智能工厂案例集.pdf

智能制造发展探索 智能工厂案例集（一）装备工业一司 目 录 III 目 录 案例 1 上汽大通汽车有限公司 001 上汽大通 C2B 模式打造智能制造标杆工厂 001 案例 2 潍柴动力股份有限公司 019 发动机行业全业务域智能制造实践 019 案例 3 徐州重型机械有限公司 032 基于装备智能化和全生命周期管理的高端轮式起重装备智能工厂 032 案例 4 中车青岛四方机车车辆股份有限公司 045 智能制造助力高速动车组关键零部件制造水平提升 045 案例 5 博世汽车部件（苏州）有限公司 063 数据驱动的汽车零部件智造之路 063 案例 6 丹佛斯（天津）有限公司 076 压缩机生产制造全生命周期协同制造平台 076 案例 7 杭州西奥电梯有限公司 088 面向大规模个性化定制与全生命周期管理的电扶梯智能制造新模式 088 案例 8 中国石油化工股份有限公司九江分公司 106 智能制造助力九江石化高质量发展 106 案例 9 宁德时代新能源科技股份有限公司 128 专“芯”致“智”，宁德时代智能工厂实践与创新 128 “智能制造发展探索”系列丛书智能工厂（一）IV 案例 10 安徽海螺集团有限责任公司 145 水泥生产全流程智能工厂 145 案例 11 长飞光纤光缆股份有限公司 160 长飞公司预制棒和光纤智能工厂实践 160 案例 12 鞍钢集团矿业有限公司 171 矿业智慧生产平台建设 171 案例 13 科力远集团科霸公司 188 基于体系工程的智能制造系统创新 188 案例 14 巨石集团有限公司 213 基于工业大数据的玻璃纤维数字化工厂建设 213 案例 15 新凤鸣集团股份有限公司 230 “互联网+”模式下的化纤智能工厂建设之路 230 案例 16 青岛海尔特种制冷电器有限公司 245 基于大规模定制模式的海尔中德冰箱互联工厂 245 案例 17 无锡小天鹅电器有限公司 257 基于工业装备互联的家用电器智能工厂 257 案例 18 华润三九医药股份有限公司 276 中药智能制造新模式探索 276 案例 19 广东溢达纺织有限公司 291 面向色织行业的智能制造 291 案例 20 隆力奇生物科技有限公司 313 化妆品智能工厂建设 313 案例 21 无锡普洛菲斯电子有限公司 328 面向多品种小批量柔性制造的工业及配电产品数字化工厂 328 案例案例 1 上汽大通汽车有限公司 上汽大通汽车有限公司 上汽大通 C2B 模式打造 智能制造标杆工厂 为应对全球消费者日益增长的个性化需求，上汽大通汽车有限公司（以下简称上汽大通）秉承“定制化、智能化、国际化、年轻化”品牌理念，积极探索并实践汽车行业的C2B大规模个性化智能定制模式，以用户需求为中心驱动整个制造体系智能化升级。从车型的开发阶段开始让用户深度参与全过程，并且打通了产品、用户需求、制造过程中的数据壁垒，能够准确响应用户定制的个性化需求，最终实现企业的全价值链数字化在线。“智能制造发展探索”系列丛书智能工厂（一）中国汽车产业经过近 30 年的快速发展，汽车企业基于 B2C 模式的产品技术和用户服务越来越进入同质化阶段，消费者已经不满足于企业按照统一的模式来生产同一类产品，现在的消费者更强调个性化消费，“把汽车作为个人的情感寄托和生活的伙伴”，所以定制生产今后是一个大的趋势。此外，汽车在向移动智能终端、储能单元和数字空间转变，智能互联和数据共享将使汽车成为更为丰富的生态空间。在这样的情况下，传统的营销与互联网的营销模式也在结合，单纯的以线下 4S 店的方式营销已经受到了一些挑战，线上线下的融合使得汽车营销也进入智能化、数据化的新模式。1.1.3 智能制造亮点及模式总结 1洞察用户需求，打通运营与制造过程中的数据壁垒 在 C2B 智能定制模式下，通过互联网平台进行数字化用户运营，吸引用户参与到整车“定义、设计、验证、选配、定价和改进”的全流程，提炼与分析用户行为数据，推动新产品开发及产品迭代；同时通过“蜘蛛智选”平台，打通产品、用户需求、制造过程中的数据壁垒，准确响应用户定制的个性化需求，实现企业的全价值链数字化在线。2建设研发制造一体化体系，实现交付需求的快速响应 基于智能营销、智能研发、智能供应链、智能质量等业务数字化改造和用户交互体验技术提升，上汽大通对 C2B 时代的数字化工厂体系化持续地建设和升级，实现了所有系列车型的大规模个性化定制，还通过数字平台打造了价值链（营销、研发、制造、供应链）的互联互通，形成新的竞争优势，创造新的企业价值。3建立供应链数据共享平台，实现跨企业的敏捷协同 C2B 个性化定制生产模式对混线生产切换速度和频率提出更高要求，需要整个供应链的协同。上汽大通通过建立供应链数据共享平台，能够支持多种相似产品的混线生产和装配，灵活调整工艺，适应大批量、多品种的生产模式，实现敏捷协同制造。“智能制造发展探索”系列丛书智能工厂（一）图 1 上汽大通数字化业务转型架构 从企业组织架构层面，上汽大通原有职能化部门组织结构转化成以用户为中心的组织结构，需要数字化、智能化来驱动流程变化。上汽大通对组织流程进行了再造，将逐级汇报的科层结构组织转变为以用户为中心的流程型组织。以数字化应用覆盖业务场景、以敏捷团队作为推动主体，信息和数据在企业内快速流动，员工可即时参与到企业的运作和管理进程中，以员工为驱动力，提升企业整体的业务运营和服务能力，最终达成“我的平台我做主”的平台愿景，不仅为企业员工，更为外部合作伙伴和用户赋能增值。上汽大通组织转型架构如图 2 所示。图 2 上汽大通组织转型架构 “智能制造发展探索”系列丛书智能工厂（一）2）铺设开放式设计路径，满足个性化设计需求）铺设开放式设计路径，满足个性化设计需求 为了快速实现用户个性化产品需求的设计，上汽大通搭建了 3DE 生态开放的在线数字研发环境，充分调动内部和外部资源。3DE 设计在线平台如图 5 所示。（1）为非专业用户提供可视化参与产品设计过程的工具，并通过运营聚集参与人员，从而提升开发效率、缩短开发周期。（2）通过外部设计资源的加入，以众包的方式快速实现用户个性化产品需求的设计，并推进采购在线的众筹模块落地，促成众包众筹生态化。（3）为外部设计师同步参与产品设计提供技术平台支持和设计验证优化工具。图 5 3DE 设计在线平台 3）挖掘自媒体网络价值，实现自动用户积累）挖掘自媒体网络价值，实现自动用户积累 上汽大通建立了基于用户数据收集和积累为初始目的的我行 MAXUS 数字化平台，从我行自媒体开始，通过不断吸引粉丝、展示企业产品，建立了上汽大通我行媒体的宣传能力。上汽大通还通过目前主流的微信、微博等 38 个自媒体平台，进行企业员工自产内容的发布推广，各平台用户总数已突破 700 万。依靠自主开发、自主运营、自产内容的C2B 我行互动平台和周边自媒体生态，上汽大通可以不完全依赖于传统媒体渠道进行品牌和产品的宣传推广，将传播渠道的自主权牢牢掌握在手中。全网运营示意图如图 6所示。“智能制造发展探索”系列丛书智能工厂（一）据管理（基于配置级工程数据、市场数据、价格体系统一管理），通过工程、企业配置、制造、物流、销售、财务系统高度集成，端到端流程贯通一单一车按单定制，实现对单车成本管控。蜘蛛智选-打通营销和研发制造体系如图 8 所示。图 8 蜘蛛智选-打通营销和研发制造体系 2）建设企业级配置总库，贯通配置数据至各业务系统）建设企业级配置总库，贯通配置数据至各业务系统 为提供全息化配置 BOM 数据，匹配智能化配置数据服务，拓展至全球化配置管理方案，建设企业配置管理平台（ECM），统一配置总库，实现覆盖满足客户个性化需求的各种配置。ECM 总库数据贯通工程配置、断点控制、价格配置、市场配置、客户选车、物料/公告等各业务环节，在实现配置数据源统一的同时，将配置数据与下游各系统有效衔接，传递至各业务系统（GBOM、PDM、SAP、MES 等）。通过高效的配置管理器及其计算服务，支撑企业全业务链的产品配置应用，以应对海量用户配置需求。ECM 企业配置管理平台如图 9 所示。图 9 ECM 企业配置管理平台 “智能制造发展探索”系列丛书智能工厂（一）图 12 智能排程流程图 4）推广数字化工艺平台，缩短产品与制造周期）推广数字化工艺平台，缩短产品与制造周期 为了满足用户个性化定制要求，上汽大通建立数字化工艺在线管理系统，实现现场可视化工艺指导，同时将系统推广至全系车型使用；引入虚拟仿真平台，提升制造数字化，从工位入手，实现设计和工艺的数字化验证，减少实物造车问题，提升效率；进一步提升制造的柔性化，为交付需求的快速响应提供保障。数字化工艺体系如图 13 所示。图 13 数字化工艺体系 通过数字化工艺平台把设计方案转化为制造方案，并通过虚拟仿真系统（见图 14）反复验证设计方案的可行性和经济性，验证合格后再形成作业标准，发放到 MES 系统。MES 系统会根据生产计划的安排，把当前车辆的作业工艺发送到 IMAP 系统。而现场“智能制造发展探索”系列丛书智能工厂（一）此外，在 C2B 模式下，对于成千上万种的配置需求，靠常规的防错手段远远不够。上汽大通通过智能设备、AR 影像识别、AI 智能识别技术等综合应用，建立了生产线上的生产防错与纠错系统（见图 16），结合实物特征和生产序列，实现了对 C2B 重点零件错误的自动分析预警，并给出智能的解决方案，对整个纠错过程进行追溯管理。实现实时校验订单需求、线上物料、生产序列、线上车辆的对应关系。图 16 生产防错与纠正系统 6）创新配置清单扫码质检模式，保障车辆与订单一致性）创新配置清单扫码质检模式，保障车辆与订单一致性 上汽大通创新性地将车辆配置信息与法规件相关字段以 UC 配置约束进行绑定，通过系统自动识别车辆特征值组合生成法规件清单。同时还将车辆配置信息以可视化的方式呈现出来，方便维修人员进行车辆检查并记录，指导返修人员返修，实现了车辆质量管理的创新。在质量控制过程中，制造质量管理系统（见图 17）能够提供每台车的主体配置信息，质保检验人员按照配置清单就可进行功能性检测和目视化检查，整车通过质量检验后入库。物流人员通过扫描 VIN 码就能立刻匹配用户订单与车辆信息，每台车还将通过车载 GPS 或者运输人员的手机进行全球定位，上汽大通还专为之打造了 App 平台帮助物流管理人员实时查看车辆位置和运输进展，以确保信息及时回传，并监控任何意外状况。这一整套数字化措施保障了从生产到物流再到交付的产品准确性，即便每台车都有上百个零部件不同，依旧能够保障交付车辆与订单需求的一致性。“智能制造发展探索”系列丛书智能工厂（一）2）设计独特协同供应方式，提升物料供应响应效率）设计独特协同供应方式，提升物料供应响应效率 上汽大通与主要供应商协作，通过推进模块化项目，实现产品模块化设计、生产，以提升对消费者新需求响应效率。以线束为例，从工程设计开始将线束进行模块化拆分，车身生产时，把相应车号和模块号发给供应商，供应商按单生产，送货到大通以后线束单件按车辆存放，打破传统按零件号品种存放的方式，经排序后再上线。确保整个供应链上无任何多余线束，每一根都有其对应车辆，做到“零库存”。同时工程更改不必再考虑库存切换，极大加快工程开发的响应速度。以座椅为例，利用主机厂实时共享整车订单数据，直接指导座椅供应商生产，实现与主机厂整车同步的零件生产，做到供应链“零库存”（所有成品库存都与主机厂整车一一匹配，无冗余库存）。座椅分布制造示意图如图 18 所示。图 18 座椅分布制造示意图 1.2.3 实施成效 工程模块化设计能力大幅提升，支持产品全配置管理，形成大规模可配置的产品策略，覆盖 80%的客户定制化需求；以用户为中心的交互平台的建立，精准描述用户画像，提高转化率，降低营销 CPS，产品 CPS 同比降低 20%。“智能制造发展探索”系列丛书智能工厂（一）推进了相关企业的数字化创新。此外，上汽大通南京工厂从 2019 年以来，接待来学习考察的团队近 200 次，包含了国营、民营、合资、外资和政府人员，为各行各业 C2B业务转型起到良好的示范作用。1.4 体会与建议 1.4.1 体会 变革和创新非一蹴而就，C2B 数字化转型的模式创新既是企业生产供应模式的全新变革，也是营销模式的重构，在“新四化”已形成共识的汽车行业内，上汽大通正在探索自我颠覆、自我创新之路。1传统的产销平衡转变为订单式精准匹配 汽车行业属于重资产行业，习惯了库存订单的产销平衡管理模式，转型为终端定制化订单的模式容易打乱生产节拍，一旦订单不足导致停线，就会造成巨大损失。针对这一挑战，上汽大通根据高度定制化的用户真实订单排产，打破了以往库存计划的生产模式，完全松绑经销商常年来的库存高压之束缚，使其能够专注于挖掘用户需求，更好地服务用户。2高层推动实现组织与流程转型 汽车行业属于长业务链行业，改革牵一发而动全身，内外部管理难度很大。在推动组织与流程转型方面，上汽大通认为：内部意识和组织的变革先行，针对深度客制化的供应链转型是一个复杂而庞大的系统工程，若没有思想意识上的统一，就很难在行动上协调一致。上汽大通供应链的改造围绕“蜘蛛智选”展开，并成立了“C2B”和“蜘蛛智选”两个项目小组，由多位企业高管亲自担任组长。分别从销售、采购、物流、生产、交付环节展开，梳理从订单到交付的业务流程，打通全业务链的信息系统，对生产线进行智能化改造，应用并推广块化设计和分布生产的模式，最终形成了围绕用户为中心的“智能制造发展探索”系列丛书智能工厂（一）018 供应链体系。这一过程虽然难度极大，但上汽大通抓住最关键的要素坚持 C2B 创新的大方向，坚持与用户互动、接收反馈、快速迭代，在高层的亲自参与和推动下，克服了很多困难，实现了组织与流程的转型与再造。1.4.2 建议 从汽车整车制造行业整体来看，现阶段，以有限溢价满足用户个性化的用车需求，让用户愿意为个性化定制买单，会在一定程度上增强企业的竞争力。然而由于技术的限制，特别是小批量快速制造成形技术并没有达到大规模商用的成本临界点，在整车本身的个性化制造道路上，各主机厂还有很大的提升空间。企业数字化转型探索过程，对于汽车行业具有一定的启示和借鉴意义：在互联网+时代背景下，随着消费者对汽车产品的青睐和出行需求，人与车这两条主线（包括用户与整车设计、用户与整车营销、用户与整车制造、用户与整车售后）会呈现出比以往更多的交叉点。那么打通订单与生产环节，实现按订单生产与配送，并允许客户跟踪订单的各环节，成为汽车生产模式的重大变革，因而整个研发体系、生产体系、营销体系、售后体系都需要进行数字化改造。企业可通过多样化的运营方式，让用户参与进来，通过数字化的手段对客群进行精准画像，并输入到整车设计开发流程中，在成本可控的边界内做最大程度的定制化开发。案例案例 2 潍柴动力股份有限公司 潍柴动力股份有限公司 发动机行业全业务域 智能制造实践 潍柴动力股份有限公司（以下简称潍柴）通过智能制造整体战略布局，构建了较为全面的研发、生产、运维体系，建立了企业级的统一数据中心，信息覆盖度达到 92%，实现了集团、分/子公司信息系统和第三方的数据共享。通过应用 IRDS 智能快速设计系统、PDM 产品数据管理系统、WPM 工艺设计系统，实现了基于知识库的产品设计和工艺设计。基于自主研发的 ECU 模块，开发了智能测控及标定系统，实现了发动机数据采集、状态监控、寿命及故障预测等功能，为用户提供了优质的售后服务及增值服务。“智能制造发展探索”系列丛书智能工厂（一）2.1.3 智能制造亮点及模式总结 潍柴从 2014 年流程信息化项目开始，通过实施智能制造整体战略布局，实现业务与 IT 的高度融合，创造了多个智能制造方面的亮点。1.打造精益化智能工厂 打造基于潍柴特色的 WPS 生产管理体系，梳理指标 70 余项，覆盖分厂、生产线、班组、工序等管理层级，直观展示生产运行情况，实现生产过程透明化，管理可视化、移动化、云化，形成以精益为导向的智能生产系统。通过物联网技术，实现设备互联互通，现场设备状态数据统一收集，消除设备信息“孤岛”，同时进行大数据应用，开展设备健康监测及预防性维护；通过增加传感器、设备改造等方式实现生产过程中 153 项数据的实时采集与可视化展示，并进行实时的动态监控，实现 2D/3D 可视化。基于数据基础，通过实施 WPS 精益管理，提升了车间生产线效率，降低了设备维护成本。2.构建数字化智慧研发平台 运用数字化快速建模设计、虚拟开发仿真和基于物联网的智能测控系统，建立以PDM 为核心的智能研发平台，打造端到端的智慧研发体系，实现设计、仿真、试验一体化，支撑潍柴集团六国十二地研发机构高效协同，通过“数字化、信息化、智能化”技术应用使潍柴新产品开发平均周期大幅缩短，提高了产品竞争力。3.建立基于智慧仓储的物流体系 通过建立先进的自动化立体仓库，实现从采购入库、存拣一体到拉动出库的全过程物料流转自动化，采用大数据分析技术实现仓储数据动态可视化，优化仓库布局、分拣规则、人员配置等，提升配送执行效率，准确率达到 100%，形成高效的智能仓储配送体系，有效支持企业大规模定制和柔性化生产。4.实现服务型制造转型 建设发动机的车联网潍柴智慧云平台，实现“人、车、平台”三位一体，打通“智能制造发展探索”系列丛书智能工厂（一）3）系统集成能力不足）系统集成能力不足 企业开展智能制造往往起始于“烟囱式”的信息化系统建设，众多的信息化系统导致大量重复建设、数据难以共享等问题。4）重产品轻服务）重产品轻服务 企业考核通常以产品的产量和销量作为重要的衡量指标，缺乏对智能服务类指标的考核，导致企业仍然只重视产品，阻碍了从产品到服务的转型。3发展目标 1）形成全员参与的氛围）形成全员参与的氛围 从高层领导到普通员工，都要具备智能制造的意识，主动参与智能制造建设。2）IT 与业务流程融合与业务流程融合 以业务需求为导向，建立四级业务流程，重视 IT 对业务的覆盖程度和支持能力，提高全业务域信息化水平。3）实现业务协同）实现业务协同 积极推进全集团一盘棋，打通研发、生产、供应链、销售和服务等各环节。2.2.2 实施路径 1战略规划 潍柴将打造“产品竞争力、成本竞争力、品质竞争力”三个核心竞争力作为企业的核心战略举措，并长期围绕产品交付的质量、服务及客户体验为目标，依托良好的品牌形象去构建潍柴的商业模式。潍柴智能制造总体目标如图 1 所示。潍柴智能制造的总体目标是以整车整机为龙头，以动力系统为核心，成为全球领先、拥有核心技术、可持续发展的国际化工业装备企业集团。“智能制造发展探索”系列丛书智能工厂（一）图 2 潍柴智能制造组织架构 3需求分析 潍柴最近几年高速发展成为世界级的发动机生产企业，但是在发动机全生命周期管理过程中面临一系列问题，急需解决。一是各研发环节衔接难，急需构建一体化的协同研发生态圈，打破“烟囱式”系统建设模式，实现研发知识共享，实现全球协同研发。二是产品生产、质量数据目前对设计、工艺指导能力不足，急需通过产品全生命周期中研发到生产过程数据的集成，提升产品设计能力以及生产过程控制水平。三是当前产品运维成本过高、便捷度低，急需提高远程运维水平，提高客户满意度。四是产品增值服务不够，急需开展服务化延伸业务，为客户提供更优质的增值服务。4总体规划 总体规划选取潍柴动力一号工厂作为智能制造示范场所，利用信息物理融合、云计算、大数据等新一代信息技术，建立以工业通信网络为基础、以装备智能化为核心的智能车间，研发以 ECU 为核心的系列智能产品；建设全球智能协同云制造平台、智能管“智能制造发展探索”系列丛书智能工厂（一）持续改进：明确持续改进的战略、流程及应用领域，识别问题，完善改进流程。生产资产维护：对数据资产、库存资产及设备资产的管理，制定预防性策略。数据、指标的绩效管理：对数据进行获取、统计、分析及应用，整合数据系统，实现制造的灵活性。（3）制造执行 生产排程：整合生产计划，实现动态排产。管理生产流程：管理生产计划、生产流程规划、生产过程，确保生产的有效性。产成品及服务管理：对产品及其相关材料进行管理，通过共享平台进行数据集成。2）仓储物流）仓储物流 加强过程管理，实现内外部协同。提升仓储和物流的规划设计能力。优化仓储布局和规划，提升对仓储结构/布局、收发存过程的重视和优化能力；提高物流网络和路径。提高信息化/自动化的业务支持程度。提升物流/信息流同步；提升基于单据/配送指令的厂内物流驱动，通过单据驱动出入库业务，降低人工操作错误的可能；提升工装容器的系统化支持，提高管理精细化水平；降低人工操作比例，提高效率，通过系统化实现安全库存计算、自动按照投放比例分配采购订单等工作。6试点实施 1）WP9/WP10 柔性混线生产线改造升级柔性混线生产线改造升级 在既有 WP10 二气门刚性生产线的基础上，引入 WP9 柴油机的专用拧紧工具、标准工具、工装、工位器具等装备，在现有加工线、装配线关键工位的装备中嵌入具有可感知、可采集、可传输的智能化嵌入式芯片，使关键工位的装备可实时感知生产线上流转的产品系列。2）数据互联互通网络系统建设）数据互联互通网络系统建设 为保证工业大数据采集、传输的实时、准确和高效，进而为基于大数据的企业综合“智能制造发展探索”系列丛书智能工厂（一）数控机床、工业机器人、自动化生产线、装配线、线上线下检测、整机测试等关键设备进行了信息化升级改造。2.2.3 实施成效 通过智能制造的实施，企业各项指标均有明显提升。整体实施成效如表 1 所示。表 1 整体实施成效 序号 指标名称 计算公式 整体成效 1 装备联网率 SCADA 或 DCS 等控制层相连的装备台数/装备总台数 36.90%2 应用工业机器人、数控机床、自动化单元的（装置）数占生产设备总数的比例 70%3 库存周转率 该期间的出库总金额/该期间的平均库存金额100%17.50%4 产品不良率 （试车返工降低率0.2+零公里故障降低率0.1+产品质量提升率0.7）100%0.315%5 设备可动率（每班次实际开机时数设备异常时间）/每班次实际开机时数100%99.38%6 产品研制周期缩短率（1建设后产品研制周期/建设前产品研制周期）100%25%7 车间生产运营成本降低率 产品单台设计成本降低率0.75+储备资金占有率0.2+百元销售收入质量成本降低率0.05 37.26%8 人均生产效率提高率（订单及时交付提升率+计划预排产时间提升率+产品在线时间降低率+生产节拍降低率）/4 41.33%2.3 经验复制推广 潍柴利用本埠信息化优势，对重庆、扬州等分子公司进行云制造部署。分/子公司无须购买任何软硬件产品，也不需要部署信息化平台，其可利用本埠的信息平台来满足所有业务需求。后续，潍柴通过租赁等方式进行收费，降低其他公司信息化投入，帮助企业节约成本。支撑百万级产品的个性化定制需求。在潍柴现有产品运营能力的基础上，扩展远程运维水平，借助潍柴在发动机市场的地位，并借助多家关联的整车企业，为公共安全和“智能制造发展探索”系列丛书智能工厂（一）与，将该工作作为企业全体员工的事而不仅是信息化部门的事来对待，做到每位责任者不管职位高低，凡是涉及自己的就要积极对待，主动推动。同时，将集团的信息化工作绩效纳入企业内部年度考核进行管理，有力推动了集团信息化的发展。面对新形势、新科技、新要求，潍柴提出要打造“自主创新+开放创新+工匠创新+基础研究创新”四位一体新科技创新体系，尤其是利用新技术来加快创新速度，挖掘数字化创新应用。为此，潍柴建立创新管理机制，持续开展智能制造相关技术创新和管理创新，定期召开科技创新奖励大会，评选并重金奖励优秀科技创新项目及管理创新项目，调动员工的创新积极性，营造万马奔腾的创新生态。2.4.2 建议 1重视行业标准建设 编制出台国家商用车备件编码、ECU 传输通信协议标准、发动机制造关键技术装备通信协议标准等行业专用标准，夯实行业智能制造发展基础。2重视产业链协同发展 建立由龙头企业牵头的行业智能制造创新联盟，打造全球网络化协同制造平台，形成行业示范，带动行业网络协同制造发展。3对接国家重大战略 主动对接“一带一路”等国家重大倡议，逐步实现产业有序转移和梯次发展，推动企业“走出去”，扩大国际影响。案例案例 3 徐州重型机械有限公司 徐州重型机械有限公司 基于装备智能化和全生命周期管理 的高端轮式起重装备智能工厂 自主研发并应用于起重机行业的大型结构件焊接智能化生产线，通过改进优化转台拼焊工艺、结构焊接工艺和集成检测校型智能装备等手段，解决了转台结构件智能化焊接率低、占用人员多、焊后校型反复翻转等问题，实现工件自动周转、自动对接、自动焊接、自动检测，全过程无须人工干预。利用制造信息化系统和物联网平台对生产设备运行状态进行实时监控与数据采集，生产流程从“人机对话”转向“机器对话”，实现质量标准信息化、质量记录信息化、质量信息规范化、过程管控精细化、产品档案追溯化管理。围绕智能化产品，建立远程运维平台，在服务型制造的实践方面效果突出。基于装备智能化和全生命周期管理的高端轮式起重装备智能工厂 033 3.1 企业简介 3.1.1 企业基本情况 徐州重型机械有限公司（以下简称徐工重型）成立于 1995 年，是中国最大、全球TOP4 的工程机械产品制造商徐工集团的全资子公司。徐州重型机械有限公司始于1943 年创建的八路军鲁南第八兵工厂，1963 年研制出国内首台汽车起重机，2014 年研制出世界最大吊重的 1600 吨高端轮式起重机，公司连续 18 年位居中国起重机行业第一位。2017 年公司智能工厂建设已初显成效，转台智能生产线入选央视大国重器“智造先锋”专题栏目，成为行业内唯一连续两季登上大国重器舞台的企业。公司的主营业务是研发、生产和销售 81600 吨全系列汽车起重机、全地面起重机和特种起重机。公司持续多年占据国内市场 50%以上份额，产品销往欧洲、南美等 100多个国家和地区，连续 15 年销量全球第一，年产规模超万台、产值超百亿元。公司是中国流动式起重机分标委会秘书处承担单位，获得 8 项国家级、省部级科技进步奖，拥有 470 项发明专利、2 项国际专利，参与制定 18 项国家标准，并获中国专利金奖，是行业内首家通过欧盟 CE 认证并具备进军国际高端市场潜力的国家一级企业。3.1.2 所属行业及特点 按照我国国民经济行业分类（GB/T 47542017）标准，徐州重型机械有限公司属于通用设备制造业大类（代码 34）、物料搬运设备制造中类（代码 343）、生产专用起重机制造小类（代码 3432）。行业特点：具有“多品种、小批量、定制化”的典型离散制造特点，产品构成复杂，由液压、电气、软件、重达几十吨的结构件等零部件组成；制造工艺流程复杂，包括下料、折弯、焊接、铸、锻、热处理、机加工、涂装、装配、调试、包装入库。“智能制造发展探索”系列丛书智能工厂（一）智能检测、数据采集、系统集成、物联网应用都降低了信息收集和追溯的成本，提高了追溯效率，使得产品全生命周期的信息追溯在民用装备的制造和服务过程成为可能，为制造与服务业态融合打下基础，也可为再制造产业的发展积累原始数据。5搭建起重机产品远程运维服务平台，开展产品远程诊断和预测性维护 通过远程运维服务平台，开展基于大数据驱动的故障预测、智能化设备健康管理。实时收集约 6 万台起重机产品运行工况信息，通过数据挖掘和分析可以有效支撑产品全生命周期监测，包含精准定位、实时监测设备工况信息、远程遥控和远程故障诊断等。为全球企业客户和个人客户提供统一的设备监控、设备分析、维保管理等。3.2 智能制造项目建设 3.2.1 项目背景 当前制造业处于自动化、信息化和智能化“三化”并存阶段，国内科研院所及企业在机械加工、焊接、装夹、校型、检测和智能物流等传统制造技术，以及单台先进装备的研制和生产线自动化技术研究方面取得很多技术成果，对这些技术成果加以优化和革新具有重大的经济效益。另外，三维仿真软件、传感技术、网络技术、数据与信息的采集技术、智能控制技术、MES 及 ERP 现代系统管理技术等单科信息技术，在产品设计、制造、服务管理等方面的应用已经非常成熟，但在工程机械行业的应用研究才刚刚起步。经过对工程机械起重机行业及相近行业的调研发现，多品种、小批量、离散制造的大型结构件生产过程仍以“手工焊接、盘架式作业、行车叉车转运”为主，过程中的设备数据、质量数据仍依靠人工记录、分析，在“制造+信息”技术、大数据分析技术等多学科技术融合方面没有可复制、可借鉴的成熟经验。3.2.2 实施路径 徐州重型机械有限公司注重智能制造总体规划和顶层设计，以“自上而下设计、自“智能制造发展探索”系列丛书智能工厂（一）起重机，是“三高一大”（高端、高技术含量、高附加值、大吨位）产品，技术水平达到了世界领先水平，但围绕着世界第一的追求，需要继续在产品可靠性方面突破。（2）市场国际化竞争需求：大吨位起重机、越野轮胎式起重机定位于欧美、日本等国际化市场，参与“一带一路”建设，国内外环境为工程机械行业快速发展创造了一个新的机遇期。（3）企业智能制造需求：提升高端轮式起重机生产制造能力，实现“多品种、小批量、定制化”智能制造，支撑国际市场快速交付、高可靠性交付要求，进入国际高端市场，是公司国际化战略定位发展的迫切需求。2）总体规划）总体规划 徐州重型机械有限公司智能工厂建设主要内容涵盖轮式起重机研发设计、生产制造和运维服务全过程。在研发设计环节，重点实施工厂与工艺建模仿真，建设 PDM 系统，实现数字化产品与工艺协同研发；在生产制造环节，重点建设数字化车间及智能生产线，配置 SCADA 系统、MES、APS 等，并实施各核心系统的集成，实现设备互联和系统互通；在运维服务环节，重点建设基于大数据驱动的远程运维服务平台，实现数据共享和业态互融。徐工重型智能制造蓝图如图 1 所示。图 1 徐工重型智能制造蓝图 “智能制造发展探索”系列丛书智能工厂（一）布局，保证智能工厂布局合理性。（2）智能工厂及车间的物流建模与仿真：应用计算机辅助技术和虚拟仿真技术，对工厂整体、物流仓储中心、智能生产线的运行情况进行物流仿真分析，根据仿真结果对物流系统进行优化调整，形成智能工厂物流系统优化方案。3）通过实施标准工序细化、自动化加工技术与在线检测技术研究，部署）通过实施标准工序细化、自动化加工技术与在线检测技术研究，部署 9 条智能化生产线，实现无人化、少人化制造条智能化生产线，实现无人化、少人化制造（1）建设结构件数字化车间：通过开展结构件焊接标准工序细化、焊接工序前移、结构件组件化拼焊等工艺研究，提升结构件自动化焊接率；开展结构件制造工艺流程及车间布局建模，直观可视化展示生产线生产过程，优化工艺布局；建设由转台结构智能制造生产线、车架结构智能拼焊生产线、伸臂结构智能制造单元 3 条智能生产线组成的结构件数字化车间，提升生产效率。（2）建设核心零部件数字化车间：通过开展关键机构件自动化焊接工艺、装配工序优化及在线检测工艺研究，提升产品质量；开展关键液压元件自动化加工、机器人自动输送、高效清洗等工艺研究，提升生产效率。开展核心零部件制造工艺流程及车间布局建模，优化工艺布局；建设由关键机构件柔性生产线、控制系统装配检测线、关键液压元件智能生产线 3 条智能生产线组成的核心零部件数字化车间，提升核心零部件质量。（3）建设整机装配检测数字化车间：通过开展底盘悬架系统、传动系统、操纵系统等分装系统工艺研究，提升装配生产效率；开展零部件、系统和整机性能检测系统研究，实现产品制造全流程质量在线检测和控制；开展装配与检测工艺流程及车间布局建模，建设由底盘装配检测生产线、整机装配检测生产线、性能检测单元 3 条智能生产线组成的整机装配检测数字化车间，提升产品可靠性。4）多源异构信息系统数据集成技术应用，实现全生命周期的端到端集成，突破产业链信息流优化瓶颈）多源异构信息系统数据集成技术应用，实现全生命周期的端到端集成，突破产业链信息流优化瓶颈 通过综合分析与研究异构数据集成体系结构、模式映射、模式冲突，集成内部各业务流程信息系统，贯穿研发、制造、销售、后市场全过程。同时，通过统一平台向上游供应链延伸，将信息系统与供应商信息系统进行对接，实现与上游供应链生产、物流、质量等信息的无缝对接。在集成多维度数据的同时优化业务流，实现产品全方位信息的综合管理与分析，促进产品全生命周期的全过程优化，同时拉动供应链在产品质量、制“智能制造发展探索”系列丛书智能工厂（一）表 1 考核指标及指标分解 序号 指标 实施成效 算法 1 装备联网率 95%SCADA 等控制层相连的装备台数/装备总台数 2 生产效率提升 38.3%提升 50.7%（实施前典型 S1 产品全工序总工时-实施后典型 S1 产品全工序总工时）/实施前典型 S1 产品全工序总工时100%3 运营成本降低 21.4%降低 25.6%（实施前典型 S1 产品制造运营成本-实施后典型 S1 产品制造运营成本）/实施前典型 S1 产品制造运营成本100%4 产品研制周期缩短32.6%缩短 40.5%（实施前典型 S1 产品研制周期-实施后典型 S1 产品研制周期）/实施前典型 S1 产品产品研制周期100%5 产品一次交验不合格率下降 下降 23.3%（实施前结构件一次交验不合格率-实施后结构件一次交验不合格率）/实施前结构件一次交验不合格率100%6 能源利用率提高 提高 12.8%（实施前万元产值综合能耗-实施后万元产值综合能耗）/实施前万元产值综合能耗100%3.3 经验复制推广 在轮式起重机智能工厂建设过程中以及建设完成后，徐工重型在智能工厂顶层设计、信息系统实施及系统集成、智能生产线的建设或改造升级等方面都积累了大量的宝贵经验，创造了离散型制造企业实施智能制造的新模式。这种经验和模式在行业内主机生产企业、零部件配套企业、上下游产业链企业乃至行业外离散型机械制造企业都得到了很好的推广应用，部分自主研发的智能制造装备已经被行业内其他企业模仿和复制。3.3.1 经验内部推广 1.离散型智能工厂顶层设计规划示范 通过轮式起重机智能工厂建设，徐州重型机械有限公司探索形成了以智能装备和生产线为基础，以 MES 和 SCADA 系统建设为突破口，以核心信息系统集成为主线，以大数据应用为驱动，以打造产品高可靠性为目标的智能工厂模型，采取自上而下设计、自下而上集成的实施策略，为离散型智能工厂顶层设计规划提供了良好示范。该模式已“智能制造发展探索”系列丛书智能工厂（一）生产及质量数据的采集、信息系统的实施应用、信息系统集成以及业务协同、跨企业的供应链协同、大数据研究应用等；实施智能制造要从“研、产、供、销、服”整个企业经营的全价值链进行推进，各个环节环环相扣、紧密结合；实施智能制造需要产品技术、制造技术、信息技术多学科交叉融合、融会贯通，一支专业化的人才队伍是资源保障；以企业为主体，研究院所、高等院校和各类供应商参与合作的“产学研用”联合体组织是动力源泉。2.信息透明化、可视化和实时化是贯穿智能制造推进过程的灵魂 智能制造推进过程中，将沉淀在各项业务底层的数据和信息挖掘出来，包括产品生产过程信息、质量信息、能源消耗信息等，各类信息通过过滤和集成，应用信息系统可视化手段展现出来，做到信息流与业务流的同步性、一致性，随着信息透明度的提升，将发现各项业务潜藏的各类问题，取得意想不到的实施效果。3.业务数字化是推进智能制造的核心手段，业务协同是推进智能制造的关键举措 数字化是各个信息系统实施的关键，也只有数字化才能使业务透明化。数字化是系统集成、业务融合的基础，数字化程度越高，业务的集成度就越高，业务的协同性就越好，智能制造的实施效果也越明显。业务协同由低到高分为三个层级：单项业务内部的协同、跨业务的协同、跨产业链的协同。协同层级越高，实施难度越大，获得的效益也越大。4.分步实施、持续迭代是推进智能制造的正确路径 智能制造工程建设是一场持久战，实施智能制造绝不是一蹴而就的，统筹规划、分步实施、持续推进才能最终取得效果。在智能制造推进过程中，不同的阶段对各个业务的要求、相适应的信息系统、应采用的技术