智能制造網(wǎng)APP
智能制造網(wǎng)手機站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號
智能控制
機器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
回放
品牌
其他品牌
一、智能工廠與數(shù)智利用率內(nèi)涵闡釋
1.1智能工廠
智能工廠包含“一個本體、三個維度”。工廠本體由設(shè)備層、控制層、車間層、工廠層和企業(yè)層構(gòu)成，目前整體架構(gòu)已趨于扁平化與云化，基于云原生的技術(shù)架構(gòu)逐漸成熟。三個維度：一是工廠全生命周期維度，包括工廠設(shè)計、建造、交付、運營維護、退役與回收等階段；二是產(chǎn)品全生命周期維度，涵蓋產(chǎn)品研發(fā)設(shè)計、工藝設(shè)計、采購、生產(chǎn)制造、銷售、服務(wù)、廢棄與回收等環(huán)節(jié)；三是生態(tài)維度，涉及供應鏈、產(chǎn)業(yè)鏈與價值鏈。
本體是基礎(chǔ)，其作用的發(fā)揮離不開每一個維度。本體的建設(shè)水平由工廠全生命周期管理能力決定，而本體的運營水平則取決于產(chǎn)品全生命周期能力與工廠的生態(tài)能力。當然，每一個維度的有效運作也依賴于本體的支撐，各維度之間相互關(guān)聯(lián)。
工廠的建設(shè)水平?jīng)Q定了工廠的運營效率、生產(chǎn)柔性、生產(chǎn)安全、節(jié)能環(huán)保、數(shù)智化等基礎(chǔ)能力。工廠的運營水平?jīng)Q定了工廠的產(chǎn)品全生命周期水平。工廠的生態(tài)水平則影響其在供應鏈、產(chǎn)業(yè)鏈和價值鏈中的適應能力與創(chuàng)新能力。
1.2數(shù)智利用率
“一個本體、三個維度”的底層支撐要素包括人、財、物與數(shù)據(jù)。數(shù)據(jù)作為新型生產(chǎn)要素，其價值實現(xiàn)依賴于數(shù)據(jù)集成應用水平。工廠數(shù)據(jù)的集成應用水平取決于工廠的數(shù)智利用率，數(shù)智利用率決定了工廠的智能化程度。
這里所說的數(shù)智利用率并非單一指標，它是由數(shù)據(jù)利用率和AI利用率共同構(gòu)成。數(shù)據(jù)利用率指的是智能工廠中數(shù)據(jù)的有效使用程度，其基礎(chǔ)在于有效數(shù)據(jù)采集、數(shù)據(jù)治理與數(shù)據(jù)管道自動化水平，核心意義在于優(yōu)化資源投入產(chǎn)出比，避免“數(shù)據(jù)囤積”，強調(diào)數(shù)據(jù)在業(yè)務(wù)場景中的實際效用。AI利用率則體現(xiàn)智能工廠中AI的價值應用程度，關(guān)注系統(tǒng)如何高效、體系化地運用AI創(chuàng)造價值。
二、數(shù)據(jù)驅(qū)動能力決定數(shù)據(jù)利用率
工廠每天都會產(chǎn)生和采集大量的數(shù)據(jù)，覆蓋市場趨勢、客戶需求、產(chǎn)品銷售、研發(fā)、制造、運營等“一個本體、三個維度”的各個方面。然而，原始數(shù)據(jù)往往雜亂無序，難以直接提取有效信息。數(shù)據(jù)治理水平與數(shù)據(jù)管道自動化能力是提升數(shù)據(jù)利用率的基礎(chǔ)，而數(shù)據(jù)利用率本質(zhì)上由數(shù)據(jù)驅(qū)動能力決定。數(shù)據(jù)驅(qū)動能力是面向優(yōu)化決策，通過數(shù)據(jù)分析支撐業(yè)務(wù)目標達成的能力。
從數(shù)據(jù)驅(qū)動能力的成效來看，主要體現(xiàn)在工廠可視化程度和透明化程度。通過可視化掌握工廠運行狀態(tài)，有利于發(fā)現(xiàn)問題；通過透明化揭示問題根源，有利于解決問題。數(shù)據(jù)的可視化和透明化水平?jīng)Q定了數(shù)據(jù)價值的發(fā)揮程度。
可視化是數(shù)據(jù)價值實現(xiàn)的基本形態(tài)，其重點在于呈現(xiàn)關(guān)鍵指標、量化業(yè)務(wù)邏輯、洞察業(yè)務(wù)痛點，進而支撐流程優(yōu)化和業(yè)務(wù)決策。數(shù)據(jù)可視化的深層目標是構(gòu)建企業(yè)級數(shù)據(jù)分析體系，釋放和提升基于業(yè)務(wù)場景的數(shù)據(jù)價值。例如，某機械制造企業(yè)通過部署可視化平臺，使異常問題發(fā)現(xiàn)效率提升了50%。
目前透明化主要基于機理模型分析，但在許多場景下仍只能基于大數(shù)據(jù)分析，存在透明度不足的問題。基于機理的白盒模型和基于大數(shù)據(jù)的黑盒模型融合形成灰盒模型，因其兼具白盒模型的內(nèi)部可解釋性和黑盒模型的內(nèi)部不可解釋性而具有獨特優(yōu)勢。該模型在解決部分已知、部分未知的問題時表現(xiàn)出色，既保留了白盒模型的透明度，又繼承了黑盒模型的簡潔高效性，提供了一種靈活、可解釋且可復制的解決方案。例如，某工程機械企業(yè)引入灰盒模型后，設(shè)備故障根因分析準確率從65%提升至92%，有效解決了“知其然不知其所以然”的困境。
三、數(shù)據(jù)智能能力決定AI利用率
隨著AI技術(shù)的發(fā)展，通過數(shù)據(jù)治理與質(zhì)量提升、大小模型協(xié)同訓練以及AI與知識圖譜、向量庫的組合應用，實現(xiàn)了三個關(guān)鍵突破：從原始數(shù)據(jù)中提煉知識、將碎片化知識系統(tǒng)化、隱性知識顯性化，進而實現(xiàn)機器推理與新知識的自主涌現(xiàn)。這一技術(shù)演進從根本上解決了知識在生成、流通與應用環(huán)節(jié)中的低效問題，極大提升了數(shù)據(jù)應用水平，推動數(shù)據(jù)驅(qū)動邁向數(shù)據(jù)智能，最終實現(xiàn)數(shù)據(jù)作為關(guān)鍵生產(chǎn)要素與人工智能作為新型生產(chǎn)力的價值釋放。
數(shù)據(jù)智能能力的高低直接決定了AI在工廠中的實際應用效能。該能力在工廠中具體表現(xiàn)為兩個方面：一是支撐AI發(fā)展的數(shù)據(jù)基礎(chǔ)，包括數(shù)據(jù)規(guī)模、數(shù)據(jù)豐富度、數(shù)據(jù)質(zhì)量與知識密度；二是深度協(xié)同共生的多模態(tài)大模型和智能體的應用廣度和深度。
大模型為智能體提供認知和理解能力，而智能體通過系統(tǒng)化架構(gòu)將這些能力轉(zhuǎn)化為實際業(yè)務(wù)價值?；诠S業(yè)務(wù)特點設(shè)計的智能體系統(tǒng)化架構(gòu)將直接影響智能體的應用效能，進而制約數(shù)據(jù)智能能力的提升。具體表現(xiàn)在兩個維度：
一是AI與工業(yè)場景的融合深度。如AI與ERP、PLM、APS、MES、SCADA等工業(yè)軟件的融合，是“外掛式調(diào)用”(如AI工具獨立于MES等系統(tǒng)運行，需人工完成閉環(huán))，還是“平臺內(nèi)嵌”(AI模塊集成于ERP、APS等系統(tǒng)，實現(xiàn)智能增強和數(shù)據(jù)自動流轉(zhuǎn))，或是到了“AI原生重構(gòu)”(以AI為核心重新構(gòu)建工業(yè)軟件)。
二是AI與人員的協(xié)作深度。是“人機交互”(如人工通過終端查詢AI分析結(jié)果)，還是“人機協(xié)作”(如人工驅(qū)動AI調(diào)整生產(chǎn)管理策略，AI協(xié)助人工進行管理決策)，或是到了“人機共生”(如人工聚焦創(chuàng)新和決策，AI作用于實現(xiàn)和完成)。
四、智能工廠預測應用與自適應系統(tǒng)構(gòu)建
數(shù)據(jù)智能能力的成效最終體現(xiàn)在工廠的預測水平與自適應程度兩個維度。通過預測能預知工廠的各種情況，有利于提前應對；預測水平的高低，主要表現(xiàn)在預測的準確性、及時性和預測應用廣度。通過自適應能根據(jù)需求和環(huán)境變化情況自動調(diào)整制造系統(tǒng)；自適應程度的高低，主要表現(xiàn)在自適應的精準度、實時性與應用廣度。
4.1智能工廠典型預測應用
未來智能工廠的預測將覆蓋工廠的方方面面。目前最具代表性的兩大預測應用是設(shè)備預測性維護與用戶需求預測。
設(shè)備預測性維護：通過傳感器采集振動、溫度、壓力、電流等實時數(shù)據(jù)，對原始數(shù)據(jù)進行深度挖掘，提取時域、頻域、時頻域等能夠反映設(shè)備運行狀態(tài)的關(guān)鍵特征，基于退化趨勢預測剩余使用壽命，并結(jié)合業(yè)務(wù)規(guī)則制定預警策略。AI在該流程中已成為不可或缺的一環(huán)，眾多裝備密集型工廠已構(gòu)建起“設(shè)備智能大腦”。例如，某風電企業(yè)通過傳感器數(shù)據(jù)與AI模型預測設(shè)備剩余使用壽命，成功將非計劃停機時間降低60%。
用戶需求預測：作為客戶需求、市場趨勢與企業(yè)供應鏈能力等多重因素綜合博弈的結(jié)果，AI預測模型可基于歷史數(shù)據(jù)與實時需求動態(tài)調(diào)整決策，實現(xiàn)智能推薦、精準開發(fā)和及時生產(chǎn)，從而提升工廠效益與響應精度。例如，某快消品企業(yè)通過AI分析歷史銷售與市場數(shù)據(jù)，將需求預測準確率提升至88%，庫存周轉(zhuǎn)率提高35%。
4.2智能工廠自適應系統(tǒng)構(gòu)建
未來智能工廠一定是高度自動化、高柔性、人機共生，且能夠主動適應產(chǎn)品與環(huán)境變化的自適應系統(tǒng)?；?ldquo;一個本體、三個維度”的數(shù)據(jù)驅(qū)動與數(shù)據(jù)智能能力最終決定工廠的整體自適應水平。工廠自適應主要包括：工廠本體自適應、工廠全生命周期自適應、產(chǎn)品全生命周期自適應與生態(tài)自適應。
工廠本體自適應：最初是裝備的自主調(diào)控，然后是產(chǎn)線的自主調(diào)控，再到車間，最終實現(xiàn)工廠的自適應。
工廠全生命周期自適應：在數(shù)據(jù)智能驅(qū)動下，實現(xiàn)覆蓋工廠設(shè)計、建造、交付、運營維護、退役與回收等全環(huán)節(jié)的持續(xù)優(yōu)化與進化。適應環(huán)境、市場與產(chǎn)品的變化，支撐智能工廠在多變的外部條件下持續(xù)實現(xiàn)自我調(diào)整，體現(xiàn)全生命周期的韌性與進化能力。能夠快速適應產(chǎn)品制造需求的變化，實現(xiàn)工廠的持續(xù)創(chuàng)新。
產(chǎn)品全生命周期自適應：在數(shù)據(jù)智能的支撐下，實現(xiàn)從銷售、設(shè)計、供應鏈、生產(chǎn)、物流、交付到服務(wù)的智能優(yōu)化閉環(huán)。能夠適應市場需求變化，實現(xiàn)產(chǎn)品的持續(xù)創(chuàng)新。
生態(tài)自適應：打通供應鏈、產(chǎn)業(yè)鏈、價值鏈、政府等外部數(shù)據(jù)源，建立起跨工廠、跨行業(yè)、跨領(lǐng)域的數(shù)據(jù)生態(tài)，結(jié)合工廠內(nèi)部數(shù)據(jù)，形成“全局視野”，發(fā)現(xiàn)隱藏的相關(guān)性和新洞察，推動跨界創(chuàng)新，構(gòu)建起更立體的制造決策體系。
五、結(jié)語：數(shù)智利用率決定未來智能工廠競爭力
綜上所述，數(shù)據(jù)利用率由數(shù)據(jù)驅(qū)動能力決定，AI利用率由數(shù)據(jù)智能能力決定；數(shù)據(jù)驅(qū)動決策、智能重構(gòu)流程。從工廠的發(fā)展趨勢看，數(shù)智利用率即工廠的數(shù)據(jù)驅(qū)動深度與數(shù)據(jù)智能進階速度，已成為區(qū)分其競爭力高低的核心標尺。未來，唯有持續(xù)提升數(shù)智利用率，才能在效率、柔性、創(chuàng)新等維度構(gòu)建不可替代的優(yōu)勢，成為制造業(yè)轉(zhuǎn)型的領(lǐng)航者。
朱愷真1、陳磊2、關(guān)俊濤2、張新生2
(1國機數(shù)字科技有限公司，江蘇 南京 210018
2國機工業(yè)互聯(lián)網(wǎng)研究院有限公司，河南 鄭州 450001)
原標題：智造洞見專欄 | 朱愷真等專家：數(shù)智利用率——未來智能工廠競爭力的核心決定因素
浙公網(wǎng)安備 33010602000006號
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號
