工业互联网平台+工业设备上云白皮书.pdf

赛迪研究院工业互联网系列白皮书之五赛迪研究院工业互联网系列白皮书之五 “工业互联网平台工业互联网平台+工业设备上云”工业设备上云”白皮书白皮书 编写单位：中国电子信息产业发展研究院编写单位：中国电子信息产业发展研究院 2021 年年 10 月月 1 对“工业互联网平台+工业设备上云”的认识 为什么？是什么？如何干？当前，全球新一轮科技革命和产业变革深入推进，工业互联网平台作为新一代信息技术与制造业深度融合的产物，正对工业发展产生全方位、深层次、革命性影响，支撑世界各国加快转变发展方式、优化产业结构、转换增长动力。工业互联网平台通过全面连接工业经济工业全要素、全产业链、全价值链，有利于全面构建新型工业生产制造和服务体系，赋能企业数字化、网络化、智能化转型升级。在此过程中，工业设备上云正作为牵引工业互联网平台发展的先导性应用，成为当前工业互联网平台建设的热点领域。党中央国务院高度重视工业设备上云，从 2017 年至今围绕推动工业设备上云已发布多项政策文件。特别是在2018 年 7 月工信部发布的工业互联网平台建设及推广指南（工信部信软2018126 号）中，明确提出要“实施工业设备上云领跑者计划”，确定了工业设备上云的四大重点工作领域，即以炼铁高炉、工业锅炉、石化设备为代表的高能耗设备，以柴油发动机、大中型电机、大型空压机为代表的高通用设备，以工程机械、数控机床为代表的高价值设备和以风电、光伏为表的新能源设备。2 图图 关于推动工业设备上云的政策体系关于推动工业设备上云的政策体系 在各级政府部门和各类企业主体的共同努力下，我国工业互联网平台和工业设备上云均取得了阶段性成效。据工信部统计，截至 2021 年 6 月份，国内已涌现出 100 余个重点工业互联网平台，连接设备数已超过 7000 万台，工业设备上云正稳步推进。随着工业互联网平台的普及推广，工业设备上云正逐渐进入实践深耕的阶段。为进一步统一社会共识，凝聚产业力量，共同提高工业设备上云水平，我们编写组成员共同起草了这本“工业互联网+工业设备上云”白皮书，旨在尝试阐明工业设备上云的总体定位、上云对象、技术要素、实施路径和趋势展望，增强制造业高质量发展动能。一、总体定位：工业设备上云是赋能产业生态转型升级的加速器 工业设备是工业企业的主要生产资料之一，广泛分布 3 在各个车间，负责原材料到成品的各项加工环节，其发展水平是衡量企业核心竞争能力与数字化转型阶段的重要指标。推动工业设备上云，将会进一步丰富工业互联网平台连接的工业要素，深度赋能用户企业、设备供应商、工业互联网平台运营商等多方主体，加速产业生态整体转型升级。图图 工业设备上云赋能产业生态转型升级工业设备上云赋能产业生态转型升级（一）对用户企业而言，工业设备上云可助力提质降（一）对用户企业而言，工业设备上云可助力提质降本增效本增效 目前，我国工业体系中的工业设备仍存在资源浪费、产能闲置、安全隐患等多种痛点问题。据相关行业协会初步测算，全国 50 万台燃煤锅炉煤炭消耗占全国 25%以上，200 万台数控机床设备负载率不足 40%。通过推动这些工业设备上云，并开展运行监测、能效优化等服务，预计可使燃煤锅炉能耗降低 3%，数控机床利用率提升 8%，带来直接经济效益可达数百亿元。由此可见，推动工业设备上云，4 可实现工业设备运行状态、运行环境等数据的云端汇聚，形成以数据驱动为特征的业务决策闭环，加速业务流程重组和生产方式优化，助力企业提质降本增效。（二）对设备供应商而言，工业设备上云可驱动商业（二）对设备供应商而言，工业设备上云可驱动商业模模式创新式创新 推动工业设备上云，可以为设备供应商提供设备全生命周期的数据，为供应商变革产品形态和服务模式提供重要数据支撑，驱动商业模式创新。一方面，创新以产品为一方面，创新以产品为中心的商业模式。中心的商业模式。工业设备在实际生产过程中产生的运行参数和维修记录等数据，可基于工业互联网平台反馈至供应商，辅助供应商进行预测性维护和反馈式创新等服务，优化设备运维效率和性能指标，最大化发挥设备的使用价值。另一方面，创新以服务为中心的商业模式。另一方面，创新以服务为中心的商业模式。工业设备上云数据可以在设备供应商、用户企业、金融机构等主体间充分流动，加速不同业务之间的互联互通、协作配合，驱动共享制造、设备融资租赁、供应链金融等新型服务模式加速涌现。（三）对平台运营商而言，工业设备上云可加速功能（三）对平台运营商而言，工业设备上云可加速功能体系优化体系优化 工业设备上云，可以为工业互联网平台运营商提供重要应用场景，在实践中检验技术水平和应用成效，全面加速平台功能体系优化。一方面，完善技术支撑体系。一方面，完善技术支撑体系。工业 5 设备上云是一项系统性工程，涉及数据采集、传输、汇聚、分析等多项技术的融合应用。推动工业设备上云，有利于进一步完善设备数据采集体系，突破协议解析、边缘智能等技术短板，巩固工业互联网平台技术支撑体系。另一方另一方面，完善推广应用体系。面，完善推广应用体系。工业设备上云可以为工业互联网平台提供海量、多元的一手数据，驱动工业技术、经验、技术、原理等工业知识软件化，加速工业机理模型沉淀和优化，培育状态监测、故障预警、远程运维等新型工业APP，提高工业互联网平台解决特定问题的能力。二、上云对象：高耗能设备、高通用设备、高价值设备、新能源设备 为贯彻落实工业互联网平台建设及推广指南（工信部信软2018126 号）中提出的“工业设备上云领跑者计划”，本白皮书重点聚焦高耗能设备、高通用设备、高价值设备和新能源设备这四类具有迫切上云需求、良好上云基础、巨大潜在效益、广阔应用空间的工业设备，探索梳理一套科学合理的工业设备上云解决方案。图图 工业设备上云“领跑者”计划工业设备上云“领跑者”计划 6（一）聚焦高耗能设备，加快实现节能降耗（一）聚焦高耗能设备，加快实现节能降耗 我国工业体系中的高耗能设备主要包括炼铁高炉、工业锅炉、石化设备等，面临的能耗高、污染高、效率低等痛点问题十分突出。通过推动高耗能设备上云，面向复杂应用环境开发易部署、高可靠、低成本的数据采集系统，基于平台开展设备状态监测、工况改善、故障诊断和远程运维等服务，提高设备能源利用效率、减少污染物排放。（二）聚焦高通用设备，加快实现精准运维（二）聚焦高通用设备，加快实现精准运维 高通用设备主要指柴油发动机、大中型电机和大型空压机等为企业生产提供动力输出的工业设备，在实际运行中存在能耗高、风险高、运维难等痛点问题。通过推动高通用设备上云，精准采集设备运行参数和环境参数，基于平台开展能效优化、运行监测、故障预警、预测性维护等服务，保障设备安全、可靠、稳定、高效运行。（三）聚焦高价值设备，加快实现效益提升（三）聚焦高价值设备，加快实现效益提升 高价值设备的类型主要有工程机械、数控机床等单体价值量较高的工业设备，当前主要面临管理维护粗放、产能利用不足、服务模式落后等问题。通过推动高价值设备上云，实现设备与设备、设备与环境、设备与服务之间的互联互通，基于平台开展设备资产管理、健康监测、运营优化、能力交易、安全操作等服务，加速培育网络化协同制造、供应链金融、设备融资租赁等新模式。7（四）聚焦新能源设备，加快实现高效发电（四）聚焦新能源设备，加快实现高效发电 新能源设备主要指风电、光伏等将清洁能源转换为电能的设备，在发电过程中存在弃电率高、消纳难、并网难等问题。通过推动新能源设备上云，全面、实时、准确采集发电设备运行数据和发电场环境数据，基于平台开展设备建模、功率预测、调度优化等服务，提高对风能、太阳能等能源利用效率，优化发电效率和并网效率，降低发电成本。本白皮书与各行业领先企业共同梳理了“四大类、十小类”重点工业设备上云的痛点问题、应用场景和解决方案服务商，如下表。表表 重点工业设备上云应用场景总览重点工业设备上云应用场景总览 设备 类型 重点设备 痛点问题 应用场景 高耗能设备 炼铁高炉 设备管理低效 环保管理粗放 工艺知识高度隐性 设备互联水平低 高炉故障诊断 高炉绿色生产 生产工艺优化 产线协同管控 工业锅炉 能效管理粗放 燃烧状态不透明 安全隐患高 水质波动大 锅炉能效管理 锅炉燃烧管控 锅炉健康管理 水处理优化 石油化工设备 设备能耗高 安全风险高 停机损失大 运维难度大 设备节能降耗 设备安全预警 设备预测维护 设备操作模拟 高通用设备 柴油发动机 产品研发周期长 设备服役工况复杂 设备故障率较高 智能研发 在线管理 预测性维护 8 设备 类型 重点设备 痛点问题 应用场景 大中型电机 设备利用效率低 设备维护成本高 设备安全风险大 设备能耗成本高 电机设备托管 电机状态监测 电机故障预警 电机智能运维 电机能效优化 大型空压机 运行监控及时性弱 设备能耗管理粗放 运营服务效率不高 产业协同有待提升 运维管控 设备节能优化 后服务市场运维 产业链协同 高价值设备 工程机械 设备故障情况多发 施工效率低 设备管理体系粗放 金融体系不完善 设备远程运维 智慧施工 在线管控 融资租赁 数控机床 设备运维成本较高 设备利用效率较低 生产管理即时性差 设备改造升级困难 健康管理 智能运维 刀具管理 生产能力共享 备件管理 新能源设备 风电设备 风电数据质量不一 设备运维成本高昂 风场综合管理困难 虚拟风场设计 设备预测维护 风场管理优化 光伏设备 设备运维效率低 能源利用率不稳定 运行监控困难 全景式监控 智能化分析 智能运维 可以看到，推动工业设备上云在我国具有广阔的应用空间和市场前景。但同时，我国工业设备上云仍面临巨大挑战，具体包括“一缺三难”的四大拦路虎。一是上云战一是上云战略思想缺共识。略思想缺共识。不同企业对工业设备上云的认识不统一，缺乏相应的战略部署和资源投入。二是海量设备数据难采二是海量设备数据难采集。集。工业设备结构复杂、工况多样，受限于传感器精度不高、边缘计算能力不足等因素，全面采集海量设备数据的难度较大。三是多元数据协议难解析。三是多元数据协议难解析。不同品牌、不同类型的工业设备数据格式、数据协议等差异巨大，尚不能实 9 现大范围的互联互通，制约着数据的规模效应和联动效应。四是复杂数据分四是复杂数据分析难处理。析难处理。工业设备数据类型杂、数量多，相关数据分析处理模型仍不成熟，应用效果有待进一步检验。三、技术要素：数据+模型+应用 工业设备上云涉及工业设备数据采集、传输、分析和应用等多个环节，可以概括为“数据+模型+应用”三大技术要素。这三大要素协同作用，共同激发企业创新生产方式和管理模式。图图 工业设备上云三大技术要素工业设备上云三大技术要素（一）数据：工业设备上云的“血液”（一）数据：工业设备上云的“血液”数据是工业设备上云的“血液”，携带有工业设备各类信息，贯穿所有技术层级和实施环节。综合运用智能传感、10 设备接入、协议解析、边缘计算等多种技术，精准感知设备运行状况，高效采集设备数据，并通过现场总线、工业以太网、工业无线等将其传输到云端，为进一步的分析处理提供重要数据基础。（二）模型：工业设备上云的“大脑”（二）模型：工业设备上云的“大脑”模型是工业设备上云的“大脑”，以采集的设备数据为基础，综合利用第一性原理模型和大数据算法模型，输出指导业务流程优化的决策。深度挖掘海量设备数据之间的因果关系和相关关系，推动工业技术、机理、工艺、经验等工业知识的模块化封装和软件化沉淀，保证设备状态监测、故障预警、智能运维等新型服务的科学性和合理性。（三）应用：工业设备上云的“四肢”（三）应用：工业设备上云的“四肢”应用是工业设备上云的“四肢”，切实解决工业设备领域的特定痛点问题，打通解决方案落地的“最后一公里”。基于数据的高效汇聚和模型的科学分析，有效支撑设备级、企业级、产业链级等不同层次的应用场景，实现信息、物料、资金等资源跨部门、跨企业、跨区域的自由流动，重塑价值创造机制，增强企业核心竞争能力。四、实施路径：基于 PDCA 的工业设备上云方法论 本白皮书基于“PDCA 理论”（计划执行检查处理）提出的工业设备上云实施路径，是一个循环往返、持续迭代、不断优化的过程，单个实施周期主要包括“整体 11 设计上云实施应用部署评估改进”等四个环节。图图 工业设备上云方法论工业设备上云方法论（一）整体设计（一）整体设计 在推动工业设备上云之前，要进行整体设计，具体包括系统评估、需求分析、方案制定和效益分析等重点工作，综合判断是否要开展工业设备上云。一是系统评估。对工业设备的痛点问题、上云基础、技术条件、人员素质进行全面的评估，明确设备上云的可行性和必要性。二是需求分析。从问题出发，清晰掌握工业设备在管理优化、高效维护、应用创新等方面对上云的重点需求，如状态实时监测、故障精准预警等。三是方案制定。协调人力、物料、资金、技术等资源要素，制定节奏合理、目标明确的上云实施方案。四是效益分析。面向工业设备上云构建效益评估模型，设立关键指标和评估步骤，准确评估设备上云的经济效益和社会效益。12（二）上云实施（二）上云实施 工业设备上云的具体实施过程，主要包括设备改造、数据采集、云端接入、应用开发和安全防护等五项工作。一是设备改造。将合适的智能传感器部署在重点工业设备边缘侧，并接入企业专用网络，实现工业设备各项数据的可感知、可传输。二是数据采集。明确工业设备数据采集的种类、格式和频率等要求，搭建覆盖多源设备、支持多种协议的数据采集体系。三是云端接入。根据工业设备上云对安全性、便捷性等方面的需求，确定使用私用云、公有云和混合云等不同类型的平台载体。四是应用开发。为企业员工提供完备的应用软件培训体系和开发环境，进一步丰富工业设备上云的应用场景。五是安全防护。完善工业设备上云安全排查机制和风险防范措施，有效保障数据端、控制端、网络端和设备端等领域的安全。（三）应用部署（三）应用部署 在具备工业设备上云简单功能的基础上，企业要加大面向设备、企业、产业链等特定应用场景的解决方案的开发力度，激发工业设备上云发挥更深层次的价值。一是设备级应用。基于单个工业设备上云数据，开发部署包括状态监测、故障诊断、预测预警、远程运维等在内的应用，提高工业设备的产能利用效率和维护效率。二是企业级应用。基于企业内部所有工业设备的上云数据，开发部署自 13 动排产、工序协同、质量追溯等在内的应用，降低生产成本、提高产品质量、提升经营水平。三是产业链级应用。基于不同企业之间工业设备数据的互联互通，开发部署供应链金融、共享制造等应用，提高产业链的协同性，实现产业链资源的优化配置。（四）评估改进（四）评估改进 在工业设备上云落地应用过程中，要积极开展监测、绩效评估和持续改进等工作，不断优化价值创造机制，塑造企业新型竞争能力。一是成效监测。基于工业设备上云采集的数据，开发各类来源可靠、动态更新的新型工业指数，有效反映重点设备、重点行业、重点区域的运行状况。二是绩效评估。根据整体设计阶段设置的效益评估模型，对工业设备上云的成效进行定期评估，持续挖掘潜在问题，形成待优化改进清单。三是持续改进。针对工业设备上云过程中存在的问题，精准迭代技术方案和运行模式，确保设备上云整体的功能全面和性能领先。五、趋势展望：工业设备上云生态加速完善（一）技术架构由中心型向边云协同转变（一）技术架构由中心型向边云协同转变 随着研发、设计、生产、服务等不同工业场景对数据需求的持续上升，以云计算中心为核心的传统云架构越来越难以满足广大工业设备上云的数据处理要求，越来越多的企业开始以边云协同架构支撑业务扩展。边云协同可将 14 云端智能计算能力快速延伸到设备边缘，满足工业场景的海量、实时、安全等数据处理需要。（二）核心引擎由单模型向混合模型转变（二）核心引擎由单模型向混合模型转变 在传统设备上云场景中，管理者熟练掌握工业设备的运行规律、故障特征等，能够以机理模型为核心对采集到的数据进行处理分析，支撑开展上云应用服务。随着工业数据分析精度要求的日益提升，对于部分复杂度高、关联度广的场景已难以建立明晰可用的机理模型。通过“机理模型+模型算法”的融合方式，有利于绕过内部机理建立初始参数与结果的内在映射，加快解决复杂工业场景的数据分析问题，创新开展工业设备上云服务。（三）应用类型由管理型向多元创新转变（三）应用类型由管理型向多元创新转变 数据作为新型生产要素，是构建企业决策闭环的重要原料，对技术、管理等其他要素具有鲜明的引领和带动作用。随着数据采集精度和广度的持续提升，企业持续完善已有机理模型，创新开展基于工业设备数据的上云应用，有利于推动服务从远程管控、预测式维护等设备管理型应用向产业链金融、共享制造等新模式新业态转换，加速制造企业服务化延伸，打造企业发展新动能。（四）安全体系由软件型向内部原生转变（四）安全体系由软件型向内部原生转变 近年来，随着传统工业设备上云规模持续扩大，网络爆破、隐私泄露、黑客勒索等工业信息安全事件时有发生。15 数据安全成为影响企业上云积极性的重要因素。云原生安全应用能够内嵌在云平台中，解决传统安全软件与用户云计算环境割裂的痛点，在开发流程早期尽早开展云上安全防护，通过自动化手段促进微服务的深化应用，加强企业的数据监控和问题响应能力，提升企业整体安全水平。本白皮书的编制受到了社会各界的广泛关注和大力支持，在此对 5 家部属事业单位和 42 家重点企业的配合表示特别感谢。由于时间有限，本白皮书仍有很多不足，请各位读者批评指正。16 白皮书编委会：（排名不分先后）中国电子信息产业发展研究院：姚磊、袁晓庆、宋颖昌、张朝、孙刚、牟华伟、李奕晨 中国信息通信研究院：赵紫东 国家工业信息安全发展研究中心：王庆瑜、江鸿震、袁兵 中国电子技术标准化研究院：贾超、安成 北京赛宝工业技术研究院有限公司：谢宽、王单、赵盛轩 中国工业互联网研究院：张皓翔、曹浩、李威 海尔卡奥斯物联生态科技有限公司：盛国军、吴秀璞、曲贵超 走向智能研究院：赵敏 北京智冶互联科技有限公司：赵宏博、李永杰、续飞飞 宝武装备智能科技有限公司：张君、庄继勇、王立辉、励军、王建宇、朱献忠、程本俊 上海宝信软件股份有限公司：王建新、冯华堂、吴毅平 鞍钢集团有限公司：张红军、赵庆涛、赵伟、王兴 和利时科技集团有限公司：李昱、李佳、钱华 北京东方国信科技股份有限公司：李航、常志刚、王昆 湖北三宁化工股份有限公司：杨文华、周鹏、薛家兵 上海锅炉厂有限公司：胡曦、孟洁扬、焦龙洋 中国石油化工股份有限公司镇海炼化分公司：金登峰、陈彬、周群 恒力石化（大连）炼化有限公司：余斌、熊雪立、路毅 山东京博石油化工有限公司：王耀伟、吴家安、付增洋 潍柴动力股份有限公司：孙希科、李红雨、傅永康 北京福田康明斯发动机有限公司：龚世华、李晋、毛易飞 上海电机系统节能工程技术研究中心有限公司：姚鹏、王辉、张帆 上海电科电机科技有限公司：周洪发、李光耀、王建辉 山东产研智能电机研究院有限公司：高玲、董松、文玉民 苏文电能科技股份有限公司：张金龙、徐茜亮、刘骏涛 树根互联股份有限有限公司：高远志、韩玉春 蘑菇物联技术（深圳）有限公司：沈国辉、李铭文、周爽 中国南方电网有限责任公司：章荣兵、汪振 中国船舶重工集团海装风电股份有限公司：黄卫民、王叶、张方红 上海电气风电集团：蒋勇、王权、申文 北京金风慧能技术有限公司：马辉、马华平、陈广耀 昆仑智汇数据科技(北京)有限公司：刘少波、蒋伟、马国 国网新能源云技术有限公司：谢祥颖、秦玉臣、葛乐矣 17 苏州腾晖光伏技术有限公司：钱洪强、宁洪斌 深圳益邦阳光有限公司：孟祥梯、万留美 江苏徐工信息技术股份有限公司：唐波、李继斌、王焕、黄凯 中联重科股份有限公司：周志忠、程楠、宦瑞坤 浙江陀曼精密机械有限公司：俞朝、赵传武、王军 美林数据技术股份有限公司：王璐、白朝旭 北京兰光创新科技有限公司：朱铎先、杜辉 沈阳机床(集团)有限责任公司：郭崇宇、李洪亮 东华软件股份公司：印耿、李建永、史英 中国大唐集团新能源科学技术研究院有限公司：吴春、冯强、王丽杰 中能融合智慧科技有限公司：张喜平、刘金鑫、赵泽锦 中国电信集团有限公司：冯炜、张东、李凯、陈国润、高志峰、杨丹、黎原甫 太极计算机股份有限公司：刘刚、梁雄伟、曹哲铭 江苏奥立信数字科技有限公司：焦提兵、吴凯、刘羿 远景能源有限公司：唐亮、陈新波、王心祥、吕俊杰 1 目 录 一、炼铁高炉上云解决方案.1（一）痛点问题（一）痛点问题.1 1.设备管理低效设备管理低效.1 2.环保管理粗放环保管理粗放.1 3.工艺知识高度隐性工艺知识高度隐性.1 4.设备互联水平低设备互联水平低.1（二）应用场景（二）应用场景.2 1.高炉故障诊断高炉故障诊断.2 2.高炉绿色生产高炉绿色生产.3 3.生产工艺优化生产工艺优化.3 4.产线协同管控产线协同管控.4（三）推广前景（三）推广前景.5 二、工业锅炉上云解决方案.6（一）痛点问题（一）痛点问题.6 1.能效管理粗放能效管理粗放.6 2.燃烧状态不透明燃烧状态不透明.6 3.安全隐患高安全隐患高.6 4.水质波动大水质波动大.7（二）应用场景（二）应用场景.7 1.锅炉能效管理锅炉能效管理.7 2 2.锅炉燃烧管控锅炉燃烧管控.8 3.锅炉健康管理锅炉健康管理.9 4.水处理优化水处理优化.10（三）推广前景（三）推广前景.11 三、石油化工设备上云解决方案.13（一）痛点问题（一）痛点问题.13 1.设备能耗高设备能耗高.13 2.安全风险高安全风险高.13 3.停机损失大停机损失大.13 4.运维难度大运维难度大.14（二）应用场景（二）应用场景.14 1.设备节能降耗设备节能降耗.14 2.设备安全预警设备安全预警.15 3.设备预测维护设备预测维护.16 4.设备操作模拟设备操作模拟.17（三）推广前景（三）推广前景.18 四、柴油发动机上云解决方案.19（一）痛点问题（一）痛点问题.19 1.产品研发周期长产品研发周期长.19 2.设备服役设备服役工况复杂工况复杂.19 3.设备故障率较高设备故障率较高.19（二）应用场景（二）应用场景.20 3 1.智能研发智能研发.20 2.在线管理在线管理.20 3.预测性维护预测性维护.21（三）推广前景（三）推广前景.22 五、大中型电机上云解决方案.23（一）痛点问题（一）痛点问题.23 1.设备利用效率低设备利用效率低.23 2.设备维护成本高设备维护成本高.23 3.设备安全风险大设备安全风险大.23 4.设备能耗成本高设备能耗成本高.24（二）应用场景（二）应用场景.24 1.电机设备托管电机设备托管.24 2.电机状态监测电机状态监测.25 3.电机故障预警电机故障预警.26 4.电机智能运维电机智能运维.26 5.电机能效优化电机能效优化.27（三）推广前景（三）推广前景.27 六、大型空压机上云解决方案.28（一）痛点问题（一）痛点问题.28 1.运行监控及时性弱运行监控及时性弱.28 2.设备能耗管理粗放设备能耗管理粗放.28 3.运营服务效率不高运营服务效率不高.28 4 4.产业协同有待提升产业协同有待提升.29（二）应用场景（二）应用场景.29 1.运维管控运维管控.29 2.设备节能优化设备节能优化.30 3.后服务市场运维后服务市场运维.30 4.产业链协同产业链协同.31（三）推广前景（三）推广前景.31 七、工程机械上云解决方案.33（一）痛点问题（一）痛点问题.33 1.设备故障情况多发设备故障情况多发.33 2.施工效率低施工效率低.33 3.设备管理体系粗放设备管理体系粗放.33 4.金融体系不完善金融体系不完善.34（二）应用场景（二）应用场景.34 1.设备远程运维设备远程运维.34 2.智慧施工智慧施工.35 3.在线管控在线管控.35 4.融资租赁融资租赁.36（三）推广前景（三）推广前景.37 八、数控机床上云解决方案.38（一）痛点问题（一）痛点问题.38 1.设备运维成本较高设备运维成本较高.38 5 2.设备利用效率较低设备利用效率较低.38 3.生产管理生产管理即时性差即时性差.39 4.设备改造升级困难设备改造升级困难.39（二）应用场景（二）应用场景.39 1.健康管理健康管理.39 2.智能运维智能运维.40 3.刀具管理刀具管理.40 4.生产能力共享生产能力共享.41 5.备件管理备件管理.41（三）推广前景（三）推广前景.42 九、风电设备上云解决方案.43（一）痛点问题（一）痛点问题.43 1.风电数据质量不一风电数据质量不一.43 2.设备运维成本高昂设备运维成本高昂.43 3.风场综合管理困难风场综合管理困难.43（二）应用场景（二）应用场景.44 1.虚拟风场设计虚拟风场设计.44 2.设备预测维护设备预测维护.44 3.风场管理优化风场管理优化.45（三）推广前景（三）推广前景.45 十、光伏设备上云解决方案.47（一）痛点问题（一）痛点问题.47 6 1.设备运维效率低设备运维效率低.47 2.能源利用率不稳定能源利用率不稳定.47 3.运行监控困难运行监控困难.47（二）应用场景（二）应用场景.47 1.全景式监控全景式监控.48 2.智能化分析智能化分析.48 3.智能运维智能运维.49（三）推广前景（三）推广前景.49 1 一、炼铁高炉上云解决方案（一）痛点问题（一）痛点问题 1.设备管理低效设备管理低效 钢铁企业通常部署炼铁高炉等众多高价值设备，数字化水平普遍较低，亟需增强自感知、自分析和自决策等功能。传统的高炉管理主要采取事后维护或定期维护，难以实时监测高炉等设备的温度、压力、流量等各种工况数据并准确识别设备故障，容易造成产线停滞和生产安全等重大问题。2.环保管理粗放环保管理粗放 钢铁行业是高耗能、高污染、高排放的代表性行业，在国家大力治理环境污染背景下，面临着环保成本急剧上升的压力。在传统模式下，企业采集、监测的炼铁产线设备能耗和排污情况，难以精准确定重点问题环节，清洁发展水平不高。3.工艺知识高度隐性工艺知识高度隐性 钢铁行业是典型的长流程行业，生产环节众多，工艺复杂，对工艺知识、经验的依赖程度很高。钢铁企业冶炼工艺、冶炼配方等决策只能依靠隐性生产经验，容易造成工人操作水平参差不齐和产品质量波动，对生产效率具有重要影响。4.设备互联水平低设备互联水平低 2 钢铁企业内部、上下游企业之间设备信息孤岛问题严重，互联互通水平较差，容易造成上下游企业间的信息盲区，使钢铁企业很难做出科学高效的采销决策，难以减少库存、提高产能利用率。（二）应用场景（二）应用场景 1.高炉故障诊断高炉故障诊断 推动炼铁高炉上云，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，实现设备健康管理。一是设备状一是设备状态监测。态监测。实时采集高炉设备工作温度、应力分布和工作环境等状态数据，并做可视化处理，增强设备状态监测的实时性和可靠性。二是设备故障预警。二是设备故障预警。综合利用采集的高炉设备状态数据，结合炼铁高炉故障诊断模型，对设备故障进行分析和预警，避免发生高炉烧穿、高炉爆炸等生产事故。三是炼铁设备维护仿真。三是炼铁设备维护仿真。精准确定设备故障位置和重要性，在赛博空间中仿真模拟维护方案，提高设备维护效率。例如，宝武集团面向钢铁行业设备远程运维建立了工业互联网平台，推动炼铁高炉等设备上云上平台，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 3 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 2000 万元以上。2.高炉绿色生产高炉绿色生产 推动炼铁高炉上云，可以实时监测能耗和排污情况，提高环保管理的精准性和科学性，实现清洁低碳的绿色化生产。一是节能降耗。一是节能降耗。采集高炉等炼铁产线设备能源消耗类型、速度、时间等数据，基于高炉能效优化模型，精准优化设备能源供给，降低能耗成本。二是治污减排。二是治污减排。动态采集炼铁高炉排放的废水、废气的总量、成分、时间等数据，结合各环节化学反应模型，深入分析问题环节，综合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。3.生产工艺优化生产工艺优化 推动炼铁高炉上云，可实时采集高炉工况数据，与工业互联网平台中的工业机理模型进行对接，优化生产决策，实现智能化生产。一是生产工艺优化。一是生产工艺优化。基于高炉状态、物料、产出等经验数据优化炼铁工艺模型，依托炼铁高炉实时数据，动态优化原料配比、装料制度等生产决策，优化生产工艺方案。二是生产过程管控。二是生产过程管控。采集炼铁过程中的物料检化验数据、操作工艺数据、运行状态等数据，结合过 4 程管控模型，实时优化生产过程，自主决策并控制高炉运行参数。三是产品质量管控。三是产品质量管控。利用机器视觉等技术，结合质量检测、质量管理等模型，对采集到的产品全过程质量数据进行深入分析，实现全流程产品质量跟踪及自动控制。例如，鞍钢股份积极推动炼铁高炉上云，通过引进业内先进技术，运用数字测温、三维激光雷达、热成像等技术对高炉炉缸、冷却壁及炉内等关键部位的数据进行实时在线监测，根据各高炉的设计、生产和操作特点，从热力学、炼铁学、冶金物理化学等机理层面开发高炉数字模型，实现高炉的高效稳定生产，建立了合理的管理标准，有效控制煤气流分布，减少异常工况情况，提高煤气利用率，降低炼铁成本 3 元/吨，目前已完成两座高炉的改造，正在逐步推广。4.产线协同管控产线协同管控 推动炼铁高炉上云，可实现全产业链中高炉设备的互联互通，汇聚产业链上下游信息，结合上游物料供给和下游需求情况，依据高炉生产状态，制定科学的物料采购与生产计划，在一定计划原料库存的情况，实现采购、生产与销售的协同，降低产线整体生产成本。一是产业链物料一是产业链物料流通协同。流通协同。采集炼铁高炉原材料消耗和铁水产出数据，结合智能排产模型自动生成生产计划，实现企业物料动态平衡。二是社会范围生产能力协同。二是社会范围生产能力协同。基于炼铁高炉上云推动 5 全产业链高炉运行数据集成共享，结合产订单共享、产能平衡等机理模型，动态匹配产品性能要求和钢厂的生产工艺水平，提高炼铁高炉设备利用率。（三）推广前景（三）推广前景 当前，我国钢铁行业有 1000 余座炼铁高炉，仅有 30%的高炉已接入云平台，能耗水平较高，环保压力日益增大，上云推广市场空间巨大。据工信部节能与综合利用司统计，2020 年我国钢铁行业能源消耗占全社会能源消耗总量超过13%，是迫切需要实现绿色低碳发展的重点行业。推动炼铁高炉上云，可实时采集设备工况数据，结合大数据、人工智能等新兴技术，开展高炉设备状态检测、故障预警、远程运维等智能服务，改善能耗水平和绿色生产水平。预计到 2025 年，炼铁高炉上云普及率将超过 45%，使设备平均能耗降低 2%，CO2排放量减少 1 千万吨以上。6 二、工业锅炉上云解决方案（一）痛点问题（一）痛点问题 1.能效管理粗放能效管理粗放 工业锅炉是工业生产中必不可少的热力能转换设备，也是典型的高耗能设备。我国工业锅炉的效率低下，实际运行热效率往往低于理想热效率，比国外先进水平低15%20%，造成每年多消耗的煤炭约为两亿吨。中国经济网数据显示，我国燃煤锅炉占全国工业锅炉总量的 80%以上，烟尘排放约占全国排放总量的 44.8%，二氧化碳排放量约占全国排放总量的 10%，二氧化硫排放量占全国排放总量的 36.7%。如，10t/h 以下燃煤工业锅炉大多没有配置有效除尘装置，基本没有脱硫脱硝设施，排放超标严重，偷排现象突出。2.燃烧状态不透明燃烧状态不透明 煤粉燃烧过程工艺复杂，控制参量多，自动化控制技术复杂，实际操作以人工操作为主，大多数煤粉工业锅炉尚未实现煤粉储供、煤粉仓安全保护、炉膛安全检测、负荷调节、在线吹灰控制的有机集成以及全自动运行。监控系统功能基本上处于本地集中运行监控，运行监控和生产管理之间及时通信网络尚未连通，生产管理系统无法及时了解热源厂实际生产情况。3.安全隐患高安全隐患高 7 工业锅炉是一种特种专业化设施设备，但是因为专业技术人员匮乏，缺乏对其性能与参数的专业性诊断，局部问题的存在很容易引发重大安全隐患。企业大多按照时间制定工业锅炉检修计划，而非按照工业锅炉的运行状态制定锅炉检修计划，这就直接加大了工业锅炉出现故障的几率，大大降低了可用性。4.水质波动大水质波动大 工业锅炉采用的天然水中由于含有镁、钙、氯等离子以及溶解氧，天然水进入锅炉中在高温、高压条件下发生化学反应，导致锅炉产生结垢、腐蚀以及汽水共腾等现象严重影响了锅炉的导热效率，增加了燃料的消耗，影响锅炉的水循环，甚至导致爆炸事故的发生，严重影响了锅炉的安全稳定运行。经中国科学院专家验证，当水垢厚度达到 3.0mm 时，锅炉燃料消耗增加 20%以上，我国工业锅炉大约有七十多万台，每年造成相当巨大的资源浪费。当前，我国锅炉水质合格率比较低，锅炉内受热结垢现象比较普遍，每年因水处理问题造成的锅炉事故数量正在逐年增加。（二）应用场景（二）应用场景 1.锅炉能效管理锅炉能效管理 工业锅炉的能效管理是企业成本控制的重要方面，利用云平台的工业机理模型和人工智能算法，对锅炉能耗的智能管理与优化，可有效降低企业成本。一是能效数据的一是能效数据的 8 采集。采集。实时采集排烟温度、炉膛出口氧量、燃烧器喷口风速、燃尽风挡板开度等影响锅炉热效率和氮氧化物排放量的关键数据。二是锅炉能效分析模型的构建。二是锅炉能效分析模型的构建。基于工业锅炉设备结构和热平衡模型，结合大数据算法和人工智能技术，构建工业锅炉能效分析模型，分析影响锅炉节能运行的排烟损失、不完全燃烧损失、散热损失、燃料与给水等关键因素，动态分析锅炉能耗水平。三是三是“感知感知管控管控再再感知感知再管控再管控”的良性循环。的良性循环。一旦系统判断某锅炉处于高耗能运行状态，便会自动发送报警信号，并直观准确地显示造成该状态的关键因素，管理人员可以及时调整优化节能方案，实现“感知管控再感知再管控”的良性循环。2.锅炉燃烧管控锅炉燃烧管控 锅炉燃烧管控对锅炉机组低负荷安全运行至关重要。影响锅炉燃烧效率的因素很多，包括风粉配合、一二次风配比、送引风配合、炉膛温度等，如何将它们进行综合调整和优化，达到最佳配比，是锅炉燃烧管控需要解决的问题。一是对制粉系统和燃烧系统的数据采集。一是对制粉系统和燃烧系统的数据采集。制粉系统的状态数据包括磨煤机出口压力、电流、料位、燃烧器风粉温度等；制粉系统的动作数据包括给煤机的给煤量，磨煤机冷热风、旁路风等阀门的开度大小，一次风机动叶调节阀位大小等。燃烧系统的状态数据包括主、再热蒸汽温度、压力，减温水流量，炉膛负压，锅炉氧量，排烟温度，排 9 烟含氧量，锅炉效率，NOx 含量等信息；燃烧系统的动作数据包括给水温度、流量，减温水流量，再热烟气挡板阀位，送、引风机执行器阀位，二次风执行器阀位等。二是二是锅炉炉内燃烧模型的构建。锅炉炉内燃烧模型的构建。基于传统热力学过程和化学反应等机理，结合大数据算法和人工智能技术，构建锅炉炉内燃烧模型。三是锅炉炉内燃烧模型的训练。三是锅炉炉内燃烧模型的训练。使用历史数据训练基于深度神经网络的锅炉燃烧模拟器，再进行深度学习，评价当前工况，既能模拟真实的燃烧过程，也可以用其探索燃烧控制优化问题中的状态及动作空间，弥补真实历史数据的不足，最终得到当前工况的锅炉优化控制方案，实现锅炉内着火迅速、燃烧完全，减少锅炉各项热损失，提高锅炉效率。3.锅炉健康管理锅炉健康管理 工业锅炉在长期运行中，其性能和健康状态不可避免的下降，如果不能及时发现其退化或异常，轻则造成设备失效或故障，重则造成财产损失和人员伤亡甚至环境破坏。一是锅炉安全预警。一是锅炉安全预警。采集工业锅炉的温度、压力、液位等关键安全数据，并结合检修数据，对工业锅炉运行状态进行实时动态监测。结合锅炉安全预警模型，一旦判定锅炉安全异常，立即以电话、短信等形式向锅炉管理员发出警示，指导处置。二是预测性维护。二是预测性维护。采集实时的锅炉工况、历史维修记