四、智慧工厂规划蓝图 五、智慧工厂建设路径 智慧工厂整体框架 建设范围 覆盖层级 核心能力 ►围绕大制造领域工艺、计划、生产、 物流、采购、质量六大核心专业， 拉通产品开发、订单交付两大核心 业务过程 ►以装备、网络、流程、系统、数据、 技术为核心进行智慧能力构建，实 现从自动化、信息化向智慧、智能 化的迈进 ►覆盖并贯穿现场层、控制层、操作 层、工厂管理层、企业管理层、生 态协同层 现场 采购 质量 建设范围 覆盖层级 核心能力 智能制造整体方案的优势：一体化、全要素覆盖 订单管理 计划管理 产品 BOM 图文档管理 车间作 业管理 生产调 度管理 生产运 行监控 过程质 量管控 厂内智 能物流 设备运 行管理 能源 管理 健康安 全环保 DCS/PLC CNC/DNC 传感器 机器人 操作系统 数字化 仪器仪表 WMS RFID 芯片 及读卡器 条码 产品生命周期管理 WMS 生产线 计量系统 可视 排程 质量 管理 设备 管理 能源 管理 工序 管理 接口 管理 物料 管理 产供 销研管控闭环 大制造领域产品开发、订单交付过程整体概览 产品开发（ IPD ） 中长期规划 项目策划 概念开发 量产开发 生产准备 产品生命周期 研发 工艺 质量 采购 物流 计划 单一产品工艺策划 冲压、涂装、焊装、总 装

2015 年一季度，吨原油加工量综合能耗同比下降 1.7% ，吨乙烯产量综 合能耗同比下降 1.3% ，但其总体能耗水平约为世界先进水平的 1.5 倍。 “原油加工”和“化工原料及化学制品”的生产过程被列入六大高耗能行业。 我国石油、天然气资源严重不足。 2015 年上半年石油表观消费量 2.69 亿 吨，对外依存度 60.4% ；天然气表观消费量 920 亿立方米，对外依存度 31.5% 2015 年一季度，吨原油加工量综合能耗同比下降 1.7% ，吨乙烯产量综 合能耗同比下降 1.3% ，但其总体能耗水平约为世界先进水平的 1.5 倍。 “原油加工”和“化工原料及化学制品”的生产过程被列入六大高耗能行业。 我国石油、天然气资源严重不足。 2015 年上半年石油表观消费量 2.69 亿 吨，对外依存度 60.4% ；天然气表观消费量 920 亿立方米，对外依存度 31.5% ) 逐渐完善，但各类管理系统和业务系统相对独立  企业生产、经营管理等过程的数据种类和规模正以前所未有的速度增长， 亟待实现信息的深度利用 存在的问题：  工业化和信息化缺乏深度融合，关注焦点集中在对工业装置物质转化 过程的自动化  计划、调度和优化控制的指令严重依赖知识型工作者；忽视全生命周 期运行过程中的知识获取、提炼以及决策等知识型工作在资源利用、 能源管理、产品创新、安全环保等方面的应用

.......... 103 8.4. 能源和排放 (即标签页 C_Emissions&Energy) ............................... 106 8.5. 过程和特定隐含排放计算 (即标签页 D_Processes) ....................... 107 8.6. 购入的前体产品 .......................... CBAM 范 围的商品可在 CBAM 条例的附件一中找到，其中列明相关的 CN 代码。进口商 应确保其产品使用这些代码进行正确分类，以确定它们是否属 CBAM 框架的范 围。 CBAM 关注生产过程直接相关的温室气体 (GHGs)。CBAM 涵盖的主要温室气 体是二氧化碳 (CO₂)，它是目标行业中最重要的排放来源。然而，根据生产过 程和产品的不同，其他温室气体如全氟化碳 (PFCs) 和一氧化二氮 直接排放 直接排放是指在生产 CBAM 涵盖的商品过程中产生的温室气体排放。这 些排放源包括： o 现场生产过程： 在设施内制造商品时直接产生的排放，例如来自 生产用燃烧和其他生产过程的排放。 o 热力和制冷： 用于生产过程的热力和制冷所产生的排放，无论热 力或制冷是在现场还是异地产生。也就是说，如果热力或制冷在 设施外生产，但用于生产过程，其产生的排放仍被计为直接排放。 这里常见的排放源是输入的热流和废气，这与

一、总体方法 园区碳排放的核算边界为一个自然年内园区内能源活动和工 业生产过程产生的直接或间接碳排放之和。本办法所称碳排放指二 氧化碳排放，不包括其他温室气体。 E 园区=E 能源活动+E 工业过程 式中： E 园区为园区碳排放量（万吨）； E 能源活动为园区能源活动产生的碳排放量（万吨）； E 工业过程为园区工业过程产生的碳排放量（万吨）。 二、能源活动碳排放 （一）核算范围。园区能源活动碳排放主要包括园区内化石能 （一）核算范围。园区能源活动碳排放主要包括园区内化石能 源用作燃料产生的碳排放、能源加工转化过程产生的碳排放、园区 电力与热力净受入蕴含的间接碳排放。园区中如有用于国际航空航 海的燃料燃烧的碳排放，暂不从总量中扣减，但须单独列出。 1.化石能源按品种分为：煤品、油品、天然气三大类。按现行 能源统计体系，煤品包括原煤、洗精煤、其他洗煤、煤制品、煤矸 石、焦炭、焦炉煤气、高炉煤气、转炉煤气、其他煤气、其他焦化 （二）核算方法。园区能源活动碳排放为化石能源用作燃料产 生的碳排放、能源加工转化过程产生的碳排放、园区电力与热力净 受入蕴含的间接碳排放之和，即： E 能源活动=E 用作燃料+E 加工转换+E 间接排放 式中： E 能源活动为园区能源活动碳排放量（万吨）； E 用作燃料为化石能源用作燃料产生的碳排放量（万吨）； E 加工转换为能源加工转化过程产生的碳排放量（万吨）； E 间接排放为园区化石能源电力与热力净受入蕴含的间接碳排放量

一、总体方法 园区碳排放的核算边界为一个自然年内园区内能源活动和工 业生产过程产生的直接或间接碳排放之和。本办法所称碳排放指二 氧化碳排放，不包括其他温室气体。 E 园区=E 能源活动+E 工业过程 式中： E 园区为园区碳排放量（万吨）； E 能源活动为园区能源活动产生的碳排放量（万吨）； E 工业过程为园区工业过程产生的碳排放量（万吨）。 二、能源活动碳排放 （一）核算范围。园区能源活动碳排放主要包括园区内化石能 （一）核算范围。园区能源活动碳排放主要包括园区内化石能 源用作燃料产生的碳排放、能源加工转化过程产生的碳排放、园区 电力与热力净受入蕴含的间接碳排放。园区中如有用于国际航空航 海的燃料燃烧的碳排放，暂不从总量中扣减，但须单独列出。 1.化石能源按品种分为：煤品、油品、天然气三大类。按现行 能源统计体系，煤品包括原煤、洗精煤、其他洗煤、煤制品、煤矸 石、焦炭、焦炉煤气、高炉煤气、转炉煤气、其他煤气、其他焦化 （二）核算方法。园区能源活动碳排放为化石能源用作燃料产 生的碳排放、能源加工转化过程产生的碳排放、园区电力与热力净 受入蕴含的间接碳排放之和，即： E 能源活动=E 用作燃料+E 加工转换+E 间接排放 式中： E 能源活动为园区能源活动碳排放量（万吨）； E 用作燃料为化石能源用作燃料产生的碳排放量（万吨）； E 加工转换为能源加工转化过程产生的碳排放量（万吨）； E 间接排放为园区化石能源电力与热力净受入蕴含的间接碳排放量

BOM 构建 3 工艺设计 4 仿真验证 仿真验证 仿真验证 BOM 5 MRP 7 生成生产计划 8 9 下达生产计 划 产品定义管理 6 订单组件 计划排程 18 生产过程监控 生产效能分析 17 16 数据采集 15 生产统计 14 10 质量管理 11 文档 管理 12 生产调度执行 13 计划完工 23 反馈生产数据 21 设备运维管理 制造行业的特点之二： 装配 / 总装过程复杂性 装配物料多 操作人员多 测试要求多 质量要求多 追溯要求多 计划 在制 人员 质量 物料 当前高端装备制造行业的特点和问题分析 二 BOM 变化 物料变化 参数变化 软件变化 操作要求变化 工具要求变化 质量要求变化 交付方式变化 制造行业的特点之三： 需求到制造生产过程多变性 当前高端装备制造行业的特点和问题分析 制造企业持续创新：  产品技术创新  生产方式创新  管理方法创新  运营模式创新 数字化技术 精益生产 创新持续改进 产品设计模型化 生产工艺结构化 生产计划有序化 生产过程透明化 质量管理统一化 设计运维一体化 企业将迈向高度定制化的产品和系统，实现生产乃至整条供应链的数字化 制造企业关注问题及应用数字化技术持续改进目标 二 自 动 化 程 度

..................................................................................128 6.4.2.2 质量管理过程................................................................................................... 建设背景及需求分析 1.1 建设背景 数字化智能工厂是现代工厂信息化发展的新阶段，是在数字化工厂的 基础上利用物联网技术和设备监控技术加强对信息的管理和服务；达到对 产销流程的清楚掌握、提高对生产过程的可控性、减少对生产线人工的干 预、达到即时正确地采集生产线数据以及合理的编排生产计划与生产进度 的控制。加上采用绿色智能系统等新兴技术，构建一个高效节能的、绿色 环保的、环境舒适的人性化工厂。 系统集 成，以及外接传感器等方式，由 SCADA（数据采集与监控系统）实时采集 设备的状态，生产完工的信息、质量信息，并通过应用 RFID（无线射频技 术）、条码（一维和二维）等技术，实现生产过程的可追溯。 2. 广泛应用工业软件。广泛应用 MES（制造执行系统）、APS（先进生产 排程）、能源管理、质量管理等工业软件，实现生产现场的可视化和透明 化。在新建工厂时，可以通过数字化工厂仿真软件，进行设备和产线布局、

MES 系统 第二章 建设和实施方案 第三章 解决方案 第四章 目录 Contents 1 智慧工厂整体方案 对项目目标的理解 • 可支撑企业现有组织架构及未来扩张的需要； • 生产过程可监控，实现透明工厂； • 为企业决策提供数据支持； • 提高企业管理效率及生产效率、提高生产质量，实现企 业效益提升； • 操作简单、快捷，不影响现有工作； • 不需要录入大量数据，数据尽量以下拉、扫描等形式输 借助系统的帮助，可以提高工作效率（如防呆）； • 与报工信息化系统能实现集成； 操作层 更高起点 更高质量 更低费用 更高效率 • 无纸化生产，自动生成统计分析所需要的数据； • 可监控生产过程中的计划执行、产品品质、设备运行、 物料使用等情况，在出现异常时，及时预警； • 作业人员、生产设备的绩效管理； • 生产品质能够追溯，可追溯出质量问题产生的原因； 管理层 • 系统运行稳定，在大数据下实现高可用； TIA （全集成自动化）及 WMS 供应链管理 ，全部实现了无缝的信息互联，造就出了一幅 透明的数字化工厂的画面。 智能制造的数字化成都工厂 单线产能： >2400 件 /天 ； 过程数据 > 15 万 /天； 过程质量控制点 16 点 /件 ；每年生产 1,500,000 平方 米的 PCB 板，相当于 50 个 足球场； 产品合格率 99.9988% ； 24 小时交货期； 智能断路器 PLC

警不及时”的问题。 解决思路 将数据和知识库进行深入融合，构建 AI 模型库； 将 AI 应用到生产全流程的过程质量控制：  在线实时监测与波动预警；  AI 强化 SPC （统计过程分析）功能，辅助识别复杂工艺的 实时波动与隐性异常。  将质检“事后把关”转变为“过程控制”；  从“抽样检验”迈向“全量检测”；  从“看数据”转化为“看趋势、识风险、自动 预警”；  从“经验驱动”转化为“数据驱动 行全生命周期、全过程、全要素的智能化管理，实现质量问题的预防、预测、预警和持续改进。 - 预防性 ：从被动检测转向主动预防 - 预测性 ：预测质量趋势和潜在问题 - 实时性 ：实时监控和反馈质量状态 - 全面性 ：覆盖产品全生命周期 - 智能性 ：具备自学习和自优化能力 AI+ 质量管理——方案概述 核心功能 1 、 FMEA 失效模式与影响分析： • 识别哪些环节是生产过程中最可能出问题 ，快速定位导致质量异常的可能原因。 2 、 SPC 统计过程控制： • 利用 SPC 软件对生产过程中收集的数据进行实时分析 ， 监控生产 过 程的稳定性和产品质量的一致性。 • 结合 FMEA 实施改进－数据恢复正常 ，则说明纠正措施有效。 此时， 更新 FMEA 和 SPC 的相关设置 ， 以便更好地监控未来的生产过程。 3 、 质量预测 根据实时生产数据和模型 ，预测产品质量趋势

程和数据流之间直接或间接的相互关系，以及 这种关系存在的原因。这种深层和独特的分析提供了一个高等级的平台来侦测异常，通过行为和 运营表现来标记质量与效率，并进行微观辩证性的根源问题分析。 生产过程建模 设备数据建模 结果的相似和关联性 产线数据建模 模型算法 -DNN 神经网络是一组模拟人脑进行模式识别的算法组合，通过 聚类或者标记原始数据进行数据感知，它可以识别真实世 界包含在向量中的数据，如图片、声音、文本等。 上的隐藏层学习。 模型与数据 异常检测 事件处理 环境分析 人机协同 能效增强 质量强化 实时数据处理 历史数据处理 模型分析实时数据检测设备 状态、预防设备故障、优化 生产过程、提升产品质量、 能效增强、人机协同。 通过对历史数据清洗整合， 进行模型的训练，优化模型 参数，进行更加有效的生产 和运营。 强化模型 工业大数据建模目标 制造价值提升 1 、原因分析的工艺优化； 程和数据流之间直接或间接的相互关系，以及 这种关系存在的原因。这种深层和独特的分析提供了一个高等级的平台来侦测异常，通过行为和 运营表现来标记质量与效率，并进行微观辩证性的根源问题分析。 生产过程建模 设备数据建模 结果的相似和关联性 产线数据建模 模型算法 -DNN 神经网络是一组模拟人脑进行模式识别的算法组合，通过 聚类或者标记原始数据进行数据感知，它可以识别真实世 界包含在向量中的数据，如图片、声音、文本等。