近日，2023年《政府工作报告》正式发布。 报告对产业发展作出重要部署，强调“加快构建现代产业体系，加快传统产业和中小企业数字化转型，着力提升高端化、智能化、绿色化水平” ”

张建伟 联想咨询交付中心总监

面对制造企业数字化转型过程中遇到的种种困难，联想咨询与交付中心总监张建伟分享了联想赋能智能制造企业数字化转型的成功案例，为制造企业转型提供联想实践经验.

杂、虚、难、几？

制造业转型难点精准诊断

智能制造的概念在中国并不是一个新话题。 纵观整个中国企业发展市场，我们将阻碍智能制造发展的核心问题归纳为以下几点。

缺乏现实的实践方法：

企业只有用切实可行的方法，才能把想法落到实处。 现阶段，企业多是在讨论概念和战略，缺乏战略实施的实施方法。

缺乏有价值的切入点：

中国制造业对智能制造有着迫切的需求，而智能制造能够给中国制造业带来的价值也非常可观，但究竟应该从哪个层面、从哪个角度入手呢？是困扰CIO/企业CTO

缺乏最佳实践：

在没有最佳实践案例的情况下，中国企业向智能制造转型，更要靠自己的努力，摸着石头过河，开辟一条属于自己的实践之路。

数据驱动

构建智能制造全景图

作为中国先进制造业的代表企业，联想认为，中国企业智能制造的核心是聚合所有数据，智能驱动业务转型。 通过解决实际业务问题，实现数字价值的不断变现，进而完成制造业的智能化迭代升级。 为此，联想构建了以数据驱动智能为核心的智能制造全景图。 简单来说，联想的智能制造全景可以分为三个层次。

第一层：元素层

聚焦传统制造业关注的生产制造要素，包括劳动设备、原材料、工艺环境等一系列内容，通过生产制造要素的数字化、智能化升级智能制造，实现基础层面的全面数字化； 通过工业互联网等先进的数字技术，实现万物互联，将生产要素整合在一起，更好地形成一个整体，从整个价值链的角度，发挥生产要素的相关价值。

第二层：工作层

基于元素层万物互联，将企业实际生产经营过程中产生的计划调度、生产制造、供应链协同、物流管理等关键环节的数据整合到业务中层，以数据价值驱动迭代业务发展，实现数据价值和智能制造价值的实现。

第三层：智能

形成相对原始的智能化方案，在智能制造、智能供应链协同等一系列业务层面进行智能化。 在业务层面实现智能化后，基于生产数据和要素的完全数字化，管理者可以实现全局可视化和智能化决策，进而走向最终所谓的数据驱动。 它不需要人类做出决定或管理者干预。 完全通过数据、人工智能及相关数字技术实现数据驱动业务，实现整个企业运营管理的持续优化。

在构建智能制造转型全景图后，联想在接下来的几年里进行了内源性和外源性的实践，为制造业的实际发展带来了诸多价值。

1）智能制造场景落地

电池制造工艺优化

新能源电池是全球最热门的发展中产业之一。 基于大数据、机器学习等先进技术，联想应用LEAP HD和LEAP AI平台构建容量预测模型，实现储能电池恒容过程优化。

在电池生产过程中，需要对电池容量进行固定和划分，以确定电池是否符合生产标准。 在此过程中，企业面临耗时长、场地占用大、成本高、人工消耗大等问题。 在整个流程优化方案中，联想从关键流程数据处理、精准模型预测、可持续发展三个角度，在准时交货率、库存成本、产能利用率、整体员工能效等方面有效帮助客户。 整体改进实现了电池恒容和分容过程的优化。

商业咨询：

通过协商沟通明确关键工艺环节，包括影响质量的关键参数有哪些？ 影响这些参数的相关数据在哪里？ 数据来源是什么？ 帮助客户理清现状，规划目标，做好相关计划准备。

数据整合：

通过大数据技术，整合相关流程、设备质检等一系列数据，为后期人工智能算法的承载打下坚实的基础，保障算力的平稳运行。

AI算法实现：

通过前期分析明确具体的数据内容和影响工艺的具体核心参数，我们将进行相关业务分析，帮助客户共同优化相关参数，进而实现最终的工艺目标优化。

在升级优化过程中，联想通过逻辑建模，包括人工智能和集体学习的相关方法，构建降维模型，确保大规模数据处理的稳定性、预测模型的准确性，以及可持续发展的保障。发展，通过应用多策略网络优化和机器学习模型来解决实际生产操作中预测模型的瓶颈。 项目投产后，整个生产过程的施工周期由原来的6天缩短为1天； 通过人工智能算法实现产品检测，整体检测效率和场地利用率提升30%； 同样在人工智能的帮助下，工匠们从原来的20人/组变成了10人/组。 据预测，该优化方案每年可节省生产单一型号电池的制造成本约2.7亿。

2）智能制造场景落地

仓储物流绩效提升

在物流领域，转型的重点更多是在仓储的优化和管理上。 对于很多企业，尤其是像联想这样的企业来说，离散制造的线边仓库占据了很大一部分库存成本。 如果线边仓库过多，会影响库存成本，占据整个生产市场，可能对场地和空间造成风险。 线边仓过少，会导致产能利用率不足，无法合理进行连续生产。 企业可以通过数字化工厂仓储物流解决方案来克服这两个问题。

线边仓也是存储部分。 它不仅涉及用于存储的仓库，还涉及相关流程、相关设备和相关信息系统。 解决这些问题需要一个完整的解决方案。 过去市场上出现的解决方案，更多的是治疗头痛和脚痛。 如果设备效率不高，更换更智能的设备； 如果信息沟通不畅，增加信息系统； 流程不清楚，把流程梳理一下。 这实际上给企业的投资带来了很大的浪费，整个项目的周期和回报率也会大大降低。 在这个问题上，联想采取了三个阶段的方法。

首先，我们通过前期咨询，帮助客户理顺流程，同时找出线上侧仓管流程中的痛点、难点和需要解决的问题。 然后，根据总体规划，针对软硬件结合、虚实结合，对相关存储设备进行升级。 同时，WMS、WCS等数字化系统可以充分调动设备与人之间的生产要素，使这些生产要素更好地形成信息化、数字化驱动的价值闭环，提高整体效率，进而提升整条生产线. 库存管理和应用效率，减少库存，提高生产线的持续生产率。 该方案实际应用后，整体仓储能力提升15%以上，线边仓配送效率提升25%，库存配送准确率提升100%。

3）智能制造场景落地

计划排程系统优化

客户端作为行业的新贵，近年来在高科技行业发展非常迅速，业务每年以200%甚至300%的速度增长，造成了很大的问题。 高速的业务发展使其现有的信息化支持和辅助手段难以提供所需的支持，进而导致企业的运营效率越来越低。 各级管理者难以掌控全局，对业务进行科学准确的指导。

基于此，联想打包了自己的数字化供应链包，将智能计划和生产技术作为实施内生化和外生化战略的最佳实践，并通过联想类似的全球交付模式和复杂的供应链网络体系，使客户能够提高他们的整体数字能力。 项目实施后，有效帮助客户提高了准时交货率、库存成本、产能利用率，包括综合员工人数和能源效率等方面的整体提升。

此外，联想携手化纤制造、汽车制造、风电制造、水电制造、硬件制造等多个领域的制造企业，提供从硬件到软件的全系统数字化、智能化改造服务，实现了企业综合硬实力。 推动。

未来，联想希望与客户的业务共创自己的商业实践，将自身的算力和基础设施能力与客户的业务发展场景相结合，在数字化现代化转型的过程中携手更多的制造伙伴。 走得更远，走得更快。

智能制造是新一代信息技术与先进制造技术融合的产物。 通过工业物联网，将物理设备接入网络，利用网络空间先进的计算能力，将物理空间中物理实体的所有要素重构到信息空间，形成感知、分析、决策的数字孪生体——制造、执行能力，实现物理世界与信息世界的融合，打造虚实结合的制造体系。 与传统制造相比，智能制造最本质的变化是制造系统由物理系统和信息系统组成。 这两个系统之一适用于真实的物理世界，另一个适用于虚拟的物质世界。 两个体系相互对应，相互映照。

智能制造的核心本质是装备的智能化、生产的自动化、信息流与物流的融合、价值链的同步化。 前两句很好理解。 设备的智能化，生产的自动化，我们已经做了很多年了，很多现在还在做，但是后两句话实现起来并不容易。 对于信息流和物流的融合，首先第一步是先实现数字化，然后构建一个虚拟的数字系统，再考虑是否可以融合虚拟现实。 我们的很多工作仍处于数字化过程中。 价值链同步是指所有创造价值的活动都能相互协调、步调一致，从而使整个系统融为一体。 这样的制造系统是具有自主性的个体制造单元，整个系统具有自组织能力。

智能制造的根本目的是提高生产效率，提高产品质量，降低生产成本，减少资源消耗智能制造，减少环境污染，加快市场反应。 最终目标是从根本上解决传统制造业的突出问题。 实现高效、优质、低耗、清洁、柔性、定制化生产，我们搞智能制造，不是为了智能制造，而是为了更好的制造。

智能制造由数据驱动。 只有掌握核心技术，了解制造机理和生产过程，才能建立完整的数学模型，收集高质量数据，洞察关键数据关系，真正实现从经验驱动到数据驱动的转变。 目前，各大工业互联网平台都在发展智能制造，在实际应用中也有很多案例。 相信未来智能制造会发展得越来越好！