徐工重机吕金波:从程序执行到自主认知,新一代智能制造的探索与实践

导语:吕金波提到一个明ç方向把 徐工智造・七星领航 模式向全球工厂和供应链复制推广实现产业链协同生态共赢

2026世界智能制造大会的会场里,灯光照例打在那块蓝色大屏上。当 "工程机械行业新一代智能制造应用场景的探索与实践" 这个题目跳出来时,台下坐的既有国内同行,也有不少外宾。徐工集团徐州重型机械有限公司副总经理吕金波走上台,讲的不是概念,而是一套已经在重机产线上跑起来的做法。

提到徐工重机,行内人并不陌生。它的前身可以追溯到 1943 年鲁南第八兵工厂,如今是徐工集团核心战略板块,面向全球研制和销售移动式起重机产品及解决方案。连着 24 年销量稳居全球第一,7 次刷新世界纪录,产品卖到 190 多个国家和地区,全球市场占有率超过 30%。


这样一家企业为什么还要在智能制造上投入这么大精力?吕金波开场先把行业所处的位置讲清楚了。


一、站在新一轮变革的节点上


2026年9月召开的全国先进制造业大会明确提出,要以新一代智能制造为主攻方向,加快推动制造业智能化、绿色化、融合化发展。在他看来,先进制造与人工智能的深度融合,正在推动制造体系经历一场从 "程序执行" 到 "自主认知" 的变革。


几个方向的转变已经很清晰:数字化、网络化进一步走向智能化、融合化;自动化走向自主化;预设执行走向自主进化。


行业盘子也在推着企业往前走。全球工程机械市场年销量超过百万台,销售规模接近 2 万亿元;预计到 2030 年,年销量将达到 132.2 万台,其中海外市场规模占比超过八成。市场在扩大,竞争也在加码,靠传统经验和人力堆出来的效率,迟早会碰到天花板。


问题摆在这里,答卷要怎么写?徐工重机的思路,是沿着研发、制造、运营三条主线往下扎,再用AI把底层能力托起来。


二、研发端:让设计从 "经验驱动" 走向 "生成式闭环"


传统的起重机研发,很大程度上依赖资深工程师的经验积累:选什么零部件、臂架怎么优化、工况怎么模拟,周期长、反复多。徐工重机把这套做法改成了端到端的生成式研发模式 —— 行业首创 "五看五定 + 九层模块架构"。

起点是客户价值和实际使用工况,对象按模块化和工程本体来组织;MCM 平台统一管控构型基线,AI 参与方案生成与优化,工程证据驱动放行,再把一线运营反馈回流到研发环节持续迭代,形成一个完整闭环。


平台往上,是需求、规划、项目、设计、软件、图档、物料七项管理;中间是全球协同研发平台,从产品定义、产品策划、方案设计、详细设计、样机验证,到小批量先导样机、定型上市和全生命周期管理;两侧打通跨域业务协同和跨域系统集成,底部再衔接成本、经营、采购和服务管理。


跑下来的结果,写在大屏右侧:产品开发周期下降 32%,试验成本下降 35%,设计重复性工作量减少 30% 以上,疑难故障排查效率提升 50%。


落到具体场景,几个研发设计智能体已经在岗位上发挥作用。


零部件智能选型,把设计标准、规范、经验和产品历史数据整理成知识库,工程师给出设计意图和目标参数后,系统自动检索、推荐最优型号零部件,研发设计效率提升 15%。

整机优化计算与臂架屈曲特征图分类识别,基于 FNN 浅层神经网络搭建整机优化代理模型和臂架屈曲特征图像识别模型。过去优化设计难寻全局最优解,海量仿真图片靠人工筛选,计算效率低;现在优化效率提升 6 倍,仿真效率提升 22%。


起重机行驶循环工况构建与城建施工场景画像,按区域、分吨级搭建行驶循环工况曲线模型,再把 "施工场景 — 工况 — 客户" 关联起来形成画像体系,反过来支撑市场服务、产品手册、故障诊断维修和车载故障码的智能问答。


研发方式变了,产品本身也在往前走。行业首款纯电智能概念起重机实现了无人驾驶、自主吊装和人机协同,作业一键就位、吊装轨迹自动规划、可自动跨越障碍,语音指令加手势控制重构了操作逻辑,减少对资深操作工的依赖。全球最大的 4000 吨轮式起重机完成升级,突破 200 米级超长柔性臂架设计难题,吊载 170 吨保持全球最高作业性能,风机吊装覆盖 8MW 到 15MW,吊装高度从 160 米提到 200 米。全球最大混合动力轮式起重机则用上油电双引擎并联驱动等三项关键技术,综合节油 30% 以上,插电作业即插即用。


三、制造端:数字孪生工厂里,智能体在替人盯工序


工厂这一侧,徐工重机按 "三化六维五阶" 的数字孪生工厂模式推进,目标是从单点智能走向产线协同,从现场管控走向智能管控。


目前已有6条极致柔性产线完成智能化升级,40项核心制造技术实现突破。几组数据可以窥见产线变化:结构件智能焊接线工序自动化率从60%提到87%,物流自动化率从40%提到85%,生产效率提升30%;自动化涂装线结构件耐盐雾提升20%,自动化喷涂覆盖率 80%,油漆利用率提升10%;智能拼点把平面度控制在3毫米以内,机器人焊达率提升 10%;自动划线技术划线率达到70%,效率提升30%,对高技能铆工的依赖随之降低。

一条产线的完整闭环是这样跑通的:先在工艺参数与轨迹自优化机器人仿真平台上完成仿真,IoT把程序自动下发到设备端,MES下发生产订单并自动调取程序,机器人执行程序完成车架结构件焊接,最后生产数据实时可视、工艺参数动态调优。全过程自动接单、系统协同、无人干预,进度实时可见。这套模式大幅压缩了编程、作业、检验人员投入,效率提升 45%,过程质量反馈率下降27%。

比产线更值得细看的,是分布在各个环节的工厂级智能体。


机器人轨迹规划仿真智能体,把复杂工艺沉淀为结构化工艺知识库,经数据导入、模型语义解析、约束求解和孪生校验,把经验知识转成机器人可执行程序;融合模型驱动架构、代码生成模型和序列翻译算法,实现工艺意图理解、机器人指令生成与跨平台语义映射。做到一次编程、多品牌自动适配,支持 10 多种主流机器人品牌,覆盖拼点、焊接、涂装、装配等全工艺场景,程序转译准确率 100%,编程效率提升 80% 以上。


离散制造物流调度智能体,先建立物流数据规则库和工厂—车间—产线—工位—库区 —站点—路线的地图模型,再用 ResNet 特征提取、SLAM激光建图和图优化算法,搭配多源感知融合,实现智能感知、调度与配送。6条智能产线、11个跨生产车间被串联成整体,超大、超重、异形结构件可以全天候、无人化、零差错转运,工厂生产全域协同效率提升 30%,交付周期缩短12%。


数控机床自适应加工智能体,重点攻克薄板高强钢结构件的加工颤振问题,摸清颤振机理和抑振策略,在复杂工况下实现颤振多源感知与自适应调控;再构建负载 — 参数自适应控制模型,融合深度学习与增量优化,实时监测加工参数、主轴负载和振动变化,动态调整进给、转速等最优参数。全流程无人干预、参数自调整,加工效率提升 20% 以上,大型结构件加工从自动化向智能化跃升。


焊接质量监测智能体,实时采集焊接电流、气体流量、熔池图像等多源异构数据,与偏焊、气孔等缺陷特征做匹配;基于深度学习和随机森林算法开发监测模型,对焊接过程中的电流、电压、流量和熔池实时监测,对偏焊、气孔等缺陷提前预警、纠偏。质量管控由此从焊后检测转向焊中控制,缺陷位置自动定位、焊缝编号可溯源,焊接参数自适应调整,保障高强钢焊接质量稳定。

涂装风机预测维护智能体,沉淀了 10 万多条风机故障数据和维修案例,覆盖动平衡、减震器松动、皮带松动等常见问题;融合 ResNet-1D+Attention 模型和 BiLSTM+Transformer 混合网络,识别设备健康衰退特征、量化剩余使用寿命,实现故障提前预测。风机维保从定期保养转向按需保养,通过电流、振动、温度等参数 24 小时不间断监测,智能算法提前研判潜在风险,既消除无预警起火隐患,也保障涂装质量稳定。


生产异常管理智能体嵌在 MCT 数智运营平台里,基于自然语言处理和深度学习算法沉淀安灯经验库,提供 AI 智能分析和处置方案;异常事件由 AI 复盘,自动分析根因并推荐解决方案,形成监测与处置的闭环,异常响应速度提升 40%。


四、运营端:从卖产品到经营客户全生命周期


研发和制造之外,徐工重机把智慧运营作为第三块拼图,按集成贯通的模式打造产品卓越、客户亲密、卓越运营三大核心竞争力。


施工大系统解决方案,以 Hanyun OS 智能服务底座和 MAIA 智能体等技术为依托,打通设备、人员和作业要素,形成施工系统、设备健康、主动安全、能耗管理、数字孪生等能力链;建设路径也从单一系统,逐步走向 "通用底座 + 行业插件 + 场景运营"。

客户经营服务聚焦海外全流程业务场景,智能生成客户专属定制方案;智能体嵌入 CRM、营销工作台、营销控制塔、客户 360 等平台。目前客户服务智能体已支持17款车型故障诊断,客户从打人工电话咨询,转向自助诊断和在线报修。


智能后市场服务则用车联网、设备360和服务工单数据,识别备件、二手机、租赁和再购买机会;设备管理智能体上线工时、油耗、怠速分析,持续扩展健康评估与个性化维保;智能知识问答和 AI 翻译机器人,支撑跨语言的维保服务。


五、底层托举:一套AI+工程机械的战略框架


场景一个接一个落地,背后需要统一的体系支撑。吕金波在分享中亮出了 "AI + 工程机械" 的战略框架。


纵向看,北向是AI治理委员会,南向是AI人才及生态合作,西向是AI 项目管理及运营,东向是 AI安全合规。横向分三大业务方向:AI+产品做具身智能,覆盖智能装备、集群智能、智慧施工;AI+制造做领航工厂,推动全场景 AI 应用、全产线智能升级;AI+企业管理做企业智能体,覆盖研、产、供、销、服和人、财、质、法、数。

再往下是三层底座:算法模型层包括模型平台、智能体平台、知识向量库、算法库、数据标签和 AI 工具链;数据知识层依托数据湖仓平台和企业级知识管理平台;算力集群层则覆盖存储、网络和算力资源,包括本地通算资源池 HCS 以及智算资源池的采购与租赁。


实施路径上,他们用 "点—线—面" 来推进。


点是AI场景建设:AI+产品7项,AI+制造54项,AI+企业管理45项,从零部件选型推荐、自动工艺设计、物料主数据助手,到物流无人配送、物料齐套分析、多目标智能排产,再到营销智能问诊、财税费机器人、AI工时智能核算,一项项铺开。

线是智能体和高质量数据集:5个以上工业智能体,涵盖研发 CPD、计划 SCP、工艺 MPM、物流 LES 等;10个以上高质量数据集,覆盖产品研发、工艺标准、生产管理、营销服务等。


面是多智能体协同:以徐工 Brain 为核心,把市场 CRM、研发 CPD、计划 SCP、供应链 BOM/MES、制造 MES、设备 IoT、物流 WMS、服务 KCS 等串起来,实现市场 — 研发、产销、制造、供应链四个方向的协同。

面向 2027 年,徐工重机给自己定下了目标:建成首个 AI 开发平台、首座 AI 模型实训场,落地 106 个 AI 模型、11 个高质量数据集、36 个 AI 应用场景。AI + 产品要从 "智能辅助" 迈向 "高阶智能化",在 L3 起重机智能作业、场内无人行驶上寻求突破;AI + 制造以 "徐工智造・七星领航" 为总牵引,统筹布局 10 多个工业智能体,打造徐工工业大脑,建成先进工艺、智能装备、工业软件三大中试平台;AI + 运营管理则在研发、供应链、营销服务、财经、人力、办公等领域部署 11 类场景、45 个用例模型、70 个业务智能体。


六、把根扎深:核心技术自主可控,标准人才向外输出


智能制造跑得快,离不开零部件和底层技术的底气。分享中专门有一页讲核心技术突破:高性能平衡阀、高精度柱塞马达、大载荷断开式车桥、精准变量柱塞泵,这些核心部件由徐工牵头承担国家部委和行业攻关项目,关键核心技术努力做到自主可控;同时在行业关键制造技术和智能装备上持续突破,保持智能制造水平领先。


走得稳之后,还要把经验变成行业可借鉴的标准和生态。


标准制定方面,徐工已累计发布 190 多项标准,构建起产品、工艺、数智、绿色低碳四类五级标准谱系;2026 年新发布 17 项,正在起草 11 项,2027 年计划再发布 10 项以上;还牵头制定智能制造单元效能、成熟度评估标准,填补评估空白,其中就包括 GB/T 47862-2026《工业机器人集成应用 智能制造单元 效能评估方法》和《智能制造单元 成熟度评估方法》。


人才培养方面,首创 "算法工程师 + 工艺工程师 + 一线技师" 三师团队培养模式,落地人才培养项目 48 项,推动技能工匠向数智工匠转型;精益持证人员占比由 25% 提升到 78%。


"母工厂" 复制推广方面,已带动 120 家供应商一起转型;培育期内新增 3 家卓越级、18 家先进级、1 家海外智能工厂;完成挖机、矿机等 9 家智能工厂规划建设,2027 年再启动 26 家;65 家核心供应商实现 EDI 互联,2027 年再新增 55 家。用他们自己的话说,是从 "领航" 走向 "群雁齐飞"。


七、写在最后:模式要复制到全球工厂和供应链


展望部分,吕金波提到一个明确方向:把 "徐工智造・七星领航" 模式向全球工厂和供应链复制推广,实现产业链协同、生态共赢。


目前徐工全球工厂已有 35 家以上,分布在巴西、挖机、消防、履带等业务板块;供应链联结了 120 多家伙伴。能力建设上,围绕智造技术研究、数智中心建设、智能装备研制、工业软件开发、能碳管理、智能人才培育六大方向,依托徐工汉星、全球数字化中心、徐工汉云、新能源科技、全球学教中心等平台协同支撑。


暂无评论,等你抢沙发

  • 短信登录
  • 密码登录
还没有账号,
登录即代表您同意本网站的 《用户注册协议》
还没有账号,
登录即代表您同意本网站的 《用户注册协议》
注册
已有账号, 立即登录
登录即代表您同意本网站的 《用户注册协议》
找回密码