数智化如何助力“碳中和”
添加时间：2021-04-26 点击次数：269
4月22日是世界环境日，气候问题已经成为了全球都必须面对的迫在眉睫的问题。2020年，中国提出了我们自己的“碳中和”目标——二氧化碳排放力争于2030年前达到峰值，努力争取2060年实现“碳中和”。
“碳”即二氧化碳，“中和”即正负相抵。排出的二氧化碳或温室气体被植树造林、节能减排等形式抵消，这就是所谓的“碳中和”。
半年间，“碳中和”迅速从一个陌生的专业词语成为高频热词。在正在进行的博鳌论坛上，“碳中和”依然是重点讨论话题。
如何实现“碳中和”？
在这个问题上，实践永远奔跑在理论之前，随着云计算、人工智能、物联网等新兴技术的高速发展，我们已经进入了一个全新的数字经济时代，从工厂到城市，产业互联网的浪潮已经汹涌地席卷而来，在智能变革中，关于”碳中和“的解决方案，已经慢慢浮现眼前，它不尽完善但足够新鲜欲滴。
01 科技赋能“智慧城市“节能减排
交通，是城市的一大治理难题，它不仅影响到城市和市民的效率，还涉及到巨大的能耗损失。成都就曾饱受交通问题的困扰。
2015年，有人在知乎上发帖——成都城堵成堵城，求下联。
这个反着念也一样的上联，到今天也几乎没人工整对出。
那一年，全国城市拥堵排行榜上，成都在第十位。说它是“堵城”不算冤。
之后几年里，成都出现了一个特别的现象：汽车数量快速增长，交通拥堵程度却在下降。2019年，成都的机动车保有量排名全国第二，而这一年的城市交通高峰时段拥堵排名，成都市是第30名。
“治堵”，成都是怎么做的呢？
2015年上榜“堵城”之后，成都市开始尝试新的“治堵”思路，先后与多家科技公司展开合作，其中，2019年启动建设的TOCC（成都市交通运行协调中心），是成都推行智慧交通建设的有效实践，也是成都市智慧交通体系的核心和顶层平台。
具体说来，成都 TOCC 接入并汇集了城市全部的交通数据，对“大交通的大数据”进行汇聚管理、挖掘分析和共享交换，从而对全市交通进行运行监测、信息服务、辅助决策和应急协同。
在我们的惯常印象里，交通的事就该交通警察管，平时普通人所见最多的是交警在疏导交通。碰上堵车，人们往往也只会责难他们疏通不力。
实际上，公安交管只是负责管理汽车和道路秩序，堵车的“锅”不能只让一方来背。现代城市交通是一个典型的“涉众系统”，牵涉的点和面非常广：陆运、水运、空运，公交车、出租车、网约车、共享单车，规划局、住建局、城管局……
成都市交通运输局信息中心（成都市交通运行协调中心）主任说：
“长时间以来，我们的交通都是各自为政，停车场、道路等设施也是多头管理。公交不知道轨道的数据，轨道不知道出租的数据，出租不知道机场的数据。”
全量数据的汇集和共享，是成都 TOCC 建设的第一步。目前，成都 TOCC 的数据提供单位多达 39 家，涵盖航空、公路、客货运输、轨道交通、公交车、出租车、网约车、共享单车、公安交管、桥梁隧道等14 个大类的交通数据。 公交地铁的每一次刷卡，每辆出租车每笔订单的起始位置和金额，每辆共享单车的开关锁和骑行路线，长途客车的售检票和运行轨迹，机场飞出去多少人，有多少人乘坐列车到达成都……成都 TOCC 接入的数据，基本涵盖了城市交通的全貌，从而实现了对城市立体交通运行的监测，能够“看得清”。同时，成都 TOCC 结合全市交通实际，研发推出了视频智能 AI 分析和时空融合分析模型，实现对城市人流、车流和事件的态势研判，设计了 6 项预警预测功能和 35 项辅助决策指标分析，辅助全市交通机构运行决策数字化、管理精准化。
设想一个场景。明天你要去成都，你从未去过这个城市，但面对陌生城市里的陌生出行，你完全不必担心，因为你可以“可视化”选择交通方式。
在成都东站的 LED 屏上，你可以看到正在候客的出租车空车数量、需要排队的时间，也可以看到周边公交的信息和到站时间。如果你不赶时间，也可以选择共享单车，这是一个提倡慢行的城市，周边有哪些品牌的共享单车，车辆停放位置和数量，全部一目了然。
这是 TOCC 的一项落地应用。为公众出行提供交通方式的“选优能力”，方便乘客选择。
当你正在浏览“智慧车站”屏幕的时候，在成都 TOCC 监控指挥中心的大屏幕上，也实时显示着成都东站动态测算出的相关交通信息：
此刻的出站客流数据，正有多少辆出租车、网约车、公交车、共享单车在此等候，停车场的空位数量，等等。并且，系统可提前 30 分钟预测并智能调度，精准实现“人＋车＋数据”的实时匹配。
比如说，成都出租车司机可以通过国内首推的司机小秘书 App，实时查看成都东站的车辆供求情况、候客时长、平均运距等信息，以决定是否要前往载客。司机小秘书提供交通枢纽、热门商圈和旅游景点的客流信息后，不仅出租车巡游效率得到了提升，出租车驾驶员的每日平均营运收入也提高了 40 元以上。
各类运输服务主体“喊得应”，是成都 TOCC 的第二个目标。
通过 TOCC 的数据，不仅可以规划设立公交线路，建设城市轨道线路，根据出行流量来加密地铁和公交车次，根据出行需求来建设和加宽道路，还可以利用交通流量来进行产业和商业规划，对城市的布局进行优化调整……对交通规划和重大决策“想得透”，更好地资源配置，是成都 TOCC 聚焦城市长远发展的目标。
02 智能化赋能传统行业降耗增效
传统行业在进行数字化变革时，最难的是迈出第一步。
原因是它们和天生根植于数字的互联网企业有所不同，面对的环境变化节奏没有那么快速而多变，因而大多数时候更追求运行的稳定性而非灵活性，更加倚重和习惯于生产工艺或业务流程的渐进式改良，更倾向于排斥那些“不可预期”的改变。
2016 年，时任山东东华水泥有限公司（以下简称“东华水泥”）总经理的李庆文（现任东华水泥党委书记、董事长、总经理），在严峻的现实面前，产生了深深的危机感。
这种危机感一方面来自短期市场的反馈。2015 年，我国水泥需求出现 24 年来的首次大幅负增长，全年需求同比下滑超过 5%。由于产能过剩，全行业产能利用率仅在 67% 左右。
另一方面，则来自长期趋势的不容乐观。国家对环保的日趋重视，也意味着水泥行业未来在生产效率和节能减排上将面临更大压力。
经过长时间的调研和思考，李庆文给出了自己的“药方”。他提倡，东华水泥一定要走“四化”的战略发展方向，即智能化、绿色化、专业化、工厂化。
说得更直白一点，绿色化解决环保问题，专业化和工厂化解决产能结构升级的问题，而智能化，便是促使其他“三化”落地的底层基础。
说起来容易做起来难。水泥制造看似“傻大笨粗“，其实涉及上百个工艺参数，在高温煅烧环节，窑内温度可以高达1400°—1500°C，对生产过程和结果的判断都是经验性的，没有人精确地知道里面发生了什么，更没有办法精确地了解参数之间的匹配关系。
而且，东华水泥这样的国有企业，每一笔投资都要算清预期收益率，否则很难通过决策流程。于是， 东华水泥找到阿里云，要一起来做这个事情，通过沟通，明确将该项目定义为“水泥工业大脑”。
这个“大脑”要实现两个目标：
第一个目标是能耗优化，预期要将产线上的煤耗、电耗水平降低 2%，这一方面能够节省成本，另一方面也能减少排放；
第二个目标是稳定质量，因为水泥熟料的强度波动越小，越有助于下游水泥粉磨企业的成本控制，因此，项目预期要将熟料 3 天强度的标准差降低 5%。
为了建成“水泥工业大脑”，他们设计了三个模型：预测模型、优化模型和反控模型。
具体地说，预测模型是把所有的历史数据“喂”给机器，利用大数据分析的技术，自行找到参数之间的匹配关系，从而能够预测给定条件下的能耗数据；预测模型一旦成功，就意味着可以逆向破解最优能耗所需要的生产条件，给出优化操作的建议，这就是优化模型；如果优化模型在产线上被证明是可靠的，就可以用机器直接替代人工进行操作，这就是反控模型。
对这个“工业大脑“感受最深的就是一线工人。一名一线工控员在试用反控系统后，写下了自己的观察：
“（反控系统）最大的不同就在于循环风阀门的调整，以前我们人工调整时循环风阀门的开度基本一个班甚至几个班都不变动，（但）反控系统调整得却非常频繁……”
“同样的设备，同样的物料，人工调整台产 460t（吨）就不错了，而反控（系统）的台产平均在 470t 以上，最高可以到 480t。”他在文中由衷地感叹道：“短短几个小时就让我感受到了智能系统的强大。”
水泥工业大脑上线后，能耗不断降低，连续刷新纪录。
2019 年全年，企业节约标煤 1.86 万吨，节电 663 万度，减排二氧化碳 8715 吨、氮氧化物 202 吨、二氧化硫 214 吨，当年因节能减排产生的综合效益达到 4200 万元。
2020 年生产 292 万吨熟料，同比节约标准煤 1.54 万吨，节电 242.3 万度，减排二氧化碳 7187.5 吨、氮氧化物 166.6 吨、二氧化硫 179.5 吨，当年因节能减排实现综合增效 2314 万元。
其次是在稳定质量方面。由于水泥工业大脑“耳听八路，手控四方”，而且不会像人那样存在波动和差异，因此生产条件的稳定性控制要显著优于人工。
可以说，水泥工业大脑的开发结果是远超预期的，但是，这并不是水泥行业数字化转型的结束，相反，这仅仅是一个开始。
03 数智化赋能制造业“轻装上阵”
四川省眉山市青神县，这里诞生了一家中国机械零部件加工行业的细分龙头——四川德恩精工科技股份有限公司（以下简称“德恩精工”）。
德恩精工是创业板上市公司，成立于 2003 年，是国家级高新技术企业， 拥有“铸锻—机加—热表—总装—包装—仓配”一体化的全产业链制造服务体系，配备有 10 余条自动化铸造和锻造生产线、百余台数控加工中心、千余台各类数控加工机床、10 余条自动化涂装生产线、50 余条机器人柔性制造生产线，产品包括皮带轮、同步带轮、链轮、齿轮、联轴器、锥套、胀紧套、工业皮带等，细分种类超过10万种。
尽管对这家行业领军企业而言，一般中小企业所担忧的产能、订单、融资成本等问题，似乎都不是大问题，但是德恩精工也有自己的“烦恼”。
它的烦恼与行业现状有关。机械零部件加工业属于典型的离散型制造业，产能和产品都呈现高度分散的状态，这使得德恩精工在扩张的道路中，必然地走向了“多品种、小批量、全工序”，即产品种类繁多，单批次制造量少，工序流程长且较复杂。
在这种条件下，规模效应无法发挥，产品的单位成本难以压降，交付周期相对较长，而库存也常常居高不下，资源配置十分不合理。
“高交期、高库存、高成本”成了压在德恩精工头上的“三座大山”。
针对这些问题，德恩精工当然也动过脑筋，通过经验预测、合理排产、强化和细化生产管理和库存管理等手段，但都没能解决根本问题。
答案随着时代的进步而慢慢浮现。德恩非常清楚，要解决“三高”难题，首要的关键在于“数据治理”，只有将原先彼此分割、不能利用的数据提炼出来、运用起来，才能有效提升管理运营的精细化水平。
于是，得恩开始和阿里云合作，在公有云上进行数据中台的建设，借助数据中台的能力，销售、生产、研发、库存、物流等原本分隔的 IT 系统及其数据得以集成。
随后，基于公有云的算力支撑，团队将复杂的历史数据导入算法模型，同时通过持续学习的方式进行优化， 实现了订单预测、智能排产、仓储优化等功能。
数据带来了决策智能化，以生产排程为例，原先德恩在接到销售订单后，需要人工分解到各条产线上，产线负责人又要将计划分解到具体的机器，工人在完成生产计划的同时，还需要做好手工报工。全程手工作业，效率低不说，准确性往往也大打折扣。
而中台项目完成后，情况则大为不同。销售预测能做到自动预测，未来要生产什么型号、多少数量、什么时间完成，结合客户的非标订单，直接生成排产计划，下发到每个加工单元，产线直接执行，中间不需要任何人工干预，也取消了所有的手工作业。
由于智能化决策的来源是大数据，其精度和效率都远非人工所能比拟，在运行中台两年后，德恩精工的销售、库存管理、生产排程、智能供应链等都有不同程度的提升，实现了系统排程结果准确率高达 90%，交期预测准确率超过 80%，设备资源利用率提高 8%，排产效率提高70%，“三高”问题得到了极大的改善。
除了德恩精工，像波司登、红蜻蜓等制造企业，也在利用全新的智能化技术赋能企业生产，提高周转率，找准市场，降低库存，这样不仅有利于企业的良性发展，还能减少能耗。
随着云计算、人工智能、物联网等新兴技术的高速发展，我们已经进入了一个全新的数字经济时代，从工厂到城市，所有问题的解决方案也必须面向未来。
“碳”即二氧化碳，“中和”即正负相抵。排出的二氧化碳或温室气体被植树造林、节能减排等形式抵消，这就是所谓的“碳中和”。
半年间，“碳中和”迅速从一个陌生的专业词语成为高频热词。在正在进行的博鳌论坛上，“碳中和”依然是重点讨论话题。
如何实现“碳中和”？
在这个问题上，实践永远奔跑在理论之前，随着云计算、人工智能、物联网等新兴技术的高速发展，我们已经进入了一个全新的数字经济时代，从工厂到城市，产业互联网的浪潮已经汹涌地席卷而来，在智能变革中，关于”碳中和“的解决方案，已经慢慢浮现眼前，它不尽完善但足够新鲜欲滴。
01 科技赋能“智慧城市“节能减排
交通，是城市的一大治理难题，它不仅影响到城市和市民的效率，还涉及到巨大的能耗损失。成都就曾饱受交通问题的困扰。
2015年，有人在知乎上发帖——成都城堵成堵城，求下联。
这个反着念也一样的上联，到今天也几乎没人工整对出。
那一年，全国城市拥堵排行榜上，成都在第十位。说它是“堵城”不算冤。
之后几年里，成都出现了一个特别的现象：汽车数量快速增长，交通拥堵程度却在下降。2019年，成都的机动车保有量排名全国第二，而这一年的城市交通高峰时段拥堵排名，成都市是第30名。
“治堵”，成都是怎么做的呢？
2015年上榜“堵城”之后，成都市开始尝试新的“治堵”思路，先后与多家科技公司展开合作，其中，2019年启动建设的TOCC（成都市交通运行协调中心），是成都推行智慧交通建设的有效实践，也是成都市智慧交通体系的核心和顶层平台。
具体说来，成都 TOCC 接入并汇集了城市全部的交通数据，对“大交通的大数据”进行汇聚管理、挖掘分析和共享交换，从而对全市交通进行运行监测、信息服务、辅助决策和应急协同。
在我们的惯常印象里，交通的事就该交通警察管，平时普通人所见最多的是交警在疏导交通。碰上堵车，人们往往也只会责难他们疏通不力。
实际上，公安交管只是负责管理汽车和道路秩序，堵车的“锅”不能只让一方来背。现代城市交通是一个典型的“涉众系统”，牵涉的点和面非常广：陆运、水运、空运，公交车、出租车、网约车、共享单车，规划局、住建局、城管局……
成都市交通运输局信息中心（成都市交通运行协调中心）主任说：
“长时间以来，我们的交通都是各自为政，停车场、道路等设施也是多头管理。公交不知道轨道的数据，轨道不知道出租的数据，出租不知道机场的数据。”
全量数据的汇集和共享，是成都 TOCC 建设的第一步。目前，成都 TOCC 的数据提供单位多达 39 家，涵盖航空、公路、客货运输、轨道交通、公交车、出租车、网约车、共享单车、公安交管、桥梁隧道等14 个大类的交通数据。 公交地铁的每一次刷卡，每辆出租车每笔订单的起始位置和金额，每辆共享单车的开关锁和骑行路线，长途客车的售检票和运行轨迹，机场飞出去多少人，有多少人乘坐列车到达成都……成都 TOCC 接入的数据，基本涵盖了城市交通的全貌，从而实现了对城市立体交通运行的监测，能够“看得清”。同时，成都 TOCC 结合全市交通实际，研发推出了视频智能 AI 分析和时空融合分析模型，实现对城市人流、车流和事件的态势研判，设计了 6 项预警预测功能和 35 项辅助决策指标分析，辅助全市交通机构运行决策数字化、管理精准化。
设想一个场景。明天你要去成都，你从未去过这个城市，但面对陌生城市里的陌生出行，你完全不必担心，因为你可以“可视化”选择交通方式。
在成都东站的 LED 屏上，你可以看到正在候客的出租车空车数量、需要排队的时间，也可以看到周边公交的信息和到站时间。如果你不赶时间，也可以选择共享单车，这是一个提倡慢行的城市，周边有哪些品牌的共享单车，车辆停放位置和数量，全部一目了然。
这是 TOCC 的一项落地应用。为公众出行提供交通方式的“选优能力”，方便乘客选择。
当你正在浏览“智慧车站”屏幕的时候，在成都 TOCC 监控指挥中心的大屏幕上，也实时显示着成都东站动态测算出的相关交通信息：
此刻的出站客流数据，正有多少辆出租车、网约车、公交车、共享单车在此等候，停车场的空位数量，等等。并且，系统可提前 30 分钟预测并智能调度，精准实现“人＋车＋数据”的实时匹配。
比如说，成都出租车司机可以通过国内首推的司机小秘书 App，实时查看成都东站的车辆供求情况、候客时长、平均运距等信息，以决定是否要前往载客。司机小秘书提供交通枢纽、热门商圈和旅游景点的客流信息后，不仅出租车巡游效率得到了提升，出租车驾驶员的每日平均营运收入也提高了 40 元以上。
各类运输服务主体“喊得应”，是成都 TOCC 的第二个目标。
通过 TOCC 的数据，不仅可以规划设立公交线路，建设城市轨道线路，根据出行流量来加密地铁和公交车次，根据出行需求来建设和加宽道路，还可以利用交通流量来进行产业和商业规划，对城市的布局进行优化调整……对交通规划和重大决策“想得透”，更好地资源配置，是成都 TOCC 聚焦城市长远发展的目标。
02 智能化赋能传统行业降耗增效
传统行业在进行数字化变革时，最难的是迈出第一步。
原因是它们和天生根植于数字的互联网企业有所不同，面对的环境变化节奏没有那么快速而多变，因而大多数时候更追求运行的稳定性而非灵活性，更加倚重和习惯于生产工艺或业务流程的渐进式改良，更倾向于排斥那些“不可预期”的改变。
2016 年，时任山东东华水泥有限公司（以下简称“东华水泥”）总经理的李庆文（现任东华水泥党委书记、董事长、总经理），在严峻的现实面前，产生了深深的危机感。
这种危机感一方面来自短期市场的反馈。2015 年，我国水泥需求出现 24 年来的首次大幅负增长，全年需求同比下滑超过 5%。由于产能过剩，全行业产能利用率仅在 67% 左右。
另一方面，则来自长期趋势的不容乐观。国家对环保的日趋重视，也意味着水泥行业未来在生产效率和节能减排上将面临更大压力。
经过长时间的调研和思考，李庆文给出了自己的“药方”。他提倡，东华水泥一定要走“四化”的战略发展方向，即智能化、绿色化、专业化、工厂化。
说得更直白一点，绿色化解决环保问题，专业化和工厂化解决产能结构升级的问题，而智能化，便是促使其他“三化”落地的底层基础。
说起来容易做起来难。水泥制造看似“傻大笨粗“，其实涉及上百个工艺参数，在高温煅烧环节，窑内温度可以高达1400°—1500°C，对生产过程和结果的判断都是经验性的，没有人精确地知道里面发生了什么，更没有办法精确地了解参数之间的匹配关系。
而且，东华水泥这样的国有企业，每一笔投资都要算清预期收益率，否则很难通过决策流程。于是， 东华水泥找到阿里云，要一起来做这个事情，通过沟通，明确将该项目定义为“水泥工业大脑”。
这个“大脑”要实现两个目标：
第一个目标是能耗优化，预期要将产线上的煤耗、电耗水平降低 2%，这一方面能够节省成本，另一方面也能减少排放；
第二个目标是稳定质量，因为水泥熟料的强度波动越小，越有助于下游水泥粉磨企业的成本控制，因此，项目预期要将熟料 3 天强度的标准差降低 5%。
为了建成“水泥工业大脑”，他们设计了三个模型：预测模型、优化模型和反控模型。
具体地说，预测模型是把所有的历史数据“喂”给机器，利用大数据分析的技术，自行找到参数之间的匹配关系，从而能够预测给定条件下的能耗数据；预测模型一旦成功，就意味着可以逆向破解最优能耗所需要的生产条件，给出优化操作的建议，这就是优化模型；如果优化模型在产线上被证明是可靠的，就可以用机器直接替代人工进行操作，这就是反控模型。
对这个“工业大脑“感受最深的就是一线工人。一名一线工控员在试用反控系统后，写下了自己的观察：
“（反控系统）最大的不同就在于循环风阀门的调整，以前我们人工调整时循环风阀门的开度基本一个班甚至几个班都不变动，（但）反控系统调整得却非常频繁……”
“同样的设备，同样的物料，人工调整台产 460t（吨）就不错了，而反控（系统）的台产平均在 470t 以上，最高可以到 480t。”他在文中由衷地感叹道：“短短几个小时就让我感受到了智能系统的强大。”
水泥工业大脑上线后，能耗不断降低，连续刷新纪录。
2019 年全年，企业节约标煤 1.86 万吨，节电 663 万度，减排二氧化碳 8715 吨、氮氧化物 202 吨、二氧化硫 214 吨，当年因节能减排产生的综合效益达到 4200 万元。
2020 年生产 292 万吨熟料，同比节约标准煤 1.54 万吨，节电 242.3 万度，减排二氧化碳 7187.5 吨、氮氧化物 166.6 吨、二氧化硫 179.5 吨，当年因节能减排实现综合增效 2314 万元。
其次是在稳定质量方面。由于水泥工业大脑“耳听八路，手控四方”，而且不会像人那样存在波动和差异，因此生产条件的稳定性控制要显著优于人工。
可以说，水泥工业大脑的开发结果是远超预期的，但是，这并不是水泥行业数字化转型的结束，相反，这仅仅是一个开始。
03 数智化赋能制造业“轻装上阵”
四川省眉山市青神县，这里诞生了一家中国机械零部件加工行业的细分龙头——四川德恩精工科技股份有限公司（以下简称“德恩精工”）。
德恩精工是创业板上市公司，成立于 2003 年，是国家级高新技术企业， 拥有“铸锻—机加—热表—总装—包装—仓配”一体化的全产业链制造服务体系，配备有 10 余条自动化铸造和锻造生产线、百余台数控加工中心、千余台各类数控加工机床、10 余条自动化涂装生产线、50 余条机器人柔性制造生产线，产品包括皮带轮、同步带轮、链轮、齿轮、联轴器、锥套、胀紧套、工业皮带等，细分种类超过10万种。
尽管对这家行业领军企业而言，一般中小企业所担忧的产能、订单、融资成本等问题，似乎都不是大问题，但是德恩精工也有自己的“烦恼”。
它的烦恼与行业现状有关。机械零部件加工业属于典型的离散型制造业，产能和产品都呈现高度分散的状态，这使得德恩精工在扩张的道路中，必然地走向了“多品种、小批量、全工序”，即产品种类繁多，单批次制造量少，工序流程长且较复杂。
在这种条件下，规模效应无法发挥，产品的单位成本难以压降，交付周期相对较长，而库存也常常居高不下，资源配置十分不合理。
“高交期、高库存、高成本”成了压在德恩精工头上的“三座大山”。
针对这些问题，德恩精工当然也动过脑筋，通过经验预测、合理排产、强化和细化生产管理和库存管理等手段，但都没能解决根本问题。
答案随着时代的进步而慢慢浮现。德恩非常清楚，要解决“三高”难题，首要的关键在于“数据治理”，只有将原先彼此分割、不能利用的数据提炼出来、运用起来，才能有效提升管理运营的精细化水平。
于是，得恩开始和阿里云合作，在公有云上进行数据中台的建设，借助数据中台的能力，销售、生产、研发、库存、物流等原本分隔的 IT 系统及其数据得以集成。
随后，基于公有云的算力支撑，团队将复杂的历史数据导入算法模型，同时通过持续学习的方式进行优化， 实现了订单预测、智能排产、仓储优化等功能。
数据带来了决策智能化，以生产排程为例，原先德恩在接到销售订单后，需要人工分解到各条产线上，产线负责人又要将计划分解到具体的机器，工人在完成生产计划的同时，还需要做好手工报工。全程手工作业，效率低不说，准确性往往也大打折扣。
而中台项目完成后，情况则大为不同。销售预测能做到自动预测，未来要生产什么型号、多少数量、什么时间完成，结合客户的非标订单，直接生成排产计划，下发到每个加工单元，产线直接执行，中间不需要任何人工干预，也取消了所有的手工作业。
由于智能化决策的来源是大数据，其精度和效率都远非人工所能比拟，在运行中台两年后，德恩精工的销售、库存管理、生产排程、智能供应链等都有不同程度的提升，实现了系统排程结果准确率高达 90%，交期预测准确率超过 80%，设备资源利用率提高 8%，排产效率提高70%，“三高”问题得到了极大的改善。
除了德恩精工，像波司登、红蜻蜓等制造企业，也在利用全新的智能化技术赋能企业生产，提高周转率，找准市场，降低库存，这样不仅有利于企业的良性发展，还能减少能耗。
随着云计算、人工智能、物联网等新兴技术的高速发展，我们已经进入了一个全新的数字经济时代，从工厂到城市，所有问题的解决方案也必须面向未来。