施耐德：2023绿色智能制造技术融合创新报告-技术融合创新打造未来工业（57页）.pdf

《施耐德：2023绿色智能制造技术融合创新报告-技术融合创新打造未来工业（57页）.pdf》由会员分享，可在线阅读，更多相关《施耐德：2023绿色智能制造技术融合创新报告-技术融合创新打造未来工业（57页）.pdf（57页珍藏版）》请在三个皮匠报告上搜索。

1、绿色智能制造技术融合创新专家委员会技术融合创新打造未来工业绿色智能制造技术融合创新报告关键词：技术融合 顶层规划 碳中和 智能制造 应用场景 生态合作前言中国制造2025时间节点临近，回顾这10年时间，中国工业增加值增幅将近一倍，以光伏、风电等为代表的新能源产业做到了全球规模前列。但是，目前在关键核心技术、产业基础等方面依旧存在短板。同时，叠加中国“3060”双碳目标承诺，国家对中国制造迈向中国创造的步伐速度提出新的要求以及对可持续发展理念愈发重视。本报告重点分析在碳中和背景下，工业制造智能技术融合、应用场景落地和服务商生态化合作的现状与未来趋势。绿色智能制造将由顶层规划自上而下驱动，对信息技

2、术(IT)、运营技术(OT)、通信技术(CT)、数字技术(DT)、能源技术(ET)进行融合，整合供应链资源构建生态合作体系，绿色智能制造解决方案将满足更多场景需求，从而创建智能化且可持续的未来工业！2序言李毅锴工业和信息化部国际经济技术合作中心副主任当前国际形势错综复杂，世界经济增长动能有所减弱，国内经济运行面临新的不稳定不确定因素，困难挑战依然很大，但是我国经济长期向好的基本面没有改变。我国经济社会发展正处于重要战略机遇期，在新时代全面建设社会主义现代化国家的新征程上，实现工业高质量发展显得尤为重要。党的二十大报告提出要“推动制造业高端化、智能化、绿色化发展”，积极引导企业智能化绿色化转型，

3、探索形成新的产业生态体系，有助于提升我国工业整体发展质量。在全球工业智能化绿色化转型的大趋势下，立足绿色智能制造应用场景，编制发布绿色智能制造技术融合创新报告，总结典型技术融合场景方案和相关科创企业生态圈构建思路，形成企业转型升级“路线图”，有利于激发企业的创新活力，打造形成绿色智能共赢的生态圈，进而助力企业的高质量发展。李瑞施耐德电气高级副总裁、战略联盟创新投资中国区负责人创新是驱动经济社会持续增长的必由之路。全球范围内，创新已成为国家、企业占据科技制高点的重要手段；在中国，二十大报告指出，科技是第一生产力、创新是第一动力。数字化、低碳化正在塑造全新的产业面貌，创新越来越成为企业发展的核心竞

4、争力。明晰创新环境，优化创新模式，促进创新落地，推动创新演进，是每个创新主体、每位决策者需深入思考、躬身实践的必答命题。当下，全球新一轮科技革命和产业变革深入发展，新技术与先进制造技术加速融合，制造业正处于迈向高端化、智能化、绿色化发展的历史机遇中。面对企业发展阶段各异、意识不统一、改造环节多、工业基础与技术支撑不足、外部形势多变等困境，“技术融合创新”正是题解。同时，由于技术与专业领域的多样性，企业需要引进更多合作伙伴，构建共赢的创新生态圈。作为全球能源管理与自动化领域的数字化转型专家，施耐德电气将创新融入基因，从硬件创新到软硬件一体化，从自主创新到联合创新，都建立了扎实的创新能力、形成了完

5、善的创新机制。顺应逾30万的制造业企业并行的数字化和低碳化双转型需求，绿色智能制造将成为未来最具潜力的蓝海市场之一。在这一背景下，施耐德电气“绿色智能制造创赢计划”融合创新技术专家委员会汇聚了产、学、研，用多方智慧，联合发布绿色智能制造技术融合创新报告，从绿色智能制造概念、技术背景、行业场景、生态角色及未来展望等角度渐进深入，力图勾画制造业技术融合创新全景，以期为绿色智能制造创新生态和发展布局提供必要的、有效的理论支撑和实践参考，为实现开放、高效、韧性、可持续和以人为本的未来工业贡献力量。聚力生态 融合创新蓝图正展开3倪殿令亚马逊云科技大中华区创新成长企业及合作伙伴生态系统事业部总经理序言融合

6、共生 智造创赢全球制造企业数字化转型的浪潮正在推动世界走向“连接无处不在，智能无处不在”。人工智能、边缘计算、5G将成为推动企业数字化转型的技术核心。到2025年，超过75%的数据将在边缘侧处理，以“智能移动到边缘”为核心发展方向，边缘计算满足实时人工智能推理、数据安全和隐私保护要求，成为数字化转型的关键要素。同时高效技术的引入将提升产品制造各环节的效率，对环境的影响减少到更小，资源利用率提升至更高，使企业经济效益和社会效益协同优化。随着IT信息技术在制造业的探索和发展，利用IT信息技术推动制造业的研发、生产、管理等环节的变革将成为突破点。作为信息技术的一部分，边缘侧的新应用程序、服务和计算任

7、务需要全新的体系结构支撑，从而解决数字化转型中来自技术、产品和组织复杂性的挑战。同时，IT、OT乃至CT的深度融合和协作也是业内探讨热点，现阶段是否适合数字化转型、转型时又会遇到哪些问题等“黑匣子”问题仍需长期讨论。绿色智能制造技术融合创新报告为这些问题提供了解题思路，它将激发智能技术与制造业深度融合产生的创新活力和无限可能。邹鹏程中科创达执行总裁在数字化时代，所有的企业都将是数据驱动型企业。制造业企业已经意识到自身拥有丰富的数据，而这些数据是实现智能制造的关键推动因素。来自设计团队、工厂车间、生产成品和用户行为的数据可以帮助优化生产运营，提升交付给客户的产品品质，并为设计和工程团队提供反馈以

8、创造更好的产品。这些来自每个环节的数据将产生积极的飞轮效应，持续优化包括工业设计，制造流程，供应链管理、产品交付和客户连接等环节在内的制造业企业全生命周期运营。在全球范围内，我们已看到多家制造业领先企业基于亚马逊云科技的云计算、大数据、工业互联网、人工智能等新兴技术，以及Amazon Monitron（机器远程监控）,Amazon Lookout for Equipment（预测性维护)等工业解决方案，充分发挥数据价值，并成功应用在包括工业数据湖，云上数据工程及设计，互联工厂，工业视觉检测，供应链控制塔和智能互联设备，应用创新和现代化等诸多场景，实现互联互通、自动智能及个性化服务，帮助企业实现

9、降本增效，加速数字化转型与创新。中国正从制造业大国走向制造业强国，在“碳达峰，碳中和”、“中国智能制造2025”等强有力的政策引导之下，“绿色制造”和“智能制造”已经成为中国制造业转型与创新的两大主旋律，其中孕育着巨大的潜在机会。亚马逊云科技将依托广泛而深入的云服务以及服务全球工业客户的丰富经验和最佳实践，愿携手深耕制造业的合作伙伴，共同打造针对不同行业、应用场景的节能、减排、提质、增效的云端综合解决方案，为中国绿色智能制造的发展贡献一份力量。4CONTENTS目录绿色智能制造概念与发展背景1.1 绿色智能制造概念1.2 绿色智能制造发展背景分析01.2.1 绿色智能制造技术成熟路径与中外差异

10、2.2 绿色智能制造5T技术2.3 5T技术融合创新总结2.4 5T技术融合创新未来趋势绿色智能制造技术发展与融合02.4.1 绿色智能制造场景生态部署逻辑4.2 绿色场景方案解决服务商4.3 绿色智能制造生态伙伴评价模型分析绿色智能制造生态角色分析04.5.1 绿色智能制造发展机遇与挑战5.2 绿色智能制造发展展望绿色智能制造发展展望与建议05.3.1 绿色智能制造发展象限图3.2 流程行业（电子元件、钢铁冶炼）3.3 混合行业（石油化工、医药制造）3.4 离散行业（专用设备、食品饮料）3.5 绿色智能制造技术与场景分析象限图3.6 应用场景商业化潜力分析绿色智能制造行业场景研究03.5绿色

11、智能制造概念与发展背景01.61.1 绿智能制造概念绿智能制造是以可持续发展理念为指导，将物联、云计算等IT技术和动化、精益产、能效管理等先进OT技术相融合，并与通信技术、数字技术、能源技术协同应于制造业的整个流程。产业智能化由传统制造业体系向智能制造体系转变，传统制造业垂直流程、生产效率低效，环节之间无互动，而智能制造体系从生产、销售、物流、运维、设计规划到采购形成闭环，各环节之间高效协同，达到自感知、自决策、自执行的完善系统。1.1.1 产业智能化产业绿色化即绿色制造体系，由绿色产品设计、绿色供应链、绿色工厂、绿色园区组成。绿园区是基于绿基础设施的集成平台，综合能源资源一体化解决，能源资源

12、利用效率的大幅提升；绿色工厂的特色是用地集约化、生产洁净化、废物资源化、能源低碳化，实现资源能源及污染物动态监控和管理；绿色供应链是以绿色供应标准进行采购、运输、销售及回收等；绿色产品设计即按照绿色全生命周期设计，引导绿色生产的流程体系。1.1.2 产业绿色化绿色制造体系产业绿色化按照绿色全生命周期设计，引导绿色生产绿色供应链绿色产品设计绿色产品设计采购生产销售运维回收处理以绿色供应标准进行采购、运输、销售及回收等用地集约化、生产洁净化、废物资源化、能源低碳化实现资源能源及污染物动态监控和管理绿色理念及基础设施的集成平台，园区综合能源资源一体化解决，提升能源资源利用效率绿色园区绿色工厂来源：施

13、耐德电气绿色智能制造白皮书、亿欧智库第一章：绿色智能制造概念与发展背景产业智能化智能制造体系 垂直流程、低效、无互动终极愿景自感知自决策自执行传统制造业体系消费者洞察产品研发采购生产制造上市营销设计规划阶段采购阶段销售阶段生产阶段运维阶段物流阶段71.1.3 绿色智能制造六大理念第一理念为智能化，也是其精神内核，内容是实现各项使能技术以及软硬件解决方案之间的融合和协作，提升企业端到端的管理与决策水平。第二理念为软件化，是工业经验的载体，软件使制造过程在虚拟世界实现快速迭代，并不断优化物理世界的运行，帮助企业实施绿色智能制造。第三理念为可持续化，是绿色智能制造的价值主张，需做到厂房集约化、原料无

14、害化、生产洁净化、废物资源化、能源低碳化等目标。第四理念为渐进化，也是量身定制，判断企业工业发展阶段，梳理业务需求，从顶层设计和评估切实可行的绿色智能制造的转型最优路径。第五理念为数据信息安全化，企业需要构建数据安全体系。第六概念为人身与资产安全化，保证企业进行正常生产制造中工作人员与企业资产的完整性。绿色智能制造六大理念Smart各项使能技术以及软硬件解决方案之间的融合和协作，提升企业端到端的管理与决策水平智能化：精神内核Stepwise判断企业工业发展阶段，梳理业务需求，从顶层设计和评估切实可行的绿色智能制造的转型最优路径渐进化：量身定制 Sustainable厂房集约化、原料无害化、生产

15、洁净化、废物资源化、能源低碳化等目标可持续化：价值主张Security企业需要构建数据安全体系及满足合规要求安全化：数据安全、信息安全Safety工业生产中保证人身安全、资产安全安全化：人身安全、资产安全软件使制造过程在虚拟世界实现快速迭代，并不断优化物理世界的运行，帮助企业实施绿色智能制造软件化：工业经验载体 Software第一章：绿色智能制造概念与发展背景8注1：工信部“十四五”工业绿色发展规划 注2：国务院中国制造2025注3：工信部“十四五”智能制造发展规划1.2 绿色智能制造发展背景分析作为制造强国建设的主攻方向，制造业的发展水平关乎我国未来制造业的全球地位。发展智能制造，对于加快

16、发展现代产业体系，巩固壮大实体经济根基，构建新发展格局，建设数字中国具有重要意义。全球新一轮科技革命和产业变革深入发展，新技术不断突破并与先进制造技术加速融合，为制造业高端化、智能化、绿色化发展提供了历史机遇。我国要求在2025年达到数字化、2030年达到碳达峰、2035年达到智能化、2060年达到碳中和。在产业的导向方面，要求对有色金属、石油化工、钢铁等重点行业强化环保、能耗、水耗等要素约束，能效水平对标行业能耗限额先进值或国际先进水平；扶持新能源车、新材料、高端装备等能源资源消耗低、附加值高的战略性新兴产业融合，并进行生态化集群发展。具体的扶持表现在对绿色工厂、绿色园区为代表的绿色基础设施

17、进行经济补贴。1.2.1 政策方面 中国绿色投融资分布以绿色贷款为主，占比85%，绿色债券占比10%，保险资金、信托占比约5%；绿色贷款余额自2020年以来持续走高，年均增长约为28%；绿色贷款的主要投向为基础设施的绿色升级，占据约40%的贷款总量，清洁能源与节能环保分别占据30%左右；在智能制造方面，受到疫情的冲击及经济周期的震荡，2022年上半年智能制造领域融资金额约为119亿元。1.2.2 经济方面第一章：绿色智能制造概念与发展背景政策产业导向绿色制造战新产业融合化政策重点内容全生命周期绿色化生产过程绿色化绿色设计绿色工厂绿色理念集成平台绿色园区绿色制造企业的协调与协作绿色供应链推动能源

18、资源消耗低、附加值高的战新产业融合，并进行生态化集群发展主要目标绿色目标：3060碳中和目标智能目标：2025数字化、2035智能化（规上企业）传统制造产业绿色智能化强化环保、能耗、水耗等要素约束，能效水平对标行业能耗限额先进值或国际先进水平有色金属钢铁纺织石油化工机械装备食品饮料重点产业新能源新能源车高端装备新材料生物医药电子器件重点产业政策具体扶持内容综合79个省级、一线城市绿色制造政策分析，绿色工厂、绿色园区为政策重点扶持环节扶持金额30万至60万代表性地区北京市、上海市、浙江省、江苏省、广东省、福建省9中国绿色产业潜力较大，弯道超车优势明显；以中美光伏装机容量为例，根据2015-202

19、0年中美新增光伏装机容量对比图中可知，中国在2015-2020年期间增长都远超美国，2017年的两国增量差值更是达到40GWH以上。绿色智能技术赋能优化制造业能源供应结构，减少工业及发电碳排放，助力可持续发展。绿色智能制造技术融合应用于生产与运营等各个环节，并与之串联，帮助企业进行数字化、自动化、智能化、绿色化、网格化转型。2020年中国碳排放比例中，电力占比超过50%，基于放任气候变化的情况下，本世纪末，气候变化对我国的经济损失可达7.5%，最高可至30%。此外基于全球变暖南极洲融化的假设，海平面上升，将导致不可逆转的灾难。如果大力进行绿色转型，根据研究显示，绿色智能技术会带来超过10倍杠杆

20、效应的低碳化8。1.2.3 社会与环境方面2019年2020年2021年2022年10.2223%17%33%40%11.9515.919.55绿色贷款余额（万亿元）同比*2022年Q2同比数据对比的是2021年Q2数据2018年2019年202020212022年486449234119468绿色贷款占比85%绿色债券占比10%保险资金绿色投资占比3%绿色信托占比2%2021年Q3中国绿色投融资分布2019年-2022年H1中国绿色贷款余额2019年-2022年H1中国智能制造融资金额2019年2020年2021年2022年4.472.493.265.773.202.997.44.214.2

21、98.825.045.69基础设施绿色升级产业贷款清洁能源产业贷款节能环保及其他 智能制造融资金额（亿元）2019年-2022年H1中国绿色贷款投向统计单位：万亿元注1：中国人民银行 注2：亿欧数据 注3：英国石油公司 注4：国际能源署注5：清华大学能源环境经济研究所 注6：澳大利亚报 注7：石油圈 注8：全球电子可持续发展倡议组织电力工业与建造业建筑业交通运输其他2020年中国主要行业碳排放(单位：亿吨二氧化碳)经济损失基于放任气候变化的情况下，本世纪末，气候变化对我国的经济损失可达7.5%，最高可至30%。其他损失基于澳大利亚塔斯马尼亚大学和澳大利亚国立大学科学家的保守估计，南极冰盖融化会

22、使本世纪的海平面上升50厘米。绿色智能技术将会以超过10倍的杠杆效应低碳化2015年-2020年中美新增光伏装机容量对比(单位：GWH)旧能源对外依存度高，新能源助力工业绿色化发展2021年原油对外依存73%2021年天然气对外依存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中国美国1第一章：绿色智能制造概念与发展背景10终端与云端融合底层设备、中间边缘、顶端云和应用纵向打通能源与自动化融合实现效率提升和节能降耗企业管理集成化融合将分散、独立的管理点通过数字化平台实现集成化

23、管理全生命周期融合从大规模建设及运营阶段的融合与打通OT运营技术IT信息技术CT通信技术ET能源技术DT数字技术1.2.4 技术方面通过企业的运营技术（OT）、能源技术（ET）、通信技术（CT）、数字技术（DT）、信息技术（IT）五维技术融合，助推企业实现能源与自动化融合，实现效率提升和节能降耗；实现终端与云端结合，实现底层设备、中间边缘、顶端云和应用纵向打通；实现全生命周期融合，从建设到运营一体化联通；实现企业管理集成化融合。2030年碳达峰及2025年数字化目标的时间节点愈发紧迫，绿色化与智能化的融合发展正在以前所未有的速度在工业制造的领域普及，对制造的流程、市场格局甚至商业模式产生了积极

24、影响，在政策引导及加大金融支持的背景下，以5T技术(信息技术、运营技术、通信技术、数字技术、能源技术)为主的技术融合已经成为常态，背后的逻辑在自动化、数字化、智能化的推动下，工业制造即将迎来下一轮升级革命。第一章：绿色智能制造概念与发展背景企业四维融合五维技术融合能源技术DT11绿色智能制造技术发展与融合02.122.1 绿色智能制造技术成熟路径与中外差异绿色智能制造技术在21世纪后进入快速发展阶段，从应用角度看，目前我国在OT领域上有一定差距，在其他4T方面，目前已经与欧美几乎站在同一起跑线。2.2 绿色智能制造5T技术分析OT技术(运营技术)OT技术是实现对企业资源、体系、流程、工艺及事件

25、的全面管控，覆盖企业运营的各个方面，其中包含生产运营、能源运营、设备资产运营、服务运营。OT技术将硬件技术软件化、自动化技术数字化，同时进行技术标准化。从5T技术发展时间看，OT技术发展较早，普遍在90s之前基本成熟；以工业软件为代表的IT技术跟随着OT技术进入成熟；基于IT技术的DT技术在2010年前后得到较大的应用；CT与ET技术发展依托于IT、DT、OT技术发展与绿色生产两者产生的新诉求。在应用方面，我国与欧美国家在OT领域有一定的差距，但在其他4T方面已经几乎平行。OT技术和欧美差距在五种技术中最大，但中国借助体量带来的数据、知识积累，通过不断迭代，有望追上世界前沿的步伐；中国在IT技

26、术的应用位于世界前列，通过新技术解决旧问题的期望持续推动前沿科技的应用落地；中国在数据技术方面对算法的研究目前还有一定欠缺，但中国在大数据及数据挖掘层面存在明显优势；得益于对以5G为代表通信基础技术的重视，中国在通信技术方面的应用位于前列，与欧美几乎没有差距；依托于电力技术，比如新能源及特高压的积累，我国对于技术应用处于前列，但在虚拟电厂、分布式储能等技术中略显不足。OTCTOTETITDT欧美中国第二章：绿色智能制造技术发展与融合来源：施耐德电气绿色智能制造白皮书、亿欧智库、专家访谈绿色智能制造5T技术发展路径图数控机床脱硫脱硝水电化学储能物理储能分布式储能CCUS虚拟电厂微店网风电光伏膜处

27、理污水技术CAMCRMWAN物联网区块链互联网数据挖掘机器视觉机器学习语音识别嵌入式AI知识图谱自然语言处理5G数字安全MESPDMSRM云计算边缘计算数字孪生工业大数据ERPCAE2DCADPLCCNC传感器3D打印工业机器人DCSSCADAOpera-tionalTechInfor-mationTechCommu-nicationTechEnergy TechDATATech运营技术信息技术数字技术通信技术能源技术电磁储能技术网络安全网格架构脑机接口量子计算XR算力引擎6G特高压智能电网移动互联网13OT技术发展现状OT&IT技术融合趋势明显但存在融合难点及挑战OT和IT技术融合主要能降低

28、工业成本和过程风险，优化工业业务流程以及提高数据的可访问性，同时降低技术迭代难度。IT软硬件可以便捷地访问OT设备及其运行数据，另一方面，IT的云技术和数字孪生等新技术，提高OT工业设备和数据的可访问性、稳定性和流动性，同时减少工厂服务器，易于实施更新。此外，OT系统通过IT基础设施，与DT等技术融合，利用各种算法模型有效开展风险边界预估，降低工业组织的潜在风险。主要优势：科技是双刃剑，OT和IT的融合也存在着一定的难点和挑战，一方面OT与IT融合带来了诸如外部攻击、内部恶意漏洞、错误操作等潜在安全风险；另一方面OT软硬件自设计初衷，都是与网络隔离的，因此不会考虑到来自外部的网络安全威胁，联网

29、之后，SCADA、PLC等面临的安全风险也趋于显现。其中风险具体表现有：PLC面临自助保障和信息安全的问题，且自身扫描式工作的设计存在误读可能性；RTU较多采用嵌入式实时操作系统，存在漏洞及缺乏安全监控和防护机制。同时通信协议以明文方式进行传输，容易被监听和攻击；SCADA系统启动后将长期运行，很难及时修复漏洞，同时会面临未授权访问等问题，另外所在计算机被感染病毒甚至会扩散影响至RTU。主要挑战：从应度分析，国内重要OT技术为：PLC在自动化升级和智能制造逻辑下，PLC在中国的应用愈发广泛，其中在新能源、环保等新兴行业突破较多；SCADA目前第三代SCADA体系（网络化）是我国应用较为广泛的体

30、系，以电力、冶金等行业应用为主。未来第四代体系将会与互联网、神经网络、嵌入式体系、数据库等集合，满足安全、经济运转及商业化需求；DCS受电力、建材、石油化工行业影响，近几年的应用有所下降；CNC由于高精尖制造需求的提升，CNC近几年在汽车船舶、国防军工、机械制造、石油化工等行业应用较多；机器人中国机器人装机量在2020年占据全球总量44%，用工成本上升、产业升级、规模效应凸显等逻辑支撑机器人行业中长期内将会维持高速增长。目前主要的应用场景有汽车、3C电子、金属制造、锂电、食品等领域。近年来传统行业（电力、石油化工等）景气度下降与新兴行业（新能源、汽车、集成电路等）迸发对OT技术的需求形成对冲，

31、整体来看，现代制造业对OT技术的进步提出更高要求，OT与IT的融合才可以深度挖掘需求及生产规划，助其更好发展。降低工业成本降低工业过程风险优化工业业务流程提高数据可访问性降低技术迭代难度外部攻击内部漏洞错误操作主要特征主要挑战第二章：绿色智能制造技术发展与融合注1：中国科学院计算技术研究所面向“互联网+”的 OT 与 IT 融合发展研究142.2 绿色智能制造5T技术分析IT技术(信息技术)来源：阿里云创新中心IT技术发展趋势IT技术作为基础，与其他4T融合推动工厂智能化改造工业互联网是数字化、网格化、智能化转型的基础设施，也是云计算、大数据、工业软件融合的载体lOTAI大数据工业互联网OTI

32、TCT云计算工业软件DT数字化网格化智能化生产设计类工业软件CAD 设计绘图CAM、CAE 仿真测试PLM、PDM 产品数据ERP 企业资源管理FM 财务管理HRM、HCM 人力资源管理EAM 资产管理CRM 营销管理SCM 供应链管理BI 商业智能OA 办公协同运营控制类工业软件MES 制造执行系统DCS 分布式控制系统SCADA 数据采集与监视系统EMS 能源管理系统运维服务类工业软件APM 资产性能管理MRO 维护维修运行管理PHM 故障预测与健康管理经营管理类工业软件IT技术（Information technology）是智能制造融合基础，推动工厂走向全面绿色智能制造。智能制造的IT

33、技术包含支持企业功能的系统，例如人力、财务、供应链等，这些系统具有跨行业的通用性。IT技术作为基础，与其他4T融合推动工厂智能化改造。目前IT技术以生产设计类、运营管理类、运维服务类这三类工业软件为基础推动工厂：一、数字化对设备进行数字化赋能或利用数字化生产设备，提高生产效率，此外生产与运营各环节采用数字化的管理方式，告别纸质文档管理方式；二、网络化将原本独立的各个工业系统进行网络化连接，使其具备统一操作性，实现工业生产要素、各个生产环节的互联互通，提升使用主体效率；三、智能化利用人工智能、大数据等技术，实现单点或简单流程智能化，实现生产制造设备、系统的智能感知、智能决策，并最终实现智能执行。

34、从应度分析，国内重要IT技术为:ERP源于企业对管理水平的日益重视。由于近两年竞争愈发激烈，企业数字化转型需求不断拉高，18-19年放缓的ERP增速于2021年重新回到两位数增幅，为近5年新高。目前ERP软件主要应用于制造业、电力、石油化工等行业。超级计算机中国目前的算力在TOP500榜单上占据34.6%的份额。超算的主要应用领域在国防、气象、石油勘探及大型基础设施项目，但近年来，得益于计算成本的降低，应用场景下沉到互联网、金融、制造业等领域。以制造业为例，广汽、小鹏及中国商飞项目在设计方面受到超算赋能，快速优化了产品性能，减少研发成本。CAD、CAE、CAM应用广泛，目前主要在制造业和重工业

35、应用较多，例如建筑设计、工程机械、能源化工等行业。研发设计类工业软件需要基础科学研究及交叉型的研发人才，目前国产化进度一般。第二章：绿色智能制造技术发展与融合15主要技术之间的相互关系AloT大数据MR算力引擎数字孪生工业元宇宙META技术群工业4.0工业5.0人工智能物联网云计算大数据学习控制计算计算存储反馈计算2.2 绿色智能制造5T技术分析DT技术(数字技术)DT（Data technology），即数据处理技术，是对数据进行存储、清洗、加工、分析、挖掘，以数据创新、激发生产力为主的技术。自动化和机械化的过程中产生了大量数据，但大多数制造商不能很好地使用这些数据。在DT时代下，充分挖掘海

36、量数据的价值，利用“云大物智”技术指导企业经营决策，已成为制造企业最为关注的问题。DT技术发展现状IT向DT时代进化数据开放资源共享降低工业过程风险优化工业业务流程DT驱动的难点及挑战主要特征主要挑战成本与安全问题存在数据孤岛DT人才要求较高IT时代向DT时代进化，其体现的主要特征有：数据开放资源共享，提供数据决策能力，定制化的新制造，推进实现降本增效。IT是以控制管理、积累数据为主，强调标准化、规模化。DT是以数据创新、激发生产力为主的技术，强调独特化、个性化、灵活性。发展现状一、成本与安全工业互联网安全涉及终端设备升级、数据中心、云计算等方面的成本，前期大规模投资回报短期难以衡量，另外工业

37、互联网的数据面临泄露和网络攻击等风险。二、数据接口协议不统一一条生产线涉及大量不同的设备底层通信和数据交互协议等，要实现设备之间有效的数据流动和融合有难度，以及工业互联网设备的专用软件难以通用也是当前工业互联网发展的一个较大瓶颈。三、DT人才要求较高熟悉工业生产的流程和工艺，懂得企业的痛点、需求及价值所在，拥有管理有价值、可计量、可读取的数据资产及进行分析的能力。DT驱动的难点和挑战第二章：绿色智能制造技术发展与融合16撑DT驱动的“云物智”正在逐步融合，并迸发出新兴应：云计算简化现有IT架构，服务器利用率从40%上升至80%，降低能源消耗及运维难度，减少70%维护时间，并提高系统可用性与数据

38、安全性；大数据大数据是绿色智能制造的基础，是重要的生产资料，其在制造业大规模定制化场景中的应用包括数据采集、数据管理、订单管理、智能化制造、定制平台等。定制化场景中的数据达到一定的数量级，就可以实现大数据应用；人工智能人工智能有八大关键技术在制造业中有广泛应用，分别是深度学习、增强学习、模式识别、机器视觉、数据搜索、知识工程、自然语言理解和类脑交互决策。这些技术持续推动制造业得以做到自感知、自适应、自学习、自决策；物联网物联网使制造业迈向万物互联，在采集数据、智能分析方面有巨大优势，为制造业提供在生产过程当中所需的数据支撑，是传统工厂向智能工厂升级的基础；数字孪生以数字孪生为代表的技术群，利用

39、数据库资源，映射现实并构建出能够独立运行的虚拟工厂；AloT以人工智能物联网（AIoT）为代表的技术群，采集、连接、融合现实世界中的数字信息，形成动态、静态等各类数据库资源；MRAR、VR等技术融合，作为虚实世界通道，发挥着促进数据双向反馈、快速迭代作用。通信技术分类有线接入网络交换卫星通信移动通信光通信无线通信运营管理专网通信其他2.2 绿色智能制造5T技术分析CT技术(通信技术)CT（Communication technology），即消息传播的发送技术，主要包含传输接入、网络交换、移动通信、无线通信、光通信、卫星通信、支撑管理、专网通信等技术。当今社会已经进入了一个信息化通信的时代，移

40、动通信和短距无线通信的发展十分迅速。在工业领域，5G的应用虽然刚刚起步，但未来智慧工厂、工业互联网的发展必然离不开5G这样的移动无线通信技术。另一方面，兼具可靠与低延时性的TSN技术和灵活的5G技术的结合非常适合智慧工厂。从应度分析，国内重要CT技术为：移动通信系统目前，移动通信系统的广泛应用为第四代移动通信系统（4G）和第五代移动通信系统（5G）。随着企业数字化转型需求提升，绿色智能制造园区数据资产体量呈现指数级增长，生产制造各个环节对通信技术的高带宽低延时提出更高的要求。5G可以提供高数据速率、高系统容量、更低的延迟、提高能效、降低每bit成本和大规模设备连接的能力。截至2022年12月末

41、，根据GSA数据，155个国家/地区的487家运营商正在投资5G。其中，中国的5G基站数量全球领先，根据工信部数据，截至2022年10月末，目前全国有225万个5G站点，占全球总数70%以上。全国所有地级市都实现了5G全覆盖，5G已在包括工业制造、矿业、港口、医疗、教育、娱乐等国民经济97个大类中的40个行业得到广泛应用。注1：工信部2021年通信业统计公报第二章：绿色智能制造技术发展与融合172.2 绿色智能制造5T技术分析ET技术(能源技术)ET（Energy technology），即为能源技术。新一轮的能源技术革命正在孕育兴起，新的能源科技成果不断涌现，正在并将持续改变世界能源格局。在

42、“双碳”目标的推动下，传统能源的无害化、清洁化，新能源的开发和利用，先进的储能技术以及能源互联网的构建成为主要发展方向。传统的煤炭、石油、天然气和水电等能源正在向太阳能、风能、生物质能、地热能等新的能源技术过渡，同时新的能源管理方式出现，如微电网等。在“绿色智能制造”时代，云计算、物联网、数据分析、机器学习、人工智能、自动化、智能终端、增强现实等技术组成错综复杂的生态系统。ET技术与多技术的融合，就是发展智慧能源的基础，即引导能量有序流动，构筑更高效、更清洁、更经济、更安全的现代能源体系，对能源选择、利用、存储进行智能管理，助力制造业绿色化与智能化。预计到2030年，6G技术将开始试点部署。6

43、G可以提供高保真全息图、通信感知、地空通信、太赫兹(THz)通信和通用人工智能(AGI)。时间敏感网络即在非确定性的以太网中保证确定性的最小时延的协议族，是一套旨在改善当前以太网实时性能的标准，实现工业网络中IT与OT的融合。作为移动通信的5G与TSN结合，能充分发挥5G的灵活性和TSN的极低延迟性，非常适合智慧工厂如工业移动场景、电网等场景应用。其中端到端确定性通信服务指TSN在现有的以太网QoS功能基础上增加了包括时间同步、流量调度、无缝冗杂等一系列技术，根据业务流量的特点，确保流量的高质量确定性传输的结合。TSN和5G是未来有线和无线工业互联网的关键技术。因此TSN和5G技术的融合需要关

44、注有线和无线异构融合的架构设计。能源技术融合发展趋势煤炭无害化开采技术煤炭清洁高效利用技术CCUS传统能源大型风电技术氢能与燃料电池技术生物质、海洋、地热能利用技术新能源微电网虚拟电厂先进储能特高压能源管理第二章：绿色智能制造技术发展与融合18针对传统能源煤炭无害化开采技术：地质保障与安全建井关键技术、隐蔽致灾因素智能探测及重大灾害监控预警技术、深部矿井煤岩、热动力灾害防治技术、矿山及地下工程重大事故应急救援技术及装备、煤炭高效开采及智能矿山建设关键技术等。煤炭清洁高效利用技术：先进煤气化技术、先进低阶煤热解技术、中低温煤焦油深加工技术、半焦综合利用技术、超清洁油品和特种油品技术、煤制清洁燃气

45、关键技术、新一代煤制化学品技术、煤油共炼技术、煤化工耦合集成技术等。二氧化碳捕集、利用与封存技术：新一代大规模低能耗二氧化碳捕集技术、基于IGCC系统的二氧化碳捕集技术、大容量富氧燃烧锅炉关键技术、二氧化碳驱油利用与封存技术、二氧化碳驱煤层气与封存技术、二氧化碳驱水利用与封存技术等。这里列举主要的能源技术类别：针对新能源大型风电技术：100米级及以上叶片设计制造技术、大功率陆上风电机组及部件设计与优化关键技术、陆上不同类型风电场运行优化及运维技术、典型风资源特性与风能吸收方法研究及资源评估、远海风电场设计建设技术等。氢能与燃料电池技术：大规模制氢技术、分布式制氢技术、氢气储运技术、氢气/空气聚

46、合物电解质膜燃料电池（PEMFC）技术、甲醇/空气聚合物电解质膜燃料电池（MFC）技术、燃料电池分布式发电技术等。生物质、海洋、地热能利用技术：生物航油（含军用）制取关键技术、绿色生物炼制技术、生态能源农场、生物质能源开发利用探索技术、波浪能利用技术、潮流能利用技术、温（盐）差能利用技术、干热岩开发利用技术等。针对能源管理系统微电网：由分布式电源、用电负荷、能量管理系统等组成，是一个能够基本实现内部电力电量平衡的供用电系统。基本以清洁能源（光伏、风力等）为主，一般应用于偏远的场景及用电质量需求较高的场景。微电网对电网系统有支撑作用，可以为用户提供并网/离网的切换。虚拟电厂：虚拟电厂是一种将不同

47、空间的可调（可中断）负荷、储能、微电网、分布式能源等一种或多种资源聚合起来，实现自主协调优化控制，参与电力系统运行和电力市场交易的智慧能源系统。先进储能：智能电网中最重要的环节之一，对光伏、风电厂送出的电进行储存，解决新能源发电不稳定对电网造成的冲击。目前主流的储能技术以抽水蓄能、化学电池（钠硫、铅酸等）、超导电力技术、P2G（power to gas 电转气技术）。特高压：特高压输电使用交流1000千伏及以上和直流800千伏以上电压等级，是通过发电厂用变压器将发电机输出的电压升压后传输的技术，能减少输电时的电流，从而降低因电流产生的热损耗和远距离输电的材料成本。特高压输电线路输送容量更大，输

48、电效率更高，运行损耗更小，节约更多土地资源，节省工程造价，输送距离更远。第二章：绿色智能制造技术发展与融合192.3 绿色智能制造5T技术融合创新总结当前智能制造竞争进入格局未定的战略窗口期，技术融合发展趋势较为明显。OT与IT融合可以打通边界，提高OT工业设备和数据的可访问性，从整体角度优化业务流程。CT对串联起整个生产流程信息流及运用产生至关重要的作用。DT技术则进行生产技术的赋能，优化生产工业，改善流程，而ET技术支撑OT、IT、CT、DT技术融合，保障生产的持续经营。融合形成技术闭环，利用OT技术采集生产信息、IT分析并得出指令，CT将数据与指令发布到各个节点。信息化与数字化：OT、I

49、T、CT的融合借助DT技术的大数据存储能力，将AloT采集数据实现长时间、大容量的存储。同时对数据进行清洗，并借助云计算、超算对数据进行深度挖掘。数据模型将会反馈至AloT，进一步提升设备使用效率和精度以及完整生产流程的持续优化。另一方面，利用采集数据及数据模型构建数字孪生，孕育工业元宇宙。ET技术支撑技术融合，提供负荷及能量转换、保护、监控等，通过自身储能设备及微型发电机等设备，维持生产流程持续工作。智能化与绿色化、未来化：5T融合第二章：绿色智能制造技术发展与融合智能化绿色化OT与IT融合IT与CT融合OT、IT、CT融合信息化数字化OTCTCTITDTETloT与DT融合ET技术支撑OT

50、、IT、CT、DT融合202.4 绿色智能制造5T技术融合创新未来趋势3年内的行业宏观层面趋势主动式转型：以最终实现智能制造为目的的数字化转型向中小微企业持续渗透。5年内的行业宏观层面趋势全面自动：以电子元器件制造行业为代表的制造业将会率先进入全面自动化阶段。5-10年内的行业宏观层面趋势被动式绿色转型：基于2030碳达峰的要求，所有对绿色有抗性的行业都必须进行绿色智造转型。10年展望的行业宏观层面趋势全面绿智：制造业进行全面推动绿色智能制造。1-5年企业规划趋势非领军企业：注重短期生存需求，优先构建数字化、自动化满足业务流程优化及协同改善。领军企业：通过绿色智能制造咨询在战略层面制定绿色智能

51、制造转型。5-10年企业规划趋势非领军企业：数字化、自动化深入融入业务流程，开始向绿色智能制造转型。3年内技术层面突破趋势5G、AI：5G、AI商用落地在绿色智能制造领域将会加速铺开。数据安全：目前在部分领域，例如金融、政府已经有大量落地。预计在未来三年内，随着工业IT与OT的打通，对数据安全性提出更高要求的背景下，隐私计算在工业制造的应用将会铺开。低代码：低代码在未来3年内的高度增长(CAGR63.7%，3年内市值达到267.7亿元)，目前OCR识别、RPA已经应用于低代码，未来预计将会有更多AI、物联网技术接入。AI建模外包：随着加密技术进步，涉及工业设计、数据分析等环节的AI建模和机器学

52、习将会外包给第三方AI公司。3年内，随着绿色商业价值的凸显，领军企业率先向绿色智造主动转型，同时降技低术成本，鼓励中小企业参与；10年内，绿色智造技术将会持续完善，同时基于双碳政策的要求，所有制造企业都将向绿色智造转型；10年以上，算力规模持续提升，制造业全面进入绿色制造阶段。企业规划层面趋势行业宏观层面趋势主动式转型领军企业：通过绿色智能制造咨询在战略层面制定绿色智能制造转型 非领军企业：注重短期生存需求，优先构建数字化、自动化满足业务流程优化及协同改善 非领军企业：数字化、自动化深入融入业务流程，开始向绿色智能制造转型5G、AI数据安全低代码AI建模外包XR数字孪生WEB3.06G算力引擎

53、交互感知云计算边缘计算CCUS全面自动被动式绿色转型全面绿智技术突破层面趋势未来工厂3年内3-5年5-10年10年以上注1：浙江省经济与信息化厅未来工厂建设导则第二章：绿色智能制造技术发展与融合213-5年内技术层面突破趋势云计算：目前在制造业的渗透率约为30%左右，预计在2025年前后达到50%以上。边缘计算：目前在制造业的渗透率约为10%左右，预计在2025年前后达到30%以上，为云计算提供后端与支持服务。CCUS：首个百万吨级项目已成功落地，未来3年-5年来商业化运营将会加速。5-10年技术层面突破趋势XR：近眼显示、渲染处理等技术已经逐渐成熟，目前在工业领域已经开始有所运用。数字孪生：

54、目前已诞生第一个ISO数字孪生，主要应用于以航空装备等为代表的高端制造业中，预计在2030年左右数字孪生可以达成大规模铺开及深度应用。WEB3.0：从数据计算基础层角度看，基于区块链的“脱链计算”、共识机制、跨链标准将会在未来10年内解决，并进行落地。10年以上技术层面突破展望6G：预计到10-12年后，6G技术将开始试点部署。6G可以提供高保真全息图、多感官通信、太赫兹(THz)通信和通用人工智能(AGI)。算力引擎：预计5年内，算力规模提升至30倍，7年内算力可以满足自动驾驶需求，10年左右达到算力与实体经济产业的融合。交互感知：10年左右，肌电感应、虚拟气味、触觉反馈等技术将会相继成熟并

55、在制造业相继落地。未来工厂：基于数字孪生、AI、大数据等技术革新生产方式，以数字化设计与管理、智能化生产、绿色化制造、安全化管控为基础，以网络化协同、个性化定制等新模式为特征的工厂。绿色智能制造技术萌生到发展再到互相融合，响应着国家的政策走向，回应着社会与环境发展的每一个需求。技术的融合带来的降本、增效、提质的效果终归需要在应用场景落地并发挥作用。最终愿景第二章：绿色智能制造技术发展与融合22绿色智能制造场景?03.23?绿色智能制造?景?行业编码来源于国家统计局行业定义中?绿色智能制造?分?业?自动化?数字化?智能化?行?绿色?高绿色?中绿色?望?化工?、?专用设?品?料?、?制造?器?表制

56、造业?40)航空航天、铁路及船舶制造业?37)有色金属冶炼及加工业?32)?20)造纸、包装及?业非金属矿物制品业?30)?2?)?与塑料制品业?N76)废水处理电?元件?汽车及?部件?36)电力能源?D44)?分?行业?品?料?工专用设?制造电?元件?件产业发展?绿智技术?动?生产?年?年中国电?元?件营业?入?21485224601?3041?24610?0?3?11?3?4?5?173552017年2018年201?年2020年2021年营业收入（亿元）增速（?）?绿智能制造发展?从当前智能化进程和绿色化需求两个角度，结合2000?制造业上市企业财务数据及多位专家调研，总结出中国制造业多

57、个?分领域的绿色智能制造现状，将其归类为观望者、跟随者、先行者。从固定资产、研发投入、人效得出智能化的得分，根据污染物排放、绿色工厂建设意愿等指标得出绿色化得分，?选出六大行业?电子元件、钢铁冶炼、石油加工、专用设备、医药制造、食品饮料进行分析。来源：施耐德电气、亿欧智库、专家访谈第三章：绿色智能制造场景研究24绿色智能制造技术?力?件行业?生产?定制化?化?分?场产?生?产?开发?生产?件产业?技术?程?运营技术?信息技术?数据技术?通信技术?能源技术投入程度以?充色4圈为高投入，?色?充色为低投入电子元件产业规模增长迅速，碳排放日益增高：2021年中国电子元件营业收入破2?2万亿元，新注?

58、企业为7?43万家，约为2020年1?62倍；碳排放量日益增多，形势?，比如半导体行业，?台积电一家，2020年碳排放已高达1500万吨，为2017年的2?5倍。电子元件行业产品多品种，多定制化，产品之间差异较大，同时产业链通常处于多厂商、多平台、多流程的状态。绿色智能制造技术助力电子元器件?性生产，以市场为导向，按需生产，从用户体验出发，对产品、服务进行优化与提升，建立?好用户口?，以此?占市场份额，增强企业灵活性和应变能力，提高生产效率。电子元件产业5T技术投入程度中，5G、大数据、云计算、人工智能与区块链技术应用较为广泛，对于污染物排放整体比较重视，无?车间、?环过?技术应用较多，在碳排

59、放这方面，低碳能源技术由于成本原因及设备可靠性原因，?未进行大规模投入，但低碳依然是行业未来重点应用的方向。?件产业?全生?绿色智能制造?点?研发设计目前有较多?施与较多技术应用，比如D?，但在新技术应用，比如虚拟建模，?真，3D打?这些方面应用依旧较少目前采购供应这方面欠缺结合工序管控的时序预测与上下?通的?接节点信息流绿智程?绿智程?绿智程?研发设计?工制造?运维服务?服务?业管理第三章：绿色智能制造场景研究电子元器件产业整体绿智程度较深，投资量级近乎上亿级别，目前重点投资的环节为加工制造、研发设计，其中加工制造环节最容易改造，带来的收益最为直接。研发设计、采购供应链的痛点大致为研发设计流

60、程较长、无法提前预判产品生产过程中因规格、材料等因素所带来的隐?风险，外加上?原材料品种较多，涉及各行各业，多供应商、多部?，难以与后续加工制造环节联动，需要25第一类：研发设计数字孪生场景数字孪生技术在虚拟的三维空间里打造产品，可以轻松地修改部件和产品的每一处尺寸和装配关系，使得产品几何结构的验证工作、装配可行性的验证工作、流程的可实行性大为简化。以某家电产品设计为例，人机界面简化设计流程，通过使用3D仿真和人机界面，工程师可以确定产品的规格、制造方式和使用材料，并根据相关政策、标准和法规进行设计评估，帮助识别潜在的可制造性、质量和耐用性等问题，提升设计效率10%。第二类：智能精益生产场景精

61、益生产将结合智能制造相关技术，比如5G、边缘计算、工业软件、人工智能等，可以尽可能地消除作业现场的不确定性，从而降低精益生产部署的试错成本，更高效提升生产效率。以某电子制造工厂为例，产线各环节互联互通，将来自不同系统中的客户、订单、生产数据贯通，智能决策，实现异常响应及时性提升了80%，生产效率提升12%，产能提升了22%，人均产值提升了14%，市场反馈的故障率降低了25%。第三类：车间智慧物流场景使用移动操作机器人平台，搭配智能物流管控系统和智能调度系统，打通不同工艺流程之间的物质流和信息流，实现物料在各个车间、机台的自动转运或自动上下料，解决传统车间痛点。以某晶圆加工厂区为例，工厂晶圆盒机

62、器人和智能调度物流管理系统实现电子料架、机台、存储仓间的柔性运输及无人化自动上下料。提高生产效率33%精准上下料，减少操作员30%无效行走，提高电子料架利用率 66%。第四类：机器视觉质检场景一项综合技术，包括图像处理、机械设计、电气控制、光源照明、光学成像、传感器、模拟与数字视频技术、计算机软硬件技术，对产线设备及零部件进行质量检测。以某家电企业工厂为例，建立五方位摄像头对冲压件进行机器视觉识别，通过5G上传高清照片，后由MEC+GPU+AI软件进行AI图像推理比对来进行质量检测，实现误检率95%，并节省了前端工控机的建设及管理成本。另外，痛点和问题也能体现在产业中的技术融合场景，这里列举四

63、类技术融合场景。背景介绍：施耐德电气是全球能源管理和自动化领域数字化转型的专家，服务于家居、楼宇数据中心、基础设施和工业市场，业务遍及全球100多个国家和地区，施耐德电气武汉工厂被达沃斯世界经济论坛专家委员会评为发展中的“灯塔工厂”，为中国乃至全球的智慧工厂在数字化转型方面做出示范。业务诉求：施耐德电气仅在中国就有23家工厂和7家物流中心，生产种类繁多的各类产品，为了确保产品的高质量，所有生产线都必须遵循严格的质量检测流程。项目痛点：产品的外观以及质量检测由人工肉眼判断或传统视觉检测完成，而传统视觉检测检测效率低、漏检率和误检率高，此外，传统的自建服务器方式存在两大挑战：其一是模型的训练和送代

64、需要巨大的算力，成本非常高；其二，在进行模型训练时需要工程师到全国各地工厂去采集数据需要投入大量的人力。上云方案：中科创达利用亚马逊云科技的Amazon SageMaker及其他相关云服务，采用“云边”结合的方式构建AI视觉检测平台。亚马逊云科技的AI视觉检测解决方案和服务(Computer Vision for Quality Insight)帮助质量和工艺工程师收集和分析来自不同来源的数据，包括来自多供应商的摄像头数据，与人工检查相比，节省了大量时间；自动化图像分析还支持分析根因并制定对策，帮助团队管理整个生命周期，更好地实现大规模零缺陷。边缘端软件是边缘检测系统通过工业相机采集产品外观照

65、片并在通过一系列安全认证后上传到云端，存储在Amazon S3上。云上负责模型训练和迭代及全生命周期管理，来自生产线的正样本上传到云端后作为输入数据传输到机器学习框架，模型通过持续的训练和迭代提升精准度，达标后再部署到生产系统。上云成效：实现检测自动化和智能化，与传统视觉检测模式相比误检率能降到0.5%内，大大降低返工的工作量；漏检率能降为0.5%，杜绝不良品流到客户现场，与采用人工检测的产线相比可以优化产线检测人员配置通过云边协同，实现了云端对边缘端的统一管理，确保多边缘端能够同时完成模型迭代升级和管控，从全生命周期的角度管理分布在不同工厂的模型。绿色智能制造场景研究AI视觉检测平台案例第三

66、章：绿色智能制造场景研究人工根据经验决策，导致材料浪费、生产效率不高。由于工序环节较多，加工制造环节通常需要工序外协，导致企业难以掌握进度；生产过程中车间运输人工成本较高，精密电子运输过程中容易损坏及质量检测操作复杂，多为人工操作，效率低、失误率高。注1：中国电子技术标准化研究院军工电子智能制造标准体系框架探索研究262021年钢材产量?近14亿吨，能源活动碳排放16?3亿吨，占据能源碳排放17?，绿色转型需求迫切。?绿色智能制造?景?能源?绿色技术驱动?中国?年?产?年中国能源?动碳排放占比?：?2017年2018年201?年2020年2021年10?4611?3312?0513?2513?

67、378?3?6?4?10?0?0?钢材产量（吨）能源活动碳排放占据首位：钢铁行业碳排放16?3亿吨，占总量17?144716119能源生产与转换钢铁建筑（含建材）交通其他?技的?工?工业相机图?搜集模型?推理模型?推理工业相机工业相机软件工程?算法科学家?模型部署模型部署检?I?推理管理I?E?S?推理管理推理管理推理管理?DS?S3图?智能制造技术在钢铁冶炼应用广泛，以基于信息流的数字孪生、可视化、未来供需预测等为主，同时基于智能技术，为产品研发、生产协同、质量管控、能源管控、?储物流等环节赋能。注1：国家统计局注2：全球能源互联网第三章：绿色智能制造场景研究27?产业?技术?程?运营技术?

68、信息技术?数据技术?通信技术?能源技术投入程度以?充色4圈为高投入，?色?充色为低投入数字化?现?产业绿色智造?全供应链优化，实现产销对接?数字?生?核?的智能产?研发智能生产?数字?模型驱动的生产控制一体化和管理优化?数据可?化?核?的设备状态、环境保护等信息要素集合?、智能?的运用大数据，进行产品理论预测模型，基于虚拟?真技术，?建虚拟?真平台开展产品设计、产品模拟和方案验证通过实时的能源消耗数据进行监控、分析与控制，进行能源管理、平衡及优化，降低生产成本通 过 环 境 感知、人员行为识别、人员定位跟?，实现对?险 的 管控；采用智能机器人技术在恶?环境、高?环境作业智能?量管控基于标准与

69、规范对生产过程进行监控、监测、判定与预警，及时识别和发现生产过 程 的 质 量 问题，同时利用大数据进行质量回归分析建模智能能源?环境管控智能?采用移动通?技术和移动应用技术，实现?储物资移动调度、智能调度三个维度助推转型?以数字孪生为核心的数字?模型驱动的生产控制一体化和管理优化；以数据可视化为核心的设备状态、环境环保等信息要素集合；基于需求预测、智能排期的全供应链优化，实现产销对接，从而实现智能产品研发、智能生产协同、智能质量管控、智能能源及环境管控和智能?储物流。钢铁冶炼产业5T技术程度从整体来看，应用较多，特别是得益于物联网底层设备成本的下降，提高企业拥?绿智的信心。以目前而言，云计算

70、?考虑到投资成本与专业化运营)、网络安全、3D打?（在试点）等技术应用依旧还在探索中。在低碳能源方面，得益于政府监管?，企业重视程度较高，目前在低碳生产投入较大。?产业?全生?绿色智能制造?点?钢铁行业的订单定制化需求较高，目前在绿智的应用中等在新技术应用，比如 虚 拟 建 模，?真，3D打?这些方面应用依旧较少上下?接节点的信息流没有很好的整合绿智程?绿智程?绿智程?研发设计?工制造?运维服务?服务?业管理注1：人工智能在钢铁工业智能制造中的应用第三章：绿色智能制造场景研究28钢铁冶金行业绿色智能制造技术整体较为成熟，对企业研发设计、采购、加工制造、仓储物流等方面有较大赋能，对保证工厂不间断

71、运行，控制安全风险产生显著效益。不过，整体存在头大尾小情况，龙头企业转型积极，但尾部企业利润低，对于高昂的投资始终保持抗性。整体上来看，钢铁冶炼产业绿色智能程度较深。研发设计的痛点主要为高端钢铁、特种钢研发的原料昂贵，试错成本高，在新技术应用，比如虚拟建模、仿真、3D打印这些方面应用依旧较少。采购供应链的痛点主要体现大量上游材料及高品质铁矿石需要进口，原材料的供应、加工制造与下游需求衔接不够，还有上下游衔接点的信息流整合较弱。加工制造环节除了工作环境高温、高噪音、高粉尘的传统问题外，近几年体现的问题为数据驳杂，过程数据、状态数据、位置数据、固相数据、液相数据，各个系统垂直，融合较难。仓储物流的

72、痛点，其核心是生产与仓储信息协作效率低，数据孤岛严重；由于钢铁行业结构化分销渠道占比较大，生产、销售链条复杂，信息回流不畅，推高交易成本。第一类：产线集中监控CPS物理信息系统利用CPS(Cyber Physical Systems物理信息系统)，深度融合IT、OT、CT技术，连接工业互联网及工业物联网，构建数字孪生，在搭建虚拟仿真平台、开展新产品设计等场景具有良好效用。同时将传统工业流程进行集中化、规模化应用，树立钢铁智慧制造的标杆。以某钢铁厂为例，早在2001年开始布局信息化与智能优化团队，基于CPS系统实现了5KM以上的跨工序、跨区域、远距离的大规模集控和无边界协同。40多个中控室及40

73、0多名员工从危险区域撤出；35万点大数据分析，优化制造流程，年均收益可达1.85亿元；多专业多工序无边界协同，作业区数量下降60%，人事效率上升40%。第二类：铁前工序智能碳使用智能感知、监测、识别钢铁加工制造的碳排放80%以上集中于铁前工序。人工智能、机器视觉、机器学习及物联网感知技术深度参与这一环节。监测到异常运行状态，识别出异常的环节，并进行预警及智能决策。例如，后续的炼铁过程根据欠热、过热、欠烧、正常、过烧等状态进行温度的改变。以某钢联为例，“智能碳使用”技术路线是重点项目之一，利用智能感知，实时监控，通过高炉废气导入变压吸附装置，将一氧化碳与其他气体分离，并将分离出来的气体进行商业化

74、利用，根据2017-2021年运行周期的统计，实现温室气体减排30%以上的目标。第三类：打捆、贴标、加渣等高危环境工业机器人目前在钢铁加工较为广泛，比如投料、焊接、测温、图像识别等环节。基于边缘计算、边缘AI及深度学习等技术，机器人可以协助实现生产自动化、料场控制无人化、在仓储物流中进行放料搬运，代替人工作业。以某集团为例，引入智能化换人及机器人代人等战略，包括自动打捆机、贴标、加渣机器人等，分布在高温、高粉尘的恶劣环境中，同时，借助计算机视觉技术及图形处理技术实现信息共享、生产联动，预计某集团至2024年将持续引入智能机器人数量达1500台。另外，痛点和问题也能体现在产业中的技术融合场景，这

75、里列举三类技术融合场景。注1：头豹研究院钢铁行业数字化转型注2：中国冶金报2020年9月4日2版第三章：绿色智能制造场景研究29?绿色智能制造?景?化?石油化工为六大高耗能产业之一，其产业链条长、产品种类多、行业覆盖面广，目前我国产业规模位于全球领先。?力?大?年?年中国?中国原油消耗量2020年增速达7?3?，创下近4年新高，消耗量?近7亿吨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?原油消费量（万吨）增速（?）?前?行动方?石化产品产能利用率提升至80?以上?化重点行

76、业?能?动?能?行动方?至少总量30?的炼油、?、合成?等化工产品达到碳排放基准能效?化工?六化?化智能工厂?化模型?化智能制造工厂自主化模型化融合化自动化孪生化数字化2016?2020年中国原油消耗量逐年增长，增速飞升，中国原油消耗量在2020年增速高达7?3?，创四年新高，消耗量直?7亿吨，由于2030年前碳达峰行动方案要求石化产品产能利用率提升至80?以上，石化重点行业?格能效约束推动节能降碳行动方案要求至少总量30?的炼油、?、合成?等化工产品达到碳排放基准能效。自主化：?I与石化工艺的深度融合，系统自感知、自学习、自决策、自适应，降低人工参与；自动化：过程控制自动化，如D?S、?等，

77、提高智能装备、机器人技术的使用，减少用工，降低?动强度，实现重点环节少人化和无人化，提高精准执行的能力；数字化：全面感知和从?ES、S?D?等系统数据采集，实现设备数字化、资源数字化、业务数字化、流程数字化、管理数字化、形成数字资产；模型化：综合利用化工过程的第一性原理与过程数据，结合?I算法，进行建模，解决化工过程中的检测、优化、预测等问题，并实现石化工业知识的固化、沉?和复用；?化智能工?进行六化?：注1：国家统计局注2：中石油未来石化智能工厂顶层设计：现状、对比及展望第三章：绿色智能制造场景研究30?化工产业?技术?程?运营技术?信息技术?数据技术?通信技术?能源技术投入程度以?充色4圈

78、为高投入，?色?充色为低投入融合化：5T技术边界打通，互相融合，提升协同性。石化资产链、产品、供应链融合，解决数据共享，协同发展；孪生化：为石化工厂构建信息物理系统?S，建立数字孪生，提升虚实互动、实时分析，支持全生命周期的持续优化和异常处?。整体上来看，石油化工产业绿色智能程度相对较低。加工制造的核心痛点主要为工艺复杂，缺乏全局、可视化的管理平台，生产过程缺乏实时监控；应用系统?多，系统集成度不足，同时在生产控制层面重视程度不够，智能化程度低。?储物流核心痛点主要体现在传统的?储及运输缺乏监控，操作不规范，极易?成安全事件。企业管理、运维服务核心痛点为设备管理低效，各个设备信息不连通；安全投

79、入不足，安全设备?旧，安全设备存在信息?；工厂位?偏远，一线工人流动大，同时教育?成本高。?：全景运营优化?大数据、?度?、数据?、?利用在线优化模拟软件，?建起反映实际运行情况的装?模型，此模型以物理化学平衡机理为基础，实现集离线分析、实时优化、数据调理及线上监控等功能为一体的控制技术。?石化?装?与?TO联用，一期工程年化效益每年增加30?1万元人民?，二期工程年化效益增加1308万元人民?。?二?：全厂信息化?工程数字化交?、数字孪生、物联网、?视?基于工厂三维模型、设计参数、设备?点和?能体现?产业?的技术融合场景?这里列举?类技术融合场景?石油化工行业整体来看，石油化工对于OT技术投

80、入最大，集中于?、D?S等系统，包括?T设备；IT的投入以E?为代表的运营、维护软件为主。石油化工对加工制造的全信息化集中显示、?储物流的安全性、设备及工厂的运行状态、维护环节较为重视。?化工产业?全生?绿色智能制造?点?石油化工订单属于被动?取，订单量基本稳定由 化 工 设 计 院 负?，企业主要负?调整设备参数绿智程?绿智程?绿智程?研发设计?工制造?运维服务?服务?业管理注1：中石油未来石化智能工厂顶层设计：现状、对比及展望第三章：绿色智能制造场景研究31一、制药行业整体自动化水平较低，智能制造发展基础?弱，我国制造业单位基本处于机械化阶段，信息化手段局限于单个设备或者设备组，缺乏跨设备

81、、跨流程步?的统一管理。二、制药行业属于强监管行业，在采用新技术的进程中整体趋于?，我国药品全生命周期受到?格监管，设备需要经过设计确?、安装确?、运行确?和性能确?。导致智能转型涉及更加复杂的评估。三、制药行业发展智能制造收益缓?、企业投资存在?虑，新药研发投入越来越大，市场竞争及政策环境变化之下，药企对成本控制和资金周转产生了更大的要求。挑战：国家倡导医药智能升级，通过积极布局相关智能制造装备行业的发展，同时实施了一系列监管制度，按照四个最?加强药品质量管理，对医药企业的制造环节提出更高要求；在质量和效率提升方面，智能制造系统增强业务流程透明性和可控性，保证质量一致性，降低不?率，能制造系

82、统通过生产、质量、物流、营销、人力等环节的互联互通，实现生产最优化调度。?方面：?绿色智能制造?景?制造医药制造行业强调生产合规性，导致行业智能化转型存在一些现实障?，5T技术整体投入较低。中国制造2025将生物医药为十大重点突破领域，同时政策及质量管控也对行业提出了更高的要求，加速推动智能化转型。?制造产业?技术?程?运营技术?信息技术?数据技术?通信技术?能源技术投入程度以?充色4圈为高投入，?色?充色为低投入注1?中国制药白皮书注2?智能制造在医药领域的应用第三章：绿色智能制造场景研究特征数据和机理模型等，叠加生产动态数据，实现数字孪生。以?炼化厂为例，基于工厂的三维模型，利用数字化交付

83、平台和?真技术等，映射了一?数字化虚拟工厂。?：自动化?、智?运?、?外线、?人?利用库房应用物联网、?外线及机器人技术，实现固体产品从包装、码?、套膜、出入库、储存、?库管理到装车发?的全流程无人化。自动发?之后，接入市政府智慧城市网络，进行高效安全运输。?炼化厂目前基地的所有固体产品?储作业实现无人化，由?机自动完成入库和出库操作，用工人数下降80?。?四?：?、?人、?、?视?、?、?、?通过低代码应用平台的可视化软件功能组件的装?及模型化驱动自动生成运行代码。机器人基于设定的代码，代?人工进行防?智能?检，?检?角，生产场所的?、有害气体威胁等。?炼化厂与?波移动合作，构建基于5G网络

84、的机器人?检体系，机器人自动24?进行高?、无?角?检。对简单故障进行直接处理，遇到无法解决的问题，通过?设备将画面实时传输给专家团队。随着项目实施，人工成本显?降低，人均产值显?提升，实现?炼化厂高质量发展。32医药制造从整体来看对5T技术的投入不高，设备本身的自动化能力不足，对药品的研发长期依?国际数据库，使得数据相关技术的投入也相对较低。由于药厂的大品种药物需要连续生产，药企对能源稳定的技术投入则较高。医药对于新技术在加工制造环节的应用较为保?，对于其他环节的赋能以市场需求预测、智能营销、生产排期、原材料采购，以及?短药物研究。?上?，医药制造?业绿色智能?化?。订单?取的痛点在于?取订

85、单的时间较为?后，需要先以?道商、药?、医院的数据进行整合。研发设计的痛点主要体现在缺乏大数据、信息技术支撑，技术?较难逾越，与国际医药巨?相比，缺少基础医药研发数据，及信息化的分析手段，例如?I、大数据进行分析。加工制造环节受到制药的一致性生产要求，制药企业对于新技术整体较为保?，无?控制难度大，特别在生产工艺交接过程中存在污染、氧化及变质的问题；制药过程需要检测种类与程序较多，导致人工识别难度大；药品种类多，规格不一，人工?运效率低以及人工制药涉及多工序、多任务时，容易产生误差。?制造产业?全生?绿色智能制造?点?绿智程?绿智程?绿智程?研发设计?工制造?运维服务?服务?业管理主要以?道商

86、、药?、医院数据整合?取订单，整体?后于市场缺乏大数据、信息技术支撑，技术?较难逾越上下?接节点的信息流没有很好的整合受到制药的一致性生产要求，制药企业对于新技术整体较为保?：?求预测?智能生产排期?、大数据、数据?利用大数据进行深度挖掘发表论文、医学信息?等数据，并整合营销数据，市场药品流向动态数据进行差异化营销策略与预测。另外，生产企业可以主动延?至个人用户，进行远程?方、用药跟?等个性化远程给药。同时，在生产制造自动化、智能化的基础上，数据上云，进行“多工厂关键工序的自动排程、上下?工厂信息共享”支撑大品种连续制造和多品种?性制造两种模式。以?药厂为例，利用大数据并整合营销数据，市场药品

87、流向动态数据进行差异化营销策略与预测。?二?：集成?制造?、?人、?视?、?度?、?通过智能机器人进行集成连续制药，将制药工序连接成一条生产线。无?化?药、?装、转运、封口、分?机器人进行无?化生产操作；医药质量视觉检测机器人检测药?中的异物、识别瓶口破损、封装质量等。智能?运机器人进行药品的?运、分?等工作。以?机器人公司为例，已相继与多家知?药企达成合作。目前已实现以“机”换人，对100、250、500?等多种规格物料进行高速、高精度?取及放?，现场作业人数减少约60?。?：?制?生产与?、大数据、云计算?由于?者存在个体差异，均一化的药物有时候无法满足?者的用药需求。利用大数据、云计算及

88、3D打?技术为?者灵活调整药品方案，并进行快速生产。以?药厂公司为例，目前的3D打?定制药片的应用集中于医药的研发。?点和?能体现?产业?的技术融合场景?这里列举?类技术融合场景?第三章：绿色智能制造场景研究注1：中国制药工业白皮书注2：智能制造在医药领域的应用注3：医药智能制造生产线关键技术研究进展33?设?产业?全生?绿色智能制造?点?绿智程?绿智程?绿智程?研发设计?工制造?运维服务?服务?业管理基于宏观经济、行业周期进行人工预测，基本不应用智能技术?设?产业?技术?程?运营技术?信息技术?数据技术?通信技术?能源技术投入程度以?充色4圈为高投入，?色?充色为低投入专用设备属于国之重器，

89、政府正大力驱动半导体装备、工业机器人、数控机?等实现高端化，智能化转型是高端化的关键?手，中国企业?需自主生产出更高质量、高精度的“工作?机”。?绿色智能制造?景?设?制造?化、智能化进程高端化、智能化半导体装备机器人?数控机?工程机械造船装备港口、集装?机械高铁装备锂电?光伏装备航空装备风电?核电装备供应全?业?5T技术中，专用设备在OT、IT、?T投入相对较多，主要的因素是部分专用设备单体价格相对高，且使用时间上具有阶段周期性，会以?的形式?入下?的应用，对于控制系统、信息系统与通信技术有相对较高的要求。第三章：绿色智能制造场景研究34专用设备订单获取不稳定，行业周期性较为明显，生产排期及

90、需求预测目前仅依赖于人工决策，容易产生主观性判断失误；加工制造环节复杂，客制化程度较高，柔性产线生产的反馈数据得不到处理，造成数据堆积与冗余。订单获取、研发和采购供应链的痛点是基于宏观经济、行业周期进行人工预测，基本不应用智能技术；订单客制化程度高，导致生产周期长，产业协同困难以及备品不明确，难以预知下游零配件需求，缺货、采购不及时较为常见。加工制造的不足主要体现在生产过程高度离散，加工过程复杂，难以整理出标准的体系，数据可用性差；现场单据多，作业繁琐，需要填写大量工序单据；生产状况复杂，不确定因素较多，设计重修返工，半成品报废难以实时反馈。运维和售后的核心难点主要体现于租赁设备的运维与客户的

91、安全隐私产生冲突和远程运维的备件、物料难以统筹安排等。第一类：设备远程操纵5G、边缘计算、loT、信息安全、卫星定位利用5G的超低时延迟、边缘计算及信息加密技术对设备进行远程管理、远程监控、设备历史数据查询。并基于地图，实时显示设备所在地的统计数量，正常运行数量，停机数量，并进行全局统筹安排，在高危环节实现无人化运行。另外，远程操纵可以实现预测性维护，减少设备停机时间，提高生产率，降低损失。以某信息公司为例，根据客户监控要求，采集设备运营数据，检测设备工时，耗能、效益等数据，并进行生产效率优化。采集员工操作信息，精准管理操作权限，保障设备安全运行。同时在高危环节实现机器换人，进行远程操作。第二

92、类：生产排期大数据、深度学习、时序预测、loT、边缘计算利用loT设备采集的数据并结合过往的订单获取数据，进行机器学习及数据分析，对未来的生产排期进行时序预测。以某机器人公司为例，目前一部分订单已经使用了智能化的生产排期方式。部分客制化订单由于管理周期长，变动因素多，依旧使用人工排期，但是目前已经在进行智能排期探索，按照过往经验分析，智能排期模型至少需要相应产线的200-300小时的动态数据。第三类：高精度检测+精密加工大数据、深度学习、5G、边缘计算、loT利用loT收集数据，自建加工数据库，并进行模型训练。在加工阶段利用过往生产数据调整生产设备参数（例如机器臂对准度，底座转动定位精度等），

93、提高产品精度；在质量检测阶段，采集数据并进行对比，提高产品整体合格率。以某精密加工大数据公司为例，精密加工大数据系统是该公司主打产品之一，记录机器加工信息，并进行智能数据分析，强化机器过程管控，得到了戴姆勒、奥迪、兰博基尼和保时捷等知名车企的在0.01-0.02毫米生产要求的设备订单。另外，痛点和问题也能体现在产业中的技术融合场景，这里列举三类技术融合场景。第三章：绿色智能制造场景研究35?产业?技术?程?运营技术?信息技术?数据技术?通信技术?能源技术投入程度以?充色4圈为高投入，?色?充色为低投入食品饮料加工工艺较为复杂，同时净利?相对较低，智能制造技术?度不高，导致食品饮料行业在数字化转

94、型方面不及其他行业；近年来绿智技术发展迅速，推动食品饮料行业在信息流、能源管理、加工与物流运输场景优化，加速行业走向绿色智能化发展。2020年中国食品饮料加工企业物联网部署情况图?了在传统食品领域，发?、?造、?制、?制、?等制造过程无法采用先进技术装备，大量传统食品制造的工业化程度低，无法应对特?、多样的加工要求，核心技术硬件?不到位，所以加工程序复杂，?绿色智能制造改进。通过绿色智能制造组织改进食品饮料三方面优化?信息流优化：包括在线检测、工业互联、数据集成、数字模型、优化设定和精准控制实现质量全流程管控、一体化计划调度；能源管理优化?余热、余能高效回收利用、多能源?质之间高效转化、物质能

95、量协同优化等；加工物流优化?对食品饮料加工工序及全流程物流网络优化，实现高效生产，应对成本上升、?动力紧缺等挑战。食品饮料在绿色智能制造中属于转型较?的行业，目前处于数字化、自动化的阶段，虽然有?部企业有成功转型案例，但大部分企业依旧转型较?。主要的因素是加工流程复杂，净利?相对较低，企业对新技术敏感度不高。?绿色智能制造?景?工程序?绿色智能制造?进82126已部署技术部署没有计划?中国?品?料?工企业物联网部?（?：?）在传统食品领域，发?、?造、?制、?制、?等制造过程无法采用先进技术装备，大量传统食品制造的工业化程度低，无法应对特?、多样的加工要求，核心技术硬件?不到位。注1：商业科技

96、观察网注2：新工业网食品智能制造技术研究进展第三章：绿色智能制造场景研究36食品饮料绿智改造整体较为缓?，市场的高速变化及产品较短的生命周期对于企业绿色智能化转型造成一定影响。目前?部企业，已经开始利用智能技术指导生产，控制原料质量，及快速出库与送达。研发设计、研发和采购供应链的痛点是S?种类?杂，原材料需要多个供应商提供；消费者偏好转向速度快，产品研发节?速；原材料供应时间与产品消费?度低。加工制造的不足主要体现在制造单元自动控制，各自独立，无体系；缺乏?性制造能力，一条生产线一种产品，不能对产品标?、包装个性化调整；缺乏能源管理。?储和物流的核心难点在于发?确?，物流信息?杂，时间成本较高

97、，防?过保质期；食品饮料库存周转快，品种多，传统管理方式下，出入量大，准确低、效率低，统计不准确，积压与缺?并存。?产业?全生?绿色智能制造?点?目前采购供应这方面欠缺结合工序管控的时序预测与上下?通的?接节点信息流工序较多，对于技术、设备采购抗性较大绿智程?绿智程?绿智程?研发设计?工制造?运维服务?服务?业管理注1：财报网食品饮料行业数智化内?注2：重?工商大学、上海财经大学智能制造对中国食品工业的影响和判断第三章：绿色智能制造场景研究?：?性生产?智能?利用智能销售终端的大规模信息收集，对消费者行为进行分析，结合订单管理系统，E?，S?等构成消费大数据，通过?I分析，进行生产智能决策，指

98、导车间进行?性制造。以?I分析公司为例，?、通用?、都乐及百事可乐利用?公司的?I分析工具T?分析消费者?、为?，洞察消费逻辑，最后利用人工智能模拟人类“五觉”，比如从“味觉”推动口味开发的精准化、数字化，创新推出多元的风味，创造更大的经济价值。?二?：?健康监控?可?设?通过给?设备，接入物联网。?民实时跟?、监控?的?、营?、产?量等数据。同时也可以解放人工采?的?动力，同时保证作业过程的安全无?操作。以?品生产智能工厂试点示范项目为例，通过可?设备跟?活动状态，观察和?日常生活，并通过比较分析数据，建立监控系统，并识别?的身体?、产?量及其他指标，降低?病率及科学?，另外?设备可以吸收?

99、放的80?甲?气体。?：自动?与物流管理?将物联网与智能机器人技术应用于整个?储与物流管理系统，从生产线自动接单、安排生产、自动传输，到产品入库管理及安排发?。另外自动化装备?合统一通信协议进行实时信息采集，实现?S双向交互，实现全国?储物流园城监控管理。?智慧?储公司的解决方案，可以满足?储物流多样化复杂?管理需求，协同多系统实现?库运作的精?化。?准确率达?8?，?库最高密度提升13?5?，产品回库比例下降80?，叉车效率提升4?6?，库存天数下降2?天。?四?：发?产品企业?品?以先进物联网技术为基础，结合?T传感器及无线通信，达到实时监测发?指标，例如温度变化。以?饮料公司为例，发?车

100、间连接十个大型发?，基于物联网技术的应用及智能系统的融合，?S系统可以检测和及时调控每一个发?的温度，节省大量?动力，降低手工操作误差，稳定发?过程，提高果?产品质量，目前车间的员工主要工作由生产转变为检测。?点和?能体现?产业?的技术融合场景?这里列举?类技术融合场景?37目前的应用场景技术分为三类，第一类场景技术较为成熟，应用面广；第二类场景应用需求较高，但由于各种原因导致场景?未完全具备全面铺开的条件，?在部分行业或者?企业有所应用；第三类场景，技术基本成熟，但由于目前的行业生产流程?无应用环节，场景?宽。?绿智能制造技术与?景分析?应用场景技术成?度高，行业?求度高应用场景包含的技术基

101、本成熟，各行各业中有较多的应用各行业中有较多应用需求，技术在5年内进行大规模商业化铺开重点?应用场景技术趋向成?，行业?求度高应用场景技术?本成?，行业?求度有?展机器人制造工业质检（机器视觉、触觉、味觉）智慧?储运营优化虚拟工厂工业?助决策系统时序?需求预测?生产排期设备预测性维护智慧供能、管控?性生产制造无人智能?检用户侧储能远程操控重点?技术相对较为成熟，但对于所有制造业基本不具备普遍性?展场景?景分析：应用?景技术成?度高，行业?求度高?应用场景包含的技术基本成熟，各行各业中有较多的应用，涉及到技术有运营优化、工业质检（机器视觉、触觉、味觉）、智慧?储（?G?、?、立体自动?库）、机器

102、人制造，需要重点投入。?二?景分析：应用?景技术趋向成?，行业?求度高?各行业中有较多应用需求，技术在5年内进行大规模商业化铺开。涉及到的技术有：虚拟工厂、?性生产制造、工业?助决策系统、设备预测性维护、时序?需求预测?生产排期、智慧供能、管控等需要重点关注。?景分析：应用?景技术?本成?，行业?求度有?展?技术相对较为成熟，但对于所有制造业基本不具备普遍性。主要涉及的技术有远程操控，无人智能?检和用户侧储能。第三章：绿色智能制造场景研究我们列?了13个应用场景，给出场景的描?以及当前的阶段和融合的技术，最后附上应用的行业和我们的评?。?景?业化?分析?化?制?智能机器人制造自动?接、?药?、

103、分?、?装等?T、5G、?I、大数据、机器人、机器学习、?、边缘计算当前机械?已可以准确完成?接、?装等简单操作，效果?好并已实现大规模的使用；未来，对于机械?的开发，将集中在复杂环节的操作上电子元件、钢铁冶金、食品饮料、机械装备、医药制造大规模成熟应用?景?景?应用?主要融合的技术?行业技术融合场景?38第三章：绿色智能制造场景研究工业质检AI识别产品的裂痕、瑕疵、质量，提升良品率loT、5G、AI(机器视觉，包含气体、液体检测)、大数据、机器学习、云计算、边缘计算基于AI最成熟的计算机视觉技术，智慧工厂中已成熟应用视觉质检，因为可代替30%的人工成本及识别准确率可达99%；未来传统工厂将大

104、规模复制应用电子元件、钢铁冶金、食品饮料、石油化工、机械装备、医药制造大规模成熟应用运营优化解决了常规单回路控制不能解决的多变量间相互作用的控制难题loT、5G、大数据、AI、数据安全、机器学习为了增强操作控制便利性，企业从气动表、电动表的操作模式过渡到DCS，随后为了确保操作稳定，增加了APC先进控制，基于此的RTO实现实时控制，从整体看，随着大数据为代表的DT技术的完善，将会使得DCS、APC、RTO系统的进一步铺开及推动工厂智能化电子元件、石油化工、钢铁冶炼、机械装备大规模成熟应用智慧仓储利用AGV、ACR等机器人进行大负载或者精细化无晃动运输。同时自动化立体式结构提高仓储空间使用率，进

105、出库效率loT、5G、AI(机器视觉，包含气体、液体检测)、大数据、机器学习、云计算、边缘计算、实时定位（卫星、红外线）利用库房应用物联网、红外线及机器人技术，实现固体产品从包装、码垛、套膜、出入库、储存、仓库管理到装车发货的全流程无人化电子元件、钢铁冶金、食品饮料、石油化工、机械装备、医药制造大规模成熟应用柔性生产制造能够自动控制和管理零件的加工过程，包括制造质量的自动控制、故障的自动诊断和处理、制造信息的自动采集和处理;通过简单的软件系统变更，能制造出某一零件族的多种零件;自动控制和管理物料(包括工件与刀具)的运输和存储过程;能自主安排解决多机床下零件的混流加工；具有优化的调度管理功能，无

106、需过多的人工介入，能做到无人加工loT、5G、AI(机器视觉，包含气体、液体检测)、大数据、机器学习、机器人、RPA、数字孪生柔性生产相关解决方案将有效提升企业的生产效率，其主要目的是为了适应满足当今消费者个性化、多样化的需求 缺陷：当前算法颗粒度仍不够细化，导致管理环节仍需人工参与。例如在自动排产时无法具体到设备；定制化订单进来后仍需人工处理。未来3年随着算法的持续优化该场景将有较大增量电子元件、钢铁冶金、食品饮料、石油化工、机械装备、医药制造小规模应用与优化远程操控通过XR设备进行视觉连接，可穿戴设备进行设备操作或活动状态监控，通过5G进行低延时、大容量链接loT、5G、云计算、XR、数据

107、安全、交互感知实时反馈现场情况，实时采集现场信息、数据，允许人员远程进行操作，避免危险环境，并加大作业半径电子元件、钢铁冶金、石油化工、机械装备小规模应用及优化时序/需求预测+生产排期利用AI、NPL、数据挖掘等技术进行订单的预测，并指导生产loT、NPL、AI、大数据、机器学习、数据挖掘收集终端销售包括市场的数据，进行客户画像，结合loT收集的生产数据进行生产决策，指导车间柔性生产电子元件、钢铁冶金、食品饮料、机械装备小规模应用及优化设备预测性维护依托工业互联网、智能数字传感、大数据、云计算、人工智能、等技术手段，将企业设备实时监测数据、生产数据、传感器采集数据、视频采集数据、等各类设备数据

108、进行数据的存储-归类-标记-治理，运用建模进行设备早期故障的诊断与预测，实现设备的精准运维loT、5G、AI(机器视觉，包含气体、液体检测)、大数据、机器学习该场景目前主要针对有大型设备的制造业，通过传感器或者视觉对机械运作情况进行监控与预测性管理。优点：AI结合大数据联合建模，故障识别更为准确且可提前预警电子元件、钢铁冶金、食品饮料、石油化工、机械装备、医药制造小规模应用及优化虚拟工厂利用数字孪生技术，工厂及产线主要设备建模和相关采集数据loT、数字孪生、AI、大数据、数据安全所有模型可点击交互、自动聚焦，实时展示设备详细信息和运行状况，模拟运行产线情况，监控、预警、诊断、分析一体化；未来3

109、-5年数字孪生工业领域重点拓展方向，期望降低试错与管理成本电子元件、钢铁冶金、食品饮料、石油化工、机械装备、医药制造试点应用或研发工业辅助决策通过大数据平台结合AI智能分析，完成对工业企业整体流程的分析，为管理者提供决策辅助。例如：可完成运营数据分析，生产要素分析、工厂能耗管理，整场调度优化、异常事故预警等loT、5G、AI(机器视觉，包含气体、液体检测)、大数据、机器学习、数字孪生部分头部企业智慧工厂小规模应用，但决策合理性与精确度需要优化提升，50%需要人工参与；未来1-3年的主要优化方向为减少辅助决策人工干预比例，向智能决策推进电子元件、钢铁冶金、食品饮料、石油化工、机械装备、医药制造试

110、点应用或研发用户侧储能自动的通过一定的能源控制装置，将能量储存起来，在需要的时候，再自动把能量释放loT、储能、AI、大数据、机器学习智慧储能目前电网侧应用较多，主要是优化储能电站的散热管理、功率分配等功能，可以有效降低储能电站的自身能耗和电能的二次损耗，提升电站的运行效率钢铁冶金、石油化工、医药制造试点应用或研发智慧供能管控通过深度学习及边缘计算，准确学习用户的能源使用规律并做出趋势预测，设定满足生产工艺的能源消耗，再通过无损传输技术实时精准控制，实现节能loT、5G、边缘计算、AI、大数据、机器学习通过对能源站的设备、管网等各类能耗数据进行精准采集和整理，借助能效模型对能源系统进行能效分析

111、及节能诊断，从而达到对能源供应进行精准控制和运行监测，减少能源消耗、二氧化碳排放电子元件、钢铁冶金、食品饮料、石油化工、机械装备、医药制造试点应用或研发无人智能巡检利用移动机器人或3D可视化手段进行厂区智能巡检loT、机器人、5G、AI、实时定位（卫星、红外线等）、边缘计算无人巡检将降低巡检的成本并保障巡检人员安全，目前利用移动机器人的巡检方案在电力行业已有标杆应用，其他行业暂未大量铺开；基于3D可视化的智能巡检发展，将与数字孪生等技术成熟同步钢铁冶金、机械装备、石油化工小规模应用及优化场景场景描述当前应用阶段主要融合的技术评述行业39绿色智能制造生态?色分?04.40?绿色智能制造?景?绿色

112、智能制造?景?重?关?度?景，技术?成?，?求度高持?关?度?景，技术趋向成?，?求度高重点?场景重点?场景?展场景?运营?+?能?能?能?展?场景?技术?向?场景?展?基于绿色智能制造?景部?图，为重点投入、重点关注及?展场景三类进行关注度评价。绿色智能制造方面拥有较高的关注度场景为工业质检、智慧?储、运营优化、机器人制造、?性生产、设备预测性维护与储能，此类场景的技术基本成熟，商业渗透程度较高，与国家政策引导方向?合，成为市场需求高，技术已经成熟的重点关注度场景，目前已有大规模的落地应用。储能基于我国电力价工业补贴?民的原则及能源结构优化因素，可以平?峰?电价、稳定电能质量，增加绿电，提升

113、了智慧储能的关注度。时序预测?生产排期、虚拟工厂、工业?助决策和智慧供能为持续关注度场景，技术趋向成熟，市场需求度高，无人智能?检和远程操控为?展关注度场景，技术趋向成熟，场景需求?展。第四章：绿色智能制造生态角色分析来源：施耐德电气、亿欧智库、专家访谈414.2 场景解决方案服务商工业质检场景工业质检技术框架集团智能计算中心智能边缘-软件模型下发数据上报模型训练+数据存储+视频接入管理工厂推理服务工位管理执行操作规范检测表面缺陷检查错漏反检测工业OCR/读码移动检测定位引导测量安全生产监控细分应用场景模型训练模型分发视频接入管理模型端到端管理数据储存数据标准端侧-AI算法平台算子库工具库I/

114、O管理图像处理AI推理边缘模型算法数据接入智能边缘平台智能视频存储海量数据存储硬件智能边缘平台硬件工业摄像头工控机/报警硬件质量控制人员通过终端收集边缘端数据，利用训练完毕的AI模型进行图像识别、噪声识别等处理对产品进行质量检验，代替原先的人工质检，降低工厂人员成本、提升检测效率与准确度，规避严苛生产环境带来的人员伤害风险。细分应用场景有：操作规范监测、表面缺陷检查、错漏反监测、工业OCR/读码、移动检测、定位引导、测量、安全生产监控等。从技术应用情况来看，OT方面运用IoT技术，通过摄像头等边缘终端采集数据传输至上级进行推理计算；在IT方面，原有IT系统（如MES等工业生产相关系统）与新平台

115、接口管理；在DT方面，运用机器学习、图像识别等AI算法在边缘端及中心端进行数据处理；在CT方面，利用5G等传输技术保障算法分发、数据流通。第一类：云服务商，此类服务商拥有大数据中台和云服务积累，可针对不同行业的痛点，借助自己的数字化底座、智能化引擎对各行各业进行赋能；相关企业有AWS、腾讯智能云、华为云、阿里云等。第二类：机器视觉企业，此类服务商一般拥有自己的硬件产品，以深厚的AI机器视觉算法积累为核心为各行各业进行赋能；相关企业有海康机器人、浙江大华、COGNEX等。第三类：AI创新企业，此类服务商深耕细分制造行业，专注提升行业know-how，提供包括AI平台、算法、软件等全栈式的解决方案

116、。相关企业有中科创达、格创东智、思谋机器人、菲特检测、阿丘科技等。工业质检场景解决方案服务商分三类第四章：绿色智能制造生态角色分析424.2 场景解决方案服务商智慧仓储场景智慧仓储技术框架智慧仓储系统大量取代传统仓储场景中搬运、核算等人工部分，仓储管理人员通过用户端软件控制机器人等终端进行分拣、码垛、搬运等动作，省时省力、节省成本、提升效率，并根据系统中展示的经营、库存等数据及时了解仓储状况以便进行决策。从技术应用情况来看，OT方面，运用IoT技术，通过摄像头等边缘终端采集数据，用于记录货品出入库状况，以及控制机器人或叉车等机械设备；在IT方面与企业后台系统打通接口，同步库存状况；在DT方面，

117、运用AI算法处理终端数据，根据模型计算结果实现货品最优码垛、搬运最佳路线等策略输出；在CT方面，利用5G等传输技术保障算法分发、数据流通。第一类：仓储软件系统服务商此类服务商只能提供智慧仓储管理软件解决方案，对于硬件的适配性需要用户自身配合。相关企业有唯智信息技术、锐特信息、巨沃、运匠科技等。第二类：仓储硬件集成服务商此类服务商软件能力较弱，主要产品为物流机器人，提供仓库搬运与拣选解决方案，替代人力。相关企业有灵动科技、快仓智能科技、极智嘉科技等。第三类：仓储软件集成服务商集成咨询、软件、硬件三个模块，往往自主开发软件和硬件，所以各个模块之间的适配性很好。相关企业有海柔创新科技、安歌科技、鲸仓

118、科技、牧星智能等。智慧仓储场景解决方案服务商分三类识别系统传感器RFID导航系统图像识别智能标签搬运系统穿梭车AGV自动码垛机器人智能标签储存系统立体化货架存储托盘自动化输送线分拣系统水平拣选系统垂直拣选系统拣选机器人管理系统仓储管理系统WMS仓储控制系统WCS仓储信息传输系统第四章：绿色智能制造生态角色分析43第四章：绿色智能制造生态角色分析4.2 场景解决方案服务商运营优化场景运营优化为流程工业企业智能工厂的核心技术之一，自90年代开始，先进控制技术在石油、化工等行业的应用不断铺开，解决了常规单回路控制不能解决的多变量间相互作用的控制难题，实现了多变量间的协调控制；服务商基于不同的研发设计

119、环节分为三类服务商，为APC、RTO及供应链优化服务商。细分应用场景有：先进过程控制、实时在线优化、供应链管理。从技术应用的情况来看，OT方面运用了运用传感器、智能仪表、PLC进行状监控及边缘控制；IT方面运用了运用了APC及RTO进行流程优化；在DT方面运用了大数据、人工智能、机器学习进行预测输出变量的未来趋势并实现闭环控制；在CT方面运用了5G技术、wifi、蓝牙等技术进行低延迟通信。第一类APC软件服务商：先进过程控制软件服务商，在炼油、化工、水泥、电力、冶金运用广泛，拥有较强的多变量模型预测控制算法；相关的企业有AVEVA、Honeywell、世纪隆博、中控集团、YOKOGAWA等。第

120、二类RTO软件服务商：实时在线优化，在APC的基础上不断地对装置进行优化计算，并将优化结果通过APC控制实现闭环，使装置生产达到最佳的经济效益操作点。相关企业有AVEVA、ASPEN等第三类供应链优化服务商：基于决策变量、目标函数和约束条件，以全局的形势进行整体优化；相关企业有AVEVA、ASPEN等。运营优化场景解决方案服务商分三类运营优化技术框架原料评价数据库原料评价数据库软件计划调度和采购管理常规控制系统（DCS）CVs，MVs&DVs实时数据库先进过程控制控制变量&操作变量&目标APC数据整定能量和质量平衡模型整定严格非线性优化工艺设计脱瓶颈实时在线优化LP 矢量的更新稳态变量操作数据

121、优化设定点生产目标/价格44第四章：绿色智能制造生态角色分析工业机器人技术框架由人机交互系统传递指令到给定装置，再有控制系统、驱动系统、机械机械结构系统直至工作对象，同时作用在传感器上，传感器传输回人机交互和控制系统。具体细分应用场景有：打磨、喷涂、装配、搬运、焊接、切割加工。从技术应用的情况来看，OT方面，利用loT与边缘控制实时监控与反馈制造品与机械臂的状态，提高制造精度。在IT方面，运用了工业机器人操作系统，对机器人操作范围进行规范，覆盖不同客户需求。在DT方面，运用了大数据、机器学习、图像识别等技术对操作对象进行智能识别，确定加工制造范。在CT方面，运用了5G与工业排线进行实时连接。4

122、.2 场景解决方案服务商机器人制造场景机器人制造场景应用于自动化集成生产线，解决了自动焊接、喷漆、分拣、罐装等工序的智能化制造，提高制造精度，减少残次品数量。工业机器人技术框架 人机交互系统指令给定装置（示教器）与信息显示装置等控制系统处理器、关节伺服控制器 驱动系统液压、气动、电动、机械传动机构机械结构系统手部、腕部、臂部、腰部、基座工作对象传感器打磨喷涂装配搬运焊接切割加工细分应用场景第一类：机械装备、电气设备、自动化服务商此类服务商基于强大的机械装备、智能装备、电气设备及深刻理解工业自动化的服务商为主，这些服务商体系完整，行业的积累深厚，战略布局能力强，在国际上具备较强影响力，可以提供多

123、类型的智能装备解决方案；相关企业有ABB集团，FANUC，YASKAWA，KUKA ROBOT。第二类：早期以供应机器人核心部件的服务商此类服务商最早以供应机器人高价值的环节(伺服系统、控制器、本体制造)，不断向上向下延伸，以自研及合作的形式进行完整的机器人制造场景的解决方案服务；相关企业有新松集团、汇川技术股份有限公司、ESTUN AUTOMATION、北京兴安方达有限公司、禾川科技等。第三类：半导体服务商半导体企业通常凭借强大的底层平台能力进入机器人，高通在2022年5G峰会上推出机器人平台及具备5G和边缘AI技术的机器人解决方案；Intel推出AI+3D+工业机器人解决方案；另外英伟达也

124、推出了Jetson边缘AI平台，构建机器人解决方案。相关企业有高通、Intel、NVIDIA等。机器人制造环节场景解决方案服务商分三类注1：哈尔滨工业大学中国机器人产业分析报告注2：中国电子学会中国机器人产业发展报告454.2 场景解决方案服务商虚拟工厂场景虚拟工厂技术框架虚拟工厂场景是在计算机内的虚拟空间使工厂建模，考虑现实工厂的状况使虚拟工厂运行，进行动画处理的仿真功能，实现虚拟工厂的主要三类厂商包括：三维设计技术厂商、模型仿真软件厂商以及总体数字化交付厂商。从技术应用情况来看，OT方面运用物联网、边缘计算等技术提高数据采集量及处理能力；在DT方面，配备实时数据库等数据存储设施，并采用AI

125、算法训练、数字孪生等技术提升管理效率；在CT方面运用5G、wifi等网络传输技术保证信息互通。第一类：三维设计厂商三维设计厂商帮助制造业企业高效率地设计和管理工厂元素；相关的企业有：AVEVA、达索、CAD、云图三维等。第二类：仿真软件厂商仿真软件厂商利用VR、数据可视化、物联网等技术将工厂以可视化和VR形式展现；相关的企业有：ASPEN、YOKOGAWA、AVEVA、Honeywell等。第三类：数字化交付厂商数字化交付厂商提供各类工厂运营所需系统，串联包括三维设计、仿真建模等功能；相关的企业有云图、AVEVA、达美盛、海克斯康、互时科技等。虚拟工厂场景解决方案服务商分为三类第四章：绿色智能

126、制造生态角色分析模块设计3D创意流程设计流程仿真产线设计产线仿真物流设计物流仿真数据采集 VR显示、培训系统集成工程制造技术管理平台界面生成实时数据库数据存储数据分析ERPSCMPLMMES464.2 场景解决方案服务商柔性生产制造场景柔性生产技术框架生产方通过从设备终端到后台系统的整体数据联动构成柔性制造场景，实现制造厂商与客户履行互动式的信息交换，定时控制主顾对相干产品的需求信息，消除制造商生产的不确定性。在技术应用情况来看，OT方面，运用IoT技术，在产线各类终端设备配置传感器等数据收集工具，根据外部需求调整系统指令；在IT方面，与企业后台系统打通接口，产线生产、物流等信息与后台同步；在

127、DT方面，运用实时数据库存储、清洗数据，运用RPA、AI模型训练、数字孪生等技术实现流程模拟、自动响应等功能；在CT方面，利用5G等传输技术保障数据流通。第一类：工业互联网平台服务商，此类服务商的共同点为具备可实现柔性生产的工业互联网平台整体解决方案，但它们各自的企业属性有所不同，如老牌通用软件服务商、大型制造业集团的衍生平台。相关的企业有：工业富联、用友科技、金蝶、卡奥斯、美云智数、徐工汉云等。第二类：AI技术服务商，此类服务商专注于利用AI数据优化算法与智能决策模型帮助工厂将产能灵活化，实现柔性生产制造场景。相关的企业有杉树科技、第四范式、智云天工、悠桦林等。柔性生产制造场景解决方案服务商

128、分两类供应商管理系统生产管理系统物流管理系统仓库管理系统服务管理系统质量管理系统设备管理系统能源管理系统制造运行管理套件作业计划与指令生产信息反馈物流计划与指令物流信息反馈柔性制造单元柔性制造单元柔性制造产线采集监控组件自动调度与协同自动调度与协同加工/物流系统信息自动处理加工/物流系统信息控制指令加工/物流系统信息采集实时数据库集成设备管理数据清洗采集协议管理底层设备加工设备检测设备机器人运输线AGV立体库第四章：绿色智能制造生态角色分析47?景?景设备预测性维护解决了传统工厂设备运维状态不透明、?件耗材管理难的问题，实现设备实时监控、运维管理及备品管理，整体的技术?主要集中于传感器与算法模

129、型，对服务商的软硬件都有着相当高的要求。?分的应用?景有：设?监控、智能运维管理、?品?件?管理?从技术应用情况来看，OT方面将运用工业软件的数据互通，对接D?S、E?、?ES等工业软件系统，将OT与工厂数据利用最大化；IT方面运用了工业软件进行人机互动，利用E?系统进行备品备件耗材管理；在DT方面运用了大数据、机器学习、人工智能进行自学习，并进行高精度的自维护；在?T方面运用目前流行的4G、5G、?等通?方式进行信息交互与传输。第一类：检验检测、?器、设备监控服务商?深耕设备?器检验检测的企业，在结构力学方面有着强大的技术经验，对设备?器的状态判定精度具有优势；相关的企业有：东华测试、威?达

130、、?华科技、S?等。第二类：?T服务商?传感器、物联网及相关技术为设备智能?管理的基础，这类服务商在设备管理的感知层面存在相对优势；相关企业有容知、?度智能、?等。第三类：工业互联网平台、工业大数据服务商?基于工业云系统、工业大数据的设备?管理。相关企业有：?E?、工业富联、?云科技、?数据等。设?维?场景分?类?：?大?技术?其?技术?第四章：绿色智能制造生态角色分析?设备设备电机风机?数据?提取传感器数据?动信?信?温度信?压力信?数据预处理异常?失效数据检?数据根式清洗有效运维关联数据平?特征提取多数据时间?同步数据存储?工具相关性分析设备状态聚类识别相?度检测趋势性分析特征降维异常数据

131、检测?因果关系分析信息?断推理程序设备状态聚类识别趋势性分析?度评估?策?实时告警资源优化维修决策收到反馈后重新更新模型48?景?能?景用户侧储能主要解决工商业用户用电成本上升、变压器扩容成本高、?机损失大、限电影响生产等问题，同时提升绿点消?。?分应用?景有：?、提高光?利用?、?电?管理、?用电源、动?、?与?求?应（?）?能量管理系统?设备控制、状态监测系统能耗监测运行模式切换园区?能?度、系统监控风?光?储能量管理负荷、发电预测需求响应策略园区?能?管理?电池包监测（总电压?功率?内?）计算电池组SO?SO?电池组运行策略设?故障处理电池包管理?电池?监测（电压?电流）计算修正SO?S

132、O?电池充?放电管理异常报警电池?管理?模组监测（电压?温度?内?）线?监测?极?温度?断线监测)电池模?管理?能?能系统?软件控制?电池?S数据处理异常报警处理下发控制指令系统状态可视化设?监控能量平衡?充放策略优化运行模式控制能?度电池状态预防性?断?S空调照明消防电气系统第四章：绿色智能制造生态角色分析49?绿色智能制造?分析?人制造?景工业质?景智?储?景运营优化?景?备装备?心部件企业?应?云?机器视觉企业?创新企业?件?件?成?应链?化?成熟度硬件能力生态网络软件系统品?力成熟度硬件能力生态网络软件系统品?力成熟度硬件能力生态网络软件系统品?力成熟度硬件能力生态网络软件系统品?力设

133、备装备服务商在硬件、制造、生态环节实力较为?实核心部件企业以提供?服系统等核心?部件的企业为主，在机器人制造领域拥有相近的品?力半导体供应商在前沿科技的理解应用较深，生态网络深?云服务商由于平台积累较深，资源较为丰富，在生态网络方面优势较大机器视觉企业核心产品普遍为?，硬件实力扎实?I创新企业深耕制造业应用场景，对实际落地情况更为了解三类服务商中?储软件服务商能力较为“偏科”，软件厂商需要下?用户自行安排硬件系统集成商综合能力较强，自研的软件水平不逊于?储软件服务商，且与硬件协同性更好?、?TO、供应链优化属于层层?进关系能够提供?TO服务的服务商不?需要多变量模型预测控制算法，需要具备对于在

134、线系统、流程模拟、模型的优势?：设备供应商?目前以?酸铁锂技术为主导，随着近年来市场对储能安全需求的提升，钠离子、?酸锂等新型储能电池技术有一定发展潜力；相关企业有：?德时代、格力、比亚?、国?高科、亿?锂能等。?二?：分布式储能集成商?随着各地光伏项目、限电需求、需求侧响应政策等，专注于用户侧分布式储能集成服务的厂家也开始涌现，其技术服务能力比表前储能SI?家更加智能更加灵活，但业务规模不及表前?家；相关企业有：智光、采日能源、?探智能、库?能源等。?：储能投资运营商?从用户侧储能商业模式来看，主要涉及2种模式：1）第三方投资型，以大型工商业用户为主，主要投资方为能源集团；2）用户自投型，如

135、中型工商业、数据中心、充电站储能市场为主；项目建成后，提供运营服务的可能是投资方、用户、SI等；相关企业有中国华能、星星充电、世纪互联。?能场景分?类第四章：绿色智能制造生态角色分析50虚拟?景设?预测性维护?景?性生产制造?景?储能?景数字化?厂?计厂?件?应?备?控?工业互联网?备?应?分布式储能?成?储能?投资?工业互联网平?技术?成熟度硬件能力生态网络软件系统品?力成熟度硬件能力生态网络软件系统品?力成熟度硬件能力生态网络软件系统品?力成熟度硬件能力生态网络软件系统品?力3D设计与虚拟?真软件厂商均为软件服务类厂商，两个行业发展时间均不如数字化交付厂商从生态网络看，三者为生态互补关系，

136、数字化交付成品中包含3D设计与?真软件协同的解决方案分布式储能集成商在储能容器的智能管理技术方面具有较大优势，更加智能且灵活储能运营商?投资商以商业化运营为主设备检验监控服务商在设备的状态智能判定方面拥有较大优势，落地能力及品?力明显?T、工业平台服务商在传感器领域、云服务、数字化具有竞争优势工业互联网平台服务商一般为大型通用软件厂商或大型制造业集团?生企业，拥有丰富先进工程解决方案经验，且?性生产目前主要应用于大型智慧工厂，贴合度较高，所以工业互联网平台服务商综合能力更强设备供应商在储能硬件方面，特别是储能电池、新材料等方面拥有较大优势品?力：?维度用以衡量?类服务商普遍的企业知?度、议价能力。成?度：?维度用以衡量?类服务商成功落地的案例与团队服务能力。生?网络：?维度用以衡量?类型服务商对于商业合作伙伴数量，以及生态圈的兼容性。?件能力：?维度用以衡量?类型服务商对于硬件设备的技术能力。软件系?：与硬件能力类?，?维度用以衡量?类型服务商对于软件系统的技术能力。绿色智能制造生态?价?价维?量?第四章：绿色智能制造生态角色分析51