百年工业巨头施耐德电气如何在数字世界“建工厂”

施耐德电气，一个与工业革命“同龄”的工业巨头。在 187 年的发展历程中，施耐德电气从钢铁行业跨越到电气行业，从能源管理又跨越到数字化服务。现在，它把目标瞄向了数字孪生和 AI。

数字化转型的成功范本

坐落于亦庄经济技术开发区的施耐德电气北京中压和低压工厂（以下简称“北京工厂”），于 1997 年成立，是施耐德电气在中国的标杆工厂之一，而这家工厂的特别之处便是有一个“数字分身”。

所有产线信息都可以抓取到边缘控制层。前端通过厂区内各种不同的显示屏呈现给相关负责人，生产进度、工单优先级、操作指导、质量等信息一目了然；后台通过 LDS（施耐德电气精益数字化管理系统），还可以对产线效率、人员管理、设备维修预警、产品良率等数据进一步统一分析和反馈。

比如，经过对某条产线每小时标准产出和实际产出的比对，产线管理人员就可以对现场工人排班进行调整、匹配和协调。并且，通过与考勤系统的打通，系统还会自动计算某段时间内的出勤人员数量和产能效率，一旦发现人效不足，就可以对问题进行分析和识别，及时采取改进措施。

工厂负责人告诉笔者，当产线工人遇到问题需要部门工程师协助时，只需要在自己的工位点击相应图标，工程师的手表就会接收到信息提示。“如果 15 分钟内没有工程师响应，信息会发送到经理手表端；如果一小时内没有人响应，信息就会直接发送到总经理手表端。我们通过这样的方式确保所有问题可以及时有效地解决。”

数字化带来的益处同样惠及设备工程师。过去，设备维修人员使用纸质图纸，他们在维修传统电控柜时时常遇到的一个问题——打开柜子，然后图纸就找不到了——于是他们需要花费很长时间去找图纸。

“现在，通过施耐德电气自主研发的 AOA（增强虚拟现实）系统，他们可以快速查询目标测试台测试项，不用携带纸质图纸，也不用额外从电脑网络获取资料，设备运行的实时参数可以被清晰地呈现出来。里面还嵌入了维修规范标准流程供维修人员参考比对，并且支持多种数据库连接查询测试记录和测试参数，大大提高了维修的效率。”工厂负责人表示。

这是施耐德电气北京工厂数字化转型改造和升级的成果，如今，工厂已经实现了全面的能效提升——生产效率提高了 13%，产品质量问题减少了 15%，实现了零配电故障。像这样的智能工厂，施耐德电气在中国有 18 家。

譬如，位于江苏的施耐德电气无锡工厂，不仅是智能工厂，还被达沃斯世界经济论坛评为端到端“灯塔工厂”。

“在无锡工厂，我们真正实现了电气化、自动化、数字化。首先，通过在产线部署自动化、AI 等技术，工厂实现了产线质量提升和效能提升；其次，我们通过 EMA 微网能源顾问，实现了传统能源和新能源的高效匹配、管理和预测。”据施耐德电气全球执行副总裁、首席数字官 Peter Weckesser 介绍，无锡工厂互联互通的设备多达 3000 多，经过数字化改造升级，产品上市时间缩短了 25%，质量提升了 15%，能源优化效率高于 8%。

在全球，这样的“灯塔工厂”施耐德电气有 5 家，它们是施耐德电气自身数字化转型的成功范本。

工业数字孪生：老工厂改造要先“利旧”

自 2017 年开始，施耐德电气把自己多年来的数字化经验和能力整合成了解决方案，推出EcoStruxure架构平台，帮助包括电网、工业、楼宇等在内的行业企业优化从建设、运营到产品生产、设备运维等的各个业务环节。

EcoStruxure 有三层架构：第一层，包括断路器、盘柜等在内的互联互通产品；第二层，包括 PLC（可编程逻辑控制器）和楼宇控制系统等边缘控制；第三层，包括基于云边联动的应用服务，以及分析方面的各种解决方案。

基于这一软硬件基础能力，数字孪生是施耐德电气下一个发力点。通过在虚拟和现实之间建立更深度的连接，持续优化企业运营。

“我们所说的数字孪生，不是针对某个阶段，而是从设计建造到运营维护再到优化的全生命周期的数字孪生。”施耐德电气副总裁、过程自动化与数智化中国区负责人丁晓红强调，数字孪生对企业运营的价值体现在两方面：一是对有形资产（即工厂设备）的优化，比如发现早期故障，让设备运行效率更高，能耗平衡更好；二是对价值链的优化，比如对员工工作强度的降低，效率的提升和成本的减少。

而数据显示，目前施耐德电气提供的数字孪生解决方案可以为企业平均提高 20%以上的生产效率，减少 15%的能耗，以及降低 30%的维护成本和停机时间。

以上海华谊集团为例，集团主营 “ 煤基多联产及清洁能源产品制造 ”、“ 轮胎橡塑产品及高分子材料制造 ”、“ 精细化学品制造 ”、“ 化工品物流及化工工程服务 ”、“ 生物医药及生物化学品制造 ” 等业务，是典型的化工企业，流程复杂、工艺长且连续，是行业的普遍痛点。

为此，上海华谊集团利用数字孪生解决方案，从设计、建造、员工赋能到运营，实现了工厂全流程数字化。比如，在设计环节采用一体化设计平台 AVEVA E3D/PDMS；在建造环节采用资产信息管理 AVEVA AIM；在赋能场景为操作员提供仿真培训 AVEVA OTS（含 XR 和严格机理模型），可以对超过 100 位操作员同时进行云端在线培训；在运营环节，引入工业大数据管理平台 PI System，可以通过多个工厂合计超过 20W PI 点对企业生产进行监测。

今年年初，上海华谊新材料工厂成功入选全球“灯塔工厂”，成为中国流程化工行业首座“灯塔工厂”。

和上海华谊集团新厂建设思路不同，施耐德电气还利用数字孪生技术对一些老旧工厂进行了数字化改造和升级。“在国内，老旧工厂更为普遍。过去大家购置了很多品牌、类型各不相同的软硬件资产，彼此之间难以互联互通，数据采集难度大，这是这些工厂实现数字孪生化最大的挑战之一。但是，把旧工厂全部推翻重建是不现实的。”丁晓红向 InfoQ 表示，“所以，对于老旧工厂来说，首先应该先‘利旧’（充分利用现有旧设备），比如，在老旧设备上加装贴片传感器进行数据采集；其次，是做数据治理，在软件层面把数据的基础设施搭建好，再做进一步的分析、改进和优化。”

能源数字孪生：把电气系统映射到数字世界

除了全方位布局数字化，施耐德电气还是绿色化的拥趸者。在施耐德电气看来，工业数字孪生只是企业数字孪生的一部分，另一个切面是能源数字孪生。

直观来看，如今施耐德电气在全球打造了 93 家“零碳工厂”，在中国 29 家工厂及物流中心中，已经有 19 家实现“零碳”，北京低压工厂就是其中之一。

施耐德电气北京工厂屋顶光伏项目

从源头上，工厂部署了施耐德电气在中国最大的光伏项目基地，增加了清洁能源的使用比重——大约占全厂能源使用的 30%，并且注重全厂能源使用的效率优化，不断提高能源效率。

其中，数字化技术是能效优化的基础，通过广泛采集生产线上的水、电、气等与能源相关的数据，借助大数据的监测和分析手段，可以实现对各项能耗指标的可视化管理，根据能耗高峰和低谷进行调优。比如，根据市电实时电价等变量，优化能源使用结构，在用电高峰使用新能源，在用电低谷再切换成传统用电，这一方面节省了用电成本，同时也降低了碳排放。

“通过智能微网系统，我们可以监测到具体的用电指标，包括光伏、电网的使用，电量负载、储能情况等等。”工厂负责人表示，这对于能源节约非常重要，“比如，此前我们通过系统发现了空压站耗电比例异常高于正常水平，于是迅速定位了两台空压机，发现它们由于老化和损坏产生了额外的高耗能，于是快速进行了替换，避免了能源成本的浪费。”

同样地，施耐德电气也正在把自己在能源管理领域的经验释放到各行各业。施耐德电气的 ETAP 全新电气系统数字孪生平台，将能源管理和工程解决方案 ETAP 与 ALPI、IGE+XAO 集团、BIM Electric 的系列软件解决方案进行深度整合，可以帮助企业创建、配置、定制和管理各种电气系统模型。

“电气系统在物理世界是什么样，在数字世界都有一一对应。”施耐德电气 ETAP 中国、SEE 软件业务总经理刘华涛进一步解释，“数字孪生化的不仅仅是电力系统，还涉及每一个电控柜、控制柜，每一个制造环节。我们强调机械电气的一体化，当设计、建造、实际运营过程实现了数字化，对应到 ETAP 软件工具，就可以通过智能电表、SCADA 系统去监控电力系统的实时运行情况，预测哪个地方需要做维护，并且快速识别潜在的问题。”

举例来说，在一个新厂的设计建设阶段，就可以利用 ETAP 进行模拟仿真，包括潮流计算、短路负荷测试等等，进而评估工厂需要多大容量的电力系统，需要配置多少电力设备，在运营阶段可能遇到哪些能源规划管理问题，以及如何提前规避等等。

并且，在实际投产运营之后，ETAP 提供的 NetPM 还支持跨人员甚至是跨项目、跨地区的协同，无论是自动化控制、建模人员，还是运维工程师、设计工程师，任何人一旦发现问题就可以及时反馈到系统中，信息得到的确认后就可以快速发布、同步给所有需要知道的人员，进而提高系统的运营效率。

AI 无处不在

值得关注的是，在施耐德电气数字化和绿色化实践中，AI始终无处不在。

在铆接、涂油的工位，施耐德电气利用 AI 技术进行拍照识别，通过大量的数据进行模型训练，判断工序质量。所有关键质量过程及其参数会实时反馈到终端，并且，整个过程嵌入了防呆互锁应用。这意味着，如果前一道工序存在信息缺失或不合格，后一道工序就不执行任何操作，以此保证不合格产品不会流出工厂。

在电力系统管理中，施耐德电气基于AI模型和内置智慧能源调度算法的智能微网系统，可以实时了解电力负荷情况、判断是否需要调整，以及微电网模型的变动等信息，并且随着时间变化实时调整供电策略。

施耐德电气工厂的数字化应用

在设备维修场景，当有工程师在任务清单中填写了具体维修项，后台系统就可以通过关键词识别和匹配仓库的原材料和零部件库存，通过原材料报警系统，匹配最优的物料配送路线、配送时间，甚至判断物料盘存储数量是否能够支持路线设计等等，进而找到效率优化空间。

再比如，针对设备的运营监测，通过把算法模型植入到设备中，可以指导设备的调节测试，保证整个产品的通过率以及质量的稳定性。包括识别设备的早期故障因素，预测设备在未来某段时间会因为什么原因出现故障。据丁晓红介绍，目前施耐德电气在 AVEVA 软件中引入了生成式 AI 应用，员工只要在对话框输入对应的问题，就可以快速了解某个设备存在什么故障、谁负责维护过、维修费用是多少等等。

“如果一家企业不去拥抱 AI，可能在未来会被时代所淘汰。”Peter 这样断言。基于这一判断，施耐德电气于今年 7 月在中国成立了 AI 创新实验室。

施耐德电气 AI 创新实验室揭牌

施耐德电气的 AI Hub 团队约有 300 人，他们有两个责任：第一，利用 AI 技术优化施耐德电气自己的业务流程，包括财务、HR、供应链等等；第二，把 AI 嵌入到施耐德电气的软件产品中，为客户赋能，比如上述的微网优化、数据中心优化、预防性维护等等。

“我们会继续投入更多的精力做创新，无论是使用生成式 AI 还是传统 AI 技术，目的是更好地利用企业现有的数据解决当下的问题。”施耐德电气副总裁、数字化服务业务中国区负责人、施耐德电气（中国）软件研发中心负责人张磊强调。

对于施耐德电气而言，这些“真金白银”的投入，正在逐步呈现显性化的结果。有数据显示，施耐德电气的数字化业务和服务已占全球营收的 53%以上，并且保持着相当高的增长速度。这在某种程度上已经预示着，这个发展近两个世纪的工业巨头，又一次的成功跃迁和转型。