一、企业简介

       联想集团（简称“联想”）是一家成立于中国、业务遍及180个市场的全球化科技公司。联想聚焦全球化发展，树立了行业领先的多元企业文化和运营模式典范，服务全球超过10亿用户。作为值得信赖的全球科技企业领导者，联想助力客户，把握明日科技，变革今日世界。

       作为全球智能设备的领导厂商，联想每年为全球用户提供数以亿计的智能终端设备，包括电脑、平板、智能手机等。作为企业数字化和智能化解决方案的全球顶级供应商，联想积极推动全行业“设备+云”和“基础设施+云”的发展，以及智能化解决方案的落地。
 
二、企业在智能制造方面的现状

       在全球竞争日益激烈的背景下，联想集团需要保持运营效率、降低生产成本、提升产品质量，以确保在市场中占据优势地位。联想制造完成了从传统运营向数字化、智能化方向发展。同时积极发展AI数字化运营融合人工智能、大数据、云计算等创新技术，为制造赋予前所未有的精准决策能力、优化效率和提升质量的能力。作为全球智能制造的先行者，联想工厂推行AI数字化运营，是提升竞争力、实现转型升级的重要战略举措。

       在生产制造实践场景方面，联想通过企业级智能制造能力打造了一条以数据为原材料、智能应用为产品的“流水线”，助力制造业高效完成智能化成果的“工业化大生产”。在AI制造运营能力的加持下，联想产品在制造业市场表现亮眼，稳居第一，并连续两季度销量第一。

       优异的市场成绩的背后，数字化运营是联想智能制造发展的核心支撑，帮助企业全面实现从产品研发、生产、供应链管理到售后服务的全生命周期管理。通过数字化技术，联想成功实现了数据驱动运营的转型。

       越来越多的自动化设备、越来越智能的数字化应用系统，产生了越来越多的数据，如何有效地利用好这些生产过程数据，通过数据价值的挖掘和AI技术的创新赋能，实现生产制造精益和效率的持续性改善，是智能制造运营的关键。

       AI赋能智能制造的现状：作为智能制造的重要驱动力，人工智能技术在联想工厂得到了深度应用，为制造流程的精细化管理、产品质量提升和成本优化提供了技术支持。

       生产流程中的AI优化：

       动态工艺优化：AI通过实时学习和优化生产过程中的参数，形成更高效的工艺路线，大幅度减少设备闲置时间和原材料浪费。

       预测性维护：联想将AI算法嵌入设备管理体系，通过预测设备可能的故障，提前进行维护，设备故障率下降30%以上。

       质量管理中的智能化应用：AI在联想工厂质量控制环节表现尤为突出，通过大数据与深度学习技术，质量监测的精确度和速度显著提升：

       智能质量检测：生产过程中实时监测产品质量数据，自动识别可能存在的问题。

       异常分析与优化：AI分析历史生产数据，帮助管理者准确定位质量问题的根源并给出改进建议。

       人才培养中的智能化应用：通过GenAI和知识库大模型技术，为生产人员和管理人员提供专属的执行助手，实时分析工作KPI，动态响应策略辅助，提高间接劳动力的生产维修效率，提高产线管理人员的生产事件分析的能力、快速响应能力。

       客户需求驱动的定制化生产智能化应用：AI支持的订单分析和小批量灵活生产模式极大提升了联想的市场响应能力。

       通过智能制造的深入实施，联想构建了数据驱动、AI赋能的现代制造体系，实现了生产效率、产品质量、资源利用的全面优化。在取得上述显著成果的同时，联想也进一步提升了其全球制造标杆的地位。联想智能制造的成功不仅推动了企业的可持续发展，也为行业提供了可借鉴的数字化转型范本，其所体现的科技与制造融合趋势正引领着全球制造业的未来方向。

三、参评智能制造项目详细情况介绍

       联想作为全球制造业领先的企业，对智能制造有其深入的认识和独到的见解：对于制造领域而言，随着生产规模的扩大，物料、机器、产线及人力的协调问题都被急剧放大，成为制约生产效率与提升响应速度的瓶颈。而制造控制塔则可为企业制造生态体系各个环节提供实时业务运营状况，并针对异常情况进行分析、模拟、预判并辅助决策，进而提升制造效率和运营水平，为智能制造的发展注入强劲动力，而大数据、物联网、AI等先进技术的发展，为智能制造赋予更加强力的改革创新驱动力。智能制造控制塔iMCT项目是精益化制造运营控制和AI技术的结合，给企业生产制造带来新的动力，是未来智能制造的发展趋势。

       1.项目背景介绍

       智能制造是实现我国制造业由大变强的核心技术和主线，既是制造强国建设的主攻方向，也是推进新型工业化的重要任务。近年来，围绕推动智能制造发展，国家及地方相关部门相继出台系列政策和举措，不断助推智能制造在多领域多场景落地，加速行业智能化进程。

       联想深耕制造领域三十余载，在全球建设部署了35个生产基地，在中国联想构建了深圳南方母本工厂基地、武汉绿色工厂基地、天津零碳工厂基地，这些先进的智能制造工厂基地是联想全球智能制造的核心，撑起了联想全球智能制造业务。

       2024年，联想积极开拓海外市场，建设布局海外工厂，联想海外生产基地工厂是联想在全球布局的重要棋子。在海外工业园区，实现智能制造标杆企业的引领。
 
       这不是联想的第一家智造工厂，但代表着联想内生外化的里程碑。基于制造业与出海双重经验，联想内生外化了大量适用于出海企业的智能制造解决方案，为出海经验的快速迁移和共享创造了条件。联想在海外建厂、全球合规、零碳转型、智能制造和供应链ESG管理等方面积累的技术和经验，已经成为不同类型、不同体量中国企业出海必备“工具包”。

       在联想海外工厂中，联想投入自主研发了MOSS智能制造运营系统。其中，联想“智能制造控制塔”（iMCT）以立体化的数据可视能力、主动式的数据预测和事态感知能力、业务组织流程与问题风险智能识别对应、生产协作AI智能助手，生产风险处理与组织协作过程跟踪分析优化提醒，生产执行过程与组织绩效精准绑定，实现了从数据分析预测、风险响应与组织流程解析、到问题自动分配与执行跟踪，以及风险解决路径推荐，给出交付、效率、质量和成本控制的最优解，为制造行业智能化转型提供了从数据辅助到驱动组织能力提升的巨大改变。

       2.项目实施与应用情况详细介绍

       新一轮AI科技革命和产业变革突飞猛进，正在推动传统产业改造升级进程。智能制造成为全球制造业科技创新的制高点，引领着全球制造业发展变革的方向。不过，在制造行业转型升级的过程中，生产要素协同、运营分析、业务组织协作、业务绩效评估等环节的挑战，也成为制约制造业发展的不利因素。

       联想基于自身在AI智能体和先进生产制造的双重积累，在海外工厂生产基地中，联想投入了其自身产品智能制造控制塔iMCT，这是一款基于GenAI的工厂智能制造整体运营系统产品，实现通过AI制造控制塔对智能制造运营业务场景重塑。把设备互联、操作互联、数据融合、知识进化、KPI数字工具、智能调度与控制、GenAI人机交互智能等场景核心整合，打造了联想工厂生产制造智能化运营体系，实现智能制造运营闭环。
 
       2.1 基础架构与数据智能平台建设

       基础架构与数据智能平台：面对智能制造过程中的种种不确定因素，联想“智能制造控制塔iMCT”依托大数据与AI技术的深度融合，连接获取工厂设备OT数据和各业务应用数据，通过深度挖掘各个节点中数据的潜在价值，有效打破了数据孤岛现象，可为生产流程的每一环节提供全方位、立体化的数据可视化能力。智能制造控制塔不仅实现了对潜在问题的事先干预，更在交付速度、生产效率、质量控制以及成本优化等多个维度上实现了全面升级，为智能制造全流程提供了坚实有力的保障与支持。

       设备IOT互联：将工厂传感器、设备、机器和系统联网，实现生产设施之间的实时数据交互、实时监测、智能分析和生产主动预测，在预测性维护、质检分析、远程操作维护、能源优化、智能库存管理、生产过程优化等能力；在工厂中，超过2000台设备、30万+的设备节点构建了IOT设备连接，尤其是对于智能产线设备的连接，需要考虑生产设备与工艺工序节拍的自动化适配调优，满足产品订单更换导致的产线快速切线换型。
 
       数据洞察与深度学习实现生产制造流程事件预测：集成生产设备运行数据、工单跟踪过程数据、质量检测结果与过程数据、生产节拍数据、产线物料供给Milk Run循环单节点时长数据和问题响应数据等，构建混合预测模型，通过秃鹫深度学习算法实现生产制造流程事件问题预测：洞察事件关联要素和响应策略推理，通过影响分析可视化优化，快速推荐改善策略；实现优化生产计划，合理配置资源，提高生产效率。
 
       2.2 生产制造AI知识模型库建设

       AI知识模型库：基于生产制造的专业知识和工艺流程，构建了丰富的行业知识库。它能够为企业提供专业的知识支持，助力解决复杂的工业问题。通过与行业知识库模型智能体的交互，企业可以更加精准地进行决策和操作。

       基于知识库的AI智能培训和工作辅助：通过AI大模型技术自动生成制造员工技能测评，智能分析员工技能差异和培训内容，主动挖掘员工技能不足，实时为员工推送工作辅助，实现员工在工作时的知识伴随式服务。为每个员工制定符合其岗位角色的知识能力进步模型，并监控分析成长过程和绩效KPI分析（事后分析），帮助员工提升个人能力，提高工作效率。
 
       制造过程数据积累和知识自动生成和转化：将生产制造过程涉及的内外部数据（工艺文档、物料BOM、质量检测记录、设备参数信息、维修记录、生产计划、人力技能等工厂生产制造内部数据，行业生产制造先进案例、方法、经验等外部三方数据）进行提取，通过数据智能平台的数据清洗处理，进行NPL自然语言解析和知识标签化处理，基于知识图谱模型算法建立知识关系路径，形成生产制造知识库；然后通过AI大模型技术，构建AI知识模型，实现知识资源和GenAI的集成，最终实现制造数据积累到AI知识库的生成和转化。
 
       个性化知识模型与生产制造智能体辅助：生产制造知识库采用蜂巢（Knowledge Hive）算法模型，和GenAI集成，为生产制造环境中各岗位角色用户进行交互式模型训练，为制造业业务岗位用户提供专业的知识辅助和生产操作指导，具体体现在HMI智能作业交互、AI知识模拟培训、AI维修知识伴随辅助维修、生产质量知识传递与防反复纠偏等。
 
       2.3 智能调度与控制体系建设

       智能调度与控制：制造业有六大生产要素，包括人、机、料、法、环、测。工厂中人员考勤和计件管理不足、设备缺乏监控与管理、物料管理无法追溯、流程性数据缺失、环境检测和能效管理不足、检测自动化率低等问题都可能会在生产环节中出现，而这些生产要素之间的协同成为工厂能否提质、降本、增效的关键。基于AI模型的作为工业智能体的总体调度框架，调度智能体负责依据对话输入的内容理解来调度各个智能体解决问题。它能够分解任务、执行任务，并确保各个智能体之间的协同工作。通过调度智能体的智能调度，整个工业智能体系统能够更加高效、有序地运行。
 
       业务流程与组织多维模型：生产制造的业务流程与组织岗位角色是复杂多样的，而对于业务流程KPI和组织岗位角色KPI往往是关系脱离的，尤其是在生产制造过程的复杂多变问题，如何和纸质岗位角色KPI绑定映射起来，是提高生产制造效率的关键，这决定了生产问题的发现速度和解决效率，联想智能制造控制塔iMCT通过构建BPDO模型（Business-Production-Data-Operation）把数据运营分析指标和业务流程、制造组织KPI有效结合，实现事、人、数的多维映射，形成业务流程与组织运营的多维模型。

       深度运营分析：传统的制造运营往往只提供一些报表和看板，缺乏全面运营分析能力，导致分析视角单一，系统性方法缺失，难以应对复杂多变的市场环境；联想智能制造控制塔iMCT将生产制造过程数据进行深入分析，并执行RCA分析模型和BPDO模型映射，找出问题根因和对应的业务流程以及组织岗位角色，将运营分析分解到事、定位到人、跟踪到位。

       业务组织协作：智能化能力的欠缺导致不同业务之间存在信息壁垒，沟通渠道不畅。各业务部门、组织之间缺乏全局观念，难以形成统一的业务目标和行动方案，不仅影响了企业的运营效率，也制约了企业的创新能力和市场竞争力。联想智能制造控制塔iMCT具备数据运营分析与业务组织协同自动化关联、驱动智能邮件提醒、智能会议跟踪和GenAI智能交互辅助等功能，实现了业务组织协作智能驱动。

       业务绩效评估：由于缺乏有效的数据支撑和完善的评估体系，绩效指标难以量化，评估结果不能全面反映各业务环节及人员的实际工作成效，影响了绩效评估的效率和效果。决策者难以凭借绩效评估这一工具，实现对管理业务流程的全面把控与精准指导。联想智能制造控制塔iMCT具备了完善的绩效目标KPI和绩效智能跟踪分析，可以将全面的业务绩效分析评估拆解到各个业务组织和人员，定位缺陷和改善路径建议，实现业务绩效评估+改善策略推荐+改善过程跟踪的业务绩效闭环管理，有效提升了业务绩效管理效率。

       2.4 KPI数字工具建设

       KPI数字工具：制造运营管理KPI（关键绩效指标）的数字化是通过数据模型技术，对制造管理的业务场景进行数据采集、分析和呈现，以提升决策效率、优化生产流程并提升整体绩效。联想集团是全球化制造企业，在集团侧和工厂侧有不同的KPI管理模型，并通过IOT、Datahub等技术实现KPI数据采集、KPI Store自动化存储技术以及ChatBI交互式KPI分析技术，实现KPI数字工具的建设。对于KPI模型建设，联想构建了全套的制造KPI模型体系。

       双线KPI模型规划设计：通过集团制造管理多业务协作需求线条的KPI和多工厂生产经营和制造现场管理需求线条的KPI互相结合，形成业务线和工厂线KPI管理的有效整合，促进工厂生产精益和多业务、多工厂间的协作效率。
 
       多层KPI模型规划设计：构建集团、工厂、车间三层KPI指标模型，实现多维度、立体闭环管控的制造KPI管控模式，促进全球制造一体化运营模式，提高企业制造运营效率，实现敏捷响应和柔性生产。
 
       制造多场景多维KPI混合模型：依托大数据平台算力，基于制造业务场景，构建AI算法模型，将生产制造现场多场景数据关联分析和挖掘，实现AI智能分析洞察的KPI模型，挖掘生产制造隐性根因，提高生产效率挖掘能力，促进生产运营精益化。

       2.5 GenAI交互模型建设

       AI对话与交互：对话智能体在人机交互中扮演着AI智能助手的角色。它能够接收并识别与自然人对话的文字、图片、语音等输入，实现多模态对话。通过对话智能体，用户可以方便地查询信息、下达指令或获取帮助，提高人机交互的效率和便捷性。
 
       通用AI交互能力：包括通用聊天机器人对话和引导、交互式对话、多语言模型、综合内容模型控制、基于角色的主动提示、图表自动化输出、语音输入与交互、多模型输出（图表、表格）、文档检索与定位、自动化报表生产。

       AI与应用的智能整合：iMCT与SAP、MES、PLM、QMS等生产制造现场管理应用进行接口对接，GenAI可直接在交互对话中调用现场管理应用的功能，实现自动化调用执行应用指令。

       特定场景下的AI能力：涵盖KPI目标推荐提示、直接执行目标KPI目标设置、通过图表生成进行KPI深入分析、数据自动统计分析与业务洞察、使用detractor tree/documents模型根因分析、行动计划推荐，为工厂中的各类岗位角色提供技能辅助和能力提升，有效改善生产效率。
 
       总结：iMCT打造智能制造“最强大脑”，全方位破解生产制造运营难题。

       面对智能制造过程中的种种不确定因素，联想“智能制造控制塔iMCT”依托大数据与AI技术的深度融合，通过深度挖掘各个节点中数据的潜在价值，有效打破了生产制造管理碎片化现象，可为生产流程的每一环节提供全方位、立体化的数据可视化能力。智能制造控制塔不仅实现了对潜在问题的事先干预，更在交付速度、生产效率、质量控制以及成本优化等多个维度上实现了全面升级，为智能制造全流程提供了坚实有力的保障与支持。

       以往，工厂生产过程中产生的大量数据，往往仅作为后续生产的参考依据，实际生产中仍依赖于管理层及工人的个人经验主导。同时，在数据分析与决策层面，则主要侧重于事后分析，缺乏前瞻性。此外，生产所需的大量报表仍依赖手工填写，大量的重复工作严重制约了效率的提升。更为关键的是，由于各环节存在着众多的孤岛式系统，生产决策往往局限于单点式判断，无法实现全局性的统筹与优化，这无疑对整个工厂的生产效能产生了不利的影响。

       联想“智能制造控制塔iMCT”以数据为基础，搭建了知识模型库、KPI目标设定、预警告警、智能会议闭环管理、决策优化流程辅助、智能人机交互，在AI技术的助力下，打造智能制造“最强大脑”。通过集团、工厂、车间的运营管理体系分层，全流程服务的对外赋能。如今，控制塔已经能够帮助联想生产制造充分挖掘数据价值，构建业务执行指标体系、工厂分析指标体系及制造中心指标体系等多层级、多维度的指标体系，实现全流程的可视化，为管理者的指挥和决策提供支持。联想“智能制造控制塔iMCT”正以智能化的技术全面革新传统工厂的各个环节，破解生产制造碎片化管理难题，全力推动制造行业迈向智能化变革的新征程。

       以联想海外生产基地为例，在建设之初就充分考虑到了工厂各环节信息及数据的互联互通问题。通过IT与OT技术的融合，联想“智能制造控制塔iMCT”将各系统的数据进行了统一的整合与汇聚，在“智能制造控制塔iMCT”智慧大脑中进行统一管理与分析，有效避免了数据孤岛问题，以全局视角实现生产、运营各个环节的高效协同。在工厂指标体系和管理驾驶舱的统一管理和协同下，即便是一颗小小的螺丝钉，只要进入系统内，控制塔都能快速找到它并完成调度，及时响应生产需求。

       3.效益分析

       总体效益：通过应用大数据和AI先进技术，在生产流程跟踪KPI根因分析、AI知识模型等应用场景的落地，实现了生产效率的大幅提升和成本的显著降低，同时推动了创新和产业升级。
 
       生产效率提升：应用AI知识模型库、GenAI多岗位场景交互、生产效率问题预测等技术，实现高度自动化和智能化生产，提高了生产效率和产品质量，尤其是针对生产周期和生产制造产线上具体操作人员的数字化提升，实现生产周期缩短23%，工艺废品减少36%、劳动效率提高58%，单位成本降低14%。

       成本降低：通过生产制造供应链协作流程优化分析和问题预测技术，优化生产流程和物料管理，减少了浪费和库存积压，降低了劳动力成本和维修成本。

       创新和产业升级：联想智能工厂的探索和实践推动了GenAI、AI知识模型库等新技术的应用和生产制造运营模式的创新，促进了产业结构的优化和升级。