行业新闻

各位专家上午好！前面好多专家都介绍了安全、数字化等方面的战略、关键因素及重要性，我下面给大家分享一下智能制造在我们公司真正落地的一些动作。

我今天的内容主要分为三大块：

1.欧朗公司简单介绍，

2.欧朗数字化历程，

3.数字化技术在欧朗的实际应用，里面包含低代码平台、大数据平台、RPA、AR/VR 应用。

欧朗公司介绍

欧朗公司是国外的企业，总部位于法国，2006 年在中国建立了第一家欧朗中国公司。随着业务不断扩大，欧朗中国陆续成立了四个子公司。从 2023 年开始拓展亚洲海外市场，我们在马来西亚建立了欧朗马来西亚公司，至此欧朗中国晋升为欧朗亚洲。

这是欧朗亚洲的子公司，我们主要覆盖几大市场：汽车、国防海防及安全、工业控制、医疗健康、传统能源与新能源、轨道交通、电信多媒体以及航空航天，这是我们的八大市场，当然我们的业务并不限于这些领域。

下面介绍一下欧朗数字化历程

欧朗从 2006 年在苏州落地，2007 年开启了信息化历程。首先进行基础架构从 0 到 1 的建设；同年上线了 ERP 系统；之后我们自主开发了门户网站。

2010 年 - 2013 年期间，我们对门户网站进行了升级，购买了第三方专业门户网站，同时上线了 MES 系统和 CRM 系统。

2014 年 - 2016 年期间，WMS 系统、关务系统相继上线，ERP 系统进行了升级（这里介绍一下，我们使用的是 infor ERP 系统，总部在上海和北京，主要与上海团队对接）。2016 年，自主研发的 EBPM 开发平台上线。

2017-2018 年，我们又上线了四套系统：PDM、KASS、APS 和 ESOP。其中，ESOP 是线上工位指导系统，KASS 是云文档管控系统。

2019-2022 年，RPA 技术兴起，我们率先引入 RPA 应用，同时对关务系统、CRM 系统进行升级，上线报价系统，并启用智能仓储立体货柜。

2023-2024 年，我们建设了大数据平台。由于此前众多系统需要统一管理，因此上线了大数据平台。随后，因 MES 系统无法满足现有业务发展需求，我们对其进行了升级，同时上线 PLM 系统，正式启用 AR/VR 技术，并引入 AI 技术。下面我将详细汇报每一项内容。

汇报之前，先看一下目前的系统结构图。底层核心部分是 ERP、MES 等基本业务系统，上层通过大数据平台进行整合，最上层是 AI 应用（目前 AI 应用仍处于初步探索阶段）。系统之间的集成方式尝试了几种：一是通过 Link Server 实现结构性数据访问，二是通过 API 方式，三是通过中间表方式，四是通过 Agent 方式实现不同系统间的集成。数据传递方式有两种：实时同步和异步同步。

数字化技术实际应用

1.低代码平台

首先看一下低代码平台，大家都知道 “配置即编程” 的理念。我先介绍一下自己，我有 20 多年的开发经验，从开发工程师做起，后来担任 IT 负责人，现在专职研究 AI 与 ERP 系统的开发集成。基于 “配置即编程” 的理念，我们从 2014 年、2015 年开始启动低代码平台的开发，该平台由我们自主研发，理念是通过平台管理公司内其他系统未覆盖的领域。从界面可以看到，这是一个国产化界面，每个页面中的控件、控件属性、控件事件等均通过配置实现，相当于一个开发环境，但我们将其设计得更加友好，可大幅节省开发时间。以前搭建一个简单应用可能需要一周，现在最多一天即可完成。

这是我们通过该平台开发的一些应用，包括知识库管理、IT 服务、精益管理、财务管理等，每个模块展开后都是一系列相关系统。例如 IT 服务模块，包含 IT 申请单、立项申请、硬件管理、软件管理等，还会生成各类管理报表。目前这个自开发的低代码平台仅在公司内部使用。

2.大数据平台

接下来是大数据平台建设。为什么要建设大数据平台？如前所述，我们拥有 ERP、MES、CRM、关务等众多系统，这些系统来自不同厂商，导致信息孤岛问题严重，甚至存在数据重复（如物料信息在 ERP、MES、WMS 等系统中均有记录），不仅增加了工作负担，还影响数据一致性。因此，我们通过集成实现系统间数据同步，通过大数据平台实现统一展示。

建设目标主要有：解决信息孤岛问题；提供数据治理功能，对数据进行清洗，形成高质量数据，通过 BI 可视化展示；运用机器学习和深度学习算法模型，最终搭建集数据集成、存储、分析应用于一体的数据平台。这是其系统平台架构和功能架构：底层是业务系统，通过数据管理将数据汇总至大数据平台数据池，再通过数据挖掘、BI 等方式呈现。

技术架构包括结构化数据和非结构化数据（如生产车间设备产生的 CSA 文件、文本文件等），需要通过多种方式抽取并统一到平台中。数据集成是一个流程编排的过程，这是管理界面和开发界面。这是我们开发的总经理驾驶舱大屏，用于展示关键数据，例如对车间设备马达振动的实时监测，通过传感器将数据传输至大数据平台。

3.AI 应用

下面谈谈 AI 应用，如今 AI 非常热门，前面很多专家已深入探讨，我简单介绍一下我们公司的应用情况。AI 在我们公司主要应用于两个领域：

1.生产制造领域：通过自主研发的光学检测技术，在检验工位对产品缺陷进行检测。

2.办公领域：目前主要与第三方合作，将 AI 部署在本地，应用于销售预测（从 ERP 中提取预测数据输入 AI 模型，进行更精准的预测）和信息搜索（对合同、人员招聘信息、QI 体系文件等进行快速查询）。

这是我们本地部署的 AI 应用界面，支持聊天和搜索功能。这是我们正在建设的 AI 平台，基于当前主流技术开发，由公司团队负责搭建。这是 AI 与 ERP 的集成，ERP 经历了三个阶段：

1.基础阶段 FP6；

2.网页应用阶段 FP10；

3.即将上线的 FP10.8，将嵌入 AI 功能。

原本准备了演示环节，但因文件过大未展示。演示内容是通过输入信息，AI 与 ERP 集成后智能从 ERP 中抓取数据。

4.RPA 应用

最后介绍 RPA 应用。需要说明的是，这里的 RPA 是软件机器人，而非游戏或娱乐场所中的设备。作为制造型企业，我们经常有员工进出，新员工入职需要培训。传统培训方式是将学员集中在办公室，由讲师讲解并发放模板进行手工操作演示，这种方式不仅讲师需要重复讲解，学员也缺乏身临其境的体验。RPA 的主要作用是代替人工输入，适用于系统界面简单、需重复输入的场景（如银行的重复性业务）。我们只需将业务数据整理成 Excel，启动 RPA 机器人，它就会自动将数据录入系统。目前，我们在财务、采购、计划等领域已应用 RPA 处理重复性工作。

RPA 的应用场景分为三种：

操作界面单一（避免因界面跳转频繁导致错误，RPA 出错时会弹出窗口中断流程，需人工干预，因此适合业务场景单一、出错率低的场景）；

内部业务逻辑复杂但界面简单，不适合从数据库导入；

需要频繁操作的场景。

这是 RPA 的使用开发界面，可通过流程图进行流程设计。

5.AR/VR 应用

最后是 AR/VR 应用，前面提到我们在培训领域的应用。我们与一所大学合作开发了 AR/VR 培训系统，即 VR 技术开发的 SMT 供料器安装和训练系统。学员戴上头套后，画面会显示下一步操作，实现沉浸式设备操作训练。

这是开发背景和设计逻辑框架，包括设备层、链接层、引擎、框架、系统层、逻辑层、可视化层，以及使用时对硬件处理器的要求。图标展示的是 Meta Quest 头戴设备，还有参数配置和手柄操作说明。AR/VR 的主要操作包括轻触、抓握、选择。这是实际应用场景，学员可自主进行学习。

今天的分享到此结束，谢谢大家！