數智化如何助力“碳中和”

4月22日是世界環境日，氣候問題已經成為了全球都必須面對的迫在眉睫的問題。

2020年，中國提出了我們自己的“碳中和”目標——二氧化碳排放力爭於2030年前達到峯值，努力爭取2060年實現“碳中和”。

“碳”即二氧化碳，“中和”即正負相抵。排出的二氧化碳或温室氣體被植樹造林、節能減排等形式抵消，這就是所謂的“碳中和”。

半年間，“碳中和”迅速從一個陌生的專業詞語成為高頻熱詞。在正在進行的博鰲論壇上，“碳中和”依然是重點討論話題。

如何實現“碳中和”？

在這個問題上，實踐永遠奔跑在理論之前，隨着雲計算、人工智能、物聯網等新興技術的高速發展，我們已經進入了一個全新的數字經濟時代，從工廠到城市，產業互聯網的浪潮已經洶湧地席捲而來，在智能變革中，關於”碳中和“的解決方案，已經慢慢浮現眼前，它不盡完善但足夠新鮮欲滴。

01科技賦能“智慧城市“節能減排

交通，是城市的一大治理難題，它不僅影響到城市和市民的效率，還涉及到巨大的能耗損失。成都就曾飽受交通問題的困擾。

2015年，有人在知乎上發帖——成都城堵成堵城，求下聯。

這個反着念也一樣的上聯，到今天也幾乎沒人工整對出。

那一年，全國城市擁堵排行榜上，成都在第十位。説它是“堵城”不算冤。

之後幾年裏，成都出現了一個特別的現象：汽車數量快速增長，交通擁堵程度卻在下降。2019年，成都的機動車保有量排名全國第二，而這一年的城市交通高峯時段擁堵排名，成都市是第30名。

“治堵”，成都是怎麼做的呢？

2015年上榜“堵城”之後，成都市開始嘗試新的“治堵”思路，先後與多家科技公司展開合作，其中，2019年啓動建設的TOCC（成都市交通運行協調中心），是成都推行智慧交通建設的有效實踐，也是成都市智慧交通體系的核心和頂層平台。

具體説來，成都TOCC接入並彙集了城市全部的交通數據，對“大交通的大數據”進行匯聚管理、挖掘分析和共享交換，從而對全市交通進行運行監測、信息服務、輔助決策和應急協同。

在我們的慣常印象裏，交通的事就該交通警察管，平時普通人所見最多的是交警在疏導交通。碰上堵車，人們往往也只會責難他們疏通不力。

實際上，公安交管只是負責管理汽車和道路秩序，堵車的“鍋”不能只讓一方來背。現代城市交通是一個典型的“涉眾系統”，牽涉的點和麪非常廣：陸運、水運、空運，公交車、出租車、網約車、共享單車，規劃局、住建局、城管局……

成都市交通運輸局信息中心（成都市交通運行協調中心）主任説：

“長時間以來，我們的交通都是各自為政，停車場、道路等設施也是多頭管理。公交不知道軌道的數據，軌道不知道出租的數據，出租不知道機場的數據。”

全量數據的彙集和共享，是成都TOCC建設的第一步。目前，成都TOCC的數據提供單位多達39家，涵蓋航空、公路、客貨運輸、軌道交通、公交車、出租車、網約車、共享單車、公安交管、橋樑隧道等14個大類的交通數據。

公交地鐵的每一次刷卡，每輛出租車每筆訂單的起始位置和金額，每輛共享單車的開關鎖和騎行路線，長途客車的售檢票和運行軌跡，機場飛出去多少人，有多少人乘坐列車到達成都……成都TOCC接入的數據，基本涵蓋了城市交通的全貌，從而實現了對城市立體交通運行的監測，能夠“看得清”。

同時，成都TOCC結合全市交通實際，研發推出了視頻智能AI分析和時空融合分析模型，實現對城市人流、車流和事件的態勢研判，設計了6項預警預測功能和35項輔助決策指標分析，輔助全市交通機構運行決策數字化、管理精準化。

設想一個場景。明天你要去成都，你從未去過這個城市，但面對陌生城市裏的陌生出行，你完全不必擔心，因為你可以“可視化”選擇交通方式。

在成都東站的LED屏上，你可以看到正在候客的出租車空車數量、需要排隊的時間，也可以看到周邊公交的信息和到站時間。如果你不趕時間，也可以選擇共享單車，這是一個提倡慢行的城市，周邊有哪些品牌的共享單車，車輛停放位置和數量，全部一目瞭然。

這是TOCC的一項落地應用。為公眾出行提供交通方式的“選優能力”，方便乘客選擇。

當你正在瀏覽“智慧車站”屏幕的時候，在成都TOCC監控指揮中心的大屏幕上，也實時顯示着成都東站動態測算出的相關交通信息：

此刻的出站客流數據，正有多少輛出租車、網約車、公交車、共享單車在此等候，停車場的空位數量，等等。並且，系統可提前30分鐘預測並智能調度，精準實現“人＋車＋數據”的實時匹配。

比如説，成都出租車司機可以通過國內首推的司機小秘書App，實時查看成都東站的車輛供求情況、候客時長、平均運距等信息，以決定是否要前往載客。司機小秘書提供交通樞紐、熱門商圈和旅遊景點的客流信息後，不僅出租車巡遊效率得到了提升，出租車駕駛員的每日平均營運收入也提高了40元以上。

各類運輸服務主體“喊得應”，是成都TOCC的第二個目標。

通過TOCC的數據，不僅可以規劃設立公交線路，建設城市軌道線路，根據出行流量來加密地鐵和公交車次，根據出行需求來建設和加寬道路，還可以利用交通流量來進行產業和商業規劃，對城市的佈局進行優化調整……對交通規劃和重大決策“想得透”，更好地資源配置，是成都TOCC聚焦城市長遠發展的目標。

02智能化賦能傳統行業降耗增效

傳統行業在進行數字化變革時，最難的是邁出第一步。

原因是它們和天生根植於數字的互聯網企業有所不同，面對的環境變化節奏沒有那麼快速而多變，因而大多數時候更追求運行的穩定性而非靈活性，更加倚重和習慣於生產工藝或業務流程的漸進式改良，更傾向於排斥那些“不可預期”的改變。

2016年，時任山東東華水泥有限公司（以下簡稱“東華水泥”）總經理的李慶文（現任東華水泥黨委書記、董事長、總經理），在嚴峻的現實面前，產生了深深的危機感。

這種危機感一方面來自短期市場的反饋。2015年，我國水泥需求出現24年來的首次大幅負增長，全年需求同比下滑超過5%。由於產能過剩，全行業產能利用率僅在67%左右。

另一方面，則來自長期趨勢的不容樂觀。國家對環保的日趨重視，也意味着水泥行業未來在生產效率和節能減排上將面臨更大壓力。

經過長時間的調研和思考，李慶文給出了自己的“藥方”。他提倡，東華水泥一定要走“四化”的戰略發展方向，即智能化、綠色化、專業化、工廠化。

説得更直白一點，綠色化解決環保問題，專業化和工廠化解決產能結構升級的問題，而智能化，便是促使其他“三化”落地的底層基礎。

説起來容易做起來難。水泥製造看似“傻大笨粗“，其實涉及上百個工藝參數，在高温煅燒環節，窯內温度可以高達1400°—1500°C，對生產過程和結果的判斷都是經驗性的，沒有人精確地知道里面發生了什麼，更沒有辦法精確地瞭解參數之間的匹配關係。

而且，東華水泥這樣的國有企業，每一筆投資都要算清預期收益率，否則很難通過決策流程。於是，東華水泥找到阿里雲，要一起來做這個事情，通過溝通，明確將該項目定義為“水泥工業大腦”。

這個“大腦”要實現兩個目標：

第一個目標是能耗優化，預期要將產線上的煤耗、電耗水平降低2%，這一方面能夠節省成本，另一方面也能減少排放；

第二個目標是穩定質量，因為水泥熟料的強度波動越小，越有助於下游水泥粉磨企業的成本控制，因此，項目預期要將熟料3天強度的標準差降低5%。

為了建成“水泥工業大腦”，他們設計了三個模型：預測模型、優化模型和反控模型。

具體地説，預測模型是把所有的歷史數據“喂”給機器，利用大數據分析的技術，自行找到參數之間的匹配關係，從而能夠預測給定條件下的能耗數據；預測模型一旦成功，就意味着可以逆向破解最優能耗所需要的生產條件，給出優化操作的建議，這就是優化模型；如果優化模型在產線上被證明是可靠的，就可以用機器直接替代人工進行操作，這就是反控模型。

對這個“工業大腦“感受最深的就是一線工人。一名一線工控員在試用反控系統後，寫下了自己的觀察：

“（反控系統）最大的不同就在於循環風閥門的調整，以前我們人工調整時循環風閥門的開度基本一個班甚至幾個班都不變動，（但）反控系統調整得卻非常頻繁……”

“同樣的設備，同樣的物料，人工調整台產460t（噸）就不錯了，而反控（系統）的台產平均在470t以上，最高可以到480t。”他在文中由衷地感嘆道：“短短几個小時就讓我感受到了智能系統的強大。”

水泥工業大腦上線後，能耗不斷降低，連續刷新紀錄。

2019年全年，企業節約標煤1.86萬噸，節電663萬度，減排二氧化碳8715噸、氮氧化物202噸、二氧化硫214噸，當年因節能減排產生的綜合效益達到4200萬元。

2020年生產292萬噸熟料，同比節約標準煤1.54萬噸，節電242.3萬度，減排二氧化碳7187.5噸、氮氧化物166.6噸、二氧化硫179.5噸，當年因節能減排實現綜合增效2314萬元。

其次是在穩定質量方面。由於水泥工業大腦“耳聽八路，手控四方”，而且不會像人那樣存在波動和差異，因此生產條件的穩定性控制要顯著優於人工。

可以説，水泥工業大腦的開發結果是遠超預期的，但是，這並不是水泥行業數字化轉型的結束，相反，這僅僅是一個開始。

03數智化賦能製造業“輕裝上陣”

四川省眉山市青神縣，這裏誕生了一家中國機械零部件加工行業的細分龍頭——四川德恩精工科技股份有限公司（以下簡稱“德恩精工”）。

德恩精工是創業板上市公司，成立於2003年，是國家級高新技術企業，擁有“鑄鍛—機加—熱表—總裝—包裝—倉配”一體化的全產業鏈製造服務體系，配備有10餘條自動化鑄造和鍛造生產線、百餘台數控加工中心、千餘台各類數控加工機牀、10餘條自動化塗裝生產線、50餘條機器人柔性製造生產線，產品包括皮帶輪、同步帶輪、鏈輪、齒輪、聯軸器、錐套、脹緊套、工業皮帶等，細分種類超過10萬種。

儘管對這家行業領軍企業而言，一般中小企業所擔憂的產能、訂單、融資成本等問題，似乎都不是大問題，但是德恩精工也有自己的“煩惱”。

它的煩惱與行業現狀有關。機械零部件加工業屬於典型的離散型製造業，產能和產品都呈現高度分散的狀態，這使得德恩精工在擴張的道路中，必然地走向了“多品種、小批量、全工序”，即產品種類繁多，單批次製造量少，工序流程長且較複雜。

在這種條件下，規模效應無法發揮，產品的單位成本難以壓降，交付週期相對較長，而庫存也常常居高不下，資源配置十分不合理。

“高交期、高庫存、高成本”成了壓在德恩精工頭上的“三座大山”。

針對這些問題，德恩精工當然也動過腦筋，通過經驗預測、合理排產、強化和細化生產管理和庫存管理等手段，但都沒能解決根本問題。

答案隨着時代的進步而慢慢浮現。德恩非常清楚，要解決“三高”難題，首要的關鍵在於“數據治理”，只有將原先彼此分割、不能利用的數據提煉出來、運用起來，才能有效提升管理運營的精細化水平。

於是，得恩開始和阿里雲合作，在公有云上進行數據中台的建設，藉助數據中台的能力，銷售、生產、研發、庫存、物流等原本分隔的IT系統及其數據得以集成。

隨後，基於公有云的算力支撐，團隊將複雜的歷史數據導入算法模型，同時通過持續學習的方式進行優化，實現了訂單預測、智能排產、倉儲優化等功能。

數據帶來了決策智能化，以生產排程為例，原先德恩在接到銷售訂單後，需要人工分解到各條產線上，產線負責人又要將計劃分解到具體的機器，工人在完成生產計劃的同時，還需要做好手工報工。全程手工作業，效率低不説，準確性往往也大打折扣。

而中台項目完成後，情況則大為不同。銷售預測能做到自動預測，未來要生產什麼型號、多少數量、什麼時間完成，結合客户的非標訂單，直接生成排產計劃，下發到每個加工單元，產線直接執行，中間不需要任何人工干預，也取消了所有的手工作業。

由於智能化決策的來源是大數據，其精度和效率都遠非人工所能比擬，在運行中台兩年後，德恩精工的銷售、庫存管理、生產排程、智能供應鏈等都有不同程度的提升，實現了系統排程結果準確率高達90%，交期預測準確率超過80%，設備資源利用率提高8%，排產效率提高70%，“三高”問題得到了極大的改善。

除了德恩精工，像波司登、紅蜻蜓等製造企業，也在利用全新的智能化技術賦能企業生產，提高週轉率，找準市場，降低庫存，這樣不僅有利於企業的良性發展，還能減少能耗。

隨着雲計算、人工智能、物聯網等新興技術的高速發展，我們已經進入了一個全新的數字經濟時代，從工廠到城市，所有問題的解決方案也必須面向未來。

編輯/範輝