制造业 · 智能排产与工艺优化 / 算力基础设施与AI平台
基于AI+IoT的智能制造系统项目
西安中兴通讯终端科技有限公司(以下简称“公司”)成立于2014年8月6日,是中兴通讯的全资子公司,主营业务为手机终端产品的生产、研发及销售,目前是我国西部最大的智能终端生产基地。公…
a. 解决需求背景中的痛点与核心量化目标达成情况数字化转型项目有效解决了企业需求背景中的关键痛点,并达成了设定的核心量化
效率/能力提升
数据孤岛与整合困难数据孤岛与整合困难 | 通过“数字星云”平台和跨域协同的IOT智能制造混合云服务架构,实现了多系统数据的实时采集与整合,数据利用率提升40%
来源披露
效率/能力提升
人工依赖与效率瓶颈人工依赖与效率瓶颈AI具身智能技术的应用,使生产效率提升30%,人工干预减少50%,显著降低了人为错误率
来源披露
效率/能力提升
资源调度与排班难题资源调度与排班难题智能排班系统优化了人力资源配置,员工满意度提升20%,设备利用率提高25%
来源披露
企业痛点
01
业务背景
西安中兴通讯终端科技有限公司(以下简称“公司”)成立于2014年8月6日,是中兴通讯的全资子公司,主营业务为手机终端产品的生产、研发及销售,目前是我国西部最大的智能终端生产基地。公司生产车间配置业界领先的全自动SMT生产线32条、组/包装线30条,涵盖单板测试加载、全自动化分板点胶、整机音频测试、整机软件加载等模块。目前,公司已经展开了智能制造、AI、两化融合工作,建立了业内领先的全自动测试生产线,加强在生产制造环节的自动化、智能化应用。
02
遇到的问题
A、数字化发展战略目标全流程智能化:通过AI与IoT技术的深度融合,实现从生产、检测、维修到物流的全流程智能化,提升生产效率和质量一致性。数据驱动决策:构建基于大数据的“数字星云”平台,实现数据的实时采集、分析和决策支持,优化资源配置和业务流程。柔性生产与快速响应:通过智能排班和AI工艺自动生成技术,实现生产计划的动态调整和快速响应,满足市场多样化需求。 行业标杆与技术输出: 将数字化转型的成功经验和技术方案推广至行业内外,树立智能化生产的标杆,增强企业品牌影响力。
03
AI 解决方案
该项目依托协同的IOT智能制造混合云服务架构,构建中兴数字星云统一框架AI网络平台,集成大数据分析、AI技术,打造制造域基础要素的“数据底座”和知识库,实现实物流与信息流即时同步。在服务于智能制造全要素过程中,重点聚焦智慧生产+智慧检测+智能排班+AI工艺生成等方面。项目支撑运营智能化、制造数字化和装备智联化三大业务,贯穿整个生产过程、生产管理业务,为运营管理人员高效决策提供支撑。项目技术方案及创新点:A、智能架构:搭建跨域协同的IOT智能制造混合云服务架构,为工厂存储型、非时延敏感型、跨区同质类业务提供集中云算力。公司数字化研发团队创新的设计了5G-IOT智能制造混合云服务架构(中兴制造数字星云) ,孵化陕西省首个基于跨域协同的5G+算力云及边缘云融合平台,完成中兴西安终端制造车间8万平米5G专网覆盖,并与工厂原WIFI网络、现场专网及短距局域网等多形态网络实现兼容对接。同时, 网络架构充分应用AI技术,依托发达的网络构建AI大脑及AI具身,将AI技术与IOT技术深度融合应用于厂内全业务场景,深入探索了5G时代一体化、全流程贯通的智能新模式。 图 1 智能架构方案AI大脑: 1、提出并实现了:一种基于LangChain大模型与专业知识库结合的智能制造决策优化技术。 项目综合应用AI、IoT等技术手段,研发出中兴智能制造特有的大模型,通过搭建一个基于LangChain的本地知识库,定期收集和系统化专家经验、行业标准和操作流程等特定领域的知识,使AI系统在数据分析和决策时可以结合本地专业知识库的内容,具有更高的准确性和相关性。2、提出并实现了:一种基于运筹学优化算法的智能排班决策技术及一种基于监督学习与数据挖掘的AI工艺自动生成与优化技术。运筹智能排班的核心在于利用运筹学中的优化算法,结合人工智能技术,对多维度数据进行分析和处理,从而生成最优化的排班方案。这一技术不仅考虑了传统的生产需求,还融入了员工技能、设备状态、工时合规性等多重因素,确保资源配置的高效性和合理性。 图 2 运筹智能排班方案 AI工艺自动生成是一种基于机器学习和深度学习技术的创新应用, 旨在根据产品设计、材料特性和生产目标,自动生成最优的工艺流程和参数设置。这一技术能够显著减少人工干预,提升生产精度和一致性,从而推动企业向智能制造转型。AI具身:1、提出并实现了:一种具身智能AI检测综合解决方案该方案在手机外观检测中优化视觉算法,通过融合Retinex理论、残差网络、过曝抑制、法向图计算及图片后处理等技术,结合数据增加、生成对抗网络和合成样本方法,有效解决了算法训练中样机不足的问题,显著提升了检测精度和效率。2、提出并实现了:一种卷积增强算法的自适应音频检测技术该方案在以往常规音频测试设备基础上做了优化,实现了一种阵列式自适应设计的装置和测试方法。测试设备消音箱里夹具的上下侧配置了两组人工耳和人工嘴,每组都有10个人工耳和两个人工嘴,换线时只需要打开自动进出抽屉安装好夹具,根据当前生产的指令号自动从云端下载对应软件,自动根据提前预设置好的参数执行切换设备中和被测终端的音频器件最近的人工耳和人工嘴,从而实现智适应快速换线测试。同时,在以往多人说话条件下的语音提取中用到的时域分离方法算法基础上提出一种卷积增强外部注意力的多说话人时域语音分离方法,相比于以往技术更能满足语音分离较小模型、高时效性的需求,并且以其序列建模的优势来达到更好的分离效果,而且新提出的卷积增强外部注意力的多说话人时域语音分离方法在双路结构中的应用可以较好地平衡时效性、模型大小和分离效果。
- 1该项目依托协同的IOT智能制造混合云服务架构,构建中兴数字星云统一框架AI网络平台,集成大数据分析、AI技术,打造制造域基础要素的“数据底座”和知识库,实现实物流与信息流即时同步
- 2在服务于智能制造全要素过程中,重点聚焦智慧生产+智慧检测+智能排班+AI工艺生成等方面
- 3项目支撑运营智能化、制造数字化和装备智联化三大业务,贯穿整个生产过程、生产管理业务,为运营管理人员高效决策提供支撑
- 4项目技术方案及创新点:A、智能架构:搭建跨域协同的IOT智能制造混合云服务架构,为工厂存储型、非时延敏感型、跨区同质类业务提供集中云算力
- 5公司数字化研发团队创新的设计了5G-IOT智能制造混合云服务架构(中兴制造数字星云) ,孵化陕西省首个基于跨域协同的5G+算力云及边缘云融合平台,完成中兴西安终端制造车间8万平米5G专网覆盖,并与工厂原WIFI网络、现场专网及短距局域网等多形态网络实现兼容对接
- 6同时, 网络架构充分应用AI技术,依托发达的网络构建AI大脑及AI具身,将AI技术与IOT技术深度融合应用于厂内全业务场景,深入探索了5G时代一体化、全流程贯通的智能新模式
04
实施结果
效率/能力提升:数据孤岛与整合困难数据孤岛与整合困难 | 通过“数字星云”平台和跨域协同的IOT智能制造混合云服务架构,实现了多系统数据的实时采集与整合,数据利用率提升40%
效率/能力提升:人工依赖与效率瓶颈人工依赖与效率瓶颈AI具身智能技术的应用,使生产效率提升30%,人工干预减少50%,显著降低了人为错误率
效率/能力提升:资源调度与排班难题资源调度与排班难题智能排班系统优化了人力资源配置,员工满意度提升20%,设备利用率提高25%
效率/能力提升:质量检测与工艺优化不足质量检测与工艺优化不足AI视觉和音频识别技术使产品不良率降低25%,检测效率提升40%
成本/资源降低:能耗与成本控制压力通过智能化能耗管理,能耗降低30.6%,运营成本减少20%
效率/能力提升:能耗与成本控制压力b. 示范价值数字化转型项目在投资回报周期、实施难度和可复制性方面展现了显著的示范价值:投资回报周期 项目总投资为2000万元,通过降本增效和新增收入,投资回报周期为1年,远低于行业平均水平
效率/能力提升:| 人工依赖与效率瓶颈人工依赖与效率瓶颈 | AI具身智能技术的应用,使生产效率提升30%,人工干预减少50%,显著降低了人为错误率
效率/能力提升:| 资源调度与排班难题资源调度与排班难题 | 智能排班系统优化了人力资源配置,员工满意度提升20%,设备利用率提高25%
效率/能力提升:| 质量检测与工艺优化不足质量检测与工艺优化不足 | AI视觉和音频识别技术使产品不良率降低25%,检测效率提升40%
成本/资源降低:| 能耗与成本控制压力通过智能化能耗管理,能耗降低30.6%,运营成本减少20%
效率/能力提升:能耗与成本控制压力b. 示范价值数字化转型项目在投资回报周期、实施难度和可复制性方面展现了显著的示范价值:投资回报周期 项目总投资为2000万元,通过降本增效和新增收入,投资回报周期为1年,远低于行业平均水平
效率/能力提升:人工依赖与效率瓶颈人工依赖与效率瓶颈 | AI具身智能技术的应用,使生产效率提升30%,人工干预减少50%,显著降低了人为错误率
效率/能力提升:资源调度与排班难题资源调度与排班难题 | 智能排班系统优化了人力资源配置,员工满意度提升20%,设备利用率提高25%
效率/能力提升:质量检测与工艺优化不足质量检测与工艺优化不足 | AI视觉和音频识别技术使产品不良率降低25%,检测效率提升40%
成本/资源降低:能耗与成本控制压力通过智能化能耗管理,能耗降低30.6%,运营成本减少20%
效率/能力提升:能耗与成本控制压力b. 示范价值数字化转型项目在投资回报周期、实施难度和可复制性方面展现了显著的示范价值:投资回报周期 项目总投资为2000万元,通过降本增效和新增收入,投资回报周期为1年,远低于行业平均水平
成效综述:a. 解决需求背景中的痛点与核心量化目标达成情况数字化转型项目有效解决了企业需求背景中的关键痛点,并达成了设定的核心量化目标:;实施难度 项目采用模块化设计和分阶段实施策略,技术成熟度高,实施难度适中,适合在同类企业中推广;可复制性 项目方案已在西安和深圳两地智能生产车间成功应用,并推广至多个外部企业,验证了其可复制性和普适性;通过数字化转型,企业不仅解决了核心痛点,还实现了经济效益、环保效益和社会效益的多重提升,为行业树立了智能化生产的标杆
05
风险与边界
西安中兴通讯终端科技有限公司(以下简称“公司”)成立于2014年8月6日,是中兴通讯的全资子公司,主营业务为手机终端产品的生产、研发及销售,目前是我国西部最大的智能终端生产基地。公…
适合
适用于制造业企业开展智能排产与工艺优化、算力基础设施与AI平台类实践
前置条件
需具备相应数据基础与系统集成能力
信息来源
1 个来源页面内容为结构化改写;关键结论应可追溯到以下材料。
关联报告:《2025 CCF 企业数字化发展推荐案例集》 · 中国计算机学会(CCF) · 2025