪、压力传感器、振动传感器、轨迹识别传感器等具备边缘计算能力的智能终端，提前过滤无用的冗余数据，精准采集数据。二是完善数据解析体系，面向钢铁企业中的关系数据、时序数据、文档数据、地理空间数据等海量异构数据，建立高效的数据解析体系，统一数据格式，实现数据跨领域流通。三是建立大数据共享中心，在云端汇聚设备、生产、供应链等数据资源，根据实际业务需求，通过跨领域数据的互相调用，激发数据资产活力，以数据的全局自由流动带动资源配置的全局优化。
（二）围绕工艺流程优化，提高机理模型供给能力
一是围绕设备管理，开发钢铁行业设备状态监测类模型、设备故障分析类模型、设备维护类模型等，提高设备资产管理水平。二是围绕产线管理，开发钢铁行业物料管理类模型、质量管控类模型、生产工艺优化类模型、生产配方优化类模型、全流程排程优化模型、节能降耗类模型等，优化生产过程管控能力。三是围绕企业经营管理，开发钢铁行业供应链管理模型、订单管理模型、财务管理模型等，构建高效供应链协同体系。四是开发模型综合管理平台，汇聚机理模型资源，实现模型的标签化管理、智能化搜索和精准化调用。
（三）坚持行业痛点导向，完善特定场景解决方案
一是围绕设备全生命周期管理，梳理钢铁行业各机械设备在状态监测、故障分析、维护作业等环节的痛点，针对特定问题，综合调用机理模型，形成特定设备专用预测性维护方案。二是围绕智能化生产，挖掘钢铁行业在工艺设计、流程排程、质量管理等环节的痛点，按需调用机理模型形成特定场景的解决方案。三是围绕供应链协同，分析钢铁行业传统供应链中信息流通堵点和供需错配问题，结合企业硬件设施和运营环境，构建供应链管理解决方案。四是围绕绿色化生产，整合钢铁行业在能耗和排污方面粗放型管理的问题，明确环保监测、分析等环节的痛点，集成机理模型，形成提高环保管理水平的解决方案。
（四）重视平台安全防护，建立高度可靠安全系统
一是夯实设施安全。围绕钢铁行业生产设备、服务器、主机等基础硬件设施的安全接入，部署网络安全协议和容灾备份系统。二是强化数据安全。明确钢铁行业设备数据、生产数据、供应链数据在收集、存储、处理、转移、删除等环节的安全保护要求，通过应用数据安全模型强化防窃密、防篡改和数据备份等安全防护措施。三是建立安全管理体系。围绕钢铁行业工业互联网平台安全监督检查、风险评估、数据保护等方面建立健全安全管理制度，强化自检查、自纠正的安全管理闭环。
作者张朝供职于赛迪智库信息化与软件产业研究所工业互联网研究室
宋颖昌 中国电子报
风电行业具有风场设计周期长、设备维护成本高、并网协调效率低、弃风漏电压力大等痛点问题，制约着风电产业的发展壮大。工业互联网平台作为新一代信息技术与制造业融合发展的产物，正结合风电产业地理位置偏僻、资本技术密集、发电波动性大等特征，以设备智能化运维、风场数字化管理、精准柔性供电等场景为切入点，加速风电行业数字化转型。基于此，我们对风电行业基于工业互联网平台进行数字化转型解决方案进行了专题研究，深入剖析了风电行业数字化转型趋势、平台应用场景以及业务落地解决方案，同时，该报告对其他新能源行业数字化转型路径的探讨同样具有借鉴意义。
一、风电行业数字化转型趋势分析
（一）数据采集：由底层互联向全面感知转变
数据采集是风电产业设计、生产、运营的关键基础，传统数据采集周期长、成本高、精度低，难以满足风场精细化设计和运营需求，容易造成投资方损失。随着智能传感器和通信技术的兴起，更加实时、全面、精细的数据采集成为可能，能够为风场设计建立更加精密的风资源图谱，为设备运行建立齿轮、轴承等更加微观细致的数字模型，为风场管理提供准确有效的气象、能源等数据输入以应对雷击、台风、雾霾等不同场景需求，从而为智能选址设计、生产性能提升、管理决策优化等提供有效数据支撑。
（二）设备维护：由人工调试向智能运维转变
风场一般处于人烟稀少、位置偏僻、环境恶劣的地区，不适宜维护人员长期驻扎。特别对于海上风电来说，后期运营维护费用占到总成本的一半以上。此外，由于风电行业前期跳跃式发展、参与方良莠不齐、缺乏统一标准等原因，导致风电机组在实际运维中容易存在运行不稳、故障频发等问题。目前国内风电运维仍然以纠正型运维为主，后期设备维护成本较高。结合5G无人机、巡检机器人等智能产品远程巡检设备运行情况，有利于在云端对设备运行与环境数据进行大数据分析，开展预测性维护与备品备件管理，减少设备停机维护带来的损失，提高运维数字化、智能化水平。
（三）风场管理：由单场单管向虚拟集成转变
一方面，随着国家能源局做出新能源电价调整的战略决策，风电和火电价格将趋同保持一致，压缩风电利润空间，倒逼企业提高生产效能。另一方面，由于缺乏系统规划、风预测精度低、电网不配套等原因，风电产业限电弃风压力较大，容易造成资源浪费。通过综合运用数字孪生、VR等技术构建“数字风场”，对大气环境、设备运行、电力输送等建立虚拟模型，有利于依托大数据分析开展集群运行参数优化，助力实现风电产量精准预测，为管理者直观反馈风场运行情况，优化运行控制策略执行，提高风场发电效率。
二、风电行业工业互联网平台典型应用场景及实践
（一）虚拟风场设计
依托工业互联网平台设计虚拟数字风场，有利于提高设计精度，减短设计周期，有效降低了风场建设设计过程中的不确定性。一是宏观辅助选址。基于互联网平台的计算能力与地理信息资源，结合激光雷达、无人机等勘探技术建立三维仿真模型，实现宏微观地理选址与场区推荐。二是机群优化排布。通过定制化风场仿真建模实现机组最优排布、集群尾流优化、工程精准计划等自动化设计，合理利用不同密度的风力资源。三是风场个性定制。依托平台针对风场特有的风况特征、地形条件等进行定制化设计，节约工程建设成本，控制风电场投资风险。
例如，金风科技依托金风云平台打造风场数字化设计系统，围绕环境、风机、道路等建立高精度三维仿真模型，实现 “分钟级”集电线路自动规划与“秒级”智能选址，缩短了设计周期，提高了设计精度，推动风电场投资回报率提升1%~3%，投资估算误差小于3%。
（二）设备预测维护
树根互联、东方国信、徐工集团等工业互联网企业将减少设备停机检修损失、开展预测性维护作为切入点，以风机为核心实现覆盖风电设备全生命周期的故障预测和主动维修，有效降低平准化维护成本。一是精准故障定位。依托平台建立故障智能诊断模型，基于专家库和自学习机制，缩减人工挑选有用变量的成本与时间，快速实现设备故障定位。二是设备预测维护。基于平台分析预测风机关键部件变化趋势、产品寿命和潜在风险，对零部件库存、运输和更换开展主动管理，抢占维修窗口期，减少风机停机、飞车倒塔等损失。三是虚拟辅助维修，基于数字孪生技术打造风机故障实验模拟平台，通过数字样机积累设备维护知识库与解决方案检索库，提高故障处理效率。
例如，巴盟风电整合风力发电设备的设计、环境、运行、运维档案等数据资源，建立设备健康管理模型，打造具备故障诊断预测、产品健康管理和寿命预估等功能的综合管理系统，使关键零部件故障可提前72小时预警，次生事故可降低90%，减少直接和间接损失近千万元。
（三）风场管理优化
企业依托工业互联网平台建立场级运行管理模型，有利于精确预测发电区间，优化电网功率负荷，探索分布式能源管理，提升风场管理水平。一是发电效能提升。依托通过调整风机控制提高机组出力，带动风场整体效能提升。二是集约管理优化。基于工业互联网平台整合风电开发产业链，汇聚前期工作、工程建设和生产运营等环节关键要素，提高风场管理水平，支撑风电规模化发展化。三是柔性协调供电。基于大数据精准预测发电量区间，与火电、太阳能等能源实现协同增效，降低供电整体波动性。
例如，昆仑数据与国网青海电力联合打造“绿能互联”工业互联网平台，接入负荷侧大用户并开展能耗监测业务，通过对风机集群进行动态监测、状态纠偏与参数优化，推动电厂发电量提升1%-5%，新能源电厂人员成本降低超过20%，电厂备件消耗平均降低10%。
三、推进应用场景落地的着力点
（一）关注底层数据采集，加速设备上云上链
一是以业务需求为导向，建立底层数据协议转换机制，实现升压站、风电机组、静止无功发生器等设备上云与动态监控。二是依托区块链技术，加快传动链、轴承、齿轮箱等关键部件运行数据上链，为后续的备件生产和维修策略制定提供安全、稳定的数据支撑。三是完善风电企业内网体系，打通电力输送、变电管理等关键业务数据流通网络，拓展数据采集方式，提高数据采集效率。
（二）夯实模型构建基础，强化重点模型培育
一是综合考虑地理、气候、运输等因素建立风力资源模拟、集群影响分布、虚拟风场设计等模型，降低设计与建设的不可确定性。二是与高等院校、科研院所加强合作，针对风机螺旋载荷、叶片结冰预警、轴承寿命预测等建立重点应用模型库，三是培育积累能源错峰分布、集群效率提升等管理模型，加快运营管理经验沉淀并实现模型的标签化管理、智能化搜索与精准化调用。
（三）聚焦重点应用场景，深化解决方案应用
一是打造设备级解决方案，围绕叶片结冰预警、轴承健康管理、齿轮故障预测等领域培育一批稳定高效的杀手级工业APP。二是打造场级解决方案，围绕风场功率预测、气象变化应对、风场能量分布等场景建立风电解决方案库，加快风场生产效率提升。三是打造产业链级解决方案，整合地方风电产业各方资源，打造新能源错峰调配、风电消纳扩容等综合场景解决方案，提升风力资源应用整体效率。
（四）提升产业协同水平，加快服务模式创新
一是提高风场性能实时监控与预测能力，探索打造风光互补、风水互补等区域分布式能源体系，实现供电、售电、用电协同运营。二是依托平台充分挖掘数据潜在价值，探索开展信用担保、数据交易、融资租赁等商业模式创新，打造平台务服务型风电企业。三是探索售电辅助决策，开发智能报价、交易模拟、数据报告等功能，形成客户分级管理、特色供电套餐等营销模式，推动收益利润增值。
（五）加强数据安全管理，筑牢网络安全防线
一是鼓励编制平台网络攻击应急预案与运行指导手册，引入工业防火墙、网闸等工控安全产品，定期开展相关培训与应急演练。二是引导企业对照数据管理能力成熟度模型（DCMM）开展贯标，制订数据分类分级管理标准，按照系统特性定期异地备份数据。三是全面排查数据访问漏洞，完善电力数据管理体系，确保满足电网横向隔离、纵向加密的安全要求。
作者宋颖昌系赛迪智库信息化与软件产业研究所工业互联网研究室副主任
王刚 中国电子报
家电行业具有技术更新速度快、产品研发周期短、产品同质化程度高等特征，面临市场趋于饱和、生产智能化水平低、供应链协同难度大等痛点，海尔等家电企业正以个性化定制和供应链整合为切入点，加速向生产方式柔性化、经营管理平台化、产品服务生态化等方向数字化转型。研究工业互联网平台如何在家电行业落地，对探索传统行业数字化转型具有重要意义。
一、 家电行业数字化转型趋势分析
(一)生产定制化
家电行业中消费者对产品的需求日趋多样化，这对企业智能化生产能力提出了更高的要求。规模化定制作为一种新的生产模式，依托工业互联网平台使用户参与到从产品设计到成品生产的全过程，并将用户需求直接转化为生产排单，实现以用户为中心的个性定制与按需生产，在全面综合成本、质量、柔性和时间等竞争因素的前提下，有效地解决需求个性化与大规模生产之间的冲突，成为大多数龙头家电企业转型的方向。
(二)经营平台化
家电行业竞争的实质是供应链竞争，供应链的运作能力是家电企业不可或缺的核心竞争力和战略制高点。传统家电企业的供应链响应周期长、响应速度慢、协同管理手段缺失，导致供应链整体运行效率低，形成过重的渠道库存，影响产品的交付周期和用户满意度。在这种背景下，基于信息化手段，依托工业互联网平台提高各环节协作效率，实现企业内外部供应链协同优化，成为家电企业数字化转型关注的焦点。
(三)产品服务化
随着宏观经济增长放缓，家电消费需求增速明显回落，家电企业通过不断丰富产品功能，优化产品结构，加速向附加值更高的产业链上游转移。随着新一代信息技术的快速迭代和不断成熟，家电产品正从单纯的功能性产品向智能化服务系统转变，借助先进的传感器、互联网、人工智能、自动控制等技术，实时感知用户信息，通过平台化统一管理和信息交互，为用户提供全方位、定制化的家居体验，推动企业由卖产品向卖解决方案转型，形成新的竞争优势。
二、 家电行业工业互联网平台典型应用场景及实践
(一)柔性化生产
家电行业工业互联网平台能够快速响应用户需求，促进生产环节与用户需求的深度交互，实现柔性化生产。
一是产品设计优化。通过工业互联网平台建立定制化产品设计体系，使用户全流程参与需求交互、产品设计、生产制造、物流交付等产品全过程，形成基于用户数据驱动的闭环设计系统，提升产品设计效率。
二是采购供应优化。通过工业互联网平台采集汇聚传感器、设备控制器、立体仓库、AGV、物流机器人等设备数据，开展生产进度、物料管理、企业管理等深度分析，实现排产、仓储、运输和追踪的按需调度和优化。
三是生产过程管控。通过工业互联网平台可与生产制造各环节建立互通互联的数据通道，构建生产设备、产线、材料、工艺等数字模型，利用现场数据驱动模型运行，按需优化控制生产环节、加工环节、装配环节的工艺流程、路径规划、控制参数及生产系统结构和控制程序，实现智能化生产。
例如，海尔集团依托COSMOPlat平台打造了15家互联工厂，形成以用户需求驱动的即需即供、弹性部署、横向扩展的柔性生产能力。以胶州互联工厂为例，其中：生产效率提升60%;开发周期缩短50%以上;交货周期缩短50%以上;运营成本下降20%。美的集团通过打造M.IoT工业互联网平台，构建以数据为驱动的全价值链运营，实现传统家电制造工厂到精益制造、再到智能精益制造的转型升级。以美的南沙工厂为例，其中：原材料和半成品库存减少80%;整体制造效率提高44%;产品交付周期由20多天降到最多3天。
(二)供应链协同
家电行业工业互联网平台可打通产业链上下游各环节，实现跨部门间、跨企业间、企业与社会间的数据互联互通，促进资源优化配置和开放共享。
一是企业内部供应链协同。通过工业互联网平台可实时获取设备、工具、物料、人力等生产资源信息，跟踪现场物料消耗，结合库存情况进行精准配货，实现生产、库存的动态调整优化，有效降低库存成本。
二是企业间供应链协同。通过工业互联网平台实时采集物联网数据、生产操作数据、供应商数据、用户感知数据和企业经营数据，通过边云协同实现供应链数据的横向集成和纵向集成，推动设计、制造、供应、服务等环节的并行组织和协同优化，形成集中采购、协同设计、电商销售、智慧物流、金融科技等创新服务。
例如，海尔集团依托平台整合研发资源、供应商资源、用户资源，构建了基于平台的共创共赢生态，为企业和用户提供包括互联工厂建设、协同制造、设备资产运维、供应链金融等服务，形成平台上供应商、企业、用户全链条的价值增值，实现由制造型企业向平台型企业的转型，其中：平台集聚供应商资源390万家;服务企业数量4.3万家;生态收入超过151亿元。
(三)智能家居解决方案
家电行业工业互联网平台利用在产品上增加智能模块实现产品联网与家居环境感知，并利用大数据分析提供智能家居解决方案，推动企业由卖产品向卖服务拓展，有效延伸价值链条，扩展利润空间。
一是智能家电解决方案。通过将边缘计算、网络通信等技术引入到家电产品中，使其具有自感知、自适应功能，基于平台实现健康节能等服务。
二是整体解决方案。通过将各种家庭设备进行云端连接，依托平台对设备的环境数据、运行数据及用户设置数据等进行智能分析，实现家居环境控制、空气质量管理、家庭安全防护等综合服务。
例如，松下电器以智能家电作为用户数据入口，向附加值更高的产业链上游转移，通过打造基于平台的Ora智能家居解决方案，为用户提供从智能单品到智能家居、从智能家居到家庭装修的一体化综合服务，实现企业由“卖产品”向“卖服务”转型。其中，“家电DNA”已延伸至住宅、美容健康、车载、系统解决方案和B2B业务等领域;打造的“住空间”系统解决方案，预计2021年营收将达到600亿元。
三、 推进应用场景落地的着力点
(一)构建规模化定制生产能力，抢占用户数据主导权
一是聚焦用户需求，通过引入用户参与生产全流程，依托平台实现需求数据在研发设计、生产制造、物流销售等环节的流通，形成用户需求的深度挖掘、实时感知、快速响应和及时满足的能力。二是聚焦生产过程，通过在智能设备群、产线、车间等工业现场部署具备边缘计算能力的智能终端，实时对生产数据进行分析与反馈，实现整个生产过程的动态管控优化。
(二)构建平台化组织管理能力，整合供应链上下游资源
一是聚焦企业层面，利用平台打通设计、管理、供应链等各环节数据，推动企业内顶层决策到底层生产的端到端集成，基于大数据、人工智能等技术进行挖掘分析，实现扁平化管理和决策优化。二是聚焦产业层面，构建基于平台的数据共享机制，实现供需信息、制造资源、创业创新资源的汇聚，通过基于数据分析的重新组织，实现产业链上下游资源优化配置与协同，形成新模式、新业态和新的利润增长点。
(三)构建基于平台的产品生态，内生外延打造系统解决方案
一是聚焦智能单品，通过置入微处理器、传感器、网络通信等装置，使家电产品可监测、可控制、可优化，形成单元级的产品服务系统，依托平台提供状态监测、故障诊断、预测预警、健康优化等智能服务。二是聚焦智能家居，以家庭场景为中心，通过在家居设施中配置通用智能模块，实现智能硬件间、智能硬件与平台间的互联和集成，通过对用户家居全场景实时感知和智能控制，形成系统级的产品服务系统，提供智能一体化的家居服务。
作者王刚供职于赛迪智库信息化与软件产业研究所工业互联网研究室
孙刚 中国电子报
工程机械行业具有设备产品多样、生产过程离散、供应链复杂的行业特征，面临设备价值增值水平不高、供应链资源调配效率低下、金融生态不完善等行业痛点，急需加快基于工业互联网平台的数字化转型步伐，全面提升研发设计、生产制造、供应链管理、远程运维、客户服务等环节的数字化水平。徐工集团、三一重工、中联重科等国内企业和uptake等国外企业以远程运维为切入点，日本小松以智慧施工为切入点，加速推动工程机械行业向设备维护智能化、综合解决方案“交钥匙化”方向加速转型。基于此，我们对工程机械行业基于工业互联网平台进行数字化转型解决方案进行了专题研究，深入剖析了工程机械行业数字化转型趋势、平台应用场景以及业务落地解决方案，同时，该报告对其他高端装备行业数字化转型路径的探讨同样具有借鉴意义。
一、工程机械行业数字化转型趋势分析
(一)设备维护按需化
传统以预防为主的定期维修无法有效处理潜在或突发的异常故障，也会产生诸多不必要的拆卸和安装，造成过高的设备维护维修费用和额外的磨合损耗，甚至导致新的故障。基于工业互联网平台，在线采集设备性能、状态参数等数据信息，经过一系列的统计算法和分析，可以及时发现设备运行过程中的健康状态和存在的问题，按需求进行设备维护，节省人力物力，保障设备运行效率。
(二)备件管理精益化
传统的仓储模式能够缓解一定的备件需求压力，但是相应的产生了包括存储空间、物流调配、流转资金等高昂的仓储成本，还需要进行备件管理，耗费人力物力。运用物联网、云计算、大数据等新一代信息技术，加强供应链管理，能够提高备件流通效率，快速响应生产和维修需求，即时调配、按需调配、智能调配，从而提高了生产和维修效率，节省现金流。
(三)产融结合在线化
由于工程机械设备单价高、行业金融体系不完善等原因，下游中小企业往往存在着资金短缺的问题，严重制约了行业生态的发展。依托工业互联网平台进行设备连接、数据采集、统计分析能力，可以实现制造设备运行过程透明化，有利于金融机构做出实时评估，控制金融风险，在线提供快速融资、贷款服务。
(四)解决方案服务化
我国工程机械行业的技术、产能、效率近几年获得了飞速的发展，为应对越发紧缩的市场环境，响应用户端需求的升级变化，工程机械行业正呈现出制造业服务化趋势，即以产品制造商向解决方案提供商转变，从单纯的生产加工向提供设备运营维护、支撑业务管理决策、满足个性化定制需求等服务环节延伸，增加产品附加价值，塑造企业综合优势。
二、工程机械行业工业互联网平台应用场景及实践
(一)设备预测性维护
工程机械行业基于工业互联网平台的建模仿真、数据分析、评估诊断能力，有效评估设备健康水平，实现预测性维护。
一是设备状态监测。实时采集温度、电压、电流等数据，提高设备状态洞察力，避免机械设备突发故障。
二是设备建模仿真。构建设备数字孪生体，通过输入参数、工况等数据，进行模拟仿真，优化维护方案。
三是设备故障诊断。对设备工作日志、历史故障、运行轨迹、实时位置等海量数据进行挖掘分析，判断可能出现故障的时间和部位，安排维修计划。
例如，卡特彼勒基于Uptake开发的设备联网和分析系统，采集设备的各类数据信息，联网监控，分析预测设备可能发生的故障，实现了300多万台运转设备的统一管控。日立基于lumada工业互联网平台推出consiteoil解决方案，通过传感器将远程的故障预警率提高到58%。徐工集团基于汉云工业互联网平台，为每一台设备做数字画像，将可能损坏的零部件进行提前更换，使设备故障率降低一半。
(二)备品备件管理
备品备件的管理一直以来都是工程机械行业不可忽视的重要部分，基于工业互联网平台，可以有效促进企业备品备件管理迈向智能化。
一是备品备件标识管理。以物联网技术连接备品备件，运用标签化管理、智能化检索等手段实现备品备件的监督、跟踪和协调。
二是备品备件部门协同。基于工业互联网平台，打通各部门信息壁垒，推动跨部门协作，促进备品备件高效流通。
三是备品备件供应链管理。建立零部件供应商对接交流平台，在保障生产和维修需求的前提下，实时、定量采购，降低库存量，节约现金流。
例如，徐工集团基于汉云工业互联网平台，实现备品备件的计划、采购、库存、供销、追溯功能一体化，通过大数据分析持续优化备品备件管理体系，打破生产商和分销商信息孤岛，提升分拣效率8%,提升仓库利用率6%，降低备件库存8%，提高库存周转率5%。
(三)智慧施工
工程机械行业正从设备本身的解决方案向现场的解决方案转变，将机器和工人连接，优化施工方案，辅助操作施工，实现智慧施工。
一是现场施工数据采集。通过传感器、无人机、三维扫描仪等方式对施工对象、施工场景、外在环境等因素进行高精度感知，掌握现场施工状态。
二是施工方案模拟仿真。建立虚实映射的数字孪生体，输入设立不同的施工条件，进行工况模拟迭代，不断优化施工方案。
三是现场施工现场指挥调度。建立反馈响应系统，根据设备动态变化，实时修正、调整施工方案并指挥现场施工。
例如，小松提出和实施smart construction即智能施工解决方案。通过无人机+边缘盒子+小松云，聚焦高精度测量、设计图和测量图对比(Skycatch)、小松云模拟确定施工计划、施工可视化等环节，实现了建筑工程状态感知、实施分析、科学决策、精准执行的闭环，从而实现远程操作服务。
(四)互联网金融
基于工业互联网平台实现工程机械设备的深刻洞察、设备故障精准预测、事故风险有效评估，促进基于平台的产融模式创新。
一是在线贷款。银行、金融机构通过线上平台监测施工队作业情况、承包商贷款情况和经营情况，针对性给与贷款、融资等服务。
二是融资租赁。工程机械企业依托独立运作、与银行合作、与融资公司合作等方式，开始租赁业务。加快资金的流通，降低融资成本，缓解资金压力，帮助中小企业迅速做大规模。
三是精准投保。保险公司依托工业互联网平台对机械设备的监测、管理能力，综合评估工程机械设备施工风险，从而实现针对性投保、按需投保、精准投保等保险服务。
例如，中联重科成立融资租赁公司，实现了设备的扩大销售，获得的营业额将占集团总收入的20%以上。三一集团基于树根互联根云工业互联网平台，通过融资租赁或者经营性租赁运营超过50%的设备，每年管理超300亿的在外货款;同时与久隆、三湘银行展开合作，开发用于精准定价与风险选择的数据产品，帮助久隆保险完成UBI保险产品及延保产品的定价。
三、推进应用场景落地的着力点
(一)关注数据采集，扩展信息获取渠道
一是加强施工现场数据采集，通过传感器、无人机，摄像头、三维扫描仪等感知设备，采集现场施工环境和施工对象信息。二是加强设备端数据采集，基于平台采集和整合工程机械设备设计数据、运行数据、运维档案和地理位置等数据，实现对机械设备的深刻洞察。三是加强客户端数据采集，采集客户需求、反馈等数据信息，形成对市场的理解和认识。
(二)紧扣模型开发，提高模型供给能力
一是面向业务运营管理，构建资源调度模型、安全管理模型、供应链管理模型等，实现管理优化。二是面向设备远程运维，构建状态监测模型、预测预警模型、健康评估模型、故障诊断模型等，实现机械设备智能化运维。三是面向生产制造，构建加工工艺模型、质量管控模型、组装装配模型等，提高生产质量和效率。
(三)聚焦解决方案，开发推广典型应用
一是设备智能运维解决方案，基于平台的数据沉淀和模型应用，开发部署运行监测与分析工业APP，提供智能运维解决方案。二是现场施工解决方案，实时监控现场施工设备运行状态，基于工业互联网平台大数据分析能力，提供现场施工解决方案。三是供应链管理解决方案，依托工业互联网平台开发集中采购、供应商管理、柔性供应链、智能仓储、智慧物流等云化应用服务。
(四)深化服务能力，加强企业综合实力
一是进行反馈式设计，发挥机械设备在制造和使用过程中获得的数据、经验和智慧，返回到产品设计中，促进产品设计迭代式创新。二是进行柔性化生产改造，对产品按照其功能进行划分而进行模块化设计，内部实现零部件的标准化、通用化，采用多功能机械手，实现了多品种生产组装的快速切换。三是开展精益化管理，有效整合备品备件、机械设备、生产线、供应链、客户端信息，优化管理模式，提高产业链协同能力。
(五)拓展商业模式，加快数字转型步伐
一是实施平台化战略，搭建工业互联网平台，汇聚产业链上下游优势资源，对接优质客户、供应商、经销商开展商业合作。二是开展服务型制造，探索基于产品研发设计的增值服务、基于产品效能提升的增值服务、基于产品交易便捷化的增值服务、基于产品集成整合的增值服务以及从基于产品的服务到基于需求的服务。三是开展产业链金融创新，积极对接金融机构、保险公司、银行等，共同开发金融产品，提高金融服务能力。
作者孙刚供职于赛迪智库信息化与软件产业研究所工业互联网研究室
徐靖 中国电子报
石化行业是资产密集型行业，具有设备价值高、工艺复杂、产业链长、危险性高、环保压力大的行业特征，面临设备管理不透明、工艺知识传承难、产业链上下游协同水平不高、安全生产压力大等行业痛点，急需加快基于工业互联网平台的数字化转型步伐，全面提升设备管理、生产管理、供应链管理、安全管理、节能降耗等环节的数字化水平。恒逸石化、恒力石化、石化盈科、中油瑞飞等企业以设备智能管控、生产协同优化为切入点，加速推动石化行业向全流程智能化方向加速转型。基于此，我们对石化行业基于工业互联网平台进行数字化转型解决方案进行了专题研究，深入剖析了石化行业数字化转型趋势、平台应用场景以及业务落地解决方案，同时，该报告对其他化工行业数字化转型路径的探讨同样具有借鉴意义。
一、石化行业数字化转型趋势分析
(一)设备管理：从黑箱管理向健康管理转变
石化行业的生产设备具有危险性，一旦设备在运行的过程中出现异常高温、高压、设备腐蚀泄漏的情况，会引发火灾或者爆炸事故，造成人员伤亡。过去，企业很难及时了解企业设备的情况，只能定期派人对设备检查和维护，浪费了大量的人力物力。在工业互联网平台应用的大背景下，基于传感器、自适应感知、精确控制与执行等数据采集技术，实现设备全生命周期的实时态势感知、远程故障诊断和预测性维护。
(二)知识管理：从纸质封存向模型封存转变
我国石化行业经过几十年的发展，积累了大量的工艺技术、实践经验和专家知识。它们大多在少数专家手中，碎片化现象严重，知识传播渠道以线下的培训为主，受时间和空间的诸多限制。在工业互联网平台应用的大背景下，聚焦炼化生产的工艺优化、质量管控、节能降耗场景，推动石化工艺知识以机理模型、业务模型、算法模型的形式共享、复用、传播，大幅降低石化知识创新的门槛。
(三)供应链管理：从企业内向企业间协同转变
我国石化行业的原油和天然气进口依存度高。在国际原油价格大幅波动，供应链成本压力持续发酵的大背景下，我国石化行业需要提高供应链整体的敏捷性和灵活性，对市场变化快速做出反应，及时调整，统筹安排开采、外购、运输、生产和销售。因而，以工业互联网平台为连接枢纽，实现上游原油供应企业、中游炼化生产企业、下游产品分销企业之间的供应链协同成为大势所趋。
(四)安全管理：从人工巡检向智能巡检转变
中国油气运输管线约7万公里，跨度大、范围广，部分管线处于地形地貌复杂、自然环境恶劣、环境敏感区域，输送介质危险性大。石油炼化生产的原料和产品大多是高温高压、易燃易爆有毒的危险品，规模庞大，微小的事故就会造成灾难性危害。常规人工巡检速度慢、成本高、效率低、受自然和地理条件制约大。在工业互联网的大背景下，利用传感器、增强现实眼镜、无人机、智能机器人等工具，大幅提高了巡检的实时性、精准性和可视性，提高巡检效率。
二、典型应用场景及实践
(一)设备管理
一是设备状态检测。通过对物理设备的几何形状、功能、历史运行数据、实时监测数据进行数字孪生建模，实时监测设备的各部件的运行情况。中石油青海油田对10万台口油气水井和3000余座场站的采油设备的运行数据自动采集，远程实时监测设备运行状态，实现了边远油田派遣人数和人工成本大幅下降。
二是远程故障诊断。将设备的历史故障与维修数据、实时工况数据，与故障诊断知识库相连，利用机器学习和知识图谱技术，实现设备的故障检测、判断与定位。中油瑞飞工业互联网平台对中石油海外油田设备提供了跨国油田远程技术支持服务，结合专家远程诊断和工人维修指导，实现了50%以上的问题无需设备服务商到场解决非现场解决。
三是预测性维护。构建设备数字孪生体，实时采集各项内在性能参数，提前预判设备零部件的损坏时间，主动、及时和提前进行维护服务。燕山石化建立了调节阀故障模型，通过对炼化装置流量控制阀进行数据分析和诊断，实现了对控制阀的预测性维护，降低无效维修50%以上，创造直接经济效益近5000万元。
(二)炼化生产
一是工艺优化。在实际炼化生产前，对原油原料、工艺流程、炼化设备进行数字孪生建模，对工艺配方、工艺流程等全方位模拟仿真，优化原料配比参数和装置优化路径，得出最优的炼化生产方案。中石油云南石化对开工原油的炼化工艺流程进行模拟分析，明确各项操作参数，从而指导生产操作，实现了常减压装置1次开车成功，制氢联合装置核心设备投产1次成功。
二是质量管控。实时采集和分析油品炼化全流程的质量数据，对各项质量指标进行在线动态分析和预测预警，实现炼化全流程质量跟踪及自动控制。中石化九江石化在炼化生产过程中，对各项质量指标进行实时监测和动态分析，实现了油品炼化质量的大幅提升，吨原油除成品油率提高到82%，产出率提升7个百分点。
三是节能降耗。通过对关键耗能设备和高耗能加工流程的数据采集，结合大数据、人工智能算法和专家知识库，分析耗能的关键因素，找出能耗最低的工艺参数来指导实际生产，提高关键耗能设备的维护精度。恒逸工业大脑通过对历年锅炉燃烧数据的深度学习，推算出最优的锅炉燃烧参数，燃煤发电效率提升2.6%，在节煤方面增加了数千万元收入。
(三)供应链协同
一是企业内供应链协同。实时采集和分析供应链运行情况，识别资源配置低效的环节，提出改进方案，提高企业内部资源配置效率。中石化镇海炼化将原油采购、资源配置、装置运行、产品结构、销售物流等进行全流程建模，系统分析供应链协同的重点难点和优化潜力点，测算了各类优化方案637个，累计创效3.9亿元。
二是企业间的供应链协同。以工业互联网平台为连接枢纽，打通石化上游原油供应、中游炼化生产、下游产品销售各环节，优化全产业链资源配置。当前，我国石化产业链的供应链协同正处于探索应用阶段，新冠肺炎疫情期间，基于石化盈科ProMACE工业互联网平台，镇海炼化、恒力石化进行生产动态优化调整，提高防疫所需原材料的供给能力，同时与口罩、防护服生产企业实时对接、协同排产，实现了上下游医卫用品资源配置的动态优化，提升产业链协同效率。
(四)安全巡检
一是生产安全监控。实时采集的炼化生产过程中的各类安全数据，结合安全生产监控模型，对生产异常状态和安全风险实时报警。中石化茂名石化基于工业互联网平台汇聚厂区内外的安全信息，结合安全风险诊断模型，实现了异常状态和安全风险的实时报警，发现并消除了1800多项生产异常问题避免了多起突发事件。
二是管道智能巡检。在油气管道内外利用传感器、智能阴保桩、管道巡检机器人、无人机等数据采集工具，以及连接地理、气象等环境数据，实现管道内外运行状态的全面感知和实时监测，对管道异常状况(如泄漏)快速定位。基于ProMACE工业互联网平台，石化盈科在中石化西北油田开展了原油管线泄漏视频智能识别应用，通过训练卷积神经网络，实现视频数据实时分析处理，巡检视频识别效率提高70%以上。
三、推进应用场景落地的着力点
(一)加强底层数据分析，促进边云协同
一是边缘数据采集方面，安装传感器、无人机、摄像头、三维扫描仪等数据采集工具，利用泛在感知技术，采集油田地质勘探、钻井、开采、运输、炼化、销售领域的多源设备、异构系统、运营环境、人员等数据，实现对油田、运输管道、炼化工厂运行状态的全面感知。二是边缘数据分析方面，在原油开采装置、炼化重点装置、运输管道关键节点部署机器学习和深度学习算法，在边缘控制器上集成分析引擎，实现对装置的自动调整和优化。在设备管理、质量管控、智能巡检场景下，可以考虑将云端的机器学习模型和深度学习模型，部署在边缘设备端，在模型、数据、服务三方面实现边云协同。
(二)梳理炼化工艺知识，研发工业模型
一是面向设备管理，重点研发炼化重点装置的运行状态监测模型、远程故障诊断模型和预测性维护模型。二是面向炼化生产，重点研发炼化工艺流程模拟优化模型、聚合物反应模型、换热网络优化模型、公用工程系统优化模型以及能量系统优化模型、生产质量管控模型。三是面向供应链管理，重点研发原油进口供应链扰动缓解模型、供应链柔性作业模型、供应链均衡协调模型、成本和风险平衡模型、计划和调度模型等。四是面向安全管理，研发基于多源安全数据融合的火灾爆炸事故风险预警模型、高危设备监测和故障预警模型、危险源监测和预警模型、应急资源管理模型、安全应急调度模型。
(三)研发行业解决方案，推广典型应用
一是打造设备管理解决方案。重点研发和推广炼化重点装置的状态监测、远程故障诊断、预测性维护解决方案，提升炼化装置管理水平。二是打造炼化生产解决方案。重点研发炼化生产装置流程模拟、智能化验室、运营管理优化、生产质量管控等解决方案，实现炼化生产优化。三是打造供应链协同类解决方案。重点研发石化企业内部的供应链协同解决方案和企业间的供应链协同解决方案，实现石化供应链全流程的优化、资源合理利用以及价值的优化。四是打造安全管理类解决方案。重点研发炼化生产安全监管解决方案、管线漏失动态监测、钻孔破坏点精确定位、应急指挥解决方案，实现对炼化生产风险提前报警，对油气长输管道泄漏的实时检测和准确定位。
作者徐靖供职于赛迪智库信息化和软件产业研究所工业互联网研究室
管桐 中国电子报
航空航天行业具有有长周期、多种类、小批量、高可靠的行业特征，面临数据源差异大、模型适配性不足、管理调度效率低下、故障预测能力欠缺等行业痛点，急需加快基于工业互联网平台的数字化转型步伐，全面提升研发设计、生产制造、供应链管理、运营维护等环节的数字化水平。GE、欧特克、劳斯莱斯、商飞、西飞等国内外企业正以网络化协同为切入点，向基于平台的设计、制造、管理、服务一体化转型。基于此，我们对航空航天行业基于工业互联网平台进行数字化转型解决方案进行了专题研究，深入剖析了航空航天行业数字化转型趋势、平台应用场景以及业务落地解决方案，同时，该报告对其他高端装备行业和离散行业数字化转型路径的探讨同样具有借鉴意义。
一、航空航天行业数字化转型趋势
(一)研发设计由串行异构向并行协同转变
传统航空航天行业研发设计二维、三维辅助软件混用，在工具、模型、数据、API、操作规范等方面差异较大，研发设计流程冗长复杂，研发成本较高。随着业内基于MBD研发设计模式的应用推广，将三维模型作为唯一数据源进行几何、工艺、质量和管理等属性标注，有利于统一标准，改善数据差异问题，打破研发设计的空间、时间、组织限制，降低跨专业、跨部门、跨企业协同研发设计门槛。
(二)生产制造由以数映物向数物融合转变
在传统生产制造过程中，将研发设计模型转化为生产制造模型需消耗大量人力物力，零部件加工主要以常规加工为主，生产质量管控成本较高。在图纸到实物的转化中，因缺乏三维空间信息，过度依赖操作工人的理解、经验和技能水平。随着数字孪生技术在生产制造环节的应用，助力企业依据统一模型、统一数据源进行制造，解决CAD到CAM的集成问题，实现生产过程可预测、可调整、可追溯，降低生产成本。
(三)生产管理由单点对接向动态调整转变
相较传统离散行业，航空航天对材料供应和资源调配都具有极高要求，既要求尽量采用灵活的零部件管理来降低运营成本，又需要保证交付的速度。传统数据交换模式以单点管理为主，缺乏节点间统筹管理，无法适应复杂场景下的动态调整需求。工业互联网聚焦人、传感器、生产设备和云端等节点的互联互通，打通研发、生产、管理等环节“数据孤岛”，可有效构建大协作、大配套的生产管理体系。
(四)运维服务由定期维护向视情维护转变
传统运维以基于经验和规律的定期检修为主，不同零件、组件在制造工艺、故障类型和生命周期等方面差异化巨大，维护成本高昂。通过在飞机维修领域引入大数据、人工智能等新一代信息技术，有利于开展故障溯源、辅助设计和工艺改进，提高设备描述、仿真诊断、预测维护的精密度和准确率，达到治未病，自感知，自决策的效果。
二、航空航天行业工业互联网典型应用场景及实践
(一)基于MBD的研发设计
企业依托工业互联网平台开展基于MBD的研发设计，以三维统一数据源作为唯一依据，缩短研发周期，提高效率。一是信息交互。优化信息的传输、操作和管理,大幅减少由理解差异产生歧义的问题。二是工艺审查。分析可制造性、可装配性和结构合理性。三是工艺规划。规划零部件装配顺序和运动路径。四是工艺编制。计算关键部件工艺容差，合理分配资源。
例如，波音公司构建全球化的研发体系，波音777项目实现了全球238个DBT团队，总成员8000余人协同研发，减少了90%的设计更改，设计周期缩短一半。运-20研制中，我国首次建设异地协同设计、制造和管理信息平台，开创一航商飞、一飞院两地、四个主机厂、十九家国外供应商协同研制模式。
(二)基于CPS(赛博物理系统)的智能制造
结合CPS、AR/VR等技术推动数据源、模型的统一，加快数据有效流通，构建基于工业互联网的异地多厂协同制造体系。一是分布式生产。将整机组装厂、零部件生产厂等资源整合，以信息管理为整个制造网格系统提供行动依据，形成网络化制造系统。二是个性化生产。针对不同型号的飞机制造需求，制定个性化的组装方案。三是柔性化生产。根据市场、厂区、库房的动态信息，及时调整生产所需的人、机、料、法、环等配套供给。
例如，我国在新飞豹的研制中，全面采用数字样机技术，实现全机51897个零件、43万个标准件、487个关键件的三维数模直接用于数字化生产。西飞通过资源、信息、物料和人的高度互联，确保工艺流程的灵活性和资源的高效利用，成功将整机制造周期压缩到15个月左右。
(三)基于大数据分析的供应链管理
企业借助工业互联网平台对供应链信息进行收集、整合、优化，通过数据分析，及时发现仓储物流、产品质量、制造工艺等方面的问题，提高供应链调整能力，保障产品质量。一是物流管理。通过业务需求，动态调整备品备件预计划，改善供应链库存状况、降低系统库存总成本、提高准时交付率。二是质量管理。运用大数据技术评测生产制造能力、质量保障能力、交付进度、合格率等指标，健全质量管理体系，完善质量追溯制度，实现对各环节产品质量的精确管控。
例如，商飞构建基于工业云的飞机研制系统平台，推动全球近150个一级供应商之间进行数据交互，实现基于统一数据源的设计、制造、供应一体化协同。西飞公司按生产计划实时更新装配进度信息和配套缺件动态信息，将计划、库房、缺件结合起来，航材备件月结库存时间，由原来的1天缩短为不到4小时。
(四)基于PHM的运营维护
基于PHM的运营维护建立航空产品故障和维护维修的数据库，支持多部门、多专业协同进行运营维护。一是状态实时监测。航空航天企业通过工业互联网平台实时采集发动机、飞行器等设备工作温度、工作环境和应力分布等状态数据，并进行可视化呈现，保障设备状态监测可靠性。二是故障诊断预测。对历史积累的海量数据进行高效处理，生成运维模型，诊断产品在不同使用条件下出现故障的概率和时间。三是维修辅助决策。基于故障预测结果，辅助制定维修方案，远程指导工程师现场执行，降低人工操作错误产生的返工，有效避免信息传递缺失的问题。
例如，西飞运用数字化技术，对飞机和航空产品的使用性能、功耗、能耗等进行过程监控，并根据对运行数据的分析，预先制定改进方案，及时更换老化零部件，进行健康管理、维修，提高了航空产品服务的安全性和数据采集的多样性。GE在Predix平台上开发了DRAI(人工智能超差处理)算法，用于检测飞行器叶片故障隐患，自动抓取，生成维护报告，识别率和报错率在95%和97%以上。
三、推进应用场景落地的着力点
(一)统一技术架构接口规范，保障数据融通
一是规范数据类型，以基于MBD的三维模型作为设计、制造、管理、维护的唯一依据，推动信息传递媒介由二维向三维转变。二是夯实数据基础，对高价值、高可靠、高能耗设备，实时采集其全生命周期数据，提升采集数据深度、广度和精度，并运用大数据分析开展关联性研究。三是建设通用设计CAD软件标准零件库、技术注释库和材料库，对CAD建模软件进行二次开发，建立企业基于MBD的全三维设计支持系统。
(二)突破全生命周期机理模型，推动数物融合
一是突破设计仿真、工艺流程、装配流程等研发设计模型，助力研发设计数据自由流动。二是突破工业机理、业务流程、生产质量等生产制造模型，加快工业知识沉淀。三是突破业务流程、供应链管理等生产管理模型，推动供需两侧互联互通。四是突破故障诊断、故障预测、零部件寿命预测等运营维护模型，提高运营维护精度。
(三)构建多层次体系化平台，实现数据分级分类
一是推动供应链上公有云，鼓励主机厂商建立公有云，促进供应商业务流程的规范化、标准化，与主机厂实现计划、技术、采购和质量的协同。二是推动集团内设计上私有云，推动集团内研发设计部门和系统级供应商依托私有云开展协同研发，以三维统一数据源消除数据传递过程中的不确定性。三是推动企业生产制造上专有云，引导整机组装厂、零部件生产厂借助专有云对生产工艺、设备运行、产品质量等数据进行存储、分析，实现生产制造过程协同管控，提高产品质量稳定性。
作者管桐供职于赛迪智库信息化与软件产业研究所工业互联网研究室
张朝 中国电子报
汽车行业是典型的大型离散行业，具有供应链高度分散、生产工艺复杂、产品结构精密等特征，面临研发设计周期长、供应链管理低效、下游需求碎片化、服务要求高端化等行业痛点，亟需加快基于工业互联网平台的数字化转型步伐，全面提升研发设计、生产制造、产供销管理、经营模式等环节的数字化水平。海尔、上汽、北汽等企业以网络化协同设计和规模化定制生产为切入点，加速推动汽车行业向协同化、定制化、柔性化方向转型。基于此，我们对汽车行业基于工业互联网平台进行数字化转型解决方案进行了专题研究，深入剖析了汽车行业数字化转型趋势、平台应用场景以及业务落地解决方案，对加快打造我国汽车新型制造体系具有重要意义。
一、汽车行业数字化转型趋势分析
(一)研发设计由独立分散向网络协同转变
汽车的研发设计通常包括车观外形、结构强度、内饰摆放和电器布置等方面，涉及众多专业领域，采用传统的烟囱化设计业务系统，难以实现各方面设计的协调性，容易导致后期较高的设计修改率。伴随着虚拟仿真和云协作平台等技术的出现，可以保障各设计部门基于唯一虚拟模型进行设计开发，实现成员间“点对点”的信息交流，提高研发设计协同化水平，缩短产品上市周期。
(二)生产制造由批量生产向规模化定制生产转变
我国汽车产品同质化问题严重、市场竞争激烈，诸多车企呈现销售下滑等颓势，并且下游消费者需求日渐碎片化，使得传统少品种、大批量生产模式难以适应市场变化，加大车企的生存压力。随着大数据等新兴技术的应用，车企可以全方位获取消费者的需求数据，结合企业生产能力和产线转换能力，动态调整生产计划，实现规模化定制生产，提高企业竞争优势和消费者满意程度。
(三)产供销管理由信息孤岛向全局协同转变
传统车企需要与众多零配件供应商和汽车经销商进行沟通协调，保障汽车产品从生产到销售过程的通畅运行，而以往汽车产业链的信息孤岛问题严重，大大增加了车企对产供销链条的管理成本。通过建立数据流动渠道，打通汽车行业产供销端的信息管理通道，为产业链各环节的企业制定科学采销决策提供重要支撑，通过保障物料信息在产业链全链条中的自由流动，带动物料资源自由流通，实现产供销端的高效协同。
(四)盈利模式由单一销售向全方位服务转变
传统汽车行业只能依靠销售汽车进行盈利，盈利渠道单一，容易受市场环境影响，韧性较差。而随着汽车产品高度智能化和通信技术的快速发展，汽车企业可以更容易获取围绕人、车、城市生成的娱乐数据、车机数据、驾驶行为数据、电商数据以及场景化数据等重要数据资产，并用于汽车精准投保、预测性维护、智能营销、出行服务等新兴业务场景，有力拓宽车企盈利渠道。
二、汽车行业工业互联网平台典型应用场景及实践
(一)研发设计协同
一是模拟仿真。汽车企业可通过在工业互联网平台部署CAE等功能模块，在赛博空间对汽车模型进行碰撞仿真、结构仿真和流体仿真等，降低样品试制成本，并缩短产品研发周期。
二是设计数据交互。汽车企业可应用工业互联网平台集成汽车的外观、结构、性能和电器分布等数据，实现各项设计工作跨部门、跨企业、跨区域的同步进行，保障设计方案的协调与适配，提高研发效率。
三是工艺设计优化。利用工艺流程仿真等功能模块，全方位、超逼真模拟汽车加工、焊接、涂装、整装等工序，确定最优工艺方案，保障产品质量。
例如，长安汽车在美洲、欧洲、亚洲等地都建立了研发中心，通过建立以三维数字化设计和全球协同设计为核心的汽车产品智能化研发云平台，与海外设计中心进行24小时全天候产品联合开发，实现了跨部门、跨企业、跨区域的产品协同设计，支撑产品研发周期从36个月缩短至24个月。
(二)规模化定制生产
一是用户深度参与。汽车行业搭建的工业互联网平台可以为消费者参与定制生产提供入口，协调研发部门、生产部门和采销部门根据客户定制信息，确定生产方案，实现以客户为中心的定制生产模式。
二是全流程排产。汽车行业可通过工业互联网平台建立客户定制产品BOM，并结合生产能力和时间要求，自动生成高效且可执行的生产计划。
三是柔性化生产。汽车行业可以利用工业互联网平台，依据定制产品生产方案，及时切换产线布局，并协调指挥AGV满足不同产线的物料需求，实现规模化定制生产。
例如，荣成康派斯公司依托海尔COSMOPlat工业互联网平台“SINDAR幸达”智慧房车露营生态解决方案，通过构建交互定制平台、创新设计平台、模块化采购平台、智慧售后服务平台等，让用户直接参与到房车生产的全生命周期，实现房车的大规模定制化生产，取得了良好经济效益，综合采购成本降低7.5%，交付周期从35天下降到20天，订单同比增长62%，一次性交检合格率达到95%。
上汽大通开发了包括“我行MAXUS大数据平台”在内的7个数字化平台，可以为用户参与、用户制造提供接口，整合和匹配用户的多样化汽车配置，统一调配各生产车间协作，实现在线选配、日历订车、订单跟踪等智能定制功能，支撑实现规模化定制生产模式，助力产品上市周期减少35%，产品交付期缩短20%以上，加工及产线切换时间缩短30%，并实现了99.8%的配置精确度。
(三)产供销协同
一是“进销存”精准管理。汽车行业通过工业互联网平台可建立贯穿全产业链的沟通渠道，实时监测上游原材料供给情况和下游产品需求信息，根据精益管理要求，动态调整企业库存策略，在保障企业正常运转的基础上，实现“进销存”精准管理。
二是质量追溯体系。汽车企业可基于工业互联网平台，采集汽车零配件和生产工艺信息，进行标签化处理，对产品进行全生命周期的质量管理，准确识别质量问题，并进行溯源管理，找到质量问题环节，提高产品质量保障水平。
例如，广西汽车集团通过工业互联网大数据平台搜集销售、生产、采购、物流各环节的数据，搭建起了企业全流信息化平台，实现了供应商供货—工厂生产—客户配送全程数字化，实现了产供销端的协同化，使物流作业效率平均提高35%，单据错误率降低85%，数据及时性提高50%。
(四)服务化延伸
一是预测性维护。汽车企业基于工业互联网平台实时采集生产设备参数设置、应力分布等状态数据，利用故障诊断大数据分析模型，实现设备故障预警，通过实施预测性维护方案，减少非计划停机时间。
二是智能营销。汽车行业可将工业互联网平台数据接口扩展至社会范围内的大数据体系，精准识别客户信息，完整刻画客户肖像，通过智能汽车等终端进行个性化推送，提升营销水平。
三是个性化保养。汽车行业工业互联网平台可结合车联网实现与客户的互联互通，采集客户驾驶习惯、车况数据等信息，通过故障预警分析模型，为客户提供个性化保养方案，优化客户服务体验。
四是出行服务。汽车行业工业互联网平台可通过实时监测汽车产品，动态匹配客户用车需求，简化汽车租赁流程，为客户提供完整的出行解决方案，打造高质量出行服务生态体系。
例如，一汽基于工业互联网平台实时监测总装车间电机设备状态，通过对总装电机的预测性维护，有效避免因非计划停机造成的损失，实现了显著的经济效益，总装电机故障预测准确率提高至90%以上，预测周期提前7—90天，非计划停机时间减少10%—20%，电机维护成本节约5%—15%。
北汽福田汽车基于iTink云平台通过车联网实现与客户的互联，为客户提供预测性维修保养和车队管理等高端服务，并通过打通与其它行业数据体系的流通渠道，形成包含汽车金融、ETC管理等围绕客户360°的服务生态体系，采取打标签的方式，精准用户画像，并依据大数据标签精准推送，进行有针对性的服务，使回客率提高20%以上。
三、推进应用场景落地的着力点
(一)深化数据应用，完善数据流通体系
一是完善数据解析体系。面向汽车行业设备运行状态信息、实时工艺参数信息、产品质量信息、生产计划信息等大量异构数据，建立高效的数据解析体系，释放数据资产活力。二是建立大数据共享中心，在云端汇聚汽车行业全要素、全价值链、全产业链等数据资源，激发数据规模效应，以数据自由流动带动资源配置的全局优化。三是深化数据挖掘。积极探索与保险、银行等大数据平台间的沟通与协作，实现数据跨领域的自由流动，为汽车行业新模式新业态提供数据支撑。
(二)聚焦生产过程，强化机理模型供给
一是围绕个性化定制，开发完善用户信息反馈模型、方案选择模型、产品可视化模型等，降低用户参与定制的门槛，并提高用户参与的积极性。二是围绕柔性化生产，开发完善产线监测模型、AGV调用模型、生产排程模型等，满足企业根据客户定制信息高效开展混线生产。三是围绕工艺质量管理，开发完善质量缺陷检测模型、质量溯源模型、工艺优化模型等，保障生产流水线中的产品质量。四是开发模型综合管理平台，汇聚机理模型资源，实现模型的标签化管理、智能化搜索和精准化调用。
(三)围绕行业痛点，推广解决方案普及
一是围绕企业生产管理，梳理汽车行业在研发设计、生产制造环节中的痛点问题，综合利用机理模型，形成特定场景解决方案。二是围绕企业经营管理，挖掘汽车行业在供应链和销售渠道中的信息流通堵点和供需错配问题，结合硬件设施和运营环境，构建企业经营解决方案。三是围绕企业服务化延伸，整合汽车行业在智能营销、预测性维护、出行服务、汽车金融等方面的痛点环节，按需调用机理模型，形成支撑新模式新业态的解决方案。四是围绕安全防护，分析汽车行业在生产制造、实际驾驶、运营维护等领域的安全需求，集成机理模型，实现安全感知、安全决策等功能，保障企业生产安全和客户驾驶安全。
作者张朝供职于赛迪智库信息化与软件产业研究所工业互联网研究室