導語 ：近日，科大智聯董事長鐘智敏署名的《數據驅動的離散制造全流程協同優化——以AIMS-MOS制造運營平臺為基座的三位一體解決方案構建與應用》一文發表于《物流技術與應用》智能制造增刊“權威”專欄。該期刊由教育部主管、北京科技大學主辦，是國內外公開發行的國家級學術刊物，也是最早聚焦物流系統技術與應用的專業平臺之一，擁有廣泛行業讀者與學術影響力。

 

文章圍繞“基于工業互聯網柔性制造平臺的供應鏈協同解決方案”這一國家級平臺示范項目，深入闡述 AIMS-MOS 制造運營平臺如何通過數據驅動，實現離散制造全流程的精細化協同優化，展示其在提升制造透明度、降低運營成本和快速響應市場變化方面的顯著效果。此次發表不僅印證了科大智聯在智能制造領域對持續創新的追求，同時為行業輸出了可復制、易推廣的數字化轉型范例，以實際行動切實踐行 “引領行業發展，推動工業進步” 的使命。

 

 

---

 

摘要：針對離散制造行業數字化轉型痛點問題，本文提出以AIMS-MOS制造運營平臺為基座的三位一體解決方案。該方案融合多源異構數據融合、動態資源調度等六大核心技術，通過構建全域數據中樞、重構柔性物流網絡、建立跨系統協同機制，形成“感知-決策-執行”閉環管理體系，并以某廣東印刷包裝集團智能工廠項目為例，對數據驅動模式在破解離散制造管理難題中的有效性進行驗證，為行業提供可復制的技術路徑與實踐范式。

 

關鍵詞：離散制造；實時感知；智能調度；柔性物流；協同管理；AIMS-MOS 制造運營平臺

 

作者：鐘智敏

科大智能物聯技術股份有限公司

 

在全球化與數字化浪潮下，信息技術、人工智能、物聯網等新興技術迅猛發展，為離散制造業（如印刷包裝、服裝、電子等）帶來深刻變革，推動其從勞動密集型向技術密集型加速轉型。這一轉型的核心特征體現在智能化、數字化、網絡化的全面滲透。然而，離散制造業的固有特性與問題給行業發展帶來了嚴峻挑戰，亟須通過數字化轉型實現全流程協同管理升級。本文對離散制造業數字化轉型過程中面臨的問題進行分析，并提出以制造運營平臺（AIMS-MOS）為基座的三位一體解決方案。

 

 一、離散制造業數字化轉型迫切性與挑戰  

 

1.離散制造業數字化轉型的迫切性

 

離散制造的生產過程極為復雜，工序繁多、業務訂單小和散、物料種類繁多，這導致生產管理在物料管理、設備管理、人員調度、排產排班、成本管理、經營決策等方面面臨巨大挑戰。因此，精細化管理成為必然要求。否則，物料短缺、設備故障、人員不足等問題將影響生產效率和產品質量，帶來大量的資源浪費。

 

離散制造業的交貨期緊張，生產計劃的制定和執行如何保證按時履約成為企業痛點。生產周期涉及多個環節，需要詳盡的生產計劃，但不確定因素常常導致計劃變更，進而影響生產進度和客戶交付。這種復雜性使得企業難以在激烈的市場競爭中保持敏捷。

 

離散制造業的生產成本較高，利潤空間較小，企業面臨較大的經營壓力。原材料、設備和人工等成本的高企，使得企業在維持競爭力的同時，往往不得不壓縮利潤空間。這種壓力加大了企業的財務風險，并影響其長期生存和發展。

 

面對這些挑戰，離散制造企業急需借助數據驅動的力量，通過“感知決策-協同執行-監控優化”等關鍵數字化手段，實現智能物流與制造運營相結合，達成全流程協同管理模式升級。

 

2.離散制造行業數字化轉型挑戰

 

（1）數據孤島：決策的“盲人摸象”

離散制造行業生產環節眾多，PLM系統里的工藝參數、MES反饋的實時產量、ERP系統中的物料庫存數據，如同散落的拼圖難以拼合。這種割裂直接導致管理層在評估訂單交付風險時，往往只能依賴車間主任的“經驗直覺”。更令人焦慮的是，設備狀態、庫位信息等關鍵數據仍需人工錄入。數據鏈條的斷裂，使得企業交期達成率長期徘徊在50%～60%，每次產能評估都像是在迷霧中摸索。

 

（2）資源錯配：效率的“隱形黑洞”

離散制造行業生產過程中涉及大量的物料、設備、空間資源，但在傳統“推動式”生產模式下，這些資源的動態協同機制未能有效建立，導致資源錯配問題嚴重，成為降低生產效率的“隱形黑洞”。

 

在物料管理方面，由于缺乏實時的物料需求信息和有效的庫存管理機制，常常出現物料供應與需求不匹配的情況。例如，部分生產設備因缺料而停機，而線邊倉里同型號原料卻堆積在超期庫位上。這種矛盾現象背后，暴露出更深層的協同困境，如某企業雖將設計容量為4000儲位的倉庫擴建至9000儲位，卻仍頻頻爆倉，10%的超長庫齡庫存如同沉默的成本吞噬者；價值千萬的設備綜合效率（OEE）僅30%，維修團隊在計劃外停機中疲于奔命。

 

更嚴峻的是，半成品堆積占用消防通道的情況每周都在發生，場地坪效損失已達行業平均值的兩倍。

 

（3）協作脫節：柔性的“缺失之痛”

離散制造行業面臨著多品種、小批量的訂單需求，這對這類企業的生產協作能力提出極高要求。然而，在實際生產過程中，企業各部門之間的協作脫節問題嚴重，成為制約柔性生產能力的“缺失之痛”。

 

生產計劃部頻繁面臨客戶訂單的變更，由于缺乏有效的協同機制，計劃變更需要耗費大量的人工協調時間，才能重新平衡切紙、印刷、模切等工序的負荷。例如，某企業當日生產計劃變更的紅色標記已覆蓋60%的訂單。客戶臨時插單的需求，往往需要耗費兩小時的人工協調，才能重新平衡各工序的負荷。

 

在生產線上，自動化設備的利用率較低，某企業的AGV物流車的使用率不足設計值的40%，工人依然沿用紙質單據進行人工叫料。當質量檢測發現印刷問題時，異常信息需要層層上報，工藝參數的調整往往滯后半天以上。這種流程遲滯在應對多品種、小批量訂單時尤為明顯，緊急訂單的響應遲緩，直接會導致企業失去重要客戶。

 

二、構建“三位一體”協同解決方案  

    

針對離散制造行業數字化轉型痛點問題，科大智聯研發并推出了“三位一體”協同解決方案，涵蓋數據驅動、物流重構和協同進化三個方面。

 

1.數據驅動：構建數字決策中樞

科大智聯以AIMS-MOS制造運營平臺為基座，開啟數據治理的深層變革。

 

在工況監測場景中，通過在關鍵機臺節點部署iDTU智能數據終端，可自由采集機臺的電流、電壓、振動、噪聲等多源信號；同時，PLC控制器里的實時振動數據、RFID標簽記錄的物料軌跡、視覺檢測系統捕捉的質量特征等，均通過邊緣計算網關實時匯入統一數據湖。

 

圖1 從數據采集到決策的全場景管理視圖

 

在打破PLM系統、MES、ERP系統壁壘的過程中，技術團隊構建了“物料統一編碼”體系，并將其應用到物聯網與信息系統，實現對歷史系統中海量數據的動態映射。

 

當在該數據湖上引入基于LSTM的多元時序異常檢測算法對三年設備維修記錄進行深度分析時，模型輸入了電流、電壓、振動加速度與噪聲強度等4維序列，意外發現某型號模切機的軸承故障呈周期性規律，使得預測性維護準確率提升至85%。

 

更具突破性的是，在訂單交付風險評估場景中，銷售團隊輸入客戶需求后，系統基于蒙特卡洛模擬算法，對原材料到貨延遲、人力可用性、設備產能、運輸資源、倉儲容量等因子進行分布采樣，在20秒內完成原材料風險、人力風險、設備產能風險、交期風險、運力風險、倉儲容量風險等多維度推演；并結合歷史專家經驗知識庫，通過AI推薦算法，為各類風險生成針對性應對決策建議。

 

同時，科大智聯自研的iDTU智能數據終端是一種集成化的數據采集與傳輸設備，主要用于實時采集、處理、存儲和傳輸來自傳感器、儀器或工業設備的多類型信號（如模擬量、數字量、溫度、壓力等）。其核心功能是將物理信號轉換為數字信號，并通過網絡或本地接口傳輸至監控系統或云端平臺。實現多源異構數據融合：新一代數據采集產品支持多種數據源的并行采集，包括API、IoT傳感器、日志文件等23種數據源。例如，數據接入模塊可以自動解析PDF表格、圖像識別等非結構化數據，將數據準備效率提升85%。數據采集盒子通過物聯網技術實現多源異構數據采集，支持數字化車間全面集成，驅動部門業務協同與各應用深度集成。敏感字段誤采集率從2.7%降至0.03%；通過智能巡檢系統可自動識別網絡波動、接口變更等132種異常場景。實時流式處理：通過Kafka、Flink等流處理框架，將數據延遲控制在毫秒級。實時分析看板可同步呈現采集數據，某電商平臺借此將促銷活動效果評估時效提升至分鐘級響應。

圖2 APS+LES全場實時動態物料拉動

 

2.物流重構：激活物料生命線

通過智能物流體系建設，使物流效率顯著提升。如，在新建的自動化立庫中，32米高的貨架通過雙循環堆垛機系統，將存儲密度提升至傳統倉庫的4.2倍。當WMS系統感知到線邊庫的瓦楞紙板存量低于安全閾值時，AGV調度系統會在0.3秒內規劃出最優補貨路徑。更精妙的是，LES物流執行系統將生產節拍與配送頻次深度耦合，客戶的急單生產過程中，物料補給實現“零等待”銜接。這些變革使得線邊庫存周轉周期從24小時壓縮至6.8小時，設備缺料停機率下降72%。

 

3.協同進化：重塑組織基因

在數字化車間指揮中心，APS高級計劃排程系統與JIT控制塔系統相互配合，實現生產的端到端實時監控。

 

當某臺印刷機突發故障時，強化學習算法會在43秒內重新平衡四個車間的工序負荷，并將調整指令同步推送至12個相關崗位。這種敏捷響應能力，源于企業建立的“數字工藝中樞”——MES可自動下發3000余種工藝參數組合，調機時間從平均45分鐘縮短至8分鐘。更具戰略意義的是，采購部門與核心供應商建立了數據共享通道，原材料周轉率提升31%的背后，是實時透明的產能數據在驅動準時化協同，當采購訂單確認后，APS在幾分鐘內完成排產，WMS在100毫秒內完成庫存鎖定同時將采購需求同步到ERP系統，當采購計劃下達后，運輸計劃、倉容計劃被同步更新鎖定。而跨部門KPI體系的革新，將設備OEE、庫存周轉率等18項指標納入考核，打破了“部門墻”。

 

“三位一體”協同解決方案使企業效率明顯提升，并重塑組織的決策模式。當生產總監通過三維數字孿生系統透視車間運行狀態，當質量工程師調用區塊鏈溯源數據定位問題批次，當客戶在移動端查看訂單的實時生產軌跡——這些場景印證著數字化轉型的真正價值：數據、物流、協同三股力量的融合，正在構建離散制造的新生態。

 

圖3 新老配送方式對比

 

三、  AIMS-MOS制造運營平臺的技術解構  

 

作為“三位一體”協同體系的基座，AIMS-MOS制造運營平臺具備多項關鍵技術，為企業的數字化轉型提供了堅實支撐。

 

1.多源異構數據融合技術

基于統一設備接入與協議解耦層，構建面向多品牌、多協議、多型號的工業設備的標準化數據融合體系。通過定義設備物模型，將不同通信協議（如Modbus、OPC UA、EtherCAT等）的控制指令與數據格式進行抽象化封裝，實現機器人、AGV、堆垛機等異構設備的“即插即用”接入。采用分布式數據采集技術，支持百毫秒級設備狀態刷新，并整合傳感器、業務系統（MES/WMS）等多源數據流，形成全域實時數據池。通過驅動管理機制動態適配設備協議差異，消除數據孤島，為上層調度提供高一致性的數據支撐。

 

2.動態資源調度優化算法

依托時空智能決策引擎，創新融合多目標優化算法與實時調度技術。核心技術包括：

路徑規劃算法：基于時間窗的動態路徑規劃、靜態最短路徑算法，支持AGV/RGV多機協同避障。

資源匹配模型：采用遺傳算法優化設備-任務匹配效率，結合倉儲粒子群調度算法實現貨位與物流路徑協同。

沖突消解機制：通過分層并行計算框架，在亞秒級內完成設備運動模型分析、場景阻塞度評估及優先級排序，實現99.5%無沖突調度。

該引擎支持每秒千級任務并發處理，降低產線堵塞率，可將異常響應時間壓縮至200毫秒以內。

 

3.跨系統數據治理標準體系

構建三層標準化架構，實現跨系統的數據治理：

接口標準層：制定統一API規范，打通MES/ERP/WMS等業務系統數據交互通道，數據延遲降低至毫秒級。

語義模型層：建立設備、工藝、物流等領域的通用數據字典，實現跨系統語義一致性解析。

安全治理層：通過數據分級授權與加密傳輸機制，保障工業現場數據全生命周期安全。

該體系支持20多類工業協議轉換，形成覆蓋設備控制指令、生產狀態、質量參數的全維度數據治理能力。

 

4.面向工業現場的資源調度與底層控制能力

實現跨系統的數據治理：內置工業級調度內核，具備對物理資源（如AGV、機器人、堆垛機、傳感器等）和邏輯資源（任務、工單、路徑等）進行統一建模、動態調度和沖突管理的能力。

通過驅動適配層將硬件進行抽象封裝，在統一模型上實現設備級指令的下發與反饋，真正構建“軟硬一體”的執行控制平臺。

覆蓋園區、倉儲、車間，人與自動化設備的統一協同調度。

 

5．低代碼開發工具

打造可視化流程編排平臺，突破傳統工業軟件開發壁壘，主要包括：

模塊化組件庫：封裝設備控制、工單管理、物流調度等50+個標準化功能模塊。

拖拽式邏輯編排：支持流程圖、狀態機等多模式業務建模，開發周期縮短至傳統模式的1/3。

開放API生態：提供RESTful接口與SDK工具包，實現與既有系統的無縫集成。

該工具已支撐20多個工業APP快速部署，在印刷包裝行業實現新功能上線效率提升。

 

6.全場景數字孿生

構建虛實聯動的數字孿生體系，覆蓋工廠全生命周期。

支持多種協議與各類設備的仿真。

融合CAD圖紙與IoT實時數據，構建高精度模型與物理世界映射。

支持產能規劃、工藝變更、設備故障等多種場景模擬。

通過全場景仿真驗證方案的可行性并測算整體運行績效，保證方案可落地。

以上六大技術通過操作系統級內核深度融合，形成“數據融合-仿真預判-動態調度-人機協同-快速迭代”的閉環賦能體系。經多個標桿項目驗證，可有效提升整體設備利用率，縮短交付周期，為制造業智能化升級提供可復用的工業級實時協同控制技術底座。

 

四、某廣東知名印包集團智能工廠建設案例 

 

1.項目概況與建設目標

某廣東知名印刷包裝集團在全球布局30多個生產基地，業務覆蓋全品類包裝產品研發制造，產品囊括精品盒、彩盒、紙箱、煙包、酒包、皮盒、木盒、說明書、紙漿模塑、不干膠、精密模切等印包行業十余種產品。為解決“用人難”和“管理難”等問題，集團啟動智能工廠建設項目，重點打造以數據流為核心的智能倉儲、生產協同與物流調度系統。項目規劃通過三期工程實現全流程數字化升級，構建包含智能倉儲、自動化配送、生產協同及智能調度的數據驅動的智能化生產模式。

 

圖4 某廣東知名印刷包裝集團某車間規劃圖

 

2.數據驅動的智能化生產模式構建與實踐

本項目通過構建全流程數據閉環管理體系，打造以AIMS-MOS制造運營平臺為基座的智能化生產模式。項目分三期實施數字化物流與生產系統改造，實現從原料供應到成品交付的全價值鏈數據貫通。通過APS、MES、WMS、LES、uRMS多系統深度協同，結合智能裝備集群調度算法，形成“數據感知-智能決策-精準執行”的智能制造閉環。

該智能工廠由原材庫、生產車間、成品庫、發貨備貨區及智能化調度系統組成，其中原材庫面積超過4000平方米，設有卷筒紙存儲區和平張紙存儲區，其中卷筒存儲區混合存儲4種不同尺寸卷筒紙，卷筒儲位約10000個，通過混合存儲，在滿足效率的基礎上，實現有限空間內最大化存儲；平張紙存儲區設有全開和對開托盤近4000個儲位。通過板鏈、輸送機、AGV等自動化設備，實現原材到車間以及半成品回庫的全自動化作業，所有物料均通過WMS進行數字化管控。

在車間物料管理方面，采用AGV進行物料轉運，并通過WIP實現精準管理。同時對生產設備所有的自動上下紙進行改造，顯著減少物流搬運及上下料人員需求，提升物料管理精度。跨樓層物料轉運通過提升機與AGV系統對接，并借助信息系統調度，大幅提升轉運效率與準確性，避免傳統人工叉車電梯轉運的弊端。

 

圖5 AGV車間物料轉運

 

基于全面感知互聯與數字化架構，自動上下紙系統與生產設備智能聯動，AGV實現高效的工序間物料轉運。通過系統整合，構建全流程自動化物料處理與數據貫通的生產體系，賦能生產系統。該體系集成自決策、自組織與自學習能力，逐步演化為動態自優化的智慧制造系統。

 

（1）數據中樞構建全局感知決策能力

建立貫穿原材料倉儲、生產配送、成品發運的全鏈路數據平臺，集成MES、WMS、TMS等核心系統數據，實現設備狀態、物料周轉、訂單執行的實時可視化。通過多源數據治理形成標準化指標體系，開發智能排產與路徑優化算法模型。系統動態分析機臺工況與物流設備運行數據，自動生成最優配送方案，顯著降低車間物流能耗，并提升空間利用率。

 

（2）智能物流重構生產物料體系

①智能倉儲與自動化配送：原材庫通過數字孿生技術實現三維可視化管理，基于MES系統自動叫料指令，由uRMS調度AGV與板鏈系統完成跨樓層精準配送。二期引入機械臂碼垛與AGV集群調度技術，大幅提升成品入庫作業效率。

②拉動式生產補給：建立以工單數據為驅動的需求預測模型，通過實時采集設備運行與工序節拍數據，動態計算安全庫存閾值。當原料存量觸達預警值時，系統自動觸發補貨指令并生成最優備料方案。

 

（3）運營協同優化生產流程

①多工序協同排產：構建涵蓋主要工藝段的數字化主線，基于訂單優先級與設備狀態等多維參數，實現跨車間智能排產。通過數字孿生技術驗證生產方案，有效提升設備綜合利用率。

②人機協同流程再造：在月臺調度環節，TMS系統整合車輛定位與庫存數據，提前生成智能裝車方案。二期項目應用視覺識別技術自動校驗裝載狀態，顯著縮短車輛等待時間。

③跨部門協同機制：建立覆蓋生產、物流、銷售的多部門協同平臺，通過可視化看板實現訂單進度、物流時效等關鍵指標的實時共享，有效壓縮產品交付周期。

 

3.實施成效

該智能工廠建設項目通過構建數據驅動的智能化生產體系，集成AIMS-MOS制造運營平臺與多系統協同，實現全流程數字化升級。項目建成后，達成年節約材料成本超2000萬元、節省人力成本超4000萬元，人均產值提升20%，揀配效率翻倍。項目成功打造了高效、敏捷的智能制造閉環，顯著降低運營成本、優化資源效率，為離散制造業數字化轉型提供了可復制的標桿實踐。

 

五、 總結    

本文系統闡述了離散制造業在數字化轉型中的核心痛點與創新解決方案。針對行業普遍存在的數據孤島、資源錯配及協作脫節等難題，提出以AIMS-MOS制造運營平臺為基座的“三位一體”協同體系：通過構建全域數據中樞實現設備、物料、訂單數據的實時融合與智能決策；重構柔性物流網絡，采用AGV集群調度與智能倉儲技術提升物料周轉效率；建立跨系統協同機制，打通生產、物流、銷售全鏈路數據流。通過某廣東包裝集團智能工廠項目實踐，使數據驅動模式在破解離散制造管理難題中的有效性得到驗證，為行業提供了可復制的技術路徑與實踐范式。

 

文章來源：《物流技術與應用》