蜂巢能源科技股份有限公司成立于2018年，以动力电池+储能电池双轮驱动发展战略，提供动力电池及储能整体解决方案，打造高质量电芯和电池产品，2022年公司营业额约百亿，近三年营业额复合增长率138%，2023年动力电池累计装机量国内排名第6。
在产能布局方面，以常州基地为全球职能总部，涵盖长三角、华中、西南、欧洲等12大生产基地。在研发布局方面，以无锡为全球研发总部，涵盖常州、上海等研发中心。在产品创新方面，19-21年累积研发投入近15亿元。全球率先量产无钴电池，率先开发并规模应用超高速叠片工艺装备，2022年发布行业领先短刀电芯和龙鳞甲电池。
公司先后荣获麻省理工科技评《50家聪明公司》、福布斯中国《2022中国创新力企业50强》、高新技术企业、“2023第二届中国标杆智能工厂”、 2023智能制造创新top10、2023年常州市智能工厂、第二届“光华杯”智能制造专题赛一等奖、2022中国十大智能制造科技进展、两化融合AAA贯标、江苏省智能车间、江苏省绿色工厂、市长质量奖等荣誉资质70余项。
图1 蜂巢能源科技股份有限公司
二、企业在智能制造方面的现状
在智能制造方面，蜂巢能源通过打造极限智造系统和全面推动企业数字化转型，建设“快稳极”特征的智能工厂，赋能10大基地若干高速、高精度、高节拍产线建设，支撑蜂巢能源百亿营业目标的达成。在生态建设方面，已形成以“供应链协同、多业务互通、产业链赋能”为特征的蜂窝生态。
公司重点突破龙鳞甲电池、短刀电池、无钴正极材料、高速叠片工艺等新型车规级动力电池智能制造示范工厂整体设计、工艺流程及设备布置、产品全生命周期管理、装备自动化智能化联网化、生产过程数据采集与分析系统，同时构建坚强稳定的工业物联网平台，实现企业全域大数据接入和实时数据在线监测。全面构建信息化运营体系，通过PMSPLMCAPPLIMSESOP实现研发设计和制造协同，通过CRMERPQMSCSM实现供应链协同，通过ERPAPSMESWMSTMS实现生产和运输配送协同，三链协同打通公司工艺流、计划流、材料流和成品流。上线MDM+ESB实现企业主数据综合管理和业务数据集成。同时构建AI分析平台，通过大数据标准接口接入、典型算法可复用和低代码化快速实现机器视觉自动质检、品质大数据分析、设备健康智能管理等AI应用的工程落地。
三、参评智能制造项目详细情况介绍
1.项目背景介绍
随着锂电行业TWh时代来临，电池产品研制周期长、生产爬坡慢、服役安全性要求高等矛盾日益凸显。本项目围绕新能源汽车动力电池的设计、工艺、制造和试验等产品全生命周期的主要过程，建设以“集成化、数字化、网络化、智能化”为特征的新能源汽车动力电池数字化车间，提升其制造过程的数字化、智能化水平，缩短新产品升级周期、提高生产效率、产品质量与能源利用率，降低运营成本。通过项目实施，总结和形成“运营管理精益、核心装备智能、制造技术领先、能源利用寻优、试验检测严格、产品性能卓越”的新能源汽车动力电池智能制造新模式，推动我国新能源汽车动力电池产业的创新发展，提升行业整体国际竞争力。
项目分项建设需求如下：
1）通过企业运营指标体系构建，进行企业主数据管理规划和数据治理工具体系构建，形成面向未来量产工厂标准化的数据接入和使用规范，并完成智能制造顶层框架设计与路线图制定；
2）基于知识库快速设计电池，避免因设计缺陷导致的资源浪费和返工延期；建立设计知识库，持续提升设计品质与效率。对内整合分散的研发知识、嵌入设计流程，实现快速检索与知识复用；
3）采用以过程控制参数为核心的精细化工艺设计技术，指导生产过程管理，保障设计与制造的一致性；
4）通过制造执行过程管理，实现对人员、设备、物料、质量的精益化管理，提升制造过程的快速响应能力和应变能力，大幅度提高企业生产管理水平；
5）持续动态监测电池生产和试验过程质量信息，采用工业大数据技术，进行质量大数据关联分析和深度挖掘，揭示质量影响因素与质量特性关系；
6）通过实施企业资源计划系统推进企业精细化管理，实现工作流、物流、资金流与信息流深度融合与规范管理。通过商务智能，充分发掘企业运营数据价值，全面提高企业精益化运营管理和科学决策水平；
7）通过AI先进技术实验室和先进装备创新实验室建设，形成新能源行业物联数采、高速加工、在线检测、先进控制等创新技术的工程验证能力，建立体系化的智能制造技术应用试验基地，并在量产线规模应用，提升智能化水平；
8）总结新能源汽车动力电池智能制造标准规范，引领行业先进制造模式推广。
2.项目实施与应用情况详细介绍
蜂巢能源先后发布数字化专型方案设计、打赢2025数字化战略、AI智能工厂总体设计、最终形成蜂巢1441数智化战略，核心策划并组织AI智能工厂建设，组织面向新能源行业的AI智能工厂规划，为蜂巢建设柔性高效、一致可靠、可控成本高品质的智能工厂奠定了坚实基础。
图2 蜂巢1441数智化战略
“1”：打造1套智能工厂标准，包括以“快稳极”为特征的AI智能工厂体系架构、数字化设计/工艺/仿真试验、数字化车间集成运行、数字化五星工厂评价等10余项建设与运营标准；
“4”：打通4大数字协同，研发协同，供应链协同、运营协同、业财一体。实现新产品上市周期缩短30%，采供成本降低10%，交付时间减少20%，经营效率提升30%；
“4”：攻克4类领域智能，装备智能、数据智能、平台智能、运营智能，最终实现单Gwh降本不低于30%，单位GWh占地节省25%以上；制造资源利用率提升20%，工序良率提升5%；关键追溯信息覆盖率100%，问题处理效率提升50%；产线一线员工减少20%，运营成本降低10%；
“1”：构建1套基础支撑体系，包括运营1个AI生态联盟，打造新能源互联AI智造生态圈，推动产业链制造模式的创新升级；依托章鱼博士在工控智能硬件、AI机器视觉和核心工业软件领域，建设3个高水平AI实验室，打造iDOS核心工业操作系统；构建4大基础支撑平台，打造设备全链接的工业物联网平台，高速通讯与边缘计算融合的5G+协同制造平台，全算法融合与模型高效训练的AI&大数据平台，集团与基地经营透明的全球数据中台，形成一整套支撑蜂巢数智化战略的基础支撑体系。
蜂巢能源提出“1441数智华战略”，率先在行业全面推进AI极限智造，构建技术支撑体系，联合生态合作共赢，打造标杆示范，并将该战略在集团12个基地之间横展复制，打造蜂巢能源智能工厂示范集群，同时赋能行业上下游相关企业，快速推动锂电行业数智化转型升级。
2.1 工厂建设环节
1）数字孪生工厂
蜂巢能源数字孪生技术研发平台，以电极和装配段为例，构建以几何模型、机理模型、数据模型、业务模型为基础，集安全、生产监控、设备监控为支撑的孪生平台，通过业务联动模拟仿真或预测逐步实现工艺仿真、制造仿真验证和调试的目标。
图3 基于数字孪生的工厂智能运维总体规划
数字孪生平台分为两大块：漫游模式和孪生模式。在漫游模式下，访客可以通过平板、手机或键鼠操作先蜂君沉浸式参观产线，近距离查看设备的实时生产状态，了解产线、设备、产品、AGV和环境等基本信息，在孪生模式下，工厂作业人员和生产管控人员可以通过大屏或电脑监控设备运行状态，运行参数和故障情况，并能够对设备故障进行追溯以及分析。
2）物理检测、试验等方式进行验证与优化
生产和物流系统的建模验证与优化：进行产线3D布局，从模型库中以拖拉拽的方式，按照Layout布局图，快速完成三维布局。可以仿真各种规模的工厂和生产线，可以对各种生产系统，生产的产能、节拍、批量、生产单元、机群等进行建模仿真、分析和优化。可以在考虑不同大小的订单与混流生产的复杂情况下优化生产布局、资源利用率、产能以及整个物流和供需链，输出量化的指标并以动态可视化形式进行展示，从而达到精益生产；
设备运行动作过程进行模拟仿真与优化：通过软件，搭建标准操作库以及资源库；结合工艺流程信息，产品与设备协同，仿真模拟产线生产过程，可实现制造过程信息协同与共享，减少制造规划工作量，在虚拟环境中早期验证试生产运行的过程，减少试错成本，使用软件，在产线设备设计阶段，对设备运行动作过程进行模拟仿真，验证干涉等问题，并可以对运动仿真、人机工程仿真、机器人仿真、动作节拍等进行仿真分析；通过与电气控制程序联通，在虚拟环境中进行虚拟调试验证控制逻辑，用PLC程序驱动设备运动，在虚拟环境中对PLC程序进行逻辑验证，程序逻辑优化，缩短现场调试时间。
图4 设备虚拟调试（示意数据）
2.2 计划调度环节
建立高级计划与排产系统（APS）、企业资源管理系统（ERP），实时采集监控原料、设备、人员、模具等生产信息。蜂巢能源通过建立四层计划管理体系（APS、ERP、SCM、MES），结合不同产品的生产计划模式，利用SAP系统实现基于有限能力的生产计划管理，使生产计划更有效、可执行性更强。
1）APS-高级计划与排产系统
通过APS实现供应链和工厂生产的全程管理，解决目前手工排产效率低下，排产仅靠员工经验没有固化规范化的流程，物料齐套很难检查等问题。APS能自动将生产主计划、日计划下达产线，通过排产算法结合物料情况，自动分析缺料等情况，制定排产规则及约束条件，打通设备端数据，产线情况实时反馈。排产效率大幅度提升，通过多工序协同，原材料，在制品与产成品库存减少约50%，缩短制作生产计划时间，减轻计划人员负荷确保交付及时率100%。
2）ERP/SAP-企业资源管理系统
借助SAP、MRP工具，实现生产计划和物料采购计划的在线协同，通过不同期间物料缺料预警平台、充分平衡供需因素的物料需求计划分析报表等，大幅提升了物料计划管理效率（50%↑），各基地计划线上协同管理100%（除研发试制中心），通过计划体系的不断优化完善，供应链整体响应能力提升15%，采购成本降低10%，库存水平降低8%，客户订单准交率提升20%。
3）SCM供应链管理系统
供应链领域实现了订单、送货、内外部对账在线协同，提高采购执行效率和过程透明化，同时通过数据平台预警价格、缺料等风险，提高风险和异常感知能力。具体如下：
建立集团统一的供应链管理平台SCM，通过采购信息化系统和流程的优化整合，实现采购全流程闭环和供应商全生命周期管控，在效率和专业方面实现采购管理双提升；通过在线询比价招投标，打造公开、透明、公正、阳光的采购生态环境。
通过在线订单协同、送货协同、财务协同，拉通企业内部与供应商高效沟通协作，目前98%以上的供应商在线协同，整体订单执行效率提升70%，同时利用数据总线强大的整合能力，实现供应链数据一站式信息查询，数据追溯，实现整体供应链信息的可视化监控。
通过系统化管理供应商准入、潜在审核、定厂管理、绩效考核、问题整改等实现供应商全生命周期管理，同时打通SCM、OA、MDM、ERP、WMS、QMS等企业内部系统数据，实现供应商数据100%系统化管理，供应商数据分析效率提升60%。
2.3 生产作业环节
建立制造执行系统（MES）并自动获取生产计划，接收生产工单。通过MES的生产采集终端可查询产品图纸、工艺参数等技术文件及物料清单（BOM）作业信息。
1）MES制造执行系统
MES为企业打造了一个扎实、可靠、全面、可行的制造协同管理平台。与上游的SAP集成，接收SAP的主生产计划，综合考虑交期、设备能力等因素，编制日批次生产计划管理；建设生产指挥调度平台，采集电池生产执行过程数据，包含质量、成本、进度以及异常数据并通过车间电子看板、可视化电子图标展示等工具进行综合集中展示，透明化数字化工厂生产过程，提高管控效率。
2）自动获取生产计划，接收生产工单
由SAP系统通过MRP运算生成车间生产计划以及工序生产计划，然后将生产计划传输给MES系统，MES系统与生产设备PLC进行配方联动，按照预先设定的工艺路线及工序计划自动流转生产。工序生产所需材料，都通过自动叫料以及AGV小车智能运送，工序生产完毕后设备会自动汇报给MES系统，并由MES系统和上位机协同调度进入下一工序生产。
图5 工单管理（示意数据）
3）通过MES的生产采集终端可查询产品图纸、工艺参数等技术文件及物料清单（BOM）作业信息。
通过PMS、PLM、CAPP、MES、E-SOP打通设计与MES制造协同环节，结合8D、DIR、FEMA、要件书、要望书等质量知识管理手段，接收研发设计和试验过程中经验并及时形成设计知识库，持续优化设计品质和效率。
图6 工艺管理（示意数据）
各产品工艺指导文件上传至MES-ESOP中，为员工提供方便快捷的工艺文件查询、上传、修改功能，并能够与CAPP系统集成，实现工艺文件的下发和平板查看，同时提供变化点管理功能，方便员工对工艺文件的历史变化进行查询和管理，提高了员工的工作效率和工艺文件的管理水平。
4）自动下发工艺文件至产线，采用智能传感技术对关键工艺参数、设备运行数据等进行动态监测、自动采集和在线分析。
从PLM里传送EBOM到CAPP系统中，工艺部门进行转换成MBOM形成MBOM之后下达到SAP系统。系统对产品结构管理（物料清单、EBOM管理、MBOM管理）、工艺文件下发到MES系统，MES系统自动下发到产线各设备中。
MES系统按配方、工艺路线、BOM进行自动化生产，并实现人员防呆、物料防呆、工艺流程防呆。现场关键工艺环节都会记录现场生产数据并实时将产品制程数据上传MES系统，实时从多维度进行追溯。产品质量在线自动检测、报警以及每批次/件产品可追溯，在MES系统产品追溯管理模块中，实现从人、机、料、法、环、测全方位对在制品、产成品进行追溯。通过质量大数据分析，实现事前质量预警、事中在线控制、事后质量根因分析及知识管理。同时，寻求优化生产计划，改善工艺流程、提高生产效能，预测和减少设备故障等方面的机会点。
2.4 设备管理环节
1）关键设备
- 在匀浆、涂布、辊压、超声波焊接及激光焊接等工序实现闭环控制；
- 针对涂布机为单位配置配料系统，采用电极段产线柔性配置；
- 采用高速分散腔代替搅拌机分散单元，实现人机协同作业；
- 自研高速叠片机，解决Z字形叠片隔膜褶皱问题，并实现AI质检；
- 装配段采用磁悬浮技术，将传统皮带线的滑动干摩擦调整为滚动润滑摩擦；
- 在OCV测试设备后配置四轴机器人及柔性夹爪，通过WMS系统对测试NG电芯进行标识，并和机器人交互；
- 通过模块化设，实现模组产线柔性配置；
- 基于输送线、RGV、堆垛机等自动化设备，及与WMS、MES的集成，构建智能化立体仓库。
2）设备数字化管理
设备台账、点检、保养、维修等管理实现数字化，通过传感器采集设备的相关工艺参数，自动在线监测设备工作状态，实现在线数据处理和分析判断，及时进行设备故障自动报警和预诊断，部分设备可自动调试修复。
- 设备状态监控
（1）通过工厂MES系统下发设备参数到机台，通过调度中心综合看板，将生产过程电极装配全制程制造现况进行实时管控。当过程发生异常时，由MES触发预警并反馈给现场机台，并显示异常原因，实时发现异常并及时处理。当机台出现超过3分钟停机时，现场人员也需在机台触摸屏反馈异常原因才可重新开始生产，以实现现场异常信息的实时反馈。
图7 所有设备工作状态的实时监控（示意数据）
（2）SCADA/MDM+ESB多系统多维度数据融合，实现生产数据实时采集；
（3）通过应用层安灯系统、数字主管、基地指挥中心等实现数据可视化，为管理和决策提供数据支撑；
（4）数字化主管系统集成平台，将MES/WMS/QMS/安灯系统等集成管理，实现车间全方位、实时性监控；实现了相关主管及管理层，实时了解工序小时产出/质量状况/OEE，实时处理设备工装能异常情况，了解每天班组交接信息/计划达成/员工技能等情况，实时了解产线人员/设备/工装/物料/工艺/环境等等异常情况，登录并操作MES/WMS/QMS等系统查询相应信息，指导现场主管对车间进行全面管控。
图8 数字化主管系统（模拟数据展示）
（5）现场无纸化：通过门户集成数字化应用系统，5G网络分配的高带宽和低时延切片通道，基于大数据数字化交互，整合生产KPI报表、系统终端、生产要素场景，随时随地了解生产信息、关键报表和生产异常实时监控并能自动推动，实现数字化赋能。工位PAD端显示工序标准操作流程，工艺文件等，5G实现移动端数据交互。线体取消全部纸质版作业指导书和点巡检表，提高工作效率，对于异常问题进行有效跟踪闭环。
图9 现场无纸化（示意数据）
- 数据分析及诊断
实现在线数据处理和分析判断，及时进行设备故障自动报警和预诊断，部分设备可自动调试修复。
（1）已实现100%的关键工序设备在线化，并制定生产设备数据采集规范，采集底层生产设备的核心运转数据，如设备运行数据、质量检测数据、物料识别数据、工艺加工数据等，实现对所有设备运行情况可视化、报警实时提示与处理，试点运用工业大数据技术，进行设备故障预警与诊断（如匀浆机搅拌轴轴承寿命预测、超声波焊接焊头焊座寿命预测等），避免设备异常停机造成的损失。
（2）基于AI视觉大和大数据技术，实现对关键工序的高质量检测及工艺参数调优、关键设备预测性维护等。
（3）设备闭环控制方面，计划实施生产线动态感知并实时分析实际工艺参数和质量检测数据，以进行自适应调控。预防性维护方面，计划构建基于历史故障知识库，具备维护内容与频次实时迭代和智能推荐特征的设备预防性维护体系，指导快速维修的同时实现重点故障再发防止，助力MTTR提升20%以上。预测性维修方面，计划实现基于运行监控参数和视觉品质数据综合分析的设备预测性维修的广泛应用，助力MTBF提升20%以上。
（4）远程协同方面，实施设备FOTA远程升级项目，预计未来新产线FOTA覆盖率100%，设备云端管控内容扩展到包括PLC和机器人等控制程序，焊接等重要工艺控制参数，品质预测和视觉质检等AI算法版本。
（5）设备故障建模（故障回溯），针对关键设备故障进行设备几何建模，故障机理建模，故障大数据建模，对故障发生时刻的几何位置、运动机理、实时数据进行追溯、分析。
（6）设备管理－预测性维护与运行优化：针对电池产线工艺复杂，设备自动化率高，终焊等设备停台相对频繁，一旦停台将造成电芯装配线停产，对产能损失较大。建立设备预测性维护平台，对关键设备典型部件通过数据建模进行故障预测，减少非计划停台。
全面赋能5G+设备预测性维护相关应用，实现全方位、多角度的海量信息采集，推动设备安全维护由被动向主动、粗放向精细的方向转变，可有效避免设备故障，更好地实现事中迅速响应或事前预警，快速满足在多业务形态的差异化需求，进一步提升设备性能。基于预测性维护SaaS平台，根据设备测点的现场反馈，并且利用各种大数据技术，对于各测量数据进行分析，发现设备运行的潜在问题，并进行预测，帮助用户进行相关的运维排产计划。把设备的实时运行数据同其特有运行模式进行比对，发现系统行为的细微差异，从而对设备可能存在的问题进行提前预警，帮助用户实现设备的预测性运维。助力MTBF提升50%以上，减少设备停机时间50%，节省停机损失50%。
图10 设备预测性维护总体架构（示意数据）
（7）基于振动、声纹、温度、数据和视觉等多种手段进行关键生产设备中电机、主轴、轴承、电气柜、模具、刀具等进行状态检测，通过故障阈值判定或AI模型进行故障预判，实现预测性的维护，在停台发生前提前解决故障问题。MTBF提升20%，非计划停机减少50%
（8）设备运行状态采集与监测系统建设：设备运行状态监测系统基于工业以太网和异构系统数据集成技术，由数据采集处理接口及数据中心构成，从电池配料、涂布、辊压、分切、叠片装配生产线、上下料机器人、自动化物流设备中以及数字化能耗监控仪表中获取生产过程实时数据，根据统一数据标准，将数据存入制造数据中心，供MES、质量大数据分析系统等调用。同时，该系统获取MES的调度指令，并将指令下达给生产线管理系统、自动化物流设备系统，以驱动生产设备协同工作。基于故障代码信息，检索匹配故障原因，实现故障自诊断，MTTR减少20%。
故障处理智能引导，故障处理技术沉淀依靠操作员经验积累，难以形成知识库，维修人员在短时间内难以判定设备故障原因，无法快速解决设备故障（故障处理时间超过5min的情况占比为53%）。
图11 故障处理智能引导流程（示意数据）
蜂巢能源借助5G+AR远程协助平台着眼于借助增强现实、5G、云计算、人工智能、物联网等新技术，通过IOT实现设备故障报警，生产设备上报报警信息，基于MES系统推送报警信息到故障处理指导平台，形成故障专家库、故障数据分析、语音交互等，通知操作员推送故障处理方案。
图12 故障处理智能PAD端（示意数据）
在PAD端显示当前故障的解决方案并实时指导员工排除故障。精准进行故障定位和故障处理。同时设备会解除自动上报并将数据信息实时反馈。实现5G实现移动端数据交互。
（9）涂布滤芯寿命预测性维护是利用浆料特性和上料压力等实时参数对滤芯的寿命做出定量的评估和衰退的预测，并对低于阈值的异常情况进行预警；利用浆料特性和上料压力等实时参数对滤芯的寿命做出定量的评估和衰退的预测，并对低于阈值的异常情况进行预警；备品备件是根据近期的滤芯更换频次，预测未来一段时间的滤芯需求量；系统功能示意如下图。
图13 涂布滤芯寿命预测性维护（示意数据）
（10）远程协同方面，正在试点实施设备FOTA远程升级项目，预计未来新产线FOTA覆盖率100%，设备云端管控内容扩展到包括PLC和机器人等控制程序，焊接等重要工艺控制参数，品质预测和视觉质检等AI算法版本。
（11）备品备件的生命周期全流程管理，通过数字化手段，实现对于备件采购申请、采买入库、库存盘点、领用出库、报废等流程的一站式管理。
IIOT系统，基于车间生产基础数据的采集、展示、建模、分析、应用等过程，在云端形成决策，并转换成工业设备可以理解的控制指令，对工业设备进行操作，实现工业设备资源之间的精准的信息交互和高效协作。蜂巢开发支持集团级的，面向未来发展的数字化平台，基于9项关键能力可赋能5大方面14项业务机会、12大应用场景，对工业过程实施精准控制。基于IOT数据采集基础做相关设备关键部件的预测性维护，设备维修保养成本降低5%，数据信息汇总分析时间减少50%，建立公司设备数据采集标准，提升公司基层管理水准。
2.5 质量管控环节
1）AI大数据质量监控
在线安装大量传感器探测温度、压力、热能、振动和噪声等，用大数据分析整个生产流程，一旦某个流程偏离标准工艺，及时报警预判。深度结合AI、机器视觉、工业大数据、边缘计算等先进技术开发应用锂电特色场景：涂布面密度调优、涂布滤芯寿命预测、搅拌传动预测性维护、X-RAY对齐度翻折/顶盖焊接/密封钉焊接/包蓝膜/汇流排虚焊检测，超声波焊接质量预测、预充一致性和K值动态筛选等20余项AI+大数据分析算法，实现智能化与制造系统深入融合，实现制造资源利用率提升20%，工序良率提升5%，AI检测不良品0漏杀。
2）在线检测
质量管理系统和化验设备无缝集成，实现在线检测。企业基于同一个平台系统进行操作，与检测设备集成，自动形成使用数据，系统自动汇总质量数据信息。统计过程控制（SPC）自动生产，实现质量全程追溯。
2.6 仓储物流环节
建立仓储管理系统（WMS），基于条形码、二维码、无线射频识别（RFID）等识别技术实现自动出入库管理，并实现仓储配送与生产计划、制造执行以及企业资源管理等业务的集成。
图14 智能物流配送架构图
2.7 安全管控环节
1）车间行为安全管理
配备相应的智能监测、调节、处理系统，对安全生产数据进行自动采集、统计与分析。
安全管控方面，利用机器视觉技术，通过安全围栏、动作识别等算法实现风险行为识别，并进行现场提醒和记录，对安全帽、工装等进行智能识别，对违规穿戴及时报警。同时实现基于机器视觉的配电间、电芯成品库、拆解间等重点区域的烟雾、火星检测。对化成车间-常温库和高温库进行安全监控，当检测到以下违规行为或现象，立即通过现场的声光报警器报警。
图15 安全生产管理平台（示意数据）
具备工控系统防护和管理安全架构，定期对关键工业控制系统开展信息安全风险评估，提高工业控制网络边界防护能力，并对控制设备远程访问进行安全管理与加固。采用亚信工控系统防护和管理安全架构，对全网流量进行分析比对，同步亚信威胁情况库，全网流量由威胁检测中心进行过滤监控。
建有防火墙，双机热备、杀毒软件、加密软件等以保障信息安全；公司从进入厂区即设置人员刷脸识别系统，各区域根据生产特性进行信息安全等级划分，根据不同等级进行管控，各部门人员具有不同的门禁权限。
工业控制系统信息化安全方面，车间网络和办公网络，均采用双机热备方案，确保保证网络24小时畅通不间断，并使用防火墙进行隔离。车间内联网终端电脑均安装杀毒软件，部署漏洞扫描系统、加密软件等。
2.8 能源管理环节
配备相应的智能监测、调节、处理系统，对能耗生产数据进行自动采集、统计与分析。
通过EMS能源管理平台与IOT工业互联网平台的结合，打通整个金坛基地能源相关的光伏、储能、MES、IOT、MDM、钉钉等系统，实现能源相关数据的统一整合，统一管理，打破能源数据孤岛。通过在设备端搭建计量仪表、传感器等智能部件，构建物理传感网络，进行能耗监控，包括能源监控、能源调度、能源分析等。通过监控系统及生产系统获取各个能源介质的消耗和库存数据，实现能源消耗动态过程的信息化、可视化、可控化。对能源消耗的过程及要素进行在线自动化和实时化计量实现能源调度和使用的优化分析。
图16 EMS平台
3. 效益分析
1）创新方面
动力电池AI智能制造工厂建设涉及工业物联网、大数据、人工智能等众多创新技术，研究工作难度较大，应用和推广价值很高，研究工作可预见的创新成果的形式包括软件著作权、发明专利等。
- 专利、软件著作权、标准（技术规范）
截至2023年11月，已申请智能制造相关专利146项，其中实用新型59项，发明85项；已授权智能制造相关专利103项，其中实用新型77项，发明26项；拥有软件著作权44项；牵头制定团体标准1项。
- 突破智能制造关键技术瓶颈
截至2023年11月，项目已经实现了协同研发技术、虚拟仿真技术、物联传感技术、基于数据总线的系统集成技术、信息安全技术等技术的综合应用。具体技术及深入应用方案包括：基于知识的产品快速设计方案、工艺设计与仿真方案、制造执行与控制方案、设备运行状态监测系统方案、生产仿真应用方案、质量大数据分析、数据总线建设方案和信息安全技术方案等。车间设备联网率达到100%，生产效率提升，并通过智能化手段的应用，降低了项目产品单位能耗。
2）成效方面
蜂巢能源智能工厂改造后，厂建周期缩短30%+,电芯和PACK研发周期缩短30%+，库存周转率提升20%，设备综合利用率提升9.3%，能耗降低10%，大大提高工作效率，降低不必要浪费，实现绿色生产，安全生产，大幅提升公司市场竞争力。
在制造管理方面，建设基于精益的车间管理系统，实现生产制造全过程自动化，数字化管理，从原材料投入到在制品生产及成品下线，实时监控3600个参数点，基于设备参数的采集，分析，反馈，调优，实现双向闭合控制，关键工序和产品质量可以100%正反向追溯，基于AI及大数据的过程检测及参数优化，工序产品“0”不良流出。
通过在生产系统中建立工单管理与批次管理，实现对产线电芯的精细化管控，增加电芯生产的一致性，同时提升产线管理能力。通过MES与设备集成，制定设备对接标准，实现产线统一管控方式，提升产线生产作业效率与减少各业务技术人员专业问题处理时间。通过对部分关键设备备件管理，进行寿命管控预警，提前进行备件维护与保养，有效地降低关键设备故障率，提升产线设备运行稳定性。