該集團的信息化發展歷程，從世紀交替時期的信息化基礎建設階段、2010年前后的兩化深度融合階段、十三五期間的數字化提升階段，直到當前大數據時代下的智能化升級階段。從上世紀80年代的“甩圖板”開始起步，目前已經開始了——以智能制造為主攻方向，全力推動智能化產品與智能施工能力；推進智造升級，融合5G豐富的場景打造標桿工廠；開展智能化服務，提供數字化產品——全球領先的數字化、智能化企業建設，以支撐集團從戰略控股型向戰略經營型的轉變，真正立足于工程機械行業之巔。

為了實現企業信息化向數字化和智能化的轉變，集團統籌規劃了新的IT架構：在成熟的業務應用系統之上，依托新建的數據主線能力，實現全集團的業務流程的貫通。從業務流程角度，圍繞市場需求和產品戰略、需求定義和設計立項、新品開發和設計復用、功能定義和結構配置、生產工藝和質量工程、原型模擬和測試、供應鏈管理、智能制造、產品營銷和售后服務等核心業務領域，建立全球化、智慧化的戰略經營支撐能力。

目前該集團與PTC的合作起步于三維CAD設計PRO/E產品的導入，后來逐步采用了Windchill等PLM/SLM解決方案。當前主要專注于企業數字化轉型的合作，為智能化產品的數字化研發、一體化智能服務，以及智能化工廠的能力建設提供工具和方案的支撐。

首先是在產品研發智能化方面，PTC正在與該集團合作建立“全球產品協同研發信息平臺”。這個平臺采用PTC的 Thingworx IIoT企業數字主線的框架，基于PTC的Windchill PLM平臺，整合研發和BOM數據，統一服務于該集團各個產品事業部與研發相關的部門。實施橫跨產品三維設計、研發項目管理、設計任務協同、市場營銷共享和面向工藝、測試、制造和質量合規等諸多業務場景的智能化建設方案。如面向平臺化產品的需求實現TOP-DOWN的產品設計；面向營銷和生產效率的提升落地選裝選配；面向集團所有的研發項目管理建立一體化、并行化、結構化、可視化和數字化的智慧項目管理體系框架等。

其次是面向產品服務智能化方面，PTC的解決方案是以數字化服務工程（DSE）入手，基于智能互聯的產品和系統為體系框架，對整個智能服務能力體系進行規劃和設計。在產品設計階段就將面向售后服務的需求、服務策略、FRU規則、指導手冊架構和驗證確認等服務環節要素引入產品服務功能設計（DFS）規劃。在智能產品服務流程管理中，基于數據分析，提供零備件的預測和優化；以數據驅動的服務過程管理系統，支持人員效率的持續優化和知識庫迭代。配合服務3D模型和現場物聯網數據，將增強現實技術引入服務技工培訓和服務現場交互性支持等。

2020年以來，該集團與PTC的合作進入到工業物聯網技術應用的主場之一——智能制造環節。當前工程機械行業的制造環節面臨著非常復雜且極具挑戰性的場景：

——產品定制化程度高、非標和變異產品型號繁多，造成產品設計變化導致的工藝、材料甚至裝備都經常需要調整和更新。

——生產裝備來源復雜，設備狀態和工況難以監控、管理和進行績效統計，維修保養和生產計劃脫節，導致運維成本和材料浪費難以控制。

——實際的生產過程的工藝參數難以采集和匯總利用，質量缺陷缺乏預測性和可控性，違規作業時有發生，產品質量控制目標難以達成。

——生產過程數據實時可見性無法滿足，各類消耗統計延遲，生產成本和產出難以關聯，生產管理和決策效率低下，精益化生產無以為據等。

為了解決這些問題，實現制造環節數字化和智能化的提升，2020年，該集團與PTC合作在智能化工廠項目中引入Thingworx IIoT平臺，核心目標就是全力構建集團一體化設備互聯互通（工業互聯網）平臺，以實現“設備高效采集、數據深度挖掘、精益持續改善、效益明顯提升”的目標，為公司數字化轉型、智能工廠提質增效提供重要支撐。

構建集團統一的工業互聯網平臺，當前的主要目標是實現平臺建設能力、數據采集能力和業務應用能力的三大提升，以支撐集團規劃的兩個方向的創新應用場景：

——利用IoT平臺，并結合5G、AR等新技術，在重點設備端實現數據高效采集，智能輔助維修以及對現場、資產和人員的集成管控等。

——采用數字孿生框架，為運營端提供設備即服務等新業務模式所需的資產可視性和互操作性、訂單執行管控和追溯、生產實時績效管理、質量預測和精益提升等。

在已經實施的第一期智能制造項目中，基于當前規劃的業務場景，為了滿足整個集團的承載力需求，實施了集群部署的架構，將Thingworx平臺部署到集團的IT基礎設施中?；陂_箱即用的設備管理、生產績效管理和數據分析工具，建立了工業物聯網基礎平臺，并提供了系統集成接口和部分數字孿生和大數據分析創新應用。

當前實現的核心功能包括了：

——設備連接：采用Kapware采集復雜的自動化協議；Thingworx Edge SDK對接非標的自動化設備協議；第三方RTU采集環境和能源數據；通過通過RESTFUL方式對接MES等信息化系統；

——設備管理：設備信息檔案全記錄；設備參數–采集點位及重要數據追溯；設備狀態、指標實時監控–設備運維人員可以快速了解設備情況；帶時間戳的狀態參數–基于設備歷史記錄，為工藝人員提供大數據分析支撐；報警、點檢、巡檢、維保日志和知識庫管理等；

——生產管理：生產工藝和程序管理和執行過程參數監控；生產績效管理–OEE等各類KPI看板和報告；工單與設備狀態匹配度；產前檢查、產中監控和產后追溯管理等；

——維保管理：維修計劃、設備狀態監控、告警、故障報修、工單管理、維修日志、零備件管理和故障處理知識庫–原因分析、知識增補、知識圖譜和現場AR指導。

——基于大數據分析的質量控制和工藝優化：設備數據分析–通過機器學習算法模型建立故障模型，提供故障預警；焊機數據分析管理–通過焊接故障控制實驗，對數據進行分析，建立焊接機器學習算法模型；刀具數據分析–通過刀具故障控制實驗，對數據進行分析，建立機器學習算法模型。

——數字孿生：通過車間和單體設備的多個視角，展示設備實時加工姿態和實時數據，為不同角色提供設備相關的基本信息、效率、成本信息，以及報警信息。

經過一年的實施，在工業互聯網平臺實現了設備數據全量采集和與MES / SCADA系統全面打通的基礎上，目前在設備綜合管理層面交付了設備健康度管理所涉及的設備實時數據，故障數據，運行數據，運維數據，實現生產設備的總體狀態分析、預測告警和趨勢分析、以及故障追溯和判斷工具，指導排產、維護和優化。

同時在設備管理與生產管理相結合方面，交付了面向不同管理層級的設備績效指標可視化和統計分析的綜合看板、移動應用和數字孿生展示看板等業務應用。圍繞業務需求制定大量的設備KPI指標：設備綜合效率（OEE）、計劃/24小時開機利用率、開機率、設備故障率、設備速度效率、保養執行率、點檢執行率等11項關鍵指標，多角度、全方面考察設備管理全過程。同時這些KPI指標可以在多個維度進行詳細對比，結合工廠日歷，上下件報工，形成精準KPI情報，支撐精益化管理。

在工藝及質量控制層面在機加工、焊接等關鍵工序，實現了工藝全流程管理、機加工質量超差缺陷控制告警和焊接質量缺陷告警等人工智能業務應用。

在工藝質量和設備維保智能化角度，基于工業物聯網平臺交付了設備故障知識庫和故障根因統計分析、追溯和優化分析系統。如焊接設備的主要故障為尋位短路、送絲系統故障和撞槍，通過排除尋位系統故障、保養送絲回路、優化工裝定位和焊接程序，可降低近80%的故障停機。目前該知識庫積累了1萬余條預置報警代碼，系統支持處理方式不斷的積累和迭代，形成智能化的知識分享機制。

PTC全球資深副總裁兼大中華區總裁劉強表示：“經過對以上生產環節數字化轉型項目實施成果的充分認可，我們與該集團的工業互聯網項目合作已經成功地進入了第二階段。后續我們將幫助客戶在進一步開發設備物聯網與5G和AR技術相結合的設備端開發創新應用，在充分挖掘物聯網大數據支撐的智能化運營創新應用的同時，向整個客戶集團推廣第一階段的開發成果，最大限度地推進企業的數字化轉型。以協助客戶盡快獲得工業互聯網時代的核心競爭力，鞏固和提高該集團在全球工程機械行業的排頭兵地位?！?/p>

【本文作者 高誼，系PTC公司工業物聯網業務轉型顧問 】