江森自控：“智慧厂务”助力打造节能低碳工厂！

江森自控始于1885年，在近140年的发展过程中，作为致力于智慧、健康、可持续建筑解决方案的全球性企业，江森自控致力于可持续发展。在2024中国汽车低碳与可持续发展论坛上，江森自控结合其丰富的实践经验，聚焦打造低碳的“智慧工厂”展开了分享。

其中智能工厂作为实现智能制造的重要载体，主要通过构建智能化生产系统、网络化分布生产设施，实现生产过程的智能化。江森自控围绕智慧厂务、智慧工厂效益、系统设计原则、智慧工厂架构以及智能生产、智能制造、智能工艺控制、智能检测、仓储物流、智能供应链等方面展开了详细讲解，并分享了具体的汽车公司落地案例。

江森自控嘉宾代表

以下为演讲内容整理:

江森自控拥有近140年的历史，公司专注于智慧、健康和可持续发展的建筑解决方案。考虑到工业生产与建筑的紧密联系，江森自控为包括新能源、化工等垂直行业在内的客户提供智能低碳解决方案。不仅提供设备，更从建筑的全生命周期出发，结合软硬件设施和网络布局，综合打造满足零碳、低碳和提高生产效能需求的全面方案。

智慧厂务集成解决方案

在汽车行业，一个显著特点是其高度的组织性、纪律性和生产规划性。为了确保产品的一致性和准确性，从零部件到整车，整个供应链需精准管理生产设施和能源。

智慧厂务在此背景下应运而生，旨在通过数据管理提升厂房设施、工厂能源及安全等各方面的管理效能。该系统聚焦于人机料法环，通过数据采集、推理预测、大数据分析实现自我学习和维护，以及人机协同。

图源:演讲嘉宾素材

在厂务管理中，设施经理或运营经理需统一管理工厂设备、能源及安全，确保及时响应。智慧厂务提供了多种手段实现节能，如智能控制照明、通过中控平台或感应器自动关闭电源等。同时，智慧厂务实现了可监、可控、可算的功能，确保工厂设施、停车场及安全状态的实时监控和控制，并通过多种方式报警应对突发情况。

智慧工厂的建设旨在减少人力、搬运距离和产品交付周期，降低能耗成本，提高综合效率。系统设计强调高集成性、高扩展性、高稳定性、高智能化和高可定制化，以适应汽车行业连续的生产需求。其架构分为应用层、系统层、网络层和设备层，确保数据的交互和指令的传递。

图源:演讲嘉宾素材

智慧工厂框架着重于信息化、数字化和智能化，通过数据处理、创新功能和生态协同实现。数字底座作为核心，允许灵活插入所需模块，统一实现数据框架和可视化框架，为不同生产过程提供完整支持。此外，拓扑架构的监控和数字孪生工具使得生产线实时监控成为可能，实时反馈生产过程中的实际情况。

在汽车行业中，数字底座和先进架构为生产厂区提供了全面的概览和产线实时监控。其中，数字孪生技术通过BIM系统实时还原工厂建筑和流水线，为工厂管理、能耗和设备管理提供了新视角。项目通过3D实景地图和传感器技术，实现了对厂区或园区的实时还原和准确监测。

在智能工艺控制方面，采用算法学习和智能控制，以应对突发因素并减少人为干预。预测性维护则通过人工智能算法和专家库数据，提前预测设备或设施故障，实现及时维护，避免生产中断。

此外，运用智能检测技术，通过视觉系统准确识别有缺陷的产品，提升生产质量。智慧供应链和智慧仓储的结合有效降低了库存，提升了供应链效率。

江森自控致力于为客户提供数据可视化和多维度分析能力。通过定制化的报表和三维立体界面，客户能够直观地了解厂房设施、生产过程以及建筑设施的运行状况。在新能源领域，如锂电池工厂，利用监控技术确保制冷设备高效运行，维持生产性能。

随着移动信息需求的增长，客户不仅能在厂房或控制中心获取实时信息，还能通过移动端随时随地掌握所需数据。无论设施经理身处何地，都能通过手机终端实时了解工厂运营情况。对于管理多家工厂的区域总经理，手机应用更可同步展示多家工厂的运营状态。

应用案例

系统聚焦于节能与低碳目标，能协助客户计算能量平衡方程，精准核算单位产品能耗和综合能耗。通过容器化分布式计算技术，确保数据部署的安全性和运算效率。此外，系统还能生成能流图，实时反馈重点设备的能效情况，为优化生产流程提供数据支持。

图源:演讲嘉宾素材

在汽车行业，特别是零部件制造过程中，系统可助力实现送风、新风等参数的能效分析和优化，确保生产环境的稳定与高效。我们深入走访多家汽车零部件及主机厂客户，发现能耗在产值中占比较大，存在显著的节能降碳空间。通过余热回收、照明管理、送风设施优化等手段，结合可再生能源和储能技术，江森自控的方案能够帮助客户实现工厂及供应链的零碳化目标。

以与上海浦东某公司的合作为例，江森自控为其建立了统一的大数据平台，实现能效数据与业务现场数据的集成，使用大数据分析手段全面支持业务运作、成本管控和决策分析，实现了岗位能效的自我改善，帮助决策层更准确地评估企业能耗状况，以大大提高企业决策的成功率。方案实施后，非生产日日均能耗99000kWh降低到27000kWh，每年节约直接成本约124万。