《施耐德：2023綠色智能制造技術融合創新報告-技術融合創新打造未來工業（57頁）.pdf》由會員分享，可在線閱讀，更多相關《施耐德：2023綠色智能制造技術融合創新報告-技術融合創新打造未來工業（57頁）.pdf（57頁珍藏版）》請在三個皮匠報告上搜索。

1、綠色智能制造技術融合創新專家委員會技術融合創新打造未來工業綠色智能制造技術融合創新報告關鍵詞：技術融合 頂層規劃 碳中和 智能制造 應用場景 生態合作前言中國制造2025時間節點臨近，回顧這10年時間，中國工業增加值增幅將近一倍，以光伏、風電等為代表的新能源產業做到了全球規模前列。但是，目前在關鍵核心技術、產業基礎等方面依舊存在短板。同時，疊加中國“3060”雙碳目標承諾，國家對中國制造邁向中國創造的步伐速度提出新的要求以及對可持續發展理念愈發重視。本報告重點分析在碳中和背景下，工業制造智能技術融合、應用場景落地和服務商生態化合作的現狀與未來趨勢。綠色智能制造將由頂層規劃自上而下驅動，對信息技

2、術(IT)、運營技術(OT)、通信技術(CT)、數字技術(DT)、能源技術(ET)進行融合，整合供應鏈資源構建生態合作體系，綠色智能制造解決方案將滿足更多場景需求，從而創建智能化且可持續的未來工業！2序言李毅鍇工業和信息化部國際經濟技術合作中心副主任當前國際形勢錯綜復雜，世界經濟增長動能有所減弱，國內經濟運行面臨新的不穩定不確定因素，困難挑戰依然很大，但是我國經濟長期向好的基本面沒有改變。我國經濟社會發展正處于重要戰略機遇期，在新時代全面建設社會主義現代化國家的新征程上，實現工業高質量發展顯得尤為重要。黨的二十大報告提出要“推動制造業高端化、智能化、綠色化發展”，積極引導企業智能化綠色化轉型，

3、探索形成新的產業生態體系，有助于提升我國工業整體發展質量。在全球工業智能化綠色化轉型的大趨勢下，立足綠色智能制造應用場景，編制發布綠色智能制造技術融合創新報告，總結典型技術融合場景方案和相關科創企業生態圈構建思路，形成企業轉型升級“路線圖”，有利于激發企業的創新活力，打造形成綠色智能共贏的生態圈，進而助力企業的高質量發展。李瑞施耐德電氣高級副總裁、戰略聯盟創新投資中國區負責人創新是驅動經濟社會持續增長的必由之路。全球范圍內，創新已成為國家、企業占據科技制高點的重要手段；在中國，二十大報告指出，科技是第一生產力、創新是第一動力。數字化、低碳化正在塑造全新的產業面貌，創新越來越成為企業發展的核心競

4、爭力。明晰創新環境，優化創新模式，促進創新落地，推動創新演進，是每個創新主體、每位決策者需深入思考、躬身實踐的必答命題。當下，全球新一輪科技革命和產業變革深入發展，新技術與先進制造技術加速融合，制造業正處于邁向高端化、智能化、綠色化發展的歷史機遇中。面對企業發展階段各異、意識不統一、改造環節多、工業基礎與技術支撐不足、外部形勢多變等困境，“技術融合創新”正是題解。同時，由于技術與專業領域的多樣性，企業需要引進更多合作伙伴，構建共贏的創新生態圈。作為全球能源管理與自動化領域的數字化轉型專家，施耐德電氣將創新融入基因，從硬件創新到軟硬件一體化，從自主創新到聯合創新，都建立了扎實的創新能力、形成了完

5、善的創新機制。順應逾30萬的制造業企業并行的數字化和低碳化雙轉型需求，綠色智能制造將成為未來最具潛力的藍海市場之一。在這一背景下，施耐德電氣“綠色智能制造創贏計劃”融合創新技術專家委員會匯聚了產、學、研，用多方智慧，聯合發布綠色智能制造技術融合創新報告，從綠色智能制造概念、技術背景、行業場景、生態角色及未來展望等角度漸進深入，力圖勾畫制造業技術融合創新全景，以期為綠色智能制造創新生態和發展布局提供必要的、有效的理論支撐和實踐參考，為實現開放、高效、韌性、可持續和以人為本的未來工業貢獻力量。聚力生態 融合創新藍圖正展開3倪殿令亞馬遜云科技大中華區創新成長企業及合作伙伴生態系統事業部總經理序言融合

6、共生 智造創贏全球制造企業數字化轉型的浪潮正在推動世界走向“連接無處不在，智能無處不在”。人工智能、邊緣計算、5G將成為推動企業數字化轉型的技術核心。到2025年，超過75%的數據將在邊緣側處理，以“智能移動到邊緣”為核心發展方向，邊緣計算滿足實時人工智能推理、數據安全和隱私保護要求，成為數字化轉型的關鍵要素。同時高效技術的引入將提升產品制造各環節的效率，對環境的影響減少到更小，資源利用率提升至更高，使企業經濟效益和社會效益協同優化。隨著IT信息技術在制造業的探索和發展，利用IT信息技術推動制造業的研發、生產、管理等環節的變革將成為突破點。作為信息技術的一部分，邊緣側的新應用程序、服務和計算任

7、務需要全新的體系結構支撐，從而解決數字化轉型中來自技術、產品和組織復雜性的挑戰。同時，IT、OT乃至CT的深度融合和協作也是業內探討熱點，現階段是否適合數字化轉型、轉型時又會遇到哪些問題等“黑匣子”問題仍需長期討論。綠色智能制造技術融合創新報告為這些問題提供了解題思路，它將激發智能技術與制造業深度融合產生的創新活力和無限可能。鄒鵬程中科創達執行總裁在數字化時代，所有的企業都將是數據驅動型企業。制造業企業已經意識到自身擁有豐富的數據，而這些數據是實現智能制造的關鍵推動因素。來自設計團隊、工廠車間、生產成品和用戶行為的數據可以幫助優化生產運營，提升交付給客戶的產品品質，并為設計和工程團隊提供反饋以

8、創造更好的產品。這些來自每個環節的數據將產生積極的飛輪效應，持續優化包括工業設計，制造流程，供應鏈管理、產品交付和客戶連接等環節在內的制造業企業全生命周期運營。在全球范圍內，我們已看到多家制造業領先企業基于亞馬遜云科技的云計算、大數據、工業互聯網、人工智能等新興技術，以及Amazon Monitron（機器遠程監控）,Amazon Lookout for Equipment（預測性維護)等工業解決方案，充分發揮數據價值，并成功應用在包括工業數據湖，云上數據工程及設計，互聯工廠，工業視覺檢測，供應鏈控制塔和智能互聯設備，應用創新和現代化等諸多場景，實現互聯互通、自動智能及個性化服務，幫助企業實現

9、降本增效，加速數字化轉型與創新。中國正從制造業大國走向制造業強國，在“碳達峰，碳中和”、“中國智能制造2025”等強有力的政策引導之下，“綠色制造”和“智能制造”已經成為中國制造業轉型與創新的兩大主旋律，其中孕育著巨大的潛在機會。亞馬遜云科技將依托廣泛而深入的云服務以及服務全球工業客戶的豐富經驗和最佳實踐，愿攜手深耕制造業的合作伙伴，共同打造針對不同行業、應用場景的節能、減排、提質、增效的云端綜合解決方案，為中國綠色智能制造的發展貢獻一份力量。4CONTENTS目錄綠色智能制造概念與發展背景1.1 綠色智能制造概念1.2 綠色智能制造發展背景分析01.2.1 綠色智能制造技術成熟路徑與中外差異

10、2.2 綠色智能制造5T技術2.3 5T技術融合創新總結2.4 5T技術融合創新未來趨勢綠色智能制造技術發展與融合02.4.1 綠色智能制造場景生態部署邏輯4.2 綠色場景方案解決服務商4.3 綠色智能制造生態伙伴評價模型分析綠色智能制造生態角色分析04.5.1 綠色智能制造發展機遇與挑戰5.2 綠色智能制造發展展望綠色智能制造發展展望與建議05.3.1 綠色智能制造發展象限圖3.2 流程行業（電子元件、鋼鐵冶煉）3.3 混合行業（石油化工、醫藥制造）3.4 離散行業（專用設備、食品飲料）3.5 綠色智能制造技術與場景分析象限圖3.6 應用場景商業化潛力分析綠色智能制造行業場景研究03.5綠色

11、智能制造概念與發展背景01.61.1 綠智能制造概念綠智能制造是以可持續發展理念為指導，將物聯、云計算等IT技術和動化、精益產、能效管理等先進OT技術相融合，并與通信技術、數字技術、能源技術協同應于制造業的整個流程。產業智能化由傳統制造業體系向智能制造體系轉變，傳統制造業垂直流程、生產效率低效，環節之間無互動，而智能制造體系從生產、銷售、物流、運維、設計規劃到采購形成閉環，各環節之間高效協同，達到自感知、自決策、自執行的完善系統。1.1.1 產業智能化產業綠色化即綠色制造體系，由綠色產品設計、綠色供應鏈、綠色工廠、綠色園區組成。綠園區是基于綠基礎設施的集成平臺，綜合能源資源一體化解決，能源資源

12、利用效率的大幅提升；綠色工廠的特色是用地集約化、生產潔凈化、廢物資源化、能源低碳化，實現資源能源及污染物動態監控和管理；綠色供應鏈是以綠色供應標準進行采購、運輸、銷售及回收等；綠色產品設計即按照綠色全生命周期設計，引導綠色生產的流程體系。1.1.2 產業綠色化綠色制造體系產業綠色化按照綠色全生命周期設計，引導綠色生產綠色供應鏈綠色產品設計綠色產品設計采購生產銷售運維回收處理以綠色供應標準進行采購、運輸、銷售及回收等用地集約化、生產潔凈化、廢物資源化、能源低碳化實現資源能源及污染物動態監控和管理綠色理念及基礎設施的集成平臺，園區綜合能源資源一體化解決，提升能源資源利用效率綠色園區綠色工廠來源：施

13、耐德電氣綠色智能制造白皮書、億歐智庫第一章：綠色智能制造概念與發展背景產業智能化智能制造體系 垂直流程、低效、無互動終極愿景自感知自決策自執行傳統制造業體系消費者洞察產品研發采購生產制造上市營銷設計規劃階段采購階段銷售階段生產階段運維階段物流階段71.1.3 綠色智能制造六大理念第一理念為智能化，也是其精神內核，內容是實現各項使能技術以及軟硬件解決方案之間的融合和協作，提升企業端到端的管理與決策水平。第二理念為軟件化，是工業經驗的載體，軟件使制造過程在虛擬世界實現快速迭代，并不斷優化物理世界的運行，幫助企業實施綠色智能制造。第三理念為可持續化，是綠色智能制造的價值主張，需做到廠房集約化、原料無

14、害化、生產潔凈化、廢物資源化、能源低碳化等目標。第四理念為漸進化，也是量身定制，判斷企業工業發展階段，梳理業務需求，從頂層設計和評估切實可行的綠色智能制造的轉型最優路徑。第五理念為數據信息安全化，企業需要構建數據安全體系。第六概念為人身與資產安全化，保證企業進行正常生產制造中工作人員與企業資產的完整性。綠色智能制造六大理念Smart各項使能技術以及軟硬件解決方案之間的融合和協作，提升企業端到端的管理與決策水平智能化：精神內核Stepwise判斷企業工業發展階段，梳理業務需求，從頂層設計和評估切實可行的綠色智能制造的轉型最優路徑漸進化：量身定制 Sustainable廠房集約化、原料無害化、生產

15、潔凈化、廢物資源化、能源低碳化等目標可持續化：價值主張Security企業需要構建數據安全體系及滿足合規要求安全化：數據安全、信息安全Safety工業生產中保證人身安全、資產安全安全化：人身安全、資產安全軟件使制造過程在虛擬世界實現快速迭代，并不斷優化物理世界的運行，幫助企業實施綠色智能制造軟件化：工業經驗載體 Software第一章：綠色智能制造概念與發展背景8注1：工信部“十四五”工業綠色發展規劃 注2：國務院中國制造2025注3：工信部“十四五”智能制造發展規劃1.2 綠色智能制造發展背景分析作為制造強國建設的主攻方向，制造業的發展水平關乎我國未來制造業的全球地位。發展智能制造，對于加快

16、發展現代產業體系，鞏固壯大實體經濟根基，構建新發展格局，建設數字中國具有重要意義。全球新一輪科技革命和產業變革深入發展，新技術不斷突破并與先進制造技術加速融合，為制造業高端化、智能化、綠色化發展提供了歷史機遇。我國要求在2025年達到數字化、2030年達到碳達峰、2035年達到智能化、2060年達到碳中和。在產業的導向方面，要求對有色金屬、石油化工、鋼鐵等重點行業強化環保、能耗、水耗等要素約束，能效水平對標行業能耗限額先進值或國際先進水平；扶持新能源車、新材料、高端裝備等能源資源消耗低、附加值高的戰略性新興產業融合，并進行生態化集群發展。具體的扶持表現在對綠色工廠、綠色園區為代表的綠色基礎設施

17、進行經濟補貼。1.2.1 政策方面 中國綠色投融資分布以綠色貸款為主，占比85%，綠色債券占比10%，保險資金、信托占比約5%；綠色貸款余額自2020年以來持續走高，年均增長約為28%；綠色貸款的主要投向為基礎設施的綠色升級，占據約40%的貸款總量，清潔能源與節能環保分別占據30%左右；在智能制造方面，受到疫情的沖擊及經濟周期的震蕩，2022年上半年智能制造領域融資金額約為119億元。1.2.2 經濟方面第一章：綠色智能制造概念與發展背景政策產業導向綠色制造戰新產業融合化政策重點內容全生命周期綠色化生產過程綠色化綠色設計綠色工廠綠色理念集成平臺綠色園區綠色制造企業的協調與協作綠色供應鏈推動能源

18、資源消耗低、附加值高的戰新產業融合，并進行生態化集群發展主要目標綠色目標：3060碳中和目標智能目標：2025數字化、2035智能化（規上企業）傳統制造產業綠色智能化強化環保、能耗、水耗等要素約束，能效水平對標行業能耗限額先進值或國際先進水平有色金屬鋼鐵紡織石油化工機械裝備食品飲料重點產業新能源新能源車高端裝備新材料生物醫藥電子器件重點產業政策具體扶持內容綜合79個省級、一線城市綠色制造政策分析，綠色工廠、綠色園區為政策重點扶持環節扶持金額30萬至60萬代表性地區北京市、上海市、浙江省、江蘇省、廣東省、福建省9中國綠色產業潛力較大，彎道超車優勢明顯；以中美光伏裝機容量為例，根據2015-202

19、0年中美新增光伏裝機容量對比圖中可知，中國在2015-2020年期間增長都遠超美國，2017年的兩國增量差值更是達到40GWH以上。綠色智能技術賦能優化制造業能源供應結構，減少工業及發電碳排放，助力可持續發展。綠色智能制造技術融合應用于生產與運營等各個環節，并與之串聯，幫助企業進行數字化、自動化、智能化、綠色化、網格化轉型。2020年中國碳排放比例中，電力占比超過50%，基于放任氣候變化的情況下，本世紀末，氣候變化對我國的經濟損失可達7.5%，最高可至30%。此外基于全球變暖南極洲融化的假設，海平面上升，將導致不可逆轉的災難。如果大力進行綠色轉型，根據研究顯示，綠色智能技術會帶來超過10倍杠桿

20、效應的低碳化8。1.2.3 社會與環境方面2019年2020年2021年2022年10.2223%17%33%40%11.9515.919.55綠色貸款余額（萬億元）同比*2022年Q2同比數據對比的是2021年Q2數據2018年2019年202020212022年486449234119468綠色貸款占比85%綠色債券占比10%保險資金綠色投資占比3%綠色信托占比2%2021年Q3中國綠色投融資分布2019年-2022年H1中國綠色貸款余額2019年-2022年H1中國智能制造融資金額2019年2020年2021年2022年4.472.493.265.773.202.997.44.214.2

21、98.825.045.69基礎設施綠色升級產業貸款清潔能源產業貸款節能環保及其他 智能制造融資金額（億元）2019年-2022年H1中國綠色貸款投向統計單位：萬億元注1：中國人民銀行 注2：億歐數據 注3：英國石油公司 注4：國際能源署注5：清華大學能源環境經濟研究所 注6：澳大利亞報 注7：石油圈 注8：全球電子可持續發展倡議組織電力工業與建造業建筑業交通運輸其他2020年中國主要行業碳排放(單位：億噸二氧化碳)經濟損失基于放任氣候變化的情況下，本世紀末，氣候變化對我國的經濟損失可達7.5%，最高可至30%。其他損失基于澳大利亞塔斯馬尼亞大學和澳大利亞國立大學科學家的保守估計，南極冰蓋融化會

22、使本世紀的海平面上升50厘米。綠色智能技術將會以超過10倍的杠桿效應低碳化2015年-2020年中美新增光伏裝機容量對比(單位：GWH)舊能源對外依存度高，新能源助力工業綠色化發展2021年原油對外依存73%2021年天然氣對外依存45%53.062015年2016年2017年2018年2019年2020年34.5411.28.444.2610.030.227.548.214.8915.15.7中國美國1第一章：綠色智能制造概念與發展背景10終端與云端融合底層設備、中間邊緣、頂端云和應用縱向打通能源與自動化融合實現效率提升和節能降耗企業管理集成化融合將分散、獨立的管理點通過數字化平臺實現集成化

23、管理全生命周期融合從大規模建設及運營階段的融合與打通OT運營技術IT信息技術CT通信技術ET能源技術DT數字技術1.2.4 技術方面通過企業的運營技術（OT）、能源技術（ET）、通信技術（CT）、數字技術（DT）、信息技術（IT）五維技術融合，助推企業實現能源與自動化融合，實現效率提升和節能降耗；實現終端與云端結合，實現底層設備、中間邊緣、頂端云和應用縱向打通；實現全生命周期融合，從建設到運營一體化聯通；實現企業管理集成化融合。2030年碳達峰及2025年數字化目標的時間節點愈發緊迫，綠色化與智能化的融合發展正在以前所未有的速度在工業制造的領域普及，對制造的流程、市場格局甚至商業模式產生了積極

24、影響，在政策引導及加大金融支持的背景下，以5T技術(信息技術、運營技術、通信技術、數字技術、能源技術)為主的技術融合已經成為常態，背后的邏輯在自動化、數字化、智能化的推動下，工業制造即將迎來下一輪升級革命。第一章：綠色智能制造概念與發展背景企業四維融合五維技術融合能源技術DT11綠色智能制造技術發展與融合02.122.1 綠色智能制造技術成熟路徑與中外差異綠色智能制造技術在21世紀后進入快速發展階段，從應用角度看，目前我國在OT領域上有一定差距，在其他4T方面，目前已經與歐美幾乎站在同一起跑線。2.2 綠色智能制造5T技術分析OT技術(運營技術)OT技術是實現對企業資源、體系、流程、工藝及事件

25、的全面管控，覆蓋企業運營的各個方面，其中包含生產運營、能源運營、設備資產運營、服務運營。OT技術將硬件技術軟件化、自動化技術數字化，同時進行技術標準化。從5T技術發展時間看，OT技術發展較早，普遍在90s之前基本成熟；以工業軟件為代表的IT技術跟隨著OT技術進入成熟；基于IT技術的DT技術在2010年前后得到較大的應用；CT與ET技術發展依托于IT、DT、OT技術發展與綠色生產兩者產生的新訴求。在應用方面，我國與歐美國家在OT領域有一定的差距，但在其他4T方面已經幾乎平行。OT技術和歐美差距在五種技術中最大，但中國借助體量帶來的數據、知識積累，通過不斷迭代，有望追上世界前沿的步伐；中國在IT技

26、術的應用位于世界前列，通過新技術解決舊問題的期望持續推動前沿科技的應用落地；中國在數據技術方面對算法的研究目前還有一定欠缺，但中國在大數據及數據挖掘層面存在明顯優勢；得益于對以5G為代表通信基礎技術的重視，中國在通信技術方面的應用位于前列，與歐美幾乎沒有差距；依托于電力技術，比如新能源及特高壓的積累，我國對于技術應用處于前列，但在虛擬電廠、分布式儲能等技術中略顯不足。OTCTOTETITDT歐美中國第二章：綠色智能制造技術發展與融合來源：施耐德電氣綠色智能制造白皮書、億歐智庫、專家訪談綠色智能制造5T技術發展路徑圖數控機床脫硫脫硝水電化學儲能物理儲能分布式儲能CCUS虛擬電廠微店網風電光伏膜處

27、理污水技術CAMCRMWAN物聯網區塊鏈互聯網數據挖掘機器視覺機器學習語音識別嵌入式AI知識圖譜自然語言處理5G數字安全MESPDMSRM云計算邊緣計算數字孿生工業大數據ERPCAE2DCADPLCCNC傳感器3D打印工業機器人DCSSCADAOpera-tionalTechInfor-mationTechCommu-nicationTechEnergy TechDATATech運營技術信息技術數字技術通信技術能源技術電磁儲能技術網絡安全網格架構腦機接口量子計算XR算力引擎6G特高壓智能電網移動互聯網13OT技術發展現狀OT&IT技術融合趨勢明顯但存在融合難點及挑戰OT和IT技術融合主要能降低

28、工業成本和過程風險，優化工業業務流程以及提高數據的可訪問性，同時降低技術迭代難度。IT軟硬件可以便捷地訪問OT設備及其運行數據，另一方面，IT的云技術和數字孿生等新技術，提高OT工業設備和數據的可訪問性、穩定性和流動性，同時減少工廠服務器，易于實施更新。此外，OT系統通過IT基礎設施，與DT等技術融合，利用各種算法模型有效開展風險邊界預估，降低工業組織的潛在風險。主要優勢：科技是雙刃劍，OT和IT的融合也存在著一定的難點和挑戰，一方面OT與IT融合帶來了諸如外部攻擊、內部惡意漏洞、錯誤操作等潛在安全風險；另一方面OT軟硬件自設計初衷，都是與網絡隔離的，因此不會考慮到來自外部的網絡安全威脅，聯網

29、之后，SCADA、PLC等面臨的安全風險也趨于顯現。其中風險具體表現有：PLC面臨自助保障和信息安全的問題，且自身掃描式工作的設計存在誤讀可能性；RTU較多采用嵌入式實時操作系統，存在漏洞及缺乏安全監控和防護機制。同時通信協議以明文方式進行傳輸，容易被監聽和攻擊；SCADA系統啟動后將長期運行，很難及時修復漏洞，同時會面臨未授權訪問等問題，另外所在計算機被感染病毒甚至會擴散影響至RTU。主要挑戰：從應度分析，國內重要OT技術為：PLC在自動化升級和智能制造邏輯下，PLC在中國的應用愈發廣泛，其中在新能源、環保等新興行業突破較多；SCADA目前第三代SCADA體系（網絡化）是我國應用較為廣泛的體

30、系，以電力、冶金等行業應用為主。未來第四代體系將會與互聯網、神經網絡、嵌入式體系、數據庫等集合，滿足安全、經濟運轉及商業化需求；DCS受電力、建材、石油化工行業影響，近幾年的應用有所下降；CNC由于高精尖制造需求的提升，CNC近幾年在汽車船舶、國防軍工、機械制造、石油化工等行業應用較多；機器人中國機器人裝機量在2020年占據全球總量44%，用工成本上升、產業升級、規模效應凸顯等邏輯支撐機器人行業中長期內將會維持高速增長。目前主要的應用場景有汽車、3C電子、金屬制造、鋰電、食品等領域。近年來傳統行業（電力、石油化工等）景氣度下降與新興行業（新能源、汽車、集成電路等）迸發對OT技術的需求形成對沖，

31、整體來看，現代制造業對OT技術的進步提出更高要求，OT與IT的融合才可以深度挖掘需求及生產規劃，助其更好發展。降低工業成本降低工業過程風險優化工業業務流程提高數據可訪問性降低技術迭代難度外部攻擊內部漏洞錯誤操作主要特征主要挑戰第二章：綠色智能制造技術發展與融合注1：中國科學院計算技術研究所面向“互聯網+”的 OT 與 IT 融合發展研究142.2 綠色智能制造5T技術分析IT技術(信息技術)來源：阿里云創新中心IT技術發展趨勢IT技術作為基礎，與其他4T融合推動工廠智能化改造工業互聯網是數字化、網格化、智能化轉型的基礎設施，也是云計算、大數據、工業軟件融合的載體lOTAI大數據工業互聯網OTI

32、TCT云計算工業軟件DT數字化網格化智能化生產設計類工業軟件CAD 設計繪圖CAM、CAE 仿真測試PLM、PDM 產品數據ERP 企業資源管理FM 財務管理HRM、HCM 人力資源管理EAM 資產管理CRM 營銷管理SCM 供應鏈管理BI 商業智能OA 辦公協同運營控制類工業軟件MES 制造執行系統DCS 分布式控制系統SCADA 數據采集與監視系統EMS 能源管理系統運維服務類工業軟件APM 資產性能管理MRO 維護維修運行管理PHM 故障預測與健康管理經營管理類工業軟件IT技術（Information technology）是智能制造融合基礎，推動工廠走向全面綠色智能制造。智能制造的IT

33、技術包含支持企業功能的系統，例如人力、財務、供應鏈等，這些系統具有跨行業的通用性。IT技術作為基礎，與其他4T融合推動工廠智能化改造。目前IT技術以生產設計類、運營管理類、運維服務類這三類工業軟件為基礎推動工廠：一、數字化對設備進行數字化賦能或利用數字化生產設備，提高生產效率，此外生產與運營各環節采用數字化的管理方式，告別紙質文檔管理方式；二、網絡化將原本獨立的各個工業系統進行網絡化連接，使其具備統一操作性，實現工業生產要素、各個生產環節的互聯互通，提升使用主體效率；三、智能化利用人工智能、大數據等技術，實現單點或簡單流程智能化，實現生產制造設備、系統的智能感知、智能決策，并最終實現智能執行。

34、從應度分析，國內重要IT技術為:ERP源于企業對管理水平的日益重視。由于近兩年競爭愈發激烈，企業數字化轉型需求不斷拉高，18-19年放緩的ERP增速于2021年重新回到兩位數增幅，為近5年新高。目前ERP軟件主要應用于制造業、電力、石油化工等行業。超級計算機中國目前的算力在TOP500榜單上占據34.6%的份額。超算的主要應用領域在國防、氣象、石油勘探及大型基礎設施項目，但近年來，得益于計算成本的降低，應用場景下沉到互聯網、金融、制造業等領域。以制造業為例，廣汽、小鵬及中國商飛項目在設計方面受到超算賦能，快速優化了產品性能，減少研發成本。CAD、CAE、CAM應用廣泛，目前主要在制造業和重工業

35、應用較多，例如建筑設計、工程機械、能源化工等行業。研發設計類工業軟件需要基礎科學研究及交叉型的研發人才，目前國產化進度一般。第二章：綠色智能制造技術發展與融合15主要技術之間的相互關系AloT大數據MR算力引擎數字孿生工業元宇宙META技術群工業4.0工業5.0人工智能物聯網云計算大數據學習控制計算計算存儲反饋計算2.2 綠色智能制造5T技術分析DT技術(數字技術)DT（Data technology），即數據處理技術，是對數據進行存儲、清洗、加工、分析、挖掘，以數據創新、激發生產力為主的技術。自動化和機械化的過程中產生了大量數據，但大多數制造商不能很好地使用這些數據。在DT時代下，充分挖掘海

36、量數據的價值，利用“云大物智”技術指導企業經營決策，已成為制造企業最為關注的問題。DT技術發展現狀IT向DT時代進化數據開放資源共享降低工業過程風險優化工業業務流程DT驅動的難點及挑戰主要特征主要挑戰成本與安全問題存在數據孤島DT人才要求較高IT時代向DT時代進化，其體現的主要特征有：數據開放資源共享，提供數據決策能力，定制化的新制造，推進實現降本增效。IT是以控制管理、積累數據為主，強調標準化、規?；?。DT是以數據創新、激發生產力為主的技術，強調獨特化、個性化、靈活性。發展現狀一、成本與安全工業互聯網安全涉及終端設備升級、數據中心、云計算等方面的成本，前期大規模投資回報短期難以衡量，另外工業

37、互聯網的數據面臨泄露和網絡攻擊等風險。二、數據接口協議不統一一條生產線涉及大量不同的設備底層通信和數據交互協議等，要實現設備之間有效的數據流動和融合有難度，以及工業互聯網設備的專用軟件難以通用也是當前工業互聯網發展的一個較大瓶頸。三、DT人才要求較高熟悉工業生產的流程和工藝，懂得企業的痛點、需求及價值所在，擁有管理有價值、可計量、可讀取的數據資產及進行分析的能力。DT驅動的難點和挑戰第二章：綠色智能制造技術發展與融合16撐DT驅動的“云物智”正在逐步融合，并迸發出新興應：云計算簡化現有IT架構，服務器利用率從40%上升至80%，降低能源消耗及運維難度，減少70%維護時間，并提高系統可用性與數據

38、安全性；大數據大數據是綠色智能制造的基礎，是重要的生產資料，其在制造業大規模定制化場景中的應用包括數據采集、數據管理、訂單管理、智能化制造、定制平臺等。定制化場景中的數據達到一定的數量級，就可以實現大數據應用；人工智能人工智能有八大關鍵技術在制造業中有廣泛應用，分別是深度學習、增強學習、模式識別、機器視覺、數據搜索、知識工程、自然語言理解和類腦交互決策。這些技術持續推動制造業得以做到自感知、自適應、自學習、自決策；物聯網物聯網使制造業邁向萬物互聯，在采集數據、智能分析方面有巨大優勢，為制造業提供在生產過程當中所需的數據支撐，是傳統工廠向智能工廠升級的基礎；數字孿生以數字孿生為代表的技術群，利用

39、數據庫資源，映射現實并構建出能夠獨立運行的虛擬工廠；AloT以人工智能物聯網（AIoT）為代表的技術群，采集、連接、融合現實世界中的數字信息，形成動態、靜態等各類數據庫資源；MRAR、VR等技術融合，作為虛實世界通道，發揮著促進數據雙向反饋、快速迭代作用。通信技術分類有線接入網絡交換衛星通信移動通信光通信無線通信運營管理專網通信其他2.2 綠色智能制造5T技術分析CT技術(通信技術)CT（Communication technology），即消息傳播的發送技術，主要包含傳輸接入、網絡交換、移動通信、無線通信、光通信、衛星通信、支撐管理、專網通信等技術。當今社會已經進入了一個信息化通信的時代，移

40、動通信和短距無線通信的發展十分迅速。在工業領域，5G的應用雖然剛剛起步，但未來智慧工廠、工業互聯網的發展必然離不開5G這樣的移動無線通信技術。另一方面，兼具可靠與低延時性的TSN技術和靈活的5G技術的結合非常適合智慧工廠。從應度分析，國內重要CT技術為：移動通信系統目前，移動通信系統的廣泛應用為第四代移動通信系統（4G）和第五代移動通信系統（5G）。隨著企業數字化轉型需求提升，綠色智能制造園區數據資產體量呈現指數級增長，生產制造各個環節對通信技術的高帶寬低延時提出更高的要求。5G可以提供高數據速率、高系統容量、更低的延遲、提高能效、降低每bit成本和大規模設備連接的能力。截至2022年12月末

41、，根據GSA數據，155個國家/地區的487家運營商正在投資5G。其中，中國的5G基站數量全球領先，根據工信部數據，截至2022年10月末，目前全國有225萬個5G站點，占全球總數70%以上。全國所有地級市都實現了5G全覆蓋，5G已在包括工業制造、礦業、港口、醫療、教育、娛樂等國民經濟97個大類中的40個行業得到廣泛應用。注1：工信部2021年通信業統計公報第二章：綠色智能制造技術發展與融合172.2 綠色智能制造5T技術分析ET技術(能源技術)ET（Energy technology），即為能源技術。新一輪的能源技術革命正在孕育興起，新的能源科技成果不斷涌現，正在并將持續改變世界能源格局。在

42、“雙碳”目標的推動下，傳統能源的無害化、清潔化，新能源的開發和利用，先進的儲能技術以及能源互聯網的構建成為主要發展方向。傳統的煤炭、石油、天然氣和水電等能源正在向太陽能、風能、生物質能、地熱能等新的能源技術過渡，同時新的能源管理方式出現，如微電網等。在“綠色智能制造”時代，云計算、物聯網、數據分析、機器學習、人工智能、自動化、智能終端、增強現實等技術組成錯綜復雜的生態系統。ET技術與多技術的融合，就是發展智慧能源的基礎，即引導能量有序流動，構筑更高效、更清潔、更經濟、更安全的現代能源體系，對能源選擇、利用、存儲進行智能管理，助力制造業綠色化與智能化。預計到2030年，6G技術將開始試點部署。6

43、G可以提供高保真全息圖、通信感知、地空通信、太赫茲(THz)通信和通用人工智能(AGI)。時間敏感網絡即在非確定性的以太網中保證確定性的最小時延的協議族，是一套旨在改善當前以太網實時性能的標準，實現工業網絡中IT與OT的融合。作為移動通信的5G與TSN結合，能充分發揮5G的靈活性和TSN的極低延遲性，非常適合智慧工廠如工業移動場景、電網等場景應用。其中端到端確定性通信服務指TSN在現有的以太網QoS功能基礎上增加了包括時間同步、流量調度、無縫冗雜等一系列技術，根據業務流量的特點，確保流量的高質量確定性傳輸的結合。TSN和5G是未來有線和無線工業互聯網的關鍵技術。因此TSN和5G技術的融合需要關

44、注有線和無線異構融合的架構設計。能源技術融合發展趨勢煤炭無害化開采技術煤炭清潔高效利用技術CCUS傳統能源大型風電技術氫能與燃料電池技術生物質、海洋、地熱能利用技術新能源微電網虛擬電廠先進儲能特高壓能源管理第二章：綠色智能制造技術發展與融合18針對傳統能源煤炭無害化開采技術：地質保障與安全建井關鍵技術、隱蔽致災因素智能探測及重大災害監控預警技術、深部礦井煤巖、熱動力災害防治技術、礦山及地下工程重大事故應急救援技術及裝備、煤炭高效開采及智能礦山建設關鍵技術等。煤炭清潔高效利用技術：先進煤氣化技術、先進低階煤熱解技術、中低溫煤焦油深加工技術、半焦綜合利用技術、超清潔油品和特種油品技術、煤制清潔燃氣

45、關鍵技術、新一代煤制化學品技術、煤油共煉技術、煤化工耦合集成技術等。二氧化碳捕集、利用與封存技術：新一代大規模低能耗二氧化碳捕集技術、基于IGCC系統的二氧化碳捕集技術、大容量富氧燃燒鍋爐關鍵技術、二氧化碳驅油利用與封存技術、二氧化碳驅煤層氣與封存技術、二氧化碳驅水利用與封存技術等。這里列舉主要的能源技術類別：針對新能源大型風電技術：100米級及以上葉片設計制造技術、大功率陸上風電機組及部件設計與優化關鍵技術、陸上不同類型風電場運行優化及運維技術、典型風資源特性與風能吸收方法研究及資源評估、遠海風電場設計建設技術等。氫能與燃料電池技術：大規模制氫技術、分布式制氫技術、氫氣儲運技術、氫氣/空氣聚

46、合物電解質膜燃料電池（PEMFC）技術、甲醇/空氣聚合物電解質膜燃料電池（MFC）技術、燃料電池分布式發電技術等。生物質、海洋、地熱能利用技術：生物航油（含軍用）制取關鍵技術、綠色生物煉制技術、生態能源農場、生物質能源開發利用探索技術、波浪能利用技術、潮流能利用技術、溫（鹽）差能利用技術、干熱巖開發利用技術等。針對能源管理系統微電網：由分布式電源、用電負荷、能量管理系統等組成，是一個能夠基本實現內部電力電量平衡的供用電系統?；疽郧鍧嵞茉矗ü夥?、風力等）為主，一般應用于偏遠的場景及用電質量需求較高的場景。微電網對電網系統有支撐作用，可以為用戶提供并網/離網的切換。虛擬電廠：虛擬電廠是一種將不同

47、空間的可調（可中斷）負荷、儲能、微電網、分布式能源等一種或多種資源聚合起來，實現自主協調優化控制，參與電力系統運行和電力市場交易的智慧能源系統。先進儲能：智能電網中最重要的環節之一，對光伏、風電廠送出的電進行儲存，解決新能源發電不穩定對電網造成的沖擊。目前主流的儲能技術以抽水蓄能、化學電池（鈉硫、鉛酸等）、超導電力技術、P2G（power to gas 電轉氣技術）。特高壓：特高壓輸電使用交流1000千伏及以上和直流800千伏以上電壓等級，是通過發電廠用變壓器將發電機輸出的電壓升壓后傳輸的技術，能減少輸電時的電流，從而降低因電流產生的熱損耗和遠距離輸電的材料成本。特高壓輸電線路輸送容量更大，輸

48、電效率更高，運行損耗更小，節約更多土地資源，節省工程造價，輸送距離更遠。第二章：綠色智能制造技術發展與融合192.3 綠色智能制造5T技術融合創新總結當前智能制造競爭進入格局未定的戰略窗口期，技術融合發展趨勢較為明顯。OT與IT融合可以打通邊界，提高OT工業設備和數據的可訪問性，從整體角度優化業務流程。CT對串聯起整個生產流程信息流及運用產生至關重要的作用。DT技術則進行生產技術的賦能，優化生產工業，改善流程，而ET技術支撐OT、IT、CT、DT技術融合，保障生產的持續經營。融合形成技術閉環，利用OT技術采集生產信息、IT分析并得出指令，CT將數據與指令發布到各個節點。信息化與數字化：OT、I

49、T、CT的融合借助DT技術的大數據存儲能力，將AloT采集數據實現長時間、大容量的存儲。同時對數據進行清洗，并借助云計算、超算對數據進行深度挖掘。數據模型將會反饋至AloT，進一步提升設備使用效率和精度以及完整生產流程的持續優化。另一方面，利用采集數據及數據模型構建數字孿生，孕育工業元宇宙。ET技術支撐技術融合，提供負荷及能量轉換、保護、監控等，通過自身儲能設備及微型發電機等設備，維持生產流程持續工作。智能化與綠色化、未來化：5T融合第二章：綠色智能制造技術發展與融合智能化綠色化OT與IT融合IT與CT融合OT、IT、CT融合信息化數字化OTCTCTITDTETloT與DT融合ET技術支撐OT

50、、IT、CT、DT融合202.4 綠色智能制造5T技術融合創新未來趨勢3年內的行業宏觀層面趨勢主動式轉型：以最終實現智能制造為目的的數字化轉型向中小微企業持續滲透。5年內的行業宏觀層面趨勢全面自動：以電子元器件制造行業為代表的制造業將會率先進入全面自動化階段。5-10年內的行業宏觀層面趨勢被動式綠色轉型：基于2030碳達峰的要求，所有對綠色有抗性的行業都必須進行綠色智造轉型。10年展望的行業宏觀層面趨勢全面綠智：制造業進行全面推動綠色智能制造。1-5年企業規劃趨勢非領軍企業：注重短期生存需求，優先構建數字化、自動化滿足業務流程優化及協同改善。領軍企業：通過綠色智能制造咨詢在戰略層面制定綠色智能

51、制造轉型。5-10年企業規劃趨勢非領軍企業：數字化、自動化深入融入業務流程，開始向綠色智能制造轉型。3年內技術層面突破趨勢5G、AI：5G、AI商用落地在綠色智能制造領域將會加速鋪開。數據安全：目前在部分領域，例如金融、政府已經有大量落地。預計在未來三年內，隨著工業IT與OT的打通，對數據安全性提出更高要求的背景下，隱私計算在工業制造的應用將會鋪開。低代碼：低代碼在未來3年內的高度增長(CAGR63.7%，3年內市值達到267.7億元)，目前OCR識別、RPA已經應用于低代碼，未來預計將會有更多AI、物聯網技術接入。AI建模外包：隨著加密技術進步，涉及工業設計、數據分析等環節的AI建模和機器學

52、習將會外包給第三方AI公司。3年內，隨著綠色商業價值的凸顯，領軍企業率先向綠色智造主動轉型，同時降技低術成本，鼓勵中小企業參與；10年內，綠色智造技術將會持續完善，同時基于雙碳政策的要求，所有制造企業都將向綠色智造轉型；10年以上，算力規模持續提升，制造業全面進入綠色制造階段。企業規劃層面趨勢行業宏觀層面趨勢主動式轉型領軍企業：通過綠色智能制造咨詢在戰略層面制定綠色智能制造轉型 非領軍企業：注重短期生存需求，優先構建數字化、自動化滿足業務流程優化及協同改善 非領軍企業：數字化、自動化深入融入業務流程，開始向綠色智能制造轉型5G、AI數據安全低代碼AI建模外包XR數字孿生WEB3.06G算力引擎

53、交互感知云計算邊緣計算CCUS全面自動被動式綠色轉型全面綠智技術突破層面趨勢未來工廠3年內3-5年5-10年10年以上注1：浙江省經濟與信息化廳未來工廠建設導則第二章：綠色智能制造技術發展與融合213-5年內技術層面突破趨勢云計算：目前在制造業的滲透率約為30%左右，預計在2025年前后達到50%以上。邊緣計算：目前在制造業的滲透率約為10%左右，預計在2025年前后達到30%以上，為云計算提供后端與支持服務。CCUS：首個百萬噸級項目已成功落地，未來3年-5年來商業化運營將會加速。5-10年技術層面突破趨勢XR：近眼顯示、渲染處理等技術已經逐漸成熟，目前在工業領域已經開始有所運用。數字孿生：

54、目前已誕生第一個ISO數字孿生，主要應用于以航空裝備等為代表的高端制造業中，預計在2030年左右數字孿生可以達成大規模鋪開及深度應用。WEB3.0：從數據計算基礎層角度看，基于區塊鏈的“脫鏈計算”、共識機制、跨鏈標準將會在未來10年內解決，并進行落地。10年以上技術層面突破展望6G：預計到10-12年后，6G技術將開始試點部署。6G可以提供高保真全息圖、多感官通信、太赫茲(THz)通信和通用人工智能(AGI)。算力引擎：預計5年內，算力規模提升至30倍，7年內算力可以滿足自動駕駛需求，10年左右達到算力與實體經濟產業的融合。交互感知：10年左右，肌電感應、虛擬氣味、觸覺反饋等技術將會相繼成熟并

55、在制造業相繼落地。未來工廠：基于數字孿生、AI、大數據等技術革新生產方式，以數字化設計與管理、智能化生產、綠色化制造、安全化管控為基礎，以網絡化協同、個性化定制等新模式為特征的工廠。綠色智能制造技術萌生到發展再到互相融合，響應著國家的政策走向，回應著社會與環境發展的每一個需求。技術的融合帶來的降本、增效、提質的效果終歸需要在應用場景落地并發揮作用。最終愿景第二章：綠色智能制造技術發展與融合22綠色智能制造場景?03.23?綠色智能制造?景?行業編碼來源于國家統計局行業定義中?綠色智能制造?分?業?自動化?數字化?智能化?行?綠色?高綠色?中綠色?望?化工?、?專用設?品?料?、?制造?器?表制

56、造業?40)航空航天、鐵路及船舶制造業?37)有色金屬冶煉及加工業?32)?20)造紙、包裝及?業非金屬礦物制品業?30)?2?)?與塑料制品業?N76)廢水處理電?元件?汽車及?部件?36)電力能源?D44)?分?行業?品?料?工專用設?制造電?元件?件產業發展?綠智技術?動?生產?年?年中國電?元?件營業?入?21485224601?3041?24610?0?3?11?3?4?5?173552017年2018年201?年2020年2021年營業收入（億元）增速（?）?綠智能制造發展?從當前智能化進程和綠色化需求兩個角度，結合2000?制造業上市企業財務數據及多位專家調研，總結出中國制造業多

57、個?分領域的綠色智能制造現狀，將其歸類為觀望者、跟隨者、先行者。從固定資產、研發投入、人效得出智能化的得分，根據污染物排放、綠色工廠建設意愿等指標得出綠色化得分，?選出六大行業?電子元件、鋼鐵冶煉、石油加工、專用設備、醫藥制造、食品飲料進行分析。來源：施耐德電氣、億歐智庫、專家訪談第三章：綠色智能制造場景研究24綠色智能制造技術?力?件行業?生產?定制化?化?分?場產?生?產?開發?生產?件產業?技術?程?運營技術?信息技術?數據技術?通信技術?能源技術投入程度以?充色4圈為高投入，?色?充色為低投入電子元件產業規模增長迅速，碳排放日益增高：2021年中國電子元件營業收入破2?2萬億元，新注?

58、企業為7?43萬家，約為2020年1?62倍；碳排放量日益增多，形勢?，比如半導體行業，?臺積電一家，2020年碳排放已高達1500萬噸，為2017年的2?5倍。電子元件行業產品多品種，多定制化，產品之間差異較大，同時產業鏈通常處于多廠商、多平臺、多流程的狀態。綠色智能制造技術助力電子元器件?性生產，以市場為導向，按需生產，從用戶體驗出發，對產品、服務進行優化與提升，建立?好用戶口?，以此?占市場份額，增強企業靈活性和應變能力，提高生產效率。電子元件產業5T技術投入程度中，5G、大數據、云計算、人工智能與區塊鏈技術應用較為廣泛，對于污染物排放整體比較重視，無?車間、?環過?技術應用較多，在碳排

59、放這方面，低碳能源技術由于成本原因及設備可靠性原因，?未進行大規模投入，但低碳依然是行業未來重點應用的方向。?件產業?全生?綠色智能制造?點?研發設計目前有較多?施與較多技術應用，比如D?，但在新技術應用，比如虛擬建模，?真，3D打?這些方面應用依舊較少目前采購供應這方面欠缺結合工序管控的時序預測與上下?通的?接節點信息流綠智程?綠智程?綠智程?研發設計?工制造?運維服務?服務?業管理第三章：綠色智能制造場景研究電子元器件產業整體綠智程度較深，投資量級近乎上億級別，目前重點投資的環節為加工制造、研發設計，其中加工制造環節最容易改造，帶來的收益最為直接。研發設計、采購供應鏈的痛點大致為研發設計流

60、程較長、無法提前預判產品生產過程中因規格、材料等因素所帶來的隱?風險，外加上?原材料品種較多，涉及各行各業，多供應商、多部?，難以與后續加工制造環節聯動，需要25第一類：研發設計數字孿生場景數字孿生技術在虛擬的三維空間里打造產品，可以輕松地修改部件和產品的每一處尺寸和裝配關系，使得產品幾何結構的驗證工作、裝配可行性的驗證工作、流程的可實行性大為簡化。以某家電產品設計為例，人機界面簡化設計流程，通過使用3D仿真和人機界面，工程師可以確定產品的規格、制造方式和使用材料，并根據相關政策、標準和法規進行設計評估，幫助識別潛在的可制造性、質量和耐用性等問題，提升設計效率10%。第二類：智能精益生產場景精

61、益生產將結合智能制造相關技術，比如5G、邊緣計算、工業軟件、人工智能等，可以盡可能地消除作業現場的不確定性，從而降低精益生產部署的試錯成本，更高效提升生產效率。以某電子制造工廠為例，產線各環節互聯互通，將來自不同系統中的客戶、訂單、生產數據貫通，智能決策，實現異常響應及時性提升了80%，生產效率提升12%，產能提升了22%，人均產值提升了14%，市場反饋的故障率降低了25%。第三類：車間智慧物流場景使用移動操作機器人平臺，搭配智能物流管控系統和智能調度系統，打通不同工藝流程之間的物質流和信息流，實現物料在各個車間、機臺的自動轉運或自動上下料，解決傳統車間痛點。以某晶圓加工廠區為例，工廠晶圓盒機

62、器人和智能調度物流管理系統實現電子料架、機臺、存儲倉間的柔性運輸及無人化自動上下料。提高生產效率33%精準上下料，減少操作員30%無效行走，提高電子料架利用率 66%。第四類：機器視覺質檢場景一項綜合技術，包括圖像處理、機械設計、電氣控制、光源照明、光學成像、傳感器、模擬與數字視頻技術、計算機軟硬件技術，對產線設備及零部件進行質量檢測。以某家電企業工廠為例，建立五方位攝像頭對沖壓件進行機器視覺識別，通過5G上傳高清照片，后由MEC+GPU+AI軟件進行AI圖像推理比對來進行質量檢測，實現誤檢率95%，并節省了前端工控機的建設及管理成本。另外，痛點和問題也能體現在產業中的技術融合場景，這里列舉四

63、類技術融合場景。背景介紹：施耐德電氣是全球能源管理和自動化領域數字化轉型的專家，服務于家居、樓宇數據中心、基礎設施和工業市場，業務遍及全球100多個國家和地區，施耐德電氣武漢工廠被達沃斯世界經濟論壇專家委員會評為發展中的“燈塔工廠”，為中國乃至全球的智慧工廠在數字化轉型方面做出示范。業務訴求：施耐德電氣僅在中國就有23家工廠和7家物流中心，生產種類繁多的各類產品，為了確保產品的高質量，所有生產線都必須遵循嚴格的質量檢測流程。項目痛點：產品的外觀以及質量檢測由人工肉眼判斷或傳統視覺檢測完成，而傳統視覺檢測檢測效率低、漏檢率和誤檢率高，此外，傳統的自建服務器方式存在兩大挑戰：其一是模型的訓練和送代

64、需要巨大的算力，成本非常高；其二，在進行模型訓練時需要工程師到全國各地工廠去采集數據需要投入大量的人力。上云方案：中科創達利用亞馬遜云科技的Amazon SageMaker及其他相關云服務，采用“云邊”結合的方式構建AI視覺檢測平臺。亞馬遜云科技的AI視覺檢測解決方案和服務(Computer Vision for Quality Insight)幫助質量和工藝工程師收集和分析來自不同來源的數據，包括來自多供應商的攝像頭數據，與人工檢查相比，節省了大量時間；自動化圖像分析還支持分析根因并制定對策，幫助團隊管理整個生命周期，更好地實現大規模零缺陷。邊緣端軟件是邊緣檢測系統通過工業相機采集產品外觀照

65、片并在通過一系列安全認證后上傳到云端，存儲在Amazon S3上。云上負責模型訓練和迭代及全生命周期管理，來自生產線的正樣本上傳到云端后作為輸入數據傳輸到機器學習框架，模型通過持續的訓練和迭代提升精準度，達標后再部署到生產系統。上云成效：實現檢測自動化和智能化，與傳統視覺檢測模式相比誤檢率能降到0.5%內，大大降低返工的工作量；漏檢率能降為0.5%，杜絕不良品流到客戶現場，與采用人工檢測的產線相比可以優化產線檢測人員配置通過云邊協同，實現了云端對邊緣端的統一管理，確保多邊緣端能夠同時完成模型迭代升級和管控，從全生命周期的角度管理分布在不同工廠的模型。綠色智能制造場景研究AI視覺檢測平臺案例第三

66、章：綠色智能制造場景研究人工根據經驗決策，導致材料浪費、生產效率不高。由于工序環節較多，加工制造環節通常需要工序外協，導致企業難以掌握進度；生產過程中車間運輸人工成本較高，精密電子運輸過程中容易損壞及質量檢測操作復雜，多為人工操作，效率低、失誤率高。注1：中國電子技術標準化研究院軍工電子智能制造標準體系框架探索研究262021年鋼材產量?近14億噸，能源活動碳排放16?3億噸，占據能源碳排放17?，綠色轉型需求迫切。?綠色智能制造?景?能源?綠色技術驅動?中國?年?產?年中國能源?動碳排放占比?：?2017年2018年201?年2020年2021年10?4611?3312?0513?2513?

67、378?3?6?4?10?0?0?鋼材產量（噸）能源活動碳排放占據首位：鋼鐵行業碳排放16?3億噸，占總量17?144716119能源生產與轉換鋼鐵建筑（含建材）交通其他?技的?工?工業相機圖?搜集模型?推理模型?推理工業相機工業相機軟件工程?算法科學家?模型部署模型部署檢?I?推理管理I?E?S?推理管理推理管理推理管理?DS?S3圖?智能制造技術在鋼鐵冶煉應用廣泛，以基于信息流的數字孿生、可視化、未來供需預測等為主，同時基于智能技術，為產品研發、生產協同、質量管控、能源管控、?儲物流等環節賦能。注1：國家統計局注2：全球能源互聯網第三章：綠色智能制造場景研究27?產業?技術?程?運營技術?

68、信息技術?數據技術?通信技術?能源技術投入程度以?充色4圈為高投入，?色?充色為低投入數字化?現?產業綠色智造?全供應鏈優化，實現產銷對接?數字?生?核?的智能產?研發智能生產?數字?模型驅動的生產控制一體化和管理優化?數據可?化?核?的設備狀態、環境保護等信息要素集合?、智能?的運用大數據，進行產品理論預測模型，基于虛擬?真技術，?建虛擬?真平臺開展產品設計、產品模擬和方案驗證通過實時的能源消耗數據進行監控、分析與控制，進行能源管理、平衡及優化，降低生產成本通 過 環 境 感知、人員行為識別、人員定位跟?，實現對?險 的 管控；采用智能機器人技術在惡?環境、高?環境作業智能?量管控基于標準與

69、規范對生產過程進行監控、監測、判定與預警，及時識別和發現生產過 程 的 質 量 問題，同時利用大數據進行質量回歸分析建模智能能源?環境管控智能?采用移動通?技術和移動應用技術，實現?儲物資移動調度、智能調度三個維度助推轉型?以數字孿生為核心的數字?模型驅動的生產控制一體化和管理優化；以數據可視化為核心的設備狀態、環境環保等信息要素集合；基于需求預測、智能排期的全供應鏈優化，實現產銷對接，從而實現智能產品研發、智能生產協同、智能質量管控、智能能源及環境管控和智能?儲物流。鋼鐵冶煉產業5T技術程度從整體來看，應用較多，特別是得益于物聯網底層設備成本的下降，提高企業擁?綠智的信心。以目前而言，云計算

70、?考慮到投資成本與專業化運營)、網絡安全、3D打?（在試點）等技術應用依舊還在探索中。在低碳能源方面，得益于政府監管?，企業重視程度較高，目前在低碳生產投入較大。?產業?全生?綠色智能制造?點?鋼鐵行業的訂單定制化需求較高，目前在綠智的應用中等在新技術應用，比如 虛 擬 建 模，?真，3D打?這些方面應用依舊較少上下?接節點的信息流沒有很好的整合綠智程?綠智程?綠智程?研發設計?工制造?運維服務?服務?業管理注1：人工智能在鋼鐵工業智能制造中的應用第三章：綠色智能制造場景研究28鋼鐵冶金行業綠色智能制造技術整體較為成熟，對企業研發設計、采購、加工制造、倉儲物流等方面有較大賦能，對保證工廠不間斷

71、運行，控制安全風險產生顯著效益。不過，整體存在頭大尾小情況，龍頭企業轉型積極，但尾部企業利潤低，對于高昂的投資始終保持抗性。整體上來看，鋼鐵冶煉產業綠色智能程度較深。研發設計的痛點主要為高端鋼鐵、特種鋼研發的原料昂貴，試錯成本高，在新技術應用，比如虛擬建模、仿真、3D打印這些方面應用依舊較少。采購供應鏈的痛點主要體現大量上游材料及高品質鐵礦石需要進口，原材料的供應、加工制造與下游需求銜接不夠，還有上下游銜接點的信息流整合較弱。加工制造環節除了工作環境高溫、高噪音、高粉塵的傳統問題外，近幾年體現的問題為數據駁雜，過程數據、狀態數據、位置數據、固相數據、液相數據，各個系統垂直，融合較難。倉儲物流的

72、痛點，其核心是生產與倉儲信息協作效率低，數據孤島嚴重；由于鋼鐵行業結構化分銷渠道占比較大，生產、銷售鏈條復雜，信息回流不暢，推高交易成本。第一類：產線集中監控CPS物理信息系統利用CPS(Cyber Physical Systems物理信息系統)，深度融合IT、OT、CT技術，連接工業互聯網及工業物聯網，構建數字孿生，在搭建虛擬仿真平臺、開展新產品設計等場景具有良好效用。同時將傳統工業流程進行集中化、規?；瘧?，樹立鋼鐵智慧制造的標桿。以某鋼鐵廠為例，早在2001年開始布局信息化與智能優化團隊，基于CPS系統實現了5KM以上的跨工序、跨區域、遠距離的大規模集控和無邊界協同。40多個中控室及40

73、0多名員工從危險區域撤出；35萬點大數據分析，優化制造流程，年均收益可達1.85億元；多專業多工序無邊界協同，作業區數量下降60%，人事效率上升40%。第二類：鐵前工序智能碳使用智能感知、監測、識別鋼鐵加工制造的碳排放80%以上集中于鐵前工序。人工智能、機器視覺、機器學習及物聯網感知技術深度參與這一環節。監測到異常運行狀態，識別出異常的環節，并進行預警及智能決策。例如，后續的煉鐵過程根據欠熱、過熱、欠燒、正常、過燒等狀態進行溫度的改變。以某鋼聯為例，“智能碳使用”技術路線是重點項目之一，利用智能感知，實時監控，通過高爐廢氣導入變壓吸附裝置，將一氧化碳與其他氣體分離，并將分離出來的氣體進行商業化

74、利用，根據2017-2021年運行周期的統計，實現溫室氣體減排30%以上的目標。第三類：打捆、貼標、加渣等高危環境工業機器人目前在鋼鐵加工較為廣泛，比如投料、焊接、測溫、圖像識別等環節?；谶吘売嬎?、邊緣AI及深度學習等技術，機器人可以協助實現生產自動化、料場控制無人化、在倉儲物流中進行放料搬運，代替人工作業。以某集團為例，引入智能化換人及機器人代人等戰略，包括自動打捆機、貼標、加渣機器人等，分布在高溫、高粉塵的惡劣環境中，同時，借助計算機視覺技術及圖形處理技術實現信息共享、生產聯動，預計某集團至2024年將持續引入智能機器人數量達1500臺。另外，痛點和問題也能體現在產業中的技術融合場景，這

75、里列舉三類技術融合場景。注1：頭豹研究院鋼鐵行業數字化轉型注2：中國冶金報2020年9月4日2版第三章：綠色智能制造場景研究29?綠色智能制造?景?化?石油化工為六大高耗能產業之一，其產業鏈條長、產品種類多、行業覆蓋面廣，目前我國產業規模位于全球領先。?力?大?年?年中國?中國原油消耗量2020年增速達7?3?，創下近4年新高，消耗量?近7億噸2016年 2017年 2018年201?年 2020年 2021年576?3603?662245645076?216703554?7?3?1?3?6?7?3?1?6?原油消費量（萬噸）增速（?）?前?行動方?石化產品產能利用率提升至80?以上?化重點行

76、業?能?動?能?行動方?至少總量30?的煉油、?、合成?等化工產品達到碳排放基準能效?化工?六化?化智能工廠?化模型?化智能制造工廠自主化模型化融合化自動化孿生化數字化2016?2020年中國原油消耗量逐年增長，增速飛升，中國原油消耗量在2020年增速高達7?3?，創四年新高，消耗量直?7億噸，由于2030年前碳達峰行動方案要求石化產品產能利用率提升至80?以上，石化重點行業?格能效約束推動節能降碳行動方案要求至少總量30?的煉油、?、合成?等化工產品達到碳排放基準能效。自主化：?I與石化工藝的深度融合，系統自感知、自學習、自決策、自適應，降低人工參與；自動化：過程控制自動化，如D?S、?等，

77、提高智能裝備、機器人技術的使用，減少用工，降低?動強度，實現重點環節少人化和無人化，提高精準執行的能力；數字化：全面感知和從?ES、S?D?等系統數據采集，實現設備數字化、資源數字化、業務數字化、流程數字化、管理數字化、形成數字資產；模型化：綜合利用化工過程的第一性原理與過程數據，結合?I算法，進行建模，解決化工過程中的檢測、優化、預測等問題，并實現石化工業知識的固化、沉?和復用；?化智能工?進行六化?：注1：國家統計局注2：中石油未來石化智能工廠頂層設計：現狀、對比及展望第三章：綠色智能制造場景研究30?化工產業?技術?程?運營技術?信息技術?數據技術?通信技術?能源技術投入程度以?充色4圈

78、為高投入，?色?充色為低投入融合化：5T技術邊界打通，互相融合，提升協同性。石化資產鏈、產品、供應鏈融合，解決數據共享，協同發展；孿生化：為石化工廠構建信息物理系統?S，建立數字孿生，提升虛實互動、實時分析，支持全生命周期的持續優化和異常處?。整體上來看，石油化工產業綠色智能程度相對較低。加工制造的核心痛點主要為工藝復雜，缺乏全局、可視化的管理平臺，生產過程缺乏實時監控；應用系統?多，系統集成度不足，同時在生產控制層面重視程度不夠，智能化程度低。?儲物流核心痛點主要體現在傳統的?儲及運輸缺乏監控，操作不規范，極易?成安全事件。企業管理、運維服務核心痛點為設備管理低效，各個設備信息不連通；安全投

79、入不足，安全設備?舊，安全設備存在信息?；工廠位?偏遠，一線工人流動大，同時教育?成本高。?：全景運營優化?大數據、?度?、數據?、?利用在線優化模擬軟件，?建起反映實際運行情況的裝?模型，此模型以物理化學平衡機理為基礎，實現集離線分析、實時優化、數據調理及線上監控等功能為一體的控制技術。?石化?裝?與?TO聯用，一期工程年化效益每年增加30?1萬元人民?，二期工程年化效益增加1308萬元人民?。?二?：全廠信息化?工程數字化交?、數字孿生、物聯網、?視?基于工廠三維模型、設計參數、設備?點和?能體現?產業?的技術融合場景?這里列舉?類技術融合場景?石油化工行業整體來看，石油化工對于OT技術投

80、入最大，集中于?、D?S等系統，包括?T設備；IT的投入以E?為代表的運營、維護軟件為主。石油化工對加工制造的全信息化集中顯示、?儲物流的安全性、設備及工廠的運行狀態、維護環節較為重視。?化工產業?全生?綠色智能制造?點?石油化工訂單屬于被動?取，訂單量基本穩定由 化 工 設 計 院 負?，企業主要負?調整設備參數綠智程?綠智程?綠智程?研發設計?工制造?運維服務?服務?業管理注1：中石油未來石化智能工廠頂層設計：現狀、對比及展望第三章：綠色智能制造場景研究31一、制藥行業整體自動化水平較低，智能制造發展基礎?弱，我國制造業單位基本處于機械化階段，信息化手段局限于單個設備或者設備組，缺乏跨設備

81、、跨流程步?的統一管理。二、制藥行業屬于強監管行業，在采用新技術的進程中整體趨于?，我國藥品全生命周期受到?格監管，設備需要經過設計確?、安裝確?、運行確?和性能確?。導致智能轉型涉及更加復雜的評估。三、制藥行業發展智能制造收益緩?、企業投資存在?慮，新藥研發投入越來越大，市場競爭及政策環境變化之下，藥企對成本控制和資金周轉產生了更大的要求。挑戰：國家倡導醫藥智能升級，通過積極布局相關智能制造裝備行業的發展，同時實施了一系列監管制度，按照四個最?加強藥品質量管理，對醫藥企業的制造環節提出更高要求；在質量和效率提升方面，智能制造系統增強業務流程透明性和可控性，保證質量一致性，降低不?率，能制造系

82、統通過生產、質量、物流、營銷、人力等環節的互聯互通，實現生產最優化調度。?方面：?綠色智能制造?景?制造醫藥制造行業強調生產合規性，導致行業智能化轉型存在一些現實障?，5T技術整體投入較低。中國制造2025將生物醫藥為十大重點突破領域，同時政策及質量管控也對行業提出了更高的要求，加速推動智能化轉型。?制造產業?技術?程?運營技術?信息技術?數據技術?通信技術?能源技術投入程度以?充色4圈為高投入，?色?充色為低投入注1?中國制藥白皮書注2?智能制造在醫藥領域的應用第三章：綠色智能制造場景研究特征數據和機理模型等，疊加生產動態數據，實現數字孿生。以?煉化廠為例，基于工廠的三維模型，利用數字化交付

83、平臺和?真技術等，映射了一?數字化虛擬工廠。?：自動化?、智?運?、?外線、?人?利用庫房應用物聯網、?外線及機器人技術，實現固體產品從包裝、碼?、套膜、出入庫、儲存、?庫管理到裝車發?的全流程無人化。自動發?之后，接入市政府智慧城市網絡，進行高效安全運輸。?煉化廠目前基地的所有固體產品?儲作業實現無人化，由?機自動完成入庫和出庫操作，用工人數下降80?。?四?：?、?人、?、?視?、?、?、?通過低代碼應用平臺的可視化軟件功能組件的裝?及模型化驅動自動生成運行代碼。機器人基于設定的代碼，代?人工進行防?智能?檢，?檢?角，生產場所的?、有害氣體威脅等。?煉化廠與?波移動合作，構建基于5G網絡

84、的機器人?檢體系，機器人自動24?進行高?、無?角?檢。對簡單故障進行直接處理，遇到無法解決的問題，通過?設備將畫面實時傳輸給專家團隊。隨著項目實施，人工成本顯?降低，人均產值顯?提升，實現?煉化廠高質量發展。32醫藥制造從整體來看對5T技術的投入不高，設備本身的自動化能力不足，對藥品的研發長期依?國際數據庫，使得數據相關技術的投入也相對較低。由于藥廠的大品種藥物需要連續生產，藥企對能源穩定的技術投入則較高。醫藥對于新技術在加工制造環節的應用較為保?，對于其他環節的賦能以市場需求預測、智能營銷、生產排期、原材料采購，以及?短藥物研究。?上?，醫藥制造?業綠色智能?化?。訂單?取的痛點在于?取訂

85、單的時間較為?后，需要先以?道商、藥?、醫院的數據進行整合。研發設計的痛點主要體現在缺乏大數據、信息技術支撐，技術?較難逾越，與國際醫藥巨?相比，缺少基礎醫藥研發數據，及信息化的分析手段，例如?I、大數據進行分析。加工制造環節受到制藥的一致性生產要求，制藥企業對于新技術整體較為保?，無?控制難度大，特別在生產工藝交接過程中存在污染、氧化及變質的問題；制藥過程需要檢測種類與程序較多，導致人工識別難度大；藥品種類多，規格不一，人工?運效率低以及人工制藥涉及多工序、多任務時，容易產生誤差。?制造產業?全生?綠色智能制造?點?綠智程?綠智程?綠智程?研發設計?工制造?運維服務?服務?業管理主要以?道商

86、、藥?、醫院數據整合?取訂單，整體?后于市場缺乏大數據、信息技術支撐，技術?較難逾越上下?接節點的信息流沒有很好的整合受到制藥的一致性生產要求，制藥企業對于新技術整體較為保?：?求預測?智能生產排期?、大數據、數據?利用大數據進行深度挖掘發表論文、醫學信息?等數據，并整合營銷數據，市場藥品流向動態數據進行差異化營銷策略與預測。另外，生產企業可以主動延?至個人用戶，進行遠程?方、用藥跟?等個性化遠程給藥。同時，在生產制造自動化、智能化的基礎上，數據上云，進行“多工廠關鍵工序的自動排程、上下?工廠信息共享”支撐大品種連續制造和多品種?性制造兩種模式。以?藥廠為例，利用大數據并整合營銷數據，市場藥品

87、流向動態數據進行差異化營銷策略與預測。?二?：集成?制造?、?人、?視?、?度?、?通過智能機器人進行集成連續制藥，將制藥工序連接成一條生產線。無?化?藥、?裝、轉運、封口、分?機器人進行無?化生產操作；醫藥質量視覺檢測機器人檢測藥?中的異物、識別瓶口破損、封裝質量等。智能?運機器人進行藥品的?運、分?等工作。以?機器人公司為例，已相繼與多家知?藥企達成合作。目前已實現以“機”換人，對100、250、500?等多種規格物料進行高速、高精度?取及放?，現場作業人數減少約60?。?：?制?生產與?、大數據、云計算?由于?者存在個體差異，均一化的藥物有時候無法滿足?者的用藥需求。利用大數據、云計算及

88、3D打?技術為?者靈活調整藥品方案，并進行快速生產。以?藥廠公司為例，目前的3D打?定制藥片的應用集中于醫藥的研發。?點和?能體現?產業?的技術融合場景?這里列舉?類技術融合場景?第三章：綠色智能制造場景研究注1：中國制藥工業白皮書注2：智能制造在醫藥領域的應用注3：醫藥智能制造生產線關鍵技術研究進展33?設?產業?全生?綠色智能制造?點?綠智程?綠智程?綠智程?研發設計?工制造?運維服務?服務?業管理基于宏觀經濟、行業周期進行人工預測，基本不應用智能技術?設?產業?技術?程?運營技術?信息技術?數據技術?通信技術?能源技術投入程度以?充色4圈為高投入，?色?充色為低投入專用設備屬于國之重器，

89、政府正大力驅動半導體裝備、工業機器人、數控機?等實現高端化，智能化轉型是高端化的關鍵?手，中國企業?需自主生產出更高質量、高精度的“工作?機”。?綠色智能制造?景?設?制造?化、智能化進程高端化、智能化半導體裝備機器人?數控機?工程機械造船裝備港口、集裝?機械高鐵裝備鋰電?光伏裝備航空裝備風電?核電裝備供應全?業?5T技術中，專用設備在OT、IT、?T投入相對較多，主要的因素是部分專用設備單體價格相對高，且使用時間上具有階段周期性，會以?的形式?入下?的應用，對于控制系統、信息系統與通信技術有相對較高的要求。第三章：綠色智能制造場景研究34專用設備訂單獲取不穩定，行業周期性較為明顯，生產排期及

90、需求預測目前僅依賴于人工決策，容易產生主觀性判斷失誤；加工制造環節復雜，客制化程度較高，柔性產線生產的反饋數據得不到處理，造成數據堆積與冗余。訂單獲取、研發和采購供應鏈的痛點是基于宏觀經濟、行業周期進行人工預測，基本不應用智能技術；訂單客制化程度高，導致生產周期長，產業協同困難以及備品不明確，難以預知下游零配件需求，缺貨、采購不及時較為常見。加工制造的不足主要體現在生產過程高度離散，加工過程復雜，難以整理出標準的體系，數據可用性差；現場單據多，作業繁瑣，需要填寫大量工序單據；生產狀況復雜，不確定因素較多，設計重修返工，半成品報廢難以實時反饋。運維和售后的核心難點主要體現于租賃設備的運維與客戶的

91、安全隱私產生沖突和遠程運維的備件、物料難以統籌安排等。第一類：設備遠程操縱5G、邊緣計算、loT、信息安全、衛星定位利用5G的超低時延遲、邊緣計算及信息加密技術對設備進行遠程管理、遠程監控、設備歷史數據查詢。并基于地圖，實時顯示設備所在地的統計數量，正常運行數量，停機數量，并進行全局統籌安排，在高危環節實現無人化運行。另外，遠程操縱可以實現預測性維護，減少設備停機時間，提高生產率，降低損失。以某信息公司為例，根據客戶監控要求，采集設備運營數據，檢測設備工時，耗能、效益等數據，并進行生產效率優化。采集員工操作信息，精準管理操作權限，保障設備安全運行。同時在高危環節實現機器換人，進行遠程操作。第二

92、類：生產排期大數據、深度學習、時序預測、loT、邊緣計算利用loT設備采集的數據并結合過往的訂單獲取數據，進行機器學習及數據分析，對未來的生產排期進行時序預測。以某機器人公司為例，目前一部分訂單已經使用了智能化的生產排期方式。部分客制化訂單由于管理周期長，變動因素多，依舊使用人工排期，但是目前已經在進行智能排期探索，按照過往經驗分析，智能排期模型至少需要相應產線的200-300小時的動態數據。第三類：高精度檢測+精密加工大數據、深度學習、5G、邊緣計算、loT利用loT收集數據，自建加工數據庫，并進行模型訓練。在加工階段利用過往生產數據調整生產設備參數（例如機器臂對準度，底座轉動定位精度等），

93、提高產品精度；在質量檢測階段，采集數據并進行對比，提高產品整體合格率。以某精密加工大數據公司為例，精密加工大數據系統是該公司主打產品之一，記錄機器加工信息，并進行智能數據分析，強化機器過程管控，得到了戴姆勒、奧迪、蘭博基尼和保時捷等知名車企的在0.01-0.02毫米生產要求的設備訂單。另外，痛點和問題也能體現在產業中的技術融合場景，這里列舉三類技術融合場景。第三章：綠色智能制造場景研究35?產業?技術?程?運營技術?信息技術?數據技術?通信技術?能源技術投入程度以?充色4圈為高投入，?色?充色為低投入食品飲料加工工藝較為復雜，同時凈利?相對較低，智能制造技術?度不高，導致食品飲料行業在數字化轉

94、型方面不及其他行業；近年來綠智技術發展迅速，推動食品飲料行業在信息流、能源管理、加工與物流運輸場景優化，加速行業走向綠色智能化發展。2020年中國食品飲料加工企業物聯網部署情況圖?了在傳統食品領域，發?、?造、?制、?制、?等制造過程無法采用先進技術裝備，大量傳統食品制造的工業化程度低，無法應對特?、多樣的加工要求，核心技術硬件?不到位，所以加工程序復雜，?綠色智能制造改進。通過綠色智能制造組織改進食品飲料三方面優化?信息流優化：包括在線檢測、工業互聯、數據集成、數字模型、優化設定和精準控制實現質量全流程管控、一體化計劃調度；能源管理優化?余熱、余能高效回收利用、多能源?質之間高效轉化、物質能

95、量協同優化等；加工物流優化?對食品飲料加工工序及全流程物流網絡優化，實現高效生產，應對成本上升、?動力緊缺等挑戰。食品飲料在綠色智能制造中屬于轉型較?的行業，目前處于數字化、自動化的階段，雖然有?部企業有成功轉型案例，但大部分企業依舊轉型較?。主要的因素是加工流程復雜，凈利?相對較低，企業對新技術敏感度不高。?綠色智能制造?景?工程序?綠色智能制造?進82126已部署技術部署沒有計劃?中國?品?料?工企業物聯網部?（?：?）在傳統食品領域，發?、?造、?制、?制、?等制造過程無法采用先進技術裝備，大量傳統食品制造的工業化程度低，無法應對特?、多樣的加工要求，核心技術硬件?不到位。注1：商業科技

96、觀察網注2：新工業網食品智能制造技術研究進展第三章：綠色智能制造場景研究36食品飲料綠智改造整體較為緩?，市場的高速變化及產品較短的生命周期對于企業綠色智能化轉型造成一定影響。目前?部企業，已經開始利用智能技術指導生產，控制原料質量，及快速出庫與送達。研發設計、研發和采購供應鏈的痛點是S?種類?雜，原材料需要多個供應商提供；消費者偏好轉向速度快，產品研發節?速；原材料供應時間與產品消費?度低。加工制造的不足主要體現在制造單元自動控制，各自獨立，無體系；缺乏?性制造能力，一條生產線一種產品，不能對產品標?、包裝個性化調整；缺乏能源管理。?儲和物流的核心難點在于發?確?，物流信息?雜，時間成本較高

97、，防?過保質期；食品飲料庫存周轉快，品種多，傳統管理方式下，出入量大，準確低、效率低，統計不準確，積壓與缺?并存。?產業?全生?綠色智能制造?點?目前采購供應這方面欠缺結合工序管控的時序預測與上下?通的?接節點信息流工序較多，對于技術、設備采購抗性較大綠智程?綠智程?綠智程?研發設計?工制造?運維服務?服務?業管理注1：財報網食品飲料行業數智化內?注2：重?工商大學、上海財經大學智能制造對中國食品工業的影響和判斷第三章：綠色智能制造場景研究?：?性生產?智能?利用智能銷售終端的大規模信息收集，對消費者行為進行分析，結合訂單管理系統，E?，S?等構成消費大數據，通過?I分析，進行生產智能決策，指

98、導車間進行?性制造。以?I分析公司為例，?、通用?、都樂及百事可樂利用?公司的?I分析工具T?分析消費者?、為?，洞察消費邏輯，最后利用人工智能模擬人類“五覺”，比如從“味覺”推動口味開發的精準化、數字化，創新推出多元的風味，創造更大的經濟價值。?二?：?健康監控?可?設?通過給?設備，接入物聯網。?民實時跟?、監控?的?、營?、產?量等數據。同時也可以解放人工采?的?動力，同時保證作業過程的安全無?操作。以?品生產智能工廠試點示范項目為例，通過可?設備跟?活動狀態，觀察和?日常生活，并通過比較分析數據，建立監控系統，并識別?的身體?、產?量及其他指標，降低?病率及科學?，另外?設備可以吸收?

99、放的80?甲?氣體。?：自動?與物流管理?將物聯網與智能機器人技術應用于整個?儲與物流管理系統，從生產線自動接單、安排生產、自動傳輸，到產品入庫管理及安排發?。另外自動化裝備?合統一通信協議進行實時信息采集，實現?S雙向交互，實現全國?儲物流園城監控管理。?智慧?儲公司的解決方案，可以滿足?儲物流多樣化復雜?管理需求，協同多系統實現?庫運作的精?化。?準確率達?8?，?庫最高密度提升13?5?，產品回庫比例下降80?，叉車效率提升4?6?，庫存天數下降2?天。?四?：發?產品企業?品?以先進物聯網技術為基礎，結合?T傳感器及無線通信，達到實時監測發?指標，例如溫度變化。以?飲料公司為例，發?車

100、間連接十個大型發?，基于物聯網技術的應用及智能系統的融合，?S系統可以檢測和及時調控每一個發?的溫度，節省大量?動力，降低手工操作誤差，穩定發?過程，提高果?產品質量，目前車間的員工主要工作由生產轉變為檢測。?點和?能體現?產業?的技術融合場景?這里列舉?類技術融合場景?37目前的應用場景技術分為三類，第一類場景技術較為成熟，應用面廣；第二類場景應用需求較高，但由于各種原因導致場景?未完全具備全面鋪開的條件，?在部分行業或者?企業有所應用；第三類場景，技術基本成熟，但由于目前的行業生產流程?無應用環節，場景?寬。?綠智能制造技術與?景分析?應用場景技術成?度高，行業?求度高應用場景包含的技術基

101、本成熟，各行各業中有較多的應用各行業中有較多應用需求，技術在5年內進行大規模商業化鋪開重點?應用場景技術趨向成?，行業?求度高應用場景技術?本成?，行業?求度有?展機器人制造工業質檢（機器視覺、觸覺、味覺）智慧?儲運營優化虛擬工廠工業?助決策系統時序?需求預測?生產排期設備預測性維護智慧供能、管控?性生產制造無人智能?檢用戶側儲能遠程操控重點?技術相對較為成熟，但對于所有制造業基本不具備普遍性?展場景?景分析：應用?景技術成?度高，行業?求度高?應用場景包含的技術基本成熟，各行各業中有較多的應用，涉及到技術有運營優化、工業質檢（機器視覺、觸覺、味覺）、智慧?儲（?G?、?、立體自動?庫）、機器

102、人制造，需要重點投入。?二?景分析：應用?景技術趨向成?，行業?求度高?各行業中有較多應用需求，技術在5年內進行大規模商業化鋪開。涉及到的技術有：虛擬工廠、?性生產制造、工業?助決策系統、設備預測性維護、時序?需求預測?生產排期、智慧供能、管控等需要重點關注。?景分析：應用?景技術?本成?，行業?求度有?展?技術相對較為成熟，但對于所有制造業基本不具備普遍性。主要涉及的技術有遠程操控，無人智能?檢和用戶側儲能。第三章：綠色智能制造場景研究我們列?了13個應用場景，給出場景的描?以及當前的階段和融合的技術，最后附上應用的行業和我們的評?。?景?業化?分析?化?制?智能機器人制造自動?接、?藥?、

103、分?、?裝等?T、5G、?I、大數據、機器人、機器學習、?、邊緣計算當前機械?已可以準確完成?接、?裝等簡單操作，效果?好并已實現大規模的使用；未來，對于機械?的開發，將集中在復雜環節的操作上電子元件、鋼鐵冶金、食品飲料、機械裝備、醫藥制造大規模成熟應用?景?景?應用?主要融合的技術?行業技術融合場景?38第三章：綠色智能制造場景研究工業質檢AI識別產品的裂痕、瑕疵、質量，提升良品率loT、5G、AI(機器視覺，包含氣體、液體檢測)、大數據、機器學習、云計算、邊緣計算基于AI最成熟的計算機視覺技術，智慧工廠中已成熟應用視覺質檢，因為可代替30%的人工成本及識別準確率可達99%；未來傳統工廠將大

104、規模復制應用電子元件、鋼鐵冶金、食品飲料、石油化工、機械裝備、醫藥制造大規模成熟應用運營優化解決了常規單回路控制不能解決的多變量間相互作用的控制難題loT、5G、大數據、AI、數據安全、機器學習為了增強操作控制便利性，企業從氣動表、電動表的操作模式過渡到DCS，隨后為了確保操作穩定，增加了APC先進控制，基于此的RTO實現實時控制，從整體看，隨著大數據為代表的DT技術的完善，將會使得DCS、APC、RTO系統的進一步鋪開及推動工廠智能化電子元件、石油化工、鋼鐵冶煉、機械裝備大規模成熟應用智慧倉儲利用AGV、ACR等機器人進行大負載或者精細化無晃動運輸。同時自動化立體式結構提高倉儲空間使用率，進

105、出庫效率loT、5G、AI(機器視覺，包含氣體、液體檢測)、大數據、機器學習、云計算、邊緣計算、實時定位（衛星、紅外線）利用庫房應用物聯網、紅外線及機器人技術，實現固體產品從包裝、碼垛、套膜、出入庫、儲存、倉庫管理到裝車發貨的全流程無人化電子元件、鋼鐵冶金、食品飲料、石油化工、機械裝備、醫藥制造大規模成熟應用柔性生產制造能夠自動控制和管理零件的加工過程，包括制造質量的自動控制、故障的自動診斷和處理、制造信息的自動采集和處理;通過簡單的軟件系統變更，能制造出某一零件族的多種零件;自動控制和管理物料(包括工件與刀具)的運輸和存儲過程;能自主安排解決多機床下零件的混流加工；具有優化的調度管理功能，無

106、需過多的人工介入，能做到無人加工loT、5G、AI(機器視覺，包含氣體、液體檢測)、大數據、機器學習、機器人、RPA、數字孿生柔性生產相關解決方案將有效提升企業的生產效率，其主要目的是為了適應滿足當今消費者個性化、多樣化的需求 缺陷：當前算法顆粒度仍不夠細化，導致管理環節仍需人工參與。例如在自動排產時無法具體到設備；定制化訂單進來后仍需人工處理。未來3年隨著算法的持續優化該場景將有較大增量電子元件、鋼鐵冶金、食品飲料、石油化工、機械裝備、醫藥制造小規模應用與優化遠程操控通過XR設備進行視覺連接，可穿戴設備進行設備操作或活動狀態監控，通過5G進行低延時、大容量鏈接loT、5G、云計算、XR、數據

107、安全、交互感知實時反饋現場情況，實時采集現場信息、數據，允許人員遠程進行操作，避免危險環境，并加大作業半徑電子元件、鋼鐵冶金、石油化工、機械裝備小規模應用及優化時序/需求預測+生產排期利用AI、NPL、數據挖掘等技術進行訂單的預測，并指導生產loT、NPL、AI、大數據、機器學習、數據挖掘收集終端銷售包括市場的數據，進行客戶畫像，結合loT收集的生產數據進行生產決策，指導車間柔性生產電子元件、鋼鐵冶金、食品飲料、機械裝備小規模應用及優化設備預測性維護依托工業互聯網、智能數字傳感、大數據、云計算、人工智能、等技術手段，將企業設備實時監測數據、生產數據、傳感器采集數據、視頻采集數據、等各類設備數據

108、進行數據的存儲-歸類-標記-治理，運用建模進行設備早期故障的診斷與預測，實現設備的精準運維loT、5G、AI(機器視覺，包含氣體、液體檢測)、大數據、機器學習該場景目前主要針對有大型設備的制造業，通過傳感器或者視覺對機械運作情況進行監控與預測性管理。優點：AI結合大數據聯合建模，故障識別更為準確且可提前預警電子元件、鋼鐵冶金、食品飲料、石油化工、機械裝備、醫藥制造小規模應用及優化虛擬工廠利用數字孿生技術，工廠及產線主要設備建模和相關采集數據loT、數字孿生、AI、大數據、數據安全所有模型可點擊交互、自動聚焦，實時展示設備詳細信息和運行狀況，模擬運行產線情況，監控、預警、診斷、分析一體化；未來3

109、-5年數字孿生工業領域重點拓展方向，期望降低試錯與管理成本電子元件、鋼鐵冶金、食品飲料、石油化工、機械裝備、醫藥制造試點應用或研發工業輔助決策通過大數據平臺結合AI智能分析，完成對工業企業整體流程的分析，為管理者提供決策輔助。例如：可完成運營數據分析，生產要素分析、工廠能耗管理，整場調度優化、異常事故預警等loT、5G、AI(機器視覺，包含氣體、液體檢測)、大數據、機器學習、數字孿生部分頭部企業智慧工廠小規模應用，但決策合理性與精確度需要優化提升，50%需要人工參與；未來1-3年的主要優化方向為減少輔助決策人工干預比例，向智能決策推進電子元件、鋼鐵冶金、食品飲料、石油化工、機械裝備、醫藥制造試

110、點應用或研發用戶側儲能自動的通過一定的能源控制裝置，將能量儲存起來，在需要的時候，再自動把能量釋放loT、儲能、AI、大數據、機器學習智慧儲能目前電網側應用較多，主要是優化儲能電站的散熱管理、功率分配等功能，可以有效降低儲能電站的自身能耗和電能的二次損耗，提升電站的運行效率鋼鐵冶金、石油化工、醫藥制造試點應用或研發智慧供能管控通過深度學習及邊緣計算，準確學習用戶的能源使用規律并做出趨勢預測，設定滿足生產工藝的能源消耗，再通過無損傳輸技術實時精準控制，實現節能loT、5G、邊緣計算、AI、大數據、機器學習通過對能源站的設備、管網等各類能耗數據進行精準采集和整理，借助能效模型對能源系統進行能效分析

111、及節能診斷，從而達到對能源供應進行精準控制和運行監測，減少能源消耗、二氧化碳排放電子元件、鋼鐵冶金、食品飲料、石油化工、機械裝備、醫藥制造試點應用或研發無人智能巡檢利用移動機器人或3D可視化手段進行廠區智能巡檢loT、機器人、5G、AI、實時定位（衛星、紅外線等）、邊緣計算無人巡檢將降低巡檢的成本并保障巡檢人員安全，目前利用移動機器人的巡檢方案在電力行業已有標桿應用，其他行業暫未大量鋪開；基于3D可視化的智能巡檢發展，將與數字孿生等技術成熟同步鋼鐵冶金、機械裝備、石油化工小規模應用及優化場景場景描述當前應用階段主要融合的技術評述行業39綠色智能制造生態?色分?04.40?綠色智能制造?景?綠色

112、智能制造?景?重?關?度?景，技術?成?，?求度高持?關?度?景，技術趨向成?，?求度高重點?場景重點?場景?展場景?運營?+?能?能?能?展?場景?技術?向?場景?展?基于綠色智能制造?景部?圖，為重點投入、重點關注及?展場景三類進行關注度評價。綠色智能制造方面擁有較高的關注度場景為工業質檢、智慧?儲、運營優化、機器人制造、?性生產、設備預測性維護與儲能，此類場景的技術基本成熟，商業滲透程度較高，與國家政策引導方向?合，成為市場需求高，技術已經成熟的重點關注度場景，目前已有大規模的落地應用。儲能基于我國電力價工業補貼?民的原則及能源結構優化因素，可以平?峰?電價、穩定電能質量，增加綠電，提升

113、了智慧儲能的關注度。時序預測?生產排期、虛擬工廠、工業?助決策和智慧供能為持續關注度場景，技術趨向成熟，市場需求度高，無人智能?檢和遠程操控為?展關注度場景，技術趨向成熟，場景需求?展。第四章：綠色智能制造生態角色分析來源：施耐德電氣、億歐智庫、專家訪談414.2 場景解決方案服務商工業質檢場景工業質檢技術框架集團智能計算中心智能邊緣-軟件模型下發數據上報模型訓練+數據存儲+視頻接入管理工廠推理服務工位管理執行操作規范檢測表面缺陷檢查錯漏反檢測工業OCR/讀碼移動檢測定位引導測量安全生產監控細分應用場景模型訓練模型分發視頻接入管理模型端到端管理數據儲存數據標準端側-AI算法平臺算子庫工具庫I/

114、O管理圖像處理AI推理邊緣模型算法數據接入智能邊緣平臺智能視頻存儲海量數據存儲硬件智能邊緣平臺硬件工業攝像頭工控機/報警硬件質量控制人員通過終端收集邊緣端數據，利用訓練完畢的AI模型進行圖像識別、噪聲識別等處理對產品進行質量檢驗，代替原先的人工質檢，降低工廠人員成本、提升檢測效率與準確度，規避嚴苛生產環境帶來的人員傷害風險。細分應用場景有：操作規范監測、表面缺陷檢查、錯漏反監測、工業OCR/讀碼、移動檢測、定位引導、測量、安全生產監控等。從技術應用情況來看，OT方面運用IoT技術，通過攝像頭等邊緣終端采集數據傳輸至上級進行推理計算；在IT方面，原有IT系統（如MES等工業生產相關系統）與新平臺

115、接口管理；在DT方面，運用機器學習、圖像識別等AI算法在邊緣端及中心端進行數據處理；在CT方面，利用5G等傳輸技術保障算法分發、數據流通。第一類：云服務商，此類服務商擁有大數據中臺和云服務積累，可針對不同行業的痛點，借助自己的數字化底座、智能化引擎對各行各業進行賦能；相關企業有AWS、騰訊智能云、華為云、阿里云等。第二類：機器視覺企業，此類服務商一般擁有自己的硬件產品，以深厚的AI機器視覺算法積累為核心為各行各業進行賦能；相關企業有?？禉C器人、浙江大華、COGNEX等。第三類：AI創新企業，此類服務商深耕細分制造行業，專注提升行業know-how，提供包括AI平臺、算法、軟件等全棧式的解決方案

116、。相關企業有中科創達、格創東智、思謀機器人、菲特檢測、阿丘科技等。工業質檢場景解決方案服務商分三類第四章：綠色智能制造生態角色分析424.2 場景解決方案服務商智慧倉儲場景智慧倉儲技術框架智慧倉儲系統大量取代傳統倉儲場景中搬運、核算等人工部分，倉儲管理人員通過用戶端軟件控制機器人等終端進行分揀、碼垛、搬運等動作，省時省力、節省成本、提升效率，并根據系統中展示的經營、庫存等數據及時了解倉儲狀況以便進行決策。從技術應用情況來看，OT方面，運用IoT技術，通過攝像頭等邊緣終端采集數據，用于記錄貨品出入庫狀況，以及控制機器人或叉車等機械設備；在IT方面與企業后臺系統打通接口，同步庫存狀況；在DT方面，

117、運用AI算法處理終端數據，根據模型計算結果實現貨品最優碼垛、搬運最佳路線等策略輸出；在CT方面，利用5G等傳輸技術保障算法分發、數據流通。第一類：倉儲軟件系統服務商此類服務商只能提供智慧倉儲管理軟件解決方案，對于硬件的適配性需要用戶自身配合。相關企業有唯智信息技術、銳特信息、巨沃、運匠科技等。第二類：倉儲硬件集成服務商此類服務商軟件能力較弱，主要產品為物流機器人，提供倉庫搬運與揀選解決方案，替代人力。相關企業有靈動科技、快倉智能科技、極智嘉科技等。第三類：倉儲軟件集成服務商集成咨詢、軟件、硬件三個模塊，往往自主開發軟件和硬件，所以各個模塊之間的適配性很好。相關企業有海柔創新科技、安歌科技、鯨倉

118、科技、牧星智能等。智慧倉儲場景解決方案服務商分三類識別系統傳感器RFID導航系統圖像識別智能標簽搬運系統穿梭車AGV自動碼垛機器人智能標簽儲存系統立體化貨架存儲托盤自動化輸送線分揀系統水平揀選系統垂直揀選系統揀選機器人管理系統倉儲管理系統WMS倉儲控制系統WCS倉儲信息傳輸系統第四章：綠色智能制造生態角色分析43第四章：綠色智能制造生態角色分析4.2 場景解決方案服務商運營優化場景運營優化為流程工業企業智能工廠的核心技術之一，自90年代開始，先進控制技術在石油、化工等行業的應用不斷鋪開，解決了常規單回路控制不能解決的多變量間相互作用的控制難題，實現了多變量間的協調控制；服務商基于不同的研發設計

119、環節分為三類服務商，為APC、RTO及供應鏈優化服務商。細分應用場景有：先進過程控制、實時在線優化、供應鏈管理。從技術應用的情況來看，OT方面運用了運用傳感器、智能儀表、PLC進行狀監控及邊緣控制；IT方面運用了運用了APC及RTO進行流程優化；在DT方面運用了大數據、人工智能、機器學習進行預測輸出變量的未來趨勢并實現閉環控制；在CT方面運用了5G技術、wifi、藍牙等技術進行低延遲通信。第一類APC軟件服務商：先進過程控制軟件服務商，在煉油、化工、水泥、電力、冶金運用廣泛，擁有較強的多變量模型預測控制算法；相關的企業有AVEVA、Honeywell、世紀隆博、中控集團、YOKOGAWA等。第

120、二類RTO軟件服務商：實時在線優化，在APC的基礎上不斷地對裝置進行優化計算，并將優化結果通過APC控制實現閉環，使裝置生產達到最佳的經濟效益操作點。相關企業有AVEVA、ASPEN等第三類供應鏈優化服務商：基于決策變量、目標函數和約束條件，以全局的形勢進行整體優化；相關企業有AVEVA、ASPEN等。運營優化場景解決方案服務商分三類運營優化技術框架原料評價數據庫原料評價數據庫軟件計劃調度和采購管理常規控制系統（DCS）CVs，MVs&DVs實時數據庫先進過程控制控制變量&操作變量&目標APC數據整定能量和質量平衡模型整定嚴格非線性優化工藝設計脫瓶頸實時在線優化LP 矢量的更新穩態變量操作數據

121、優化設定點生產目標/價格44第四章：綠色智能制造生態角色分析工業機器人技術框架由人機交互系統傳遞指令到給定裝置，再有控制系統、驅動系統、機械機械結構系統直至工作對象，同時作用在傳感器上，傳感器傳輸回人機交互和控制系統。具體細分應用場景有：打磨、噴涂、裝配、搬運、焊接、切割加工。從技術應用的情況來看，OT方面，利用loT與邊緣控制實時監控與反饋制造品與機械臂的狀態，提高制造精度。在IT方面，運用了工業機器人操作系統，對機器人操作范圍進行規范，覆蓋不同客戶需求。在DT方面，運用了大數據、機器學習、圖像識別等技術對操作對象進行智能識別，確定加工制造范。在CT方面，運用了5G與工業排線進行實時連接。4

122、.2 場景解決方案服務商機器人制造場景機器人制造場景應用于自動化集成生產線，解決了自動焊接、噴漆、分揀、罐裝等工序的智能化制造，提高制造精度，減少殘次品數量。工業機器人技術框架 人機交互系統指令給定裝置（示教器）與信息顯示裝置等控制系統處理器、關節伺服控制器 驅動系統液壓、氣動、電動、機械傳動機構機械結構系統手部、腕部、臂部、腰部、基座工作對象傳感器打磨噴涂裝配搬運焊接切割加工細分應用場景第一類：機械裝備、電氣設備、自動化服務商此類服務商基于強大的機械裝備、智能裝備、電氣設備及深刻理解工業自動化的服務商為主，這些服務商體系完整，行業的積累深厚，戰略布局能力強，在國際上具備較強影響力，可以提供多

123、類型的智能裝備解決方案；相關企業有ABB集團，FANUC，YASKAWA，KUKA ROBOT。第二類：早期以供應機器人核心部件的服務商此類服務商最早以供應機器人高價值的環節(伺服系統、控制器、本體制造)，不斷向上向下延伸，以自研及合作的形式進行完整的機器人制造場景的解決方案服務；相關企業有新松集團、匯川技術股份有限公司、ESTUN AUTOMATION、北京興安方達有限公司、禾川科技等。第三類：半導體服務商半導體企業通常憑借強大的底層平臺能力進入機器人，高通在2022年5G峰會上推出機器人平臺及具備5G和邊緣AI技術的機器人解決方案；Intel推出AI+3D+工業機器人解決方案；另外英偉達也

124、推出了Jetson邊緣AI平臺，構建機器人解決方案。相關企業有高通、Intel、NVIDIA等。機器人制造環節場景解決方案服務商分三類注1：哈爾濱工業大學中國機器人產業分析報告注2：中國電子學會中國機器人產業發展報告454.2 場景解決方案服務商虛擬工廠場景虛擬工廠技術框架虛擬工廠場景是在計算機內的虛擬空間使工廠建模，考慮現實工廠的狀況使虛擬工廠運行，進行動畫處理的仿真功能，實現虛擬工廠的主要三類廠商包括：三維設計技術廠商、模型仿真軟件廠商以及總體數字化交付廠商。從技術應用情況來看，OT方面運用物聯網、邊緣計算等技術提高數據采集量及處理能力；在DT方面，配備實時數據庫等數據存儲設施，并采用AI

125、算法訓練、數字孿生等技術提升管理效率；在CT方面運用5G、wifi等網絡傳輸技術保證信息互通。第一類：三維設計廠商三維設計廠商幫助制造業企業高效率地設計和管理工廠元素；相關的企業有：AVEVA、達索、CAD、云圖三維等。第二類：仿真軟件廠商仿真軟件廠商利用VR、數據可視化、物聯網等技術將工廠以可視化和VR形式展現；相關的企業有：ASPEN、YOKOGAWA、AVEVA、Honeywell等。第三類：數字化交付廠商數字化交付廠商提供各類工廠運營所需系統，串聯包括三維設計、仿真建模等功能；相關的企業有云圖、AVEVA、達美盛、?？怂箍?、互時科技等。虛擬工廠場景解決方案服務商分為三類第四章：綠色智能

126、制造生態角色分析模塊設計3D創意流程設計流程仿真產線設計產線仿真物流設計物流仿真數據采集 VR顯示、培訓系統集成工程制造技術管理平臺界面生成實時數據庫數據存儲數據分析ERPSCMPLMMES464.2 場景解決方案服務商柔性生產制造場景柔性生產技術框架生產方通過從設備終端到后臺系統的整體數據聯動構成柔性制造場景，實現制造廠商與客戶履行互動式的信息交換，定時控制主顧對相干產品的需求信息，消除制造商生產的不確定性。在技術應用情況來看，OT方面，運用IoT技術，在產線各類終端設備配置傳感器等數據收集工具，根據外部需求調整系統指令；在IT方面，與企業后臺系統打通接口，產線生產、物流等信息與后臺同步；在

127、DT方面，運用實時數據庫存儲、清洗數據，運用RPA、AI模型訓練、數字孿生等技術實現流程模擬、自動響應等功能；在CT方面，利用5G等傳輸技術保障數據流通。第一類：工業互聯網平臺服務商，此類服務商的共同點為具備可實現柔性生產的工業互聯網平臺整體解決方案，但它們各自的企業屬性有所不同，如老牌通用軟件服務商、大型制造業集團的衍生平臺。相關的企業有：工業富聯、用友科技、金蝶、卡奧斯、美云智數、徐工漢云等。第二類：AI技術服務商，此類服務商專注于利用AI數據優化算法與智能決策模型幫助工廠將產能靈活化，實現柔性生產制造場景。相關的企業有杉樹科技、第四范式、智云天工、悠樺林等。柔性生產制造場景解決方案服務商

128、分兩類供應商管理系統生產管理系統物流管理系統倉庫管理系統服務管理系統質量管理系統設備管理系統能源管理系統制造運行管理套件作業計劃與指令生產信息反饋物流計劃與指令物流信息反饋柔性制造單元柔性制造單元柔性制造產線采集監控組件自動調度與協同自動調度與協同加工/物流系統信息自動處理加工/物流系統信息控制指令加工/物流系統信息采集實時數據庫集成設備管理數據清洗采集協議管理底層設備加工設備檢測設備機器人運輸線AGV立體庫第四章：綠色智能制造生態角色分析47?景?景設備預測性維護解決了傳統工廠設備運維狀態不透明、?件耗材管理難的問題，實現設備實時監控、運維管理及備品管理，整體的技術?主要集中于傳感器與算法模

129、型，對服務商的軟硬件都有著相當高的要求。?分的應用?景有：設?監控、智能運維管理、?品?件?管理?從技術應用情況來看，OT方面將運用工業軟件的數據互通，對接D?S、E?、?ES等工業軟件系統，將OT與工廠數據利用最大化；IT方面運用了工業軟件進行人機互動，利用E?系統進行備品備件耗材管理；在DT方面運用了大數據、機器學習、人工智能進行自學習，并進行高精度的自維護；在?T方面運用目前流行的4G、5G、?等通?方式進行信息交互與傳輸。第一類：檢驗檢測、?器、設備監控服務商?深耕設備?器檢驗檢測的企業，在結構力學方面有著強大的技術經驗，對設備?器的狀態判定精度具有優勢；相關的企業有：東華測試、威?達

130、、?華科技、S?等。第二類：?T服務商?傳感器、物聯網及相關技術為設備智能?管理的基礎，這類服務商在設備管理的感知層面存在相對優勢；相關企業有容知、?度智能、?等。第三類：工業互聯網平臺、工業大數據服務商?基于工業云系統、工業大數據的設備?管理。相關企業有：?E?、工業富聯、?云科技、?數據等。設?維?場景分?類?：?大?技術?其?技術?第四章：綠色智能制造生態角色分析?設備設備電機風機?數據?提取傳感器數據?動信?信?溫度信?壓力信?數據預處理異常?失效數據檢?數據根式清洗有效運維關聯數據平?特征提取多數據時間?同步數據存儲?工具相關性分析設備狀態聚類識別相?度檢測趨勢性分析特征降維異常數據

131、檢測?因果關系分析信息?斷推理程序設備狀態聚類識別趨勢性分析?度評估?策?實時告警資源優化維修決策收到反饋后重新更新模型48?景?能?景用戶側儲能主要解決工商業用戶用電成本上升、變壓器擴容成本高、?機損失大、限電影響生產等問題，同時提升綠點消?。?分應用?景有：?、提高光?利用?、?電?管理、?用電源、動?、?與?求?應（?）?能量管理系統?設備控制、狀態監測系統能耗監測運行模式切換園區?能?度、系統監控風?光?儲能量管理負荷、發電預測需求響應策略園區?能?管理?電池包監測（總電壓?功率?內?）計算電池組SO?SO?電池組運行策略設?故障處理電池包管理?電池?監測（電壓?電流）計算修正SO?S

132、O?電池充?放電管理異常報警電池?管理?模組監測（電壓?溫度?內?）線?監測?極?溫度?斷線監測)電池模?管理?能?能系統?軟件控制?電池?S數據處理異常報警處理下發控制指令系統狀態可視化設?監控能量平衡?充放策略優化運行模式控制能?度電池狀態預防性?斷?S空調照明消防電氣系統第四章：綠色智能制造生態角色分析49?綠色智能制造?分析?人制造?景工業質?景智?儲?景運營優化?景?備裝備?心部件企業?應?云?機器視覺企業?創新企業?件?件?成?應鏈?化?成熟度硬件能力生態網絡軟件系統品?力成熟度硬件能力生態網絡軟件系統品?力成熟度硬件能力生態網絡軟件系統品?力成熟度硬件能力生態網絡軟件系統品?力設

133、備裝備服務商在硬件、制造、生態環節實力較為?實核心部件企業以提供?服系統等核心?部件的企業為主，在機器人制造領域擁有相近的品?力半導體供應商在前沿科技的理解應用較深，生態網絡深?云服務商由于平臺積累較深，資源較為豐富，在生態網絡方面優勢較大機器視覺企業核心產品普遍為?，硬件實力扎實?I創新企業深耕制造業應用場景，對實際落地情況更為了解三類服務商中?儲軟件服務商能力較為“偏科”，軟件廠商需要下?用戶自行安排硬件系統集成商綜合能力較強，自研的軟件水平不遜于?儲軟件服務商，且與硬件協同性更好?、?TO、供應鏈優化屬于層層?進關系能夠提供?TO服務的服務商不?需要多變量模型預測控制算法，需要具備對于在

134、線系統、流程模擬、模型的優勢?：設備供應商?目前以?酸鐵鋰技術為主導，隨著近年來市場對儲能安全需求的提升，鈉離子、?酸鋰等新型儲能電池技術有一定發展潛力；相關企業有：?德時代、格力、比亞?、國?高科、億?鋰能等。?二?：分布式儲能集成商?隨著各地光伏項目、限電需求、需求側響應政策等，專注于用戶側分布式儲能集成服務的廠家也開始涌現，其技術服務能力比表前儲能SI?家更加智能更加靈活，但業務規模不及表前?家；相關企業有：智光、采日能源、?探智能、庫?能源等。?：儲能投資運營商?從用戶側儲能商業模式來看，主要涉及2種模式：1）第三方投資型，以大型工商業用戶為主，主要投資方為能源集團；2）用戶自投型，如

135、中型工商業、數據中心、充電站儲能市場為主；項目建成后，提供運營服務的可能是投資方、用戶、SI等；相關企業有中國華能、星星充電、世紀互聯。?能場景分?類第四章：綠色智能制造生態角色分析50虛擬?景設?預測性維護?景?性生產制造?景?儲能?景數字化?廠?計廠?件?應?備?控?工業互聯網?備?應?分布式儲能?成?儲能?投資?工業互聯網平?技術?成熟度硬件能力生態網絡軟件系統品?力成熟度硬件能力生態網絡軟件系統品?力成熟度硬件能力生態網絡軟件系統品?力成熟度硬件能力生態網絡軟件系統品?力3D設計與虛擬?真軟件廠商均為軟件服務類廠商，兩個行業發展時間均不如數字化交付廠商從生態網絡看，三者為生態互補關系，

136、數字化交付成品中包含3D設計與?真軟件協同的解決方案分布式儲能集成商在儲能容器的智能管理技術方面具有較大優勢，更加智能且靈活儲能運營商?投資商以商業化運營為主設備檢驗監控服務商在設備的狀態智能判定方面擁有較大優勢，落地能力及品?力明顯?T、工業平臺服務商在傳感器領域、云服務、數字化具有競爭優勢工業互聯網平臺服務商一般為大型通用軟件廠商或大型制造業集團?生企業，擁有豐富先進工程解決方案經驗，且?性生產目前主要應用于大型智慧工廠，貼合度較高，所以工業互聯網平臺服務商綜合能力更強設備供應商在儲能硬件方面，特別是儲能電池、新材料等方面擁有較大優勢品?力：?維度用以衡量?類服務商普遍的企業知?度、議價能力。成?度：?維度用以衡量?類服務商成功落地的案例與團隊服務能力。生?網絡：?維度用以衡量?類型服務商對于商業合作伙伴數量，以及生態圈的兼容性。?件能力：?維度用以衡量?類型服務商對于硬件設備的技術能力。軟件系?：與硬件能力類?，?維度用以衡量?類型服務商對于軟件系統的技術能力。綠色智能制造生態?價?價維?量?第四章：綠色智能制造生態角色分析51