中國的制造業(yè)，無論是流程制造還是離散制造，都遇到了進一步發(fā)展的瓶頸期。對于流程制造來說，如水泥、鋼鐵，表現(xiàn)比較明顯的是能源利用率的提升問題——特別是進入雙碳時代后，制造業(yè)的環(huán)保需求逐步加大。對于離散制造來說，突出問題是需求側市場變化太快，工廠的投入和產能存在巨大不確定性。

智能制造的西安場景模型著眼于產線的微觀智能，分別是自適應控制、生產工藝優(yōu)化、能耗優(yōu)化、專家知識系統(tǒng)、智能質檢、預測性維護。

1.場景一：數據移動在線化

工信部等八個部門正式印發(fā)《“十四五”智能制造發(fā)展規(guī)劃》，明確到2035年，規(guī)模以上制造業(yè)企業(yè)全面普及數字化網絡化，重點行業(yè)骨干企業(yè)基本實現(xiàn)智能化。

人員的排班排產、產線的調度優(yōu)化、貨物流轉、金融周轉等運營效率的提速，都需要生產經營數據的在線化與移動化。數據的在線可以讓企業(yè)管理人員在生產、經營過程中，依據實時數據不斷調優(yōu)決策。

制造行業(yè)解決方案2.0從對生產狀況影響最大的人和設備著手，讓設備數據、成本數據實時呈現(xiàn)。通過生產碼、庫位碼、報工碼、物料碼等四個生產環(huán)節(jié)的二維碼，解決制造企業(yè)最核心的進（采購）、銷（銷售）、存（倉儲）、生產環(huán)節(jié)數據在線化和移動化的難題。

2.場景二：自適應控制

利用生產裝備和工藝的自動化是智能制造在過去幾十年追求的重要目標，但是由于生產設備和生產現(xiàn)場的復雜性、生產原料的不穩(wěn)定性和環(huán)境變化，生產產線完全依賴傳統(tǒng)的PLC（可編程邏輯控制器）、DCS（分散控制系統(tǒng)）很難做到自動控制，依賴產線工人根據經驗判斷各種異常進行頻繁的操作控制，也會因為疲勞和經驗的差異出現(xiàn)波動。

融合數據感知和AI決策的自適應控制應運而生。自適應控制基于產線的機理進行建模，根據歷史記錄，生產結果數據對模型進行訓練和優(yōu)化，將模型下發(fā)到生產端根據產線實時數據推理生產參數并推薦，最后結合控制技術對生產線進行閉環(huán)控制。

不同工藝專家技術水平不同，調出來的效果相差較大。而培養(yǎng)一位合格的工藝專家需要1--2年的時間，一旦離崗，經驗也隨之帶走。

3.場景三：工藝優(yōu)化

工藝，是一家企業(yè)如何利用生產工具對各種原材料、半成品進行加工或處理，使之成為產品的方法，包括鑄造、鍛壓、機械加工、熱處理、焊接、裝配、油漆等工藝類別。

一方面，各個行業(yè)都有自己的通用數字工具和自動化設備，如CAPP（計算機輔助工藝過程設計系統(tǒng)）。另一方面，企業(yè)自主研發(fā)創(chuàng)新、經驗總結的加工方法，可以成為企業(yè)自己的獨門秘籍，比如毛坯制作、機械加工、熱處理等各個環(huán)節(jié)先后順序的優(yōu)化，都可以提高生產效率、降低生產成本、提升產品質量，是一家工業(yè)企業(yè)最核心的競爭力。

每家制造業(yè)企業(yè)都規(guī)定了產品的工藝路線、機器設備和加工模具的種類、品名及編號、檢驗方法等，是組織生產和工人進行生產操作的重要依據。

過去20年中國制造業(yè)的工藝優(yōu)化，主要聚焦于兩個方面：引進國外的輔助工藝設計系統(tǒng)和培養(yǎng)有經驗的專家。今天，則轉向了數據智能。

4.場景四：能耗優(yōu)化

能耗優(yōu)化直接關乎“十四五規(guī)劃和2035遠景目標”中“雙碳目標”的達成，已經成為流程制造企業(yè)發(fā)展的重中之重?！吨袊鲜泄咎寂欧排判邪瘢?021）》顯示，登榜的100家A股和港股上市的高碳排放公司，分布在石化、化工、建材（水泥）、鋼鐵、有色、造紙、電力、航空八大高耗能行業(yè)。八大重點高能耗行業(yè)中的六個，都屬于“大制造業(yè)”。傳統(tǒng)制造業(yè)的高端化、智能化、綠色化，提高了制造業(yè)對新技術的發(fā)展要求。

水泥行業(yè)有著很高的煤耗和電耗，水泥的“兩磨一燒”工藝（生料磨、回轉窯與水泥粉磨），是保障水泥品質穩(wěn)定的主要因素。

第一步：數據采集與清洗。結合工藝專家經驗，水泥工業(yè)大腦首先將生產系統(tǒng)、控制系統(tǒng)、設備管理系統(tǒng)、能源管理系統(tǒng)中的海量數據進行提取，包括質檢數據、DCS數據、環(huán)境數據等。同時對數據進行清洗，剔除噪音數據或無效數據，補充缺失數據，為下一步模型訓練提供高質量的數據資產。

第二步：模型搭建。采用先進的機器學習算法、神經網絡算法，結合先進過程控制模型，對所收集到的多維度數據進行建模，真實還原水泥產線上的實際生產過程。并通過對大數據模型的參數進行調節(jié)，以實現(xiàn)從輸入參數到輸出參數的非線性映射關系。

第三步：機器學習。通過采集六個月的歷史數據，分析多達上百個變量之間的耦合關系，并對模型的輸出進行預測，使風、煤、料的最佳組合范圍可量化、可視化，達到同等產量熟料質量最好；同等質量情況下，產量最高；或是同質同產情況下，能耗最低。

第四步：在線控制。最終生產線工藝參數的設定，會結合工藝參數范圍、步長信息、工藝參數實時值等，由水泥工業(yè)大腦進行多變量綜合分析，實時針對各工況的產量、質量、能耗多目標進行尋優(yōu)，推薦一組最佳的工藝參數實時反寫回分散控制系統(tǒng)，實現(xiàn)水泥核心生產過程的自動駕駛、無人值守。

以上自適應控制、工藝優(yōu)化、能耗優(yōu)化的案例能夠清晰地看到，西安場景模型智能制造的基本解決方案路徑：收集歷史數據--鎖定關鍵參數--構建算法模型--用實時數據驗證算法模型，并進行調優(yōu)--輸出動態(tài)參數推薦，或連接自動化控制系統(tǒng)。