数字技术赋能制造业是发展新质生产力的重要途径。

■数字技术赋能制造业，是发展新质生产力的重要途径，是构筑国际竞争新优势的战略支点，是稳就业、惠民生、促发展的坚实保障

■制造业数字化关键在于有坚实的技术支撑。强化关键核心技术攻关，优化布局新型数字基础设施，构建多层次工业互联网平台体系

■以数字技术赋能制造业高质量发展，需要加快体制机制创新，探索建立双通道数据供给机制，构建统一规范的数据标准化体系，创新数据资源资产化方式

一、 数字化赋能智能制造的技术支撑

1.1 物联网（IoT）技术

物联网技术是智能制造实现万物互联的基础。

• 通过在生产设备、物料、产品上部署各类传感器，如温度传感器、压力传感器、位移传感器等，实时采集设备运行状态、生产参数、物料位置等数据。
• 数据通过网络传输至数据中心，为生产监控、故障诊断和优化决策提供依据，实现设备与设备、设备与人、人与系统之间的互联互通。

1.2 大数据与云计算

智能制造过程中产生海量数据，涵盖生产数据、质量数据、设备数据、供应链数据等。

• 大数据技术能够对这些数据进行高效采集、存储、处理和分析。借助数据挖掘、机器学习算法，可从数据中提取有价值的信息，如预测设备故障发生时间、优化生产排程、分析产品质量缺陷原因等。
• 云计算为大数据处理提供强大的计算和存储能力，企业无需投入大量硬件设备，即可按需获取计算资源，降低运营成本。

1.3 人工智能（AI）

人工智能在智能制造中发挥着核心驱动作用。

• 机器学习算法可用于生产过程的优化控制，通过对历史生产数据的学习，自动调整生产参数，实现生产过程的自适应控制。
• 计算机视觉技术在质量检测领域广泛应用，通过摄像头采集产品图像，利用深度学习算法识别产品表面缺陷、尺寸偏差等问题，检测速度和准确率远超人工检测。
• 自然语言处理技术则可实现人机交互的智能化，操作人员通过语音指令即可控制设备或查询生产信息。

1.4 数字孪生

数字孪生技术通过构建物理实体的虚拟数字模型，实现对生产过程的实时映射和模拟。

• 在产品设计阶段，数字孪生模型可用于虚拟装配、性能仿真，提前发现设计缺陷并优化设计方案；
• 在生产阶段，数字孪生模型可实时反映设备运行状态和生产流程，通过对模型的分析和模拟，预测潜在问题并制定解决方案。例如，在航空发动机制造中，数字孪生技术可模拟发动机在不同工况下的运行状态，优化设计和制造工艺，提高发动机性能和可靠性。

二、 数字化赋能制造应用场景

2.1 智能生产车间

智能生产车间是数字化技术与智能制造融合的典型场景。

应用场景

• 车间内设备实现互联互通，通过工业互联网平台进行统一管理和监控。
• 生产计划自动下发至各设备，设备根据计划自动调整参数并执行生产任务。
• 利用机器视觉、AI 算法实现生产过程的实时质量检测和自动分拣，减少人工干预，提高生产效率和产品质量。

技术支撑

• 智能排产系统‌：通过模拟和预测生产资源调配，将排产耗时从6小时压缩至1.5分钟，产品交付效率提升20%以上。 ‌
• ‌预测性维护‌：利用AI分析设备传感数据，精准预测故障，减少停机时间。 ‌
• AI视觉系统‌：在食品、电子等行业快速识别产品缺陷，检测精度超人工。 ‌ ‌

2.2 智能供应链管理

数字化技术使供应链管理更加透明、高效和灵活。

应用场景

• 物联网技术实现对物料和产品的实时跟踪，企业可准确掌握物料在途信息、库存水平和配送进度。
• 大数据分析能够预测市场需求变化，优化采购计划和库存管理策略。
• 利用区块链技术实现供应链数据的安全共享和追溯，确保供应链的可信任性和稳定性。

技术支撑

• ‌供应链协同平台‌：整合市场需求、库存及物流信息，降低缺货率并预警供应链中断风险。
• ‌自主移动机器人‌：在食品工业中实现货物自动搬运，降低人力成本。 ‌

2.3 个性化定制生产

随着消费者需求日益多样化，个性化定制生产成为制造业发展趋势。数字化技术为个性化定制提供了技术支持。

应用场景

• 通过 3D 设计软件、虚拟现实（VR）/ 增强现实（AR）技术，消费者可参与产品设计过程，定制符合自己需求的产品。
• 企业利用数字化生产线和柔性制造系统，快速响应个性化订单，实现大规模定制生产。

技术支撑

• ‌数字化研发设计‌：生成式AI快速生成设计方案，结合市场数据缩短研发周期。 ‌
• 柔性制造系统：智能自动化机电柔性制造系统确保工件加工准确、迅速和自动化，能适应加工对象变换。

三、数字化赋能制造业在卷烟行业实践

曲靖卷烟厂不断提升数据治理水平，深化数据应用，深度开展“全员转型技术体系、智能协同制造体系、工业数据治理体系”建设，构建人工智能模型集合，打造卷烟工厂“智慧大脑”，努力实现从“制造”到“智造”的升级，从数字到数治、再到数智的跨越。曲靖卷烟厂通过如下三个工作集实现数字化在行业的最佳实践。

3.1 实践之前

操作人员： 技术员小李工作日常：对设备数据进行收集整理实现手段：在各个设备工作面板上逐一查看记录，并手工将数据录入到表格中数据应用： 根据经验初步分析数据，并从中找出设备运行的潜在问题。

3.2 优化措施

1. 数据收集整理更加高效

开启了数据治理工作

• 数据采集： 通过优化数据的收集整理，确保数据采集更加完整准确、便捷高效。经过数月的努力，曲靖卷烟厂数采有效率提升至98.9%。
• 数据治理： 曲靖卷烟厂专门组建了数据治理小组，对全厂的生产数据进一步梳理。完成93个核心数据源、4955个核心数据表、61407列核心业务数据和2万多个时序数据点的深度治理，并开发了90多个涵盖工厂核心业务的数据接口。

优化效果：

• 建立贯穿产品制造全过程、全方位覆盖产品质量和设备关键运行参数的监控预警系统提供了可能。

2. 生产制造过程更加可控

开发车间监控预警系统

• 通过工艺专家开展合作，收集并分析了大量烟支外观检测数据。在发现部分烟支外观检测的剔除数据存在异常波动时，运用AI算法计算每个月的剔除数据后，搭建专门的预警值计算模型，并烟支外观检测各类剔除的预警线。

• 构建涵盖了质量、消耗、设备等生产关键要素的预警系统。该预警系统能以红、橙、黄三色区分预警的紧急程度，并自动通过车间信息大屏、MES下位机、职能人员办公电脑及手机等多个渠道及时推送信息。

优化效果：

• 有效改变了传统的生产管控模式，实现了生产过程中的事中感知与事后溯源，

3. 关键工序控制更加智能

• 在制丝车间，松散回潮环节来料烟叶水分波动大，导致人工控制出口水分不稳定，严重影响均质化加工的实现。为此，车间技术团队利用机器学习算法建立自学习分组迭代模型，通过智能匹配相似历史生产批次，结合不同的环境温湿度、烟叶等级、配方投料量，开展产前预测学习，精确推算加湿、水分转换和热蒸汽转换系数，绘制加水比例控制曲线并实时修正参数，达成精准的生产反馈控制。

优化效果：

• 提升了过程控制能力和关键工序智能化控制，降低了生产环节对人工操作的依赖程度，还有效提升了相应的关键指标。