航天云网工业大数据 复杂装备远程运维综合解决方案 中国航天科工集团航天云网公司 内 容 一、云网介绍 二、工业大数据建设背景及思路 三、工业大数据平台技术架构 四、工业大数据平台案例 • 中央直接管理的国有特大型高科技企业 • 由总部、 6 个研究院、 1 个科研生产基地、 13 个公司制 / 股 份制企业构成 , 拥有职工 16 万，涌现了钱学森、宋健、黄纬 禄等著名专家。 航天云网 —— 公司定位 航天云网 —— 公司定位 突出企业智能化改造 突出复杂设备联网 突出制造资源共享 李伯虎 院士，航天云网首席科学家 研 发 力 量 社 会 认 可 专家团队：航天云网智能制造系统研究由著名计 算机仿真与计算机集成制造专家李伯虎院士领衔 国家重点实验室：全国首个复杂产品智能制造系 统技术国家重点实验室将落户航天云网 工业互联网产业联盟：成员单位包括工业和信息 事 长 单 位 理 事 长 单 位 阿里巴巴 中国电子 大唐集团 中国一汽 • 2016 年 7 月，航天云网联合航天测控公司、国机集团、哈尔滨电汽集团、中兴通讯等企业，共同承担国家发改委“大型复杂 装备工业大数据平台建设及产业化”项目，并将以此项目为依托，打造国家级工业创新中心，并落地地方。 • 该项目将能够为大中型企业建设具有完善数据资产管理能力的大数据平台，并通过汇聚海量高价值制造过程和资源数据，优

广泛应用于离散型与流程型制造场景中. Honeywell MES (霍尼韦尔) [13]: Honeywell 的 MES 解决方案聚焦于流程工业, 强调生产计划管理 与流程优化, 结合大数据分析能力, 尤其适用于化工、能源等高复杂度生产环境. iPlat4M MES (宝信软件) [14]: iPlat4M 专注于实时监控、生产排程与质量管理, 旨在提升整体制 造效率, 适合推动数字化转型与提升制程可控性的企业. 中智达 符合 ISA-95 等国际标准, 实现计划、排程、操作、统计、分析与考核等全流程整合, 能灵活支持不同 规模与层级的企业进行精益化生产管理. 2.2 工业数字孪生 —— 流程模拟软件 化工生产涉及复杂理论和繁琐计算, 传统手工方法效率低、易出错, 因此化工流程模拟软件成为 工艺设计与优化的关键工具. 该类软件自 20 世纪 80 年代能源危机以来, 依托化工原理、热力学、高 等数学与编程技术广泛应用于化工厂、设计院与科研单位 CAPE-OPEN 标准以确保模块兼容. 流程求解器则处理复杂流程和回路迭代 问题. 国际上如 Aspen Plus, Hysys 等软件技术领先、功能强大, 广泛用于石化与能源行业, 凭借精确算 法和完备数据库占据主导地位, 但成本较高. 国内软件虽起步较晚, 但近年来快速发展, 具备本地化和 性价比优势, 逐步满足企业需求, 但在物性数据完整性和复杂流程模拟精度方面仍有提升空间. 中外 主流流程模拟软件对比如下

EDGE 方法，为 变革管理和企业数字化转型提供支持。 EDGE 并不是一个 缩写，它是一种表达方式，时刻提醒着我们数字化企业转 型之路上的挑战、混乱和激动。 EDGE 一词来源于复杂适 应性系统理论的“混沌边缘（ edge of chaos ）的概念，它 填补了数字化战略与价值交付之间必不可少的一环。转型 需要持续创新，而这又需要一种敢于挑战现状的先锋文化。 者 这是一本令人影响深刻的书，书中提供了一整套原则和实践，以帮助企业提 升创新力。通过聚焦成效和价值，并依靠产品思维、轻量级治理和适应性领 导力，作者诠释了公司如何通过敏捷产品组合在日益复杂的环境中生存和发 展。本书值得珍视并仔细品读 Robert D.Austin 毅伟商学院教授， Adventures of an IT Leader 作者 敏捷作为一种广泛的业务概念已经成为主流思想。 想避免重蹈百视达（ Blockbuster ）或柯达（ Kodak ） 的 覆辙，绝大多数首席执行官都渴望数字化，但大部分企业在战略与执行之间存在着难以逾越的巨大鸿 沟。 而 EDGE 一词来源于复杂适应性系统理论的“混沌变化”（ edge of chaos ）的概念，它填补了数字 化战略与 价值交付之间必不可少的一环。转型需要持续创新。 EDGE 时一种运营模式，它要解决的问题 有： 在需要快速做出重要的响应时，人们应如何合作？

年取得突破性进展。通过模型剪枝、量化、知识蒸馏等技 术的综合应用，主流的视觉识别模型已经可以压缩到 10MB 以下，同时保持 95%以上 的精度。语言理解模型也实现了百倍压缩，使得在手机、可穿戴设备等资源受限的终 端上运行复杂的自然语言处理成为可能。更重要的是，动态模型压缩技术的成熟，使 得同一个基础模型可以根据不同终端的算力自适应调整，真正实现了"一次训练，处处 部署"的愿景。 硬件加速技术的普及是端侧 AI 爆发的另一个关键驱动力。2026 产业界的标准实践，成为 AIoT 系统的原生能力。这一转变标志着感知技术从单一维度向立体化、从被动采集向主动 理解、从数据负担向数据资产的根本性跃迁。多模态融合不再是技术上的锦上添花， 而是在复杂场景下确保系统可靠性和安全性的必要条件。 · 4 传感数据资产化的理念在 2026 年将得到广泛认同和实践。企业开始意识到，每一个 传感器采集的数据都是潜在的价值来源。通过建立完善的数据治理体系，包括数据标 年的基带芯片在支持多 模多频、降低功耗、集成 AI 等方面取得了显著进展。 5.2 射频前端器件 射频前端连接基带芯片和天线，负责信号的放大、滤波、切换等功能。5G 时代频段数 量激增、载波聚合复杂度提升，对射频前端提出了前所未有的挑战。 5.3 通信 SoC 芯片 系统级芯片（SoC）将通信、计算、存储等功能集成在单一芯片上，是智能终端的核 心。2026 年的通信 SoC 正在向通感算一体化方向演进。

识和经验来模拟专家的决策过程。IBM的Watson医疗助手是一个著名的专家系统案 例，该系统通过学习大量的医疗文献和病例数据，能够辅助医生进行疾病诊断和治 疗方案制定。在实际应用中，Watson已经成功辅助医生诊断出了多种复杂疾病，并 提供了个性化的治疗建议。 （2）机器学习 20世纪80至90年代，随着统计学习和神经网络等技术的兴起，机器学习逐渐成为AI 的主流技术，使机器能够从数据中自动学习并改进其性能。典型应用场景有“图像 等技术的出现和融合，为AIGC提供了强大的技术支撑，使得机器能够更准确地理解 和生成内容。 8 随着深度学习、大数据、云计算和边缘计算等技术的快速发展，以及预训练模型和 多模态技术的突破，AI开始能够生成更复杂、更自然的文本、图像、音频和视频内 容。特别是以GPT系列为代表的大型语言模型的出现，使得AIGC在内容生成方面取 得了显著进展，开始展现出强大的内容生成能力。 AIGC的出现和发展，标志着人工智 AI时代的教师角色 以ChatGPT、Gemini、文心一言、讯飞星火为代表的人工智能大模型迅猛发展，凭 借强大的自然语言处理能力，它们能够完成问题解答、内容创作（文字、图像、音 视频等）、代码生成等复杂任务，对人类的知识获取方式、信息生成方式等产生深 刻影响。 在AI时代前，教师在教育教学中主要扮演知识传授者的角色，教师负责讲解教材内 容，解答学生疑问，并通过布置作业和考试来评估学生的学习成果。教师是课堂的

销售订单 排程模拟 采购库存 在制品 领料申请 MRP Sys 交付计划 工厂维护计划 物料需求计划 Enterprise Manuf. Bus 投料点 物料清单： 晶圆制造工艺复杂且周期较长，制造工艺是基于机台设定，可依据工艺路线和制造厂经验累积维护工艺 BOM （包含各种物料和其它耗 用） 计划排程 业界难题，可采用 i2 、 ADEXA 等工具作产能和排程计划；业务量不大也可 片号” • LPN 是否继续使用，视具体方案而定 • 一个 Wafer Box 为一个批次 • Wafer 片以 LPN 进行管理， LPN 编码规则为“批次 # 片号” 关键解决方案 6- 复杂的关联方交易 关联方交易和结算 半导体接单制造模式，涉及众多的关联方交易： - 制造厂接单、转单公司接单和转单 - 制造厂之间 Backup 、前中后段制造流转 系统通过制造流转代码和发货（ 针测（发往国内委外厂）： 重庆委外 关键解决方案 6- 复杂的关联方交易 Oracle 标准模型 4 结合汉得标准化 Back to Back Internal Fulfillment Internal Drop Ship To Customer Global Procurement External Drop Ship 内部交易方案要点：  业务操作复杂度：尽量减少不必要的系统操作，降低系统操作难度

自组织协同与互操作技术，要建立制造资源虚拟表 征与智能体单元封装标准，并形成跨层级智能体单 元分发引擎。2） 面向复杂生产环境的异构制造信息 认知技术，通过采用“数据感知-模型适应-扰动预测” 的信息认知思路，建立生产过程扰乱自适应孪生模 型，构建生产扰动后效预测分析模型 ［27］，实现复杂生 产扰动下异构制造信息决策能力。3） 基于协同智能 的制造系统自适应重构技术 ［28］，从全域资源自组织 协同角度构建自适应重构模型，在资源协同调度优 化决策基础上，基于多智能体关键参数动态调控模 型库，实现设备关键控制参数的动态调控。 2.2 面向狭小复杂空间的人机多维多尺度信息融合 协同制造技术 装配是航天飞行器生产的最重要环节，以舱段 装配为代表的复杂航天飞行器装配存在零部件多、 图 4 制造系统柔性重构与资源动态配置技术架构 Fig.4 Technical architecture of ［29］。人与机器根据 操作类型分配任务，并采用视觉、触觉等多种方式 进行交互，共同实现零部件装配。在人机协同装配 模式下，机器负责强度大、重复性的工作，人负责灵 活性强、需要创造力、变化复杂的工作部分。通过 这 种 协 作 模 式 ，可 充 分 发 挥 人 与 机 器 人 的 作 业 优 势，将人类的决策能力、灵活性与机器人的可重复 性、高强度作业能力进行有机融合，进而增强装配

与同步流程，谨慎地确保跨越供应链的差异性、速度性、变化性以及可 视性（4v）达到平衡。这种学习与“4v”联系紧密，从而形成了“v4L”的 架构。我们将在第1章中详细讨论关于v4L架构。 为了在后面的复杂的话题中保持本书强调“如何做到”的实用风格， 大多数章节都提供了图例，解释了细节，也说明了流程背后的逻辑。选 择案例上，我们主要聚焦丰田供应链管理与其他公司的策略和运营差 异。第1章描述了v4L架 度性，变化性和可视性，即“v4L架构”关联起来。经理们若要理解丰田 的概念，一种方式就是弄清自己所在公司是如何平衡供应链各个要素 的。通常情况下，产品差异性大多着眼于市场利益，而很少顾及供应 链、速度和变化性等。情况的复杂性会影响整个供应链。丰田谨慎的管 理v4L因素造就了其供应链的一流表现。 学习原则（L原则） 丰田精于学习的艺术，并相信这种原则普遍适用于众多领域。丰田 利用自己的领导地位，在整个供应链中推广这些思想。我们将在后面的 供应链 的高效运转。本章揭示了丰田公司是如何在全球范围规划并运营其供应 链的。但是，我们首先有必要先简单回顾一下广义的全球汽车市场供应 链，这样才有助于理解之后章节的内容。 汽车市场的供应链是非常复杂的，包含很多流程。当这些流程相互 联通时，便会形成一个从客户到不同层级供应商的供应链。这种物资流 程包括供应商的零件生产、把零件运送至代工制造商（OEM）组装工 厂、把零件组装成车辆、把整车配送到各个经销商，以及最后发送到顾

备以及各种特殊阀等工 业阀门。 项目实施前面临的问题主要有： •由于组织架构导致生产计划薄弱，难以按计划进行生产加工，导致影响出货； •研发未与 ERP 集成，信息处理时间较长； •产品质量技术指标复杂，信息繁多，原有系统难以实现精细管理； •生产投料需进行提前拣配，缺乏实时有效缺料提醒为拣配带来不便；如计划调整需取消拣配状态。 客户背景： 纽威阀门作为中国最大，世界著名 的阀门制造商，一直致力于为客户 涨价带来成本压力，对供应链优化也提出更 高的要求 • 各项费用的复杂性与管理透明化的矛盾 法规对安全和性能评估的审核将更加严格，要求供 应链产品有更好的可追溯性 • 《环境保护税法》是我国第一部推进生态文明 建设的单行税法 越来越 严格的监管要求 越来越 严酷的成本压力 越来越 精细的管控要求 越来越 动荡的营销渠道 越来越 复杂的供应网络 越来越 庞大的客户群体 老客户提升服 •由于密封件有固定的使用日期特性，客 户存在紧急订单补货，影响计划 •订单履行过程无法实时监控 •交期核定困难 •与仁寿工厂的采购关联交，线上管理困难 •采购到货异常与生产过程发现异常后，反向业务处理复杂且无法 有效管控具体流程 •采购与供应商沟通更多通过邮件电话，沟通效率低 •缺料、替代依赖人工统计分析，效率低 •生产任务进度的监控主要依靠人工，交付进度不可控 •生产现场异常无法管控，齐套信息影响交付进度

电设备智能运维解决方案，实现 IT 与 OT 的融合，助力发电行业智能 化生产运行，实现“安全高效、清洁低碳、灵活智能”的生产目标。 技术简介 1.基于多维度整合的发电设备数字样机建模技术 发电行业关键设备结构复杂，构建基于数字孪生技术的数字样机 需要包含研发设计、制造、运行、维护等全生命周期各个阶段的多维 度模型。但是，各领域模型相对独立，无法实现模型间的整合和分析 应用。本项目以多学科模型耦合的分析为方向，按照所涉及学科的不 确保数字孪生体镜像性的同时，实现系统模型实时性的提升。同时数 字孪生降阶模型具备一定扩展性， 根据项目未来需求，可结合云端、大数据流及数据库分析等数据 挖掘、深度学习和硬件在环技术，通过多次迭代及自身优化，大幅度 降低由于复杂工况、测量信息匮乏等造成的关键零部件状态误判，实 现目标机体寿命预测与评估的精确性与实时性。 实现发电设备的性能优化和智慧检修，全面支持智能电网的建设， 对推动水电行业由传统自动化发展为智能化具有里程碑意义。采用智