虚拟仿真技术 自动驾驶技术 大数据技术 人工智能 VR/AR 技术 网络通讯技术 基础设施网络化 √ √ 生产管理数字化 √ √ √ √ √ √ √ 生产装备智能化 √ √ √ √ √ 生产作业系统化 √ √ √ √ √ 安全监管智慧化 √ √ √ √ √ √ √ 设备管理预测化 √ √ √ √ √ √ 企业管理协同化 √ √ √ 1.3.2 技术支持：新兴技术与智能矿山深度结合，为不同解决方案提供 风机 办公网络 采区网络 视频监控 工作面 生产装备智能化 生产作业系统化 销售和市场管理 勘探和开发管理 IT 架构管 理 设备资产管理 安全监测管理 人力资源管理 工业控制网络 设备培训 数据管理 财务管理 价值链 19 2.2.1 生产场景化解决方案——基础设施网络化、生产作业系统化、生产 装备智能化，三步走实现智能矿山生产全场景智能化升级 装备智能化，三步走实现智能矿山生产全场景智能化升级 u 亿欧智库认为智能矿山生产场景解决方案主要分为三个层次 ，即基础设施网络化、生产作业系统化和生产装备智能化。通过三步走 ，能够满足 单座矿山的基本智能化条件与要求。 地表现状模型、 地质品位模型、 矿体模型 © 亿欧智库 - 叶子 (355826) © 亿欧智库 - 叶子 (355826) © 亿欧智库 - 叶子 (355826) 矿石加工 矿石运输

性关闭流程 产成品入库 流程 生产退料流程 标准成本 估算流程 作业类型计划 价格维护流程 生产管理 (PP)-3 、整体业务应用方案及提升点 信息可视化 业务一体化 管理系统化 物料齐套性 检查 ECN 工程 变更处理 订单异常 处理 主数据管理 需求计划管理 生产计划 生产控制 成本管理 工作中心 工艺路线 MBOM  与项目 / 销售管理模块集成 供应商自主注册，扩大潜在供方来源。 • 供应商准入、冻结 / 解冻、淘汰全生命周期管理。 • 实现供应商品类及绩效管理。 • 实现供应商和采购价格统一归口，统一系统化管 理。 • 采购与库存管理统计分析。 • 通过生产计划拉动采购计划 • 规范采购计划流程 • 统一归口，统一系统化管理 通过集成 SRM ，以期实现 : • 与供应商的订单、生产进度、交货、 对账开票、请款线上协同 • 采购业务全过程管理，提高管理能 1 提 升 点 采购价格统一归口，统一系统化管理。 基于未来蓝图谈提升点、核心解决方案及风险管控 - 采购执行 之 配额管理 风 险 管 控 3 需定时根据供应商绩效，交期，质量 产能更新物料配额 核 心 解 决 方 案 2 通过配额管理实现运行物料需求计划 后，依据配额比例自动跑出相应采购 申请。 1 提 升 点 1. 系统化控制物料配额管理，提升采购 透明化管理。

延伸到企业的上下游业务伙伴，打造企业核心 的工业互联网平台 . 整理制作郎丰利 1519 第一阶段 示范产线建设期 • 实现一车间 3 条示范产线 MES 建设； • 实现生产派报工、生产过程管控、质量管控、 质量结果系统化、人员管理、过程数据采集在 • 设备机联、点检、保养等管控目标 • 优化企业生产管控过程，基于第一阶段内容与 生产数据分析结果优化生产过程管控流程、实 现智能排产排程 • 完善企业数据仓库、优化数据分析决策系统， 标准 协同 采集 > 无纸化、实时化计划任务管理，让任务管理更便 捷 计划任务管理 > 在线工艺图纸、生产作业指导书、质量检测作业 指导书、设备点检保养作业指导书，让标准更易 落地 系统化标准落地 > 技术呼叫、设备呼叫、质量呼叫、物料呼叫等， 高效协同化生产过程管控，让生产过程更高效 生产过程协同 > 人工生产任务汇报、机联生产数据采集、设备运 行数据采集质量数据采集，让数据采集更简单 无感及自动化的数据采集，无需增加多余操作动作 生产过程采集通过插拔卡的动作完成，操作简单便捷 生产过程采集以周转载体为管理与现场紧密结合 生产过程采集中通过声音与灯光的配合，实现现场系统化指导作业 生产过程采集实时进行，让生产过程数据透明化 生产过程采集全面，为实现全过程质量追溯提供保证 异常事件实现快速发起，多端推送，快速响应的处理机制，减少不必要的沟 通，实现协同作

管理工厂各个环节，对数据进行统计汇总，及时呈现数据变化，给工厂管理人员提供数据支撑； 采购协同管理，同步拉动采购物料需求，通过系统平台实现采购订单管理、外购物料库存管理、供应商发 货、退货、检验等管理； 对全过程质量系统化管理，品质数据统计、分析，同时对品质人员的检验能力进行相应的管控； 基于透明的统一过程管理及追溯信息化平台，基于过程数据统计分析实现制程优化改善，实现生产各个关键 要素设备、模具、工装的系统保养维修数字化管理。 采集，MES系统提供报表图 形化展示，极大方便质量人员进行数据分析，提升工作效率近50%； 通过制造执行系统项目的落地实施，实现了油门踏板和变速操控器组装车间的系统化管 理，实现车间生产进度，品质管理以及通过齐套拉动，实现精益化与系统化结合，将核心 的管理数据，提供给管理者作为生产调度和决策的有效依据。 第四章 典型数字化转型案例 项目背景 苏州某公司是一家专注于微型精密制造的国家高

企业 数字化转型的基础，而且高质量、结构化、可治理的数据资 产不仅可提升数据可用性，还能支持业务的量化分析与优 化。 （二）数据治理是数字化转型的前提 数据治理是保障数据质量的关键，通过系统化的治理确 保数据的准确性、一致性、完整性和安全性。数据治理涵盖 标准制定、元数据管理、主数据维护、质量管理、权限控制 与安全防护等关键环节，形成闭环管理体系，解决“有哪些数 据、从哪来、谁负责、如何保障质量、怎样合规使用”等核心 10%，而高级数字化人 才占比仅 3%。苏州制造业企业因普遍缺乏专业的数据分析、 管理和挖掘人才，导致企业在数据治理体系建设、数据标准 制定、数据质量提升以及数据安全管理等方面能力不足，难 以构建系统化、规范化的数据管理体系。 （四）数据安全与隐私保护难度大 当前，制造业企业普遍面临数据安全与共享之间的矛盾。 随着数字化转型的深入和网络化程度的提升，涉及生产工艺、 设备运行、客户信息等敏感数据面临日益严峻的安全威胁。 统 一的技术支撑。该标准涵盖了数据质量评价（质量、成本、 应用要素）和价值评估（收益法、成本法、市场法），同时 规定了数据资产价值评估的整体框架、评估方法、实施流程 等内容，可帮助企业进行系统化、标准化的数据资产评估。 建议通过财政补贴、税收优惠、设立专项资金等方式， 鼓励和支持苏州本地制造业积极参与数据资产评估。通过规 范化、专业化的数据资产评估工作，进一步推动数据资产的 合规入

物料成本占生产成本的 50% 左右，优化物料库存成本 是企业继续解决的问题，物料 种类、储位管理、条码化作为 基础管理需求，同时库存管理 需要 满足先进先 出、随机存取、 库龄预警等功能。 通过系统化、规范化管理物料 进而降低库存积压、减少呆滞 物料存放。 重点需求 协助企业实现互联网化、智慧化 应用 SUNLIKE ERP 建立自动监控体系 产业链协同提高 企业运营效率 生产车间通过自动化改造、引 联、制造执行系统没有跟 ERP 计划系统联动，企业需要 通过 设备数据采集呈现到 MES 系 统，实现数字化车间， 做到计划、执行全程透明化、 可追溯。 实现人、机、料、法、环、质 量全面管理 企业需求系统化做到事前预测、 事中控制、时候分析，通过信 息化系统自动 预警相应 岗位急需完成的工作：如低于 安全存量、采购即将到期、销 售订单即将要 交 货、款项到期、 生产逾期、未完成服务、提交 的审批、呆滞物料等；

随时查询库存情况 实现功能 & 优点 1 ）及时准确把握库存情况 2 ）自动扫描，替代人为目视盘点，提高效率和准确性 3 ）所有操作由移动终端指定作业步骤，新手也可马上上岗作业 准确性，及时性，系统化 智 能 制 造 --- 军 工 企 业 智 能 化 及 产 线 应 用 04 MES 在 典 型 实现功能 & 优点 1 ）所有出库都根据出库指示书出库，确保准确性 2 ）出库路线由电脑自动计算，给出最短路线，提高拣货速度 3 ）搬运出库全由移动终端指定作业步骤，新手也可马上上岗作业 准确性，及时性，系统化 出库完了 发货指示书 发货指示书 智 能 制 造 --- 军 工 企 业 智 能 化 及 产 线 应 用 设备管理 设备对企业生产不可或缺，它是生产活动的物质技术基础，决定着企业生产效率和质量 通过 MES 对设备的管理，实现了：  加强安全生产  对设备运行的全过程进行监控  对设备进行系统化的检测、维护和替换  让设备适应企业的发展需求 MES 系统对生产设备等资源有着严格的管理要求，在日常的生产过程当中，能够更好 的利用设备的产能，并且对设备的加工能力，维修保养计划，当前的状态，未来的生

面临资金有限、技术储备不足、人才 短缺、数字化认知和准备度不高等共性困境。同时，市场竞争环境瞬息万变，客户需求不断迭代， 留给中小企业的调整空间更小、周期更短。在这种背景下，中小企业既需要构建系统化、完整性 的新型制造系统，又必须在有限的资源条件下，找到灵活而可持续的转型路径。 所谓新型制造系统，不再是简单的产线自动化或信息化拼接，而是以“数字”为核心驱动要素， 以“制造技术 + 数字技 轮全球竞争中找到自己的位置。中国制造能否实现真正意义上的世界级跃升，取决于是否有一大 批中小企业能够跨越“数字化门槛”，进入系统化转型的快车道。 本报告的目标，正是为中小企业提供一套方法论：从理解大势，到认知挑战；从发现问题， 到设计方案；从“积木式”搭建，到系统化升级。我们希望，本报告能成为中小企业穿越不确定性 的灯塔，成为推动中国制造走向世界级制造的实践指南。 在本报告的编写过程中， “轻量版”AI 预测性分析应用，结合行 业机理经验与人工智能技术，为多种 常见设备类型打造设备类型模板以及 预训练的常见故障诊断数据模型 帮助用户轻松上手人工智能应用，实现便 捷的设备管理以及备件管理，系统化监控 设备状态、管理相关测点数据，实时掌握 设备使用情况，提高设备管理的智能化程 度，降低成本、提高效率。 预测性分析 SiePA 1.SiePA 设备运维预测预警（即机械振 动分析），工业AI智能预测性维护系统，

各部门各自有管理风格，各自为政， 难以形成统一的体系 市场与供应链控制乏力，生产被动应 对，只希望通过系统能有效解决 生产过程控制实效，缺少敏捷反应能 力，成本高起 基础数据薄弱，无法进行系统化工作 的开展 自负又自卑，对新生事物不敢尝试， 不愿改变自己，项目推进困难 企业在供应链中的位置，设备情况，人员构成比例等诸多问题导致企业运营管理水平不高，从供应链到生产过程，从质 量控制到人员管理，公司的整体 Ltd. 项目解决的重要问题 ▲ 产线各种类型的设备：激光切割机、数控折弯机、剪板 机 等离子切断机、退火炉喷粉线、抛丸机、空压机、自 动手 动焊机、加工中心等的集成 ▲ 物料齐套管理的系统化管理 主要效果 ▲ 实现了各种设备的集成、监控，加工程序直接下达至机 台 ▲ 通过委外管理建立了完善的智能供应链体系，实现高效 供 应链 ▲ 计划管理、齐套管理，计划合理性大幅提升，订单交期

即时获取决策的关键参考数据。 4) 提供从原材料到成品出货正反向追溯能力 1) 生产的制程管控、物料防呆防错。 2) 生产进度监控 , 实时掌握进度。 3) 人员工时效率及资质管控。 1) 车间设备类型系统化集中管控。 2) 设备即时状态即时掌握、稼动效率分析。 3) 保养、维修落实执行。 落实生产 / 设备 / 质量 / 监控的作业