制造业“双转型”，数字化如何实现快速减碳？

随着近年来物联网、AI、5G 等新技术的应用，“智能制造”热度高居不下。但机遇往往与挑战并存。无论是研发设计环节的低效、生产管理环节的排期缺乏弹性、传统经营管理中存在的供应链管理刚性固化，还是传统运维存在无法实时反映设备运行态势、警告分析不够智能、警告根因难以确定等问题，都为工业双转型增加了障碍。

仔细观察这些难点不难看出，所涉及的问题分布在制造业的不同生产环节，要想实现制造业全生命周期的数字化，要落地到行业具体的应用场景，需要产业链上下游企业共同努力，包括设备提供商、软件开发者、系统集成商、服务提供商、终端用户等共同参与。

一般来说，智能制造生产环节分为：研发设计、生产管理、运营管理、运维服务四个阶段

首先，在研发设计环节，传统制造企业研发设计面临市场需求响应慢、团队内部沟通低效、产品设计与生产条件不匹配等问题。

其次，随着企业生产规模不断扩大、产品定制属性不断增强，传统生产模式引致的库存管理滞后、排期缺乏弹性、物料采购难以满足生产管控等问题逐渐成为企业发展的重重阻力，如何将数字化、智能化技术应用于企业生产管理，成为企业的“燃眉之急”。

以冶金行业为例，设备管理领域普遍存在着基础管理、点检管理、检修管理、备件管理等方面问题。

再到企业运营管理环节，当前客户需求多元化、定制化趋势愈加明显，传统经营管理中存在的供应链管理刚性固化、库存管理和订单管理缺乏弹性等问题，成为企业发展软性桎梏。如何在有限产能的背景下，灵活、快速满足客户个性化需求，提升企业经营管理效益，成为数字化转型背景下急需解决的问题。

而以电力行业为例，当前发展面临电量增长乏力、低效和无效投资、购电成本过高、资金使用浪费等诸多挑战。

通过支持各种类型的数据源和数据接入的方式，将数据接入系统后对数据进行充分地整理和归纳，并生成对应的数据业务模型。再基于先进的 AI 技术，例如文本解析、实体识别、语义理解、 图像识别，构筑一整套的语义分析与图像分析的底层引擎能力，并结合系统内置的行业知识图谱和 算法模型，提供智能问答、文档搜索、决策分析、数据预测等多项顶层功能。

对于工业企业而言，安全、稳定生产是底线，传统运维存在无法实时反映设备运行态势、警告分析不够智能、警告根因难以确定等问题，做到故障预先提示，实现设备的远程、快速诊断和维护，显得越来越有必要。

目前，国内电源结构仍将以火电为主，火电中则是以煤电为主。煤电机组在运行过程中，设备故障造成的非计划停运较多，给电力生产带来诸多不利影响，其中锅炉水冷壁磨损泄漏故障是造成机组非计划停运的重要原因。针对锅炉水冷壁磨损，目前采用的措施为定期停炉人工检测维修。但传统人工检测中存在以下问题:

第一，作业周期长，检测效率低。典型的电站锅炉炉膛高度可达 50-100m，传统的检测方式，费时费力。

第二，检测可靠性差。水冷壁磨损主要靠人工手持设备进行点检，受时间和人员精力所限，一般抽取代表点检测，经常出现漏检、误检。

第三，成本较高，易出事故。检测时工作人员高空作业，往往和炉内其他施工交叉进行，存在较大的安全隐患。

数字化如何实现制造业快速减碳？

从2020年做出“碳中和”、“碳达峰”的承诺之后，每年都有重磅政策出台。2021年，双碳工作被列为“十四五”开局之年的重点任务之一；2022年7月，工业和信息化部、发展改革委、财政部等六部门联合发布《工业能效提升行动计划》，将工业“减碳”的窗口期缩短到三年，要求2025年将节能提效作为工业减碳的首要举措。

随着“减碳”时间窗口期越来越短，碳排放重点行业通过数字化、智能化技术进行碳减排资源的优化配置，快速实现减碳的需求日渐凸显。

但是，目前在碳管理中面临不少难题：

首先，由于缺少碳管理专业知识和数字化工具，传统碳资产认证体系复杂，认证周期长，认证行业少，且只有纳入碳排放配额的企业才能参与，其他企业或个人主动参与度低，入手难。

其次，碳管理数据易造假篡改，利用可编辑监测报告模板篡改关键监测数据，从碳排放源头到碳减排，碳 排放报告质量控制缺失，重要原始数据缺乏真实性和准确性，容易造假和篡改，缺乏有效监管。

如何解决这些难题，其基于区块链技术，通过终端数据展示模块清晰呈现产品的绿色可持续属性，或者引入第三方服务进行全链路排放计算、碳足迹追溯，从根源减少供应端碳排放。

显然，在通往双碳的路上，数字技术将在支撑工业节能提效上，展现出巨大的潜力，也会成为目前“减碳”工作中十分具有亮点的一条技术路径。