生产运营价值链

客户：宁德新能源 ATL（锂电池）

背景

日产百万级电芯的工厂，批次级统计过程控制无法定位单体差异，质量与能耗联合优化空间被锁死。

方法

工艺过程的关键：抑制工艺过程的不确定性扰动——通过数字化手段，让 Input 更好更快地实现 Output 和工艺功能。落地为「工艺 AI 助手」三层：

1. 工艺的数字化监控：记录工艺参数修改、监控参数设置异常；监控工艺过程波动与加工过程异常；数据追溯——生产过程的「黑匣子」，发生客诉时可通过数据分析还原生产过程
2. 工艺控制的数字化：质量拦截；智能参数优化、最佳参数推荐；自动补偿、自动闭环；前后工序之间的协同控制
3. 工艺管理的数字化：以数字化方式弥补经验管理的不足；人工补偿、管理闭环；中控系统协同管理工艺信息与设备的状态、能力、资源；通过数字孪生与生产模拟，反馈到工艺的正向设计

在此框架下，引入半导体行业良率管理（YMS）方法，把质量管理从批次级「统计过程控制」升级为单体电芯级的动态过程控制；攻克锂电涂布厚度 μm 级自动闭环控制的行业难题；开展跨工序质量-能耗联合优化。

结果

涂布工序节能 30%；跨工序联合优化累计节能约 8 亿度电；2022 年需求激增时支撑交付量 +50%；日均百万电芯排程周期从 1 周缩短到数小时（−90%）。

客户：富淼科技（精细化工）；另服务永钢集团（钢铁）、水晶光电（先进光学制造）等

背景

聚合反应过程强非线性、大滞后，DCS 基础控制之上长期依赖老师傅手动调节，温度波动直接影响收率与能耗。

方法

在 DCS 之上构建高级过程控制（APC）层：机理模型 + 模型预测控制（MPC）实现温度自动巡航，形成产线数字化闭环。

结果

显著降本增产；该 AI Agent 优化方法发表于 IEEE ICAIM 2025（《Optimizing the Emulsion Polymerization Reaction Process Using AI Agents》）。

客户：宁波华翔（汽车零部件 Tier-1）

背景

多品种、小批量的注塑与装配排产，规则复杂且频繁变化，传统上依赖老计划员的经验，响应慢、难传承。

方法

用大语言模型把自然语言描述的业务规则转化为 CPLEX 可求解的优化模型，形成「人备规则与数据 → AI 建模求解 → 人审核放行」的人机协同闭环。方案覆盖研发（SOR 提取、BOM 智能化、仿真能力中心）与运营（IoT、智能注塑）两条价值链。

结果

排程决策从经验驱动升级为算法驱动；业务规则可用自然语言维护，规则变化不再依赖算法工程师改代码。

客户：宁德新能源 ATL（锂电池）

背景

涂布烘干是锂电池制造的能耗大户：溶剂（NMP）挥发需要大量热风，而排气量受安全约束（溶剂浓度不能超限）。传统管理下，制造部管生产速度、厂房工程部管排风系统，两个部门各管一段、各留裕量——排气常年按最坏情况开到最大，能耗白白流走。

方法：业务建模（核心）

这是「数据流驱动价值流」方法论的典型应用，关键不在算法，而在业务建模：

1. 寻找关键「因子」：调研工艺、设备、厂务多方专家经验，识别真正影响能耗与安全的输入因子
2. 建立生产过程模型：把跨部门的因果关系装进一个模型——因：生产速度（制造部）、排气速度（厂房工程部）等多因子；果：能耗与安全（溶剂浓度）。综合多个因子、多种影响机制，两个部门第一次共享同一张因果图
3. AI 闭环调节：模型根据实时生产状态计算所需最小排气量，结果反馈回输入因子，持续在线优化——排气从「按最坏情况常开」变为「按实际需要供给」

结果

涂布工序节能 30%；安全约束始终满足（溶剂浓度实时受控）；制造部与厂房工程部从「各留裕量」走向数据驱动的跨部门联动。该方法随后推广到多场景，累计节约约 8 亿度电。

客户：三一重工（工程机械）

背景

重工行业多品种、小批量、重资产，产线柔性与运营透明度长期落后于消费电子等行业，数字化转型缺少行业标杆。

方法

组建并执掌智能研究总院工业软件研究所：自研微服务平台集成产线 / AGV / MES / SAP；柔性产线控制软件支持大规模定制；工厂数字孪生；以 CPLEX / OptaPlanner 构建 APS 高级排产。

结果

主导的数字化实践助力三一桩机工厂入选 WEF「灯塔工厂」（2020）——全球重工行业首座。