2023年工业互联网试点示范项目申报启动！新增新技术类方向
- 2023/11/22 11:47:42 8457
- 来源：仪表网
【网 产业报道】工业互联网是新一代信息通信技术与工业经济深度融合的新型基础设施、应用模式和工业生态，通过对人、机、物、系统等的全面连接，构建起覆盖全产业链、全价值链的全新制造和服务体系，为工业乃至产业数字化、网络化、智能化发展提供了实现途径，是第四次工业革命的重要基石。
为进一步提升工业互联网网络、标识、平台、安全等设施建设和融合应用水平，发掘推广更多新模式、新业态、新场景，充分发挥工业互联网在提质、降本、增效、绿色、安全方面的重要作用，近日，工业和信息化部印发通知，组织开展2023年工业互联网试点示范项目申报工作。
该项目将围绕新技术类、工厂类、载体类、园区类、网络类、平台类、安全类7大类27个具体方向，遴选一批工业互联网试点示范项目。工业和信息化部将对试点示范申报材料进行评审，遴选认定符合要求的项目开展试点示范，试点示范期为2年。
通知表明，项目申报主体可以为工业企业、基础电信企业、信息技术企业、互联网企业、高校及所、园区运营管理机构等。
值得注意的是，每个申报主体同一类型只能申报一个试点示范方向，同一申报主体最多不超过2个项目，同一项目不能重复申报；已列入前期试点示范且仍在示范期的项目(2年有效期)不可重复申报，未验收或验收未通过的工业互联网创新发展工程项目不可申报，未建项目不可申报；各省、自治区、直辖市工业和信息化主管部门、通信管理局推荐项目数量原则上均不超过30个，各计划单列市工业和信息化主管部门推荐项目数量原则上不超过15个。中央企业不占属地指标，可直接报送，推荐项目数量原则上均不超过10个。各单位推荐项目应按优先级排序。
与2022年相比，2023年增加了新技术类试点示范方向。具体包括工业互联网 大模型试点示范、工业工联网 大数据试点示范、工业互联网 数字孪生试点示范、工业互联网 区块链试点示范、工业互联网 边缘计算试点示范等五个方向。具体如下：
新技术类试点示范
（一）工业互联网 大模型试点示范
制造企业基于工业互联网 大模型开展通用智能方向应用探索，并取得显著成效。
应用场景——满足但不限于以下场景：
1.工业问答应用：基于大模型开展设备运维管理、工业文档管理、经营统计分析等，实现工业文档/知识/信息的自动检索、管理与回复。
2.工业信息生成应用：基于大模型开展设计图像生成、缺陷图像生成、代码生成等，实现图像、程序等工业信息的自动生成。
3.工业指标优化应用：基于大模型开展仿真计算、工业流程优化、设备运行优化、巡检与质量检测等，实现工业指标全局优化与泛化能力提升。
应用成效——制造企业基于工业互联网开展大模型融合探索，提升工业知识整合分析、设备智能化、信息生成及全局优化水平，推动工业数字化转型向通用智能方向迈进。
（二）工业工联网 大数据试点示范
制造业企业基于工业互联网 大数据在生产、营销相关场景实现融合应用并取得显著成效。
应用场景——满足但不限于以下场景：
1.设备监测：基于多源异构的设备数据在线采集和智能分析等工具，形成设备健康状况实时监测、产能实时分析预测、设备异常预警等应用，提升企业设备管理效率。
2.工艺优化：开展重点产品、关键生产工序的工艺优化应用，采用大数据建模分析技术实现生产参数优化和改进，提升能源、原材料等利用效率和产品质量稳定性。
3.协同制造：开展协作设计、库存共享、产线协同等应用，采用数据确权、数据访问控制等技术实现数据有效流通和共享，提高企业生产效率。
4.精准营销：基于企业历史营销、客户行为、互联网等多模态数据高速存储和读取工具，形成需求预测、精准产品推荐、营销成效监测等应用，提升策略制定精准性。
应用成效——制造业企业充分发挥工业互联网 大数据在设备监测、工艺优化、协同制造、精准营销等方面的应用，提升营销策略制定精准性和企业生产效率，推动企业从粗放式管理向精细化管理转型。
（三）工业互联网 数字孪生试点示范
制造业企业基于工业互联网 数字孪生在研发生产相关场景实现融合应用并取得显著成效。
应用场景——满足但不限于以下场景：
1.跨学科仿真研发：利用多学科建模和联合仿真技术开展分系统、多专业模型构建和集成，对系统级模型进行综合仿真验证，形成多物理场、多学科耦合的产品仿真研发应用，提升企业研发效率和水平。
2.设备故障分析与预测性维护：通过几何建模、仿真建模等模型构建技术建立设备信息模型，集成设备iot数据，开展实时数据驱动的仿真分析，形成设备故障定位、分析、预测等应用，减少企业因设备停机而造成的损失。
3.产线3d可视化监控与优化：基于三维建模技术对工业设备、产线、流程等进行建模，远程采集产线各部位实时数据，开展产线运行状态的监控与优化，及时发现并解决潜在问题，提高企业生产效率。
4.工厂/园区3d可视化管理与优化：利用地理信息系统(gis)、建筑信息模型(bim)、物联网以及三维渲染引擎技术，开展工厂/园区可视化建模，形成工厂/园区生产过程监控、物流监控、能耗管理等应用，提升企业精细化管理水平。
应用成效——制造业企业充分发挥工业互联网 数字孪生在产品设计、设备维护、产线监控、工厂/园区管理等方面的作用，提升企业研发生产效率，推进数字化管理水平升级。
（四）工业互联网 区块链试点示范
制造业企业基于工业互联网在区块链相关场景实现融合应用并取得显著成效。
应用场景——满足但不限于以下场景:
1.供应链追溯：利用智能合约、共识机制等技术，设计多主体业务交互规则，实现供应链全流程自动化执行，并有效记录生产方、销售方、物流方等多方的状态信息，降低协作过程中的交易摩擦，提升协作效率，提高产品质量和柔性化水平。
2.工业安全：基于分布式标识、可验证凭证等技术，建立设备、机器、人的虚拟数字身份和访问控制机制，开展设备管理、访问控制、运营状态监控等应用，实现实体与数字身份的映射，提高设备接入安全，提供数据隐私保护。
3.可信交易：利用区块链的可信记录、可追溯等功能属性，构建联盟链，将各个主体的信息记录、信用记录、设备记录进行交汇共享，用于增强交易的透明程度，提高交易的安全性及可控性，实现供应链金融、二手交易等场景的全流程风险控制。
4.数据共享和可信校验：基于智能合约技术、数据模型技术、访问控制机制、零知识证明技术等，建立平台间的数据分享体系，构建全流程数据可信校验机制，提高企业数据透明度和协同效率。
应用成效——制造业企业发挥工业互联网 区块链在数据确权、价值共享、主体协同等方面的技术优势，实现其在工业制造、工业安全、工业服务数据共享的应用价值。
（五）工业互联网 边缘计算试点示范
制造业企业基于工业互联网 边缘计算在生产核心场景实现融合应用，并取得显著成效。
应用场景——满足但不限于以下场景：
1.边缘控制：基于实时虚拟化、边缘算力编排、开放自动化等技术，开展生产控制类应用升级改造，实现软硬件解耦及集中化控制部署，提升能力及控制要素资源利用率。
2.边缘数采：基于边缘感知、面向异网异构的边缘算力网络、边云协同等技术，实现多源数据实时采集、应用表征以及各种制式工业数据协议转换，打通数据流转通道，充分释放工业数据要素价值。
3.边缘智能：基于模型压缩、边缘计算迁移等技术，实现高精度算法模型边缘侧执行推理，在视觉质检、预测性维护、生产能效管控、现场安全监控等场景形成重点应用，优化企业生产流程。
应用成效——制造业企业充分发挥工业互联网 边缘计算在工业控制、数据采集、智能分析等方面的应用，实现企业各层数据的纵向集成、实时处理及高效计算，在边缘侧实现对海量接入、低时延、高安全等差异化工业应用的关键支撑。
全部评论