数字技术的驱动下，企业价值链开始被重塑。面对AI技术的迅速发展与冲击，无论企业将AI创新视为挑战或是机遇，都将给企业业务模式与运营模式带来极大挑战与深刻变革。对于工程机械行业而言，面对内外部环境的压力和挑战，以及企业从业务场景驱动到内生价值创新的数字化转型需求，AI将带来怎样的变革？基于人工智能的解决方案将如何重塑工程机械行业，实现更快、更灵活、更准确、更高效的制造？

工程机械行业企业的破题之举

       工程机械是装备制造业重要组成部分，其发展水平是衡量一个国家工业化水平的关键指标。面对全球经济增长持续放缓，地区分化严重等因素的影响，给各行各业都带来了极大挑战，工程机械行业发展同样也面临着较大压力。

       面对日益严格的环保要求，以及客户对产品价值提升的诉求，在工程机械行业发展智能化、电动化、绿色化、低碳化的大趋势下，从研发更智能的产品，布局新能源设备，提升产品性能；依托智能装备，提升制造效率；建立柔性生产线，实现多品种的换线生产；到实现业务场景的数字化应用，引入5G、物联网等先进技术，搭建工业互联网平台，实现远程运维服务；再到积极拓展海外市场，从产业中低端向产业中高端拓展，平抑周期波动；大力推进运营模式、商业模式、服务模式转型，工程机械制造企业正积极地采取多种措施以增强企业的韧性，在快速变化的市场环境中实现增长。

       但在另一方面，随着当前工程机械制造业市场竞争和渗透不断推进，工程机械产品的复杂性仍给工程机械行业的转型带来重重挑战。当下，工程机械的复杂性正呈指数级增长，众多新的机载电子设备、本地采购的可持续材料、边缘计算能力、超自动化以及更多的变化，导致组件、子系统和系统比十年前的工程机械要复杂得多。这也意味着，传统的竞争模式已难以满足客户需求，随着市场饱和度上升，为了进一步提升市场份额，工程机械企业需要不断创新，在提升产品的附加值和竞争力的同时，进一步的降低运营风险和提高生产效率。这也将成为工程机械行业企业的破题之举。

拥抱复杂性，提升制造性能

       除了产品的复杂性增强，工程机械的设计和制造流程也变得越来越复杂。

       全球竞争使得工程机械行业“随处设计，随处建造”的愿景越来越受到关注。为了跟上竞争激烈的全球市场，企业在降低制造成本并加快产品上市时间的同时，甚至需要应对客户的核心运营成本和风险诉求。

       随着大规模定制的展开，产品品种的多样化和定制化急剧增加，批量大小被进一步压低，生产计划和调度变得更加困难，企业需要合理安排不同产品的生产顺序，同时考虑设备的适配性、材料的供应和人力资源的调配等因素。与此同时，高度的定制也降低了重复使用过去设计的可能性，工程机械的设计和制造必须比以往更加灵活。

       积极拥抱数字化已成为工程机械的企业穿越行业周期起伏的法宝，应用数字技术的能力已成为企业形成比较竞争优势的关键要素。为了应对日益增长的复杂性，并使设计流程自动化，工程机械企业开始通过创建一个不断扩展并连接制造运营的数字主线，以降低风险并提高灵活性，同时与各供应商合作，实现在任何时间、任何地点快速访问、共享和管理整个产品生命周期内的项目细节。

       另一方面，为了应对客户需求的多样化与生产交付压力的增加，工程机械企业开始引入MOM解决方案，来解决生产过程中产能无法准确估测和预算、设备状况无法监控、质量追溯困难、生产进度反馈和交期回复难决等一系列痛点和难点问题，实现新产品研发效率、设备利用率、产品合格率、按期交货率、库存周转率、客户满意度等方面的持续改善。

       数字技术的应用为工程机械企业带来了巨大的竞争优势。而更快、更灵活、更准确、更高效的制造仍是当今工业的迫切要求。对于工程机械制造企业而言，在快速发展的技术环境中，面对越来越短的产品更新周期，唯有积极拥抱复杂性，进一步提高制造性能，深入挖掘优化潜力，通过创新的数字技术应用，创造新的商业模式并利用创新来赢得竞争。

释放AI潜力，重塑工程机械行业

       尽管工程机械产品、制造流程和技术的复杂性日益提升，但化繁为简正是人工智能的强项。AI技术正在颠覆传统工业的运作模式，成为支撑产业高质量发展的重要力量。如今，人工智能在细分垂直领域的探索正明显加快，面向研发设计、生产制造、运营管理的工业大模型开始涌现，AI技术的创新迭代正驱动工业大模型与制造场景的进一步逐渐融合，营销服务、研发设计、计划排程、质量检测、仓储物流、设备预测性维护等领域的应用场景不断产生。

       对于工程机械行业而言，AI技术的应用，让灵活的设计和制造、适应性的生产机械使用、增强的产品质量评估、优化的工艺参数、改善的健康状态监测等等均成为可能，其理解、推理、学习和交互的能力也将在整个产品和生命周期中创造显著优势。

       例如在研发阶段，通过分析大量的市场数据，AI可以帮助工程机械企业预测未来的市场趋势，为研发决策提供有力支持；同时，AI技术还可以帮助企业实现对零部件以及整体结构的优化设计，提升设计效率和质量；通过模拟仿真技术，AI可以帮助企业在实际生产之前对产品进行全面的测试和验证，提前发现并解决潜在的问题，对加工过程中的工艺参数进行优化，在降低研发成本的同时缩短研发周期；此外，AI技术还可以帮助企业自动整理和分析研发过程中的知识和经验，形成知识库，提高研发效率和质量。

       在产品制造过程中，工程机械企业可以通过AI大模型找寻订单背后的共性的规律，来帮助企业更好地进行生产计划的规划和制定，帮助企业在备料和仓储方面做出更好的决策。同时，基于机器学习的智能分拣、基于机器视觉的表面缺陷检测以及基于声纹的产品质量检测与故障判断等技术也可以被引入到制造过程中，AI技术还被用于监测智能刀具磨损，以及自动调整加工参数等环节，从而完成高精度加工复杂零件的任务，减少人工干预，为产品制造注入更高的质量和效率。

       在产品质量上，通过构建产品质量管控的大模型，将产品各种各样的缺陷数据，已知的产生缺陷的原因和分析数据，以及来自产品设计、工艺、制造、供应商的数据等，交付给大模型来对数据进行学习关联，找出和产品质量相关联的数据背后的规律，从而找出真正造成质量问题的原因，帮助企业更好地控制产品质量。

       在设备的安全和可靠性方面，设备的可靠性和维护效率直接关系到工程机械企业的运营成本和服务质量。基于AI对设备运行数据的实时监测，利用特征分析和机器学习技术，一方面可以在事故发生前进行设备的故障预测，减少非计划性停机。另一方面，面对设备的突发故障，能够迅速进行故障诊断，定位故障原因并给出维修维护建议，帮助企业更好地对设备的安全可靠性，以及设备的维修和维护做出更加科学高效的决策。

西门子：与AI共生，智造同行

       AI不仅重塑了工程机械行业，也重塑了工业软件。在西门子看来，尽管人工智能可以改善工程机械制造企业几乎所有方面的流程，但人工智能的最大价值在于它可以应用于使用MOM系统的制造运营中。

       基于20多年在MES领域的深耕，在融入了低代码和RPA技术的基础上，西门子将AI技术与MOM进行了完美融合。相较传统的MES系统，融入低代码工具、RPA工具与AI，标志着传统的MES系统从信息化走向数字化、走向智能化，真正的实现了高度智能化、自动化的运营管理。同时，为了满足工程机械行业的特定需求，西门子还为工程机械行业量身打造了更满足行业特定需求的专属行业解决方案，旨在为数量有限、高度复杂的产品优化其生产过程的制造效率、生产效率和灵活性。

       当企业的新型号产品准备投入生产时，制造运营管理层会传达产品设计和工艺工程中开发的信息，并协调构成制造流程的所有生产活动，在整个过程中，AI将发挥出极大作用。

       以拆分订单为例，作为MOM解决方案中的关键一环，APS主要用于生产排产及日常调度，确保资源和材料在数量和时间方面满足交期。将销售订单拆分为生产订单的过程极具挑战性，它需要考虑到诸多因素，包括人员、产线、物料、资源可用性、物流状态等等，当订单内容是具有不同定制功能的同一型号机器时，拆分订单最具挑战性。而基于人工智能进行订单拆分，可以确保订单拆分不仅依据已知信息，而且基于人工智能系统发现的隐藏知识，更快做出更好、更明智的订单拆分决策。

       基于集中式KPI优化：在优化某个KPI并遵守特定约束的同时拆分订单。例如，制造商可能希望将每台机器的成本降至最低，同时将生产能力的利用率保持在某个阈值之上。人工智能在支持这一决策过程中可以发挥有限但有用的作用。

       集中式KPI优化和隐藏知识发现：在优化既定KPI的同时，遵守约束并考虑其他KPI的趋势。在这种情况下，人工智能可以理解其他KPI的行为，建议使用聚类算法指示不同指标之间的相关性，并生成预测算法，通过分析当前和历史数据来预测可能的结果。

       分布式KPI优化：当各种参与因素在各个系统中具有不同的权重目标、但具有共同的总目标时，通过权衡进行折衷。权衡能力存在于自主人工智能系统中，这些系统是能够做出决策的智能系统，而不是简单地通知规划者的决策过程。

       自适应分布式KPI优化：使用机器学习达成经过权衡的折衷。将机器学习应用于过去的数据可定义每个系统的可靠性指标，然后由系统可靠性驱动权衡。此应用可以通过预测性建模进行扩展，通过机器学习和数据挖掘，借助历史和现有数据预测未来的可能结果。

       在西门子看来，为了充分利用人工智能，每家企业首先都必须明确其追求的具体目标；无论是提高质量、提高产量、减少碳足迹还是其他方面。然后，应用人工智能确定对该目标影响最大的参数和关键绩效指标(KPI)，接着通过数据分析辨明依赖关系，最后优化流程，以实现目标。

后记

       今天的人工智能技术与过去相比，发生了天翻地覆的变化，对于工程机械企业而言，无论曾取得多么卓越的成就，如果无法顺应AI的来袭转型升级，企业或将被新的技术浪潮抛下。西门子随时可通过开放的数字平台以及相关经验和专业知识，帮助工程机械制造商利用AI，助力企业向卓越运营的方向迈进，在降低运营风险的同时提高制造性能和生产效率。