装备制造集团 SCM 集成计划体系顶层设计方案 2 现状调研阶段的关键发现及总体解决思路 多种订单组织方式并存，规则不够明确 计划调整规则未明确定义 3+2 滚动计划周期偏短 集成计划以职能为中心，计划职能涉及多个部门 采购执行涉及多个部门，对供应商窗口较多 需求计划准确率偏低，对生产和采购指导性不强 缺乏端到端的订单管理，订单处理规则不明确 产销平衡机制有待完善 3 日锁定计划难以真正锁定，影响生产稳定性 供应链价值最大化（生产稳定、成本降低、订单灵活响应） 更稳定 计划 柔性 + 例外 规则 + 承诺 通过打通计划流与订单流，构建出“规则 + 承诺、柔性 + 例外”的集成计划体 系，从而实现“快速响应市场变化、灵活应对订单调整” • 与 CRM 打通，连 接商机管 理 • 引入科学 预测方法 • 建立合理 库存管理 方法 • 建立订单 规则，实 现订单交 期承诺、 订单可视、 分类及优 先级管理 • 明确不同机型订单组织方式 主要改进点 ⑴ 收益 明确混合的订单组织方式， 定义具体机型的产品分类及 对应的组合方式 优化中期计划，去除 B 表 ⑵ 增加周度滚动计划，每周管 理后续 4 周的上线计划 日滚动计划调整为 3+1 方式 （提前 3 天锁定 1 天） ⑶ ⑷ • 有效指导不同机型的生 产组织方式、整机库存 储备规则，零部件供应 策略与储备规则 • 去除作用不明显的 B 表， 减少日常管理工作量

在方案设计好后，需要制定实施计划，确保在实施 过程中不影响现有的生产工作。在实施过程中，需 要对设备和工艺进行调整和改进，并对操作人员进 行培训和指导。 监 控 和 调 整 在实施完成后，需要对生产流程进行监 控和评估，以确 保优化方案能够顺利地实现预期的目标。在此基础上， 还需要对方案进行调整和改进，以适应生产环境的变化 和需求。 实践指南 了解公司的业务和工厂的现状，包 括生产流程、设备和系统、人员技 括生产流程、设备和系统、人员技 能等方面的情况。 评估现状 根据现状评估结果和公司的战略，设定升 级智能工厂的目标和计划。 设定目标 在实施计划后，进行测试和调整， 确保设备和系统运行稳定、符合预 期效果。 测试和调整 按照方案，逐步实施升级计划，包括购置 设备、安装和调试系统、培训员工等。 实施计划 制定方案 持续改进 智能工厂是一个持续改进的过程， 需要不断收集数据和反馈信息，优 在建造制造智能工厂过程中，往往会 忽略管理与技术标准的建立，易造成 缺少数据标准，一物多码、作业执行 不规范、设备管理不标准、管理流程 太复杂、产品质检不标准等问题。 步骤详解 - 测试和调整 确 定 测 试 范 围 和 目 标 明确测试的目标和重点，确定测试的 范围和所需的测试资源。 设 计 测 试 用 例 根据智能化系统的不同模块和功能， 设计相应的测试用例，并编写测试脚

10 智 己 汽 车 红 中 国 信 通 院 生产线上的产品质量，及时发现缺陷和瑕疵，避免不合格产品流入下一道工序。 此外， AI 大模型还能根据生产进度和设备状态，动态调整生产计划和资源分配， 实现生产效率最大化。 在汽车供应链管理方面，通过分析历史数据、市场趋势及供应商信息， 进行精准的需求预测，优化生产计划和库存管理，避免库存积压或缺货现象。 在物流配送环节， 车内智能交互系统的进化，如语音识别、手势控制、人脸识别等技术的 应用，让驾驶者双手不离方向盘、双眼不离开路面就能完成诸多操作，提高了 驾驶的便利性和安全性。一些高端车型还能在上车瞬间自动识别车主身份，根 据预设习惯调整座椅、后视镜、驾驶模式等，带来个性化的专属体验。这些智 能化的功能和服务，使汽车不再仅仅是一种交通工具，而是成为了用户生活中 的智能伙伴。 促进可持续发展 AI 技术在汽车研发、生产 22 智 己 汽 车 红 中 国 信 通 院 ● 研发端：根据用户反馈和市场趋势数据，自动触发车型配置迭代与 实 验方案更新； ● 制造端：依据订单波动与供应链状态，实时调整生产节拍与物料匹 配 策略； ● 用户端：基于个体行为模式与环境状态，主动预判并执行服务策略。 ——至此达成从“人工决策”向“智能涌现”的范式迁移。 目前，研发设计、用户运营和座舱体验等领域的

外，智能化汽车还具备自我学习和优化的能力，通过深度学习算法，汽车可以从大量的驾驶数据中提取有用的 信息，不断优化自身的驾驶策略，逐步提升了对复杂交通场景的处理能力。此外，汽车还可以根据用户的驾驶 习惯和偏好进行个性化调整，提供更加符合用户需求的驾驶体验。未来，随着技术的不断进步和完善，汽车将 变得更加智能、便捷和安全，为用户带来全新的出行体验。 随着社会的发展和人们生活方式的变化，汽车不再仅仅是一种交通工具，而是逐渐成为一种新的移动生 ；通过智能助手，用户可以轻松控制车内各种 设备，甚至进行在线购物和预约服务。其次，这些系统还能够通过持续的数据收集和分析，不断优化自身的性 能，以更好地满足用户的个性化需求。例如，智能座舱系统可以通过分析驾驶员的行为模式和偏好，自动调整 车内环境设置（如温度、座椅位置等），并提供定制化的导航建议和服务推荐。此外，汽车还可以与其他智能 设备无缝连接，实现智能家居、办公等场景的延伸，为用户提供一个全方位的生活体验。这种转变不仅提升了 或 L3 级别，即组合驾驶辅助或有条件智能驾驶，这意 味着车辆可以在特定情况下进行智能驾驶，但驾驶员仍需随时准备接管控制权。例如，自适应巡航控制可使车 辆自动保持与前车的安全距离，并根据前车速度调整自身车速 ；车道保持辅助系统能帮助车辆在车道内稳定行 驶，当车辆有偏离车道趋势时自动进行微调纠正。目前不少主流汽车品牌的中高端车型都已初步具备这些功能， 部分车企也宣称其产品具备 L3 级别的有

标准化处理确保数据在同一量级，减少模型偏差。 接下来，采用分布式训练框架如 TensorFlow 或 PyTorch，结 合 GPU 集群进行并行计算，以加速模型训练。训练过程中，通过梯 度累积和动态学习率调整策略，提升模型收敛速度和训练稳定性。 具体来说，采用自适应优化算法如 AdamW，结合混合精度训练技 术，进一步优化计算资源利用率和训练效率。 为了确保模型的泛化能力，采用交叉验证和早停技术进行训练 务上的 表现。具体步骤包括加载预训练权重、冻结部分网络层、调整输出 层以适应新任务需求，再进行精细化训练。这一策略不仅能显著减 少训练时间和资源消耗，还能提高模型在小样本数据上的表现。 最后，通过模型评估和性能调优，确保模型在实际应用中的效 果。评估指标包括准确率、召回率、F1 分数等，调优过程通过超参 数搜索和模型结构调整实现。采用贝叶斯优化或网格搜索方法，系 统性地探索最优超参数组合。调优过程中，重点关注模型的鲁棒性 GPU、TPU）进行并行计算，并通过动态批次调整和计算图优 化技术提升计算效率。结果输出阶段，引擎应将推理结果转换为标 准格式，并支持多路输出以适配不同的下游应用。 为了进一步提升推理引擎的性能，可以采用以下优化策略：  计算图优化：通过合并算子、消除冗余计算、减少内存拷贝 等方式，减少计算开销。  动态批次处理：根据输入数据的大小和硬件资源的状态，动 态调整批次大小，以最大化吞吐量。 

对于本次项目，我们建议采用如下的采集器部署方式： 8 通过该方式的采集链路部署，可以有效的减少数据传输中的不稳定因素产生，同时 可以简化和规范数据采集过程中的网路结构。在今后功能出变化或者设备出现调整时， 不会因牵一发而动全身导致项目整体的修改难度增加，每一个单元以及结构都可以单独 的被替换和修改，不会影响到其他结构。 2.2．数据的展示 数据的展示，是指将采集到的和已存储的数据，经由 KS 企业系统方面，目前主要依靠 OA、ERP 或类似的系统来进行相互间的联系。在 缺少 MES 系统的支持下，虽然本次建设了 SCADA 系统，信息的传递仍会在管理 层与生产层之间出现不确定性，且无法及时的去了解和调整现有的生产任务以匹 配管理层制定的生产指标； l l 生产过程方面，应积极的去评估和统计各产线、环节的理论生产能力以及对于计 划的完成程度的追踪，便于生产过程的优化和提高产线的生产能力； 于结果的预估情况，对于不能及时 完成的订单，则需要人为的干预调整，也就是计划的调整后下发；计划优化功能 则是针 对生产中出现的多次调整等问题或是经验性问题进行优化建议，改善计划制定过程中的 偏误，一般来说该功能 属于未来型功能 ， 需要大量的数据作为支撑，所以现阶段一般是 靠人工进行调整，使之运行在一个比较准确的决策环境中 。 17

成品产量、库存、出厂台账 半成品产量、库存、出厂台账 能耗台账 技 术 与 保 设备运行状态 生产工艺执行情况 采购计划调整 成品生产计划调整 半成品生产计划调整 监控预测与优化调度 经济维护确 保 设备可靠、安全 工艺、配方改进 质量控制与追溯 指标调整与优化 集中、灵活的生产调度，优化生产资源配置，确保 生产计划 完 成 九大核心价值之二 “ ” 通过 坚强的 数据采集平台，掌握全 衡 运 行 参 数 限 值 运 行 规 程 工 艺 特 性 设 备 模型 规 实例化 范 测点 绑定 工况 配置 公式 调整 规则 配置 优 化 标 准 体 系 历 史 数 据 寻 优 规 划 能 耗 技 改 能效 优化 改进 出厂检验 质量数据 质量报告 质量分析 手工数据 检验仪器  原料配料 质量检验 质量 偏差 调整配比 工艺 配方 质量 标准 质量 事件 异常报警 质量分析 质量考核 提交中控室 调整配方比 根据偏差原因进行原 料配比优化、调整 • 查找原因 • 调整配比 发现偏差 原料质量标准 质量检验 标准 质量结果 质量事故考核 质量不合格， 产生重大影响

机器人 技术和智能化技术，以实现高效、精确的焊接作业。智能焊接机器人不仅能够在没有人类直 接操作的情况下完成焊接工作，而且还具备自我控制和智能决策的能力，能够根据焊接过程 中的实际情况进行实时调整和优化，从而提高焊接质量和效率。 智能焊接机器人的特点包括： 高自动化程度：智能焊接机器人能够自主完成焊接任务，减少人工干预，提高生产效率。 高精度和高稳定性：通过先进的控制系统和传感器技术，智能焊接机器人能够实现高精 度的焊接，保证了焊接质量的一致性和可靠性。 智能化决策：具备自我优化路径的功能，能够根据焊接材料的特性、厚度等因素自动调 整焊接参数，实现最佳的焊接效果。 适应性强：智能焊接机器人能够适应不同的焊接需求，通过更换不同的焊接头或调整参 数，可以完成多种焊接任务。 高安全性：通过精确的控制和监测，智能焊接机器人能够减少操作过程中的安全隐患， 保障工作人员的安全。 2025 智能焊接机器人产业发展蓝皮书 图像处理算法识别焊缝特征，提供焊缝 三维信息，辅助机器人进行路径规划。 基于激光三角测量法发射激光束并接收 反射光，实现焊缝的高精度测量，提供焊 缝深度、宽度等信息。实时监测焊接位置 和状态，能够自动调整焊接路径。 所需硬件 3D 相机 激光视觉传感器 应用场景 识别、寻位 跟踪、寻位、纠偏 技术特点 效率高、部署调试方便、编程相对简单 精准度高、适用于复杂焊缝的跟踪 工作环境

能够通过优化已有生产流程,帮助制造 业提效;以及优化制造业研发设计、生产调度、运营管 理等流程,大幅缩短原有流程的时长。 例如,AI 技术 可以帮助企业实时监控和评估生产流程的效率,分析 生产流程中的瓶颈,从而调整资源配置,优化生产线布 局,提高整体生产效率。 同时,AI 技术能够通过分析 设备的运行数据,预测设备故障的可能性,提前进行优 化维护,从而减少设备故障导致的停机时间,提高了生 产线的整体效率。 VLA),实现了自然语言驱动的 机 器 人 操 作 控制。 其次是质量控制。 深度融合大模型与计算机视觉 技术,借助 AI 技术对生产过程中的多个连续环节进行 实时监测和分析,快速发现异常和缺陷,调整生产参 数,提高产品质量的稳定性。 在工业质检场景中,大模 型技术与工业视觉技术的结合可以实现自动化、高精 度的质量检测。 例如,大模型能够从大量已标注的图 像数据中学习到各种类型的缺陷特征 AI 专用小模型可应用于生产工 艺的优化,如根据实时数据反馈,灵活调整生产参数以 提高生产效率并降低能耗。 例如,在铝合金铸造过程 中,AI 专用小模型可以根据实时反馈的数据,动态调 整炉内温度、铸造速度和模具压力等关键参数;通过持 续监测铝液的温度、流动性以及模具的冷却状态,能够 识别出最佳的生产工艺条件,并实时调整参数,避免温 度过高或过低导致的气孔、裂纹等缺陷。 同时,在质量

转向角度传感器测量驾驶员转动方向盘的角度和速率， 反映驾驶员的转向意图，是车辆动态控制的关键输入。 转向场景中，根据转向角度和车速，动态调整助力大小， 如倒车时方向盘仅需小力转动，高速时重助力，防止方 向盘虚飘。在转弯跟车场景中，结合转向角度和曲率半 径，ACC 系统可预判弯道半径，调整跟车距离，如大 弯道时适当拉大间距，避免碰撞前车。 （2）轮速传感器 轮速传感器主要测量车轮转速，通过脉冲信号计算车 实际应用场景中，系统通过优化转向控制逻辑，可显著 提升车辆操控性能，有效减少方向盘转动圈数，增强转 向响应灵敏度。在变道过程中，通过实时调节转向角度 与力矩，大幅提升车辆行驶稳定性，并通过智能调整前 后轮转向协同策略，实现转弯半径与窄路掉头操作次数 的双降。以弯道行驶为例，当车辆感知弯道半径后，系 统可精准控制后轮与前轮呈反向转动，使车辆转弯半径 明显降低，实现小半径弯道的精准转向，有效提升狭窄 紧急制动时，固定的制动力分配方式无法根据各车轮实 时的附着力进行动态调整，可能导致某个车轮抱死，引 发车辆侧滑、甩尾甚至失控，严重威胁行车安全。此外， 第二章 智能驾驶技术架构与关键能力 19 在冰雪、积水、砂石等复杂路况下，传统制动系统无法 精准控制制动力度容易使车辆失去抓地力，造成事故。 针对上述痛点，需要推进制动系统智能化升级，如通过 车轮间制动力调整，提升制动安全性与稳定性。 通过传感器实时采集和估算车速、车轮转速、路面摩擦