典型业务场景

数字化研发设计

研发设计作为企业业务开展最初始和最关键的一环，研发设计的质量和效率，直接关系着业务最终交付结果的成败。随着数字化应用的持续优化和提升，企业在研发设计领域的数字化应用场景也越来越丰富，更智能、更简洁的工具推广应用，极大的提升企业的运营效率和员工的工作效率。

行业知识中心，通过研发经验和工艺知识的共建共享，以及智能化的设计工具的引入，为企业的设计工作和体验带来了质的飞跃。同时，持续关注增量知识资产的生态构建和工具软件的引入,以价值引流方式，推动生态伙伴持续繁荣模型库知识资产和工具软件的成熟稳定。

• 行业模型库资源汇聚

联合生态伙伴和行业龙头，建立海量的行业知识库，包括通用标准件模型库以及行业专用库（如：标准件模型库、常用件模型库、机电装备行业模型库、模具行业模型库、金属切削模型库等）。另外，以海量的模型库资源为基础，联合行业协会共同建设行业的标准，提升产品质量，减少资源浪费。

• 行业知识经验共享

通过行业知识库平台，行业知识以数字化的形式沉淀，可以实现行业的成功经验的规模复制和推广。行业经验的共享，一方面可以大大降低企业的试错成本；另一方面，可以进一步推动行业标准化，优化行业的资源配置。此外，共享模式也能够吸引更多的知识供应商、行业从业人员加入行业知识中心，实现行业知识库的增量发展。同时，高附加值的行业经验也可以采取收费方式，实现知识变现。

• 智能化工具软件应用普及

行业知识资源，最终会通过智能化的工具和平台，在作业人员的工作界面呈现。作业人员的工作产出，也将通过工具和平台完成数据的采集和传递，智能化工具作为沉淀知识的表达形式，帮助研发设计人员提供工作效率，也必将使得工具软件得以大范围推广和普及。

以模具行业研发设计协同为例：

1. 模具行业运营商通过运营活动，引入个人设计师、设计师机构和公司加入数字平台；
2. 模具行业运营商吸纳模具企业的需求在平台发布，并对需求进行全生命周期的管理；
3. 行业运营商通过设计协同中心服务，为模具企业匹配合适的设计师，并在平台上完成设计订单的创建，将设计订单分配给设计师；
4. 设计师通过智能设计工具软件，针对用户需求，对产品进行设计。在设计过程中，可根据需要，在行业资源库平台，获取历史设计图档和资料，完成设计订单的交付；
5. 通过数字平台的数字化能力，对订单进行进度和质量管理，确保产品质量和交期；
6. 模具企业确认收货和验证，完成订单。
7. 订单完成之后，平台自动完成订单的确认，促成订单余额的支付。

数字化生产制造

行业知识中心，将建立从设计、生产制造、到供应链的一站式服务模式，发展网络化的新制造“云工厂”模式，通过云工厂，实现从研发、设计、制造、采购到物流等领域的资源汇聚，建设新型的工业数字化共享服务平台，同时通过数字化技术赋能行业的中小企业，完成产业链上下游、产业集群的业务一体化融合，实现产业生态汇聚，提升产业链竞争力和服务，为客户提供优质的产品。

在制造企业，存在一个比较普遍的现象，订单和产能存在波峰波谷的现象。在行业知识中心，通过中央平台工厂共享大型生产制造和检测设备，提升产线设备的使用率，最大化的提升产能，避免机器和物料闲置。同时通过中央工厂的数字化经验和能力的外溢，帮助中小企业完成数字化转型升级，提升中小企业的生产竞争力，具备和龙头企业类似的生产质量和效率，在波峰期，龙头企业的订单也可以外溢给中小企业，大大提升资源配置效率。

数据技术创新应用

数据是数字经济时代的关键生产要素，已快速融入设计、生产、供应链、物流等企业业务流程的各个环节，深刻改变着企业生产方式和组织模式。随着数据采集、存储、计算等软硬件短板加速补齐，分布式数据库、数据湖等新兴技术产品优势逐渐形成，海量数据存储管理效率和数据分析效率大大提升，数据处理成本不断降低，数据技术在企业的生产过程中也开始发挥越来越重要的作用。

通过数字技术的创新应用，将企业分散在各领域、各环节的数据完全打通，形成完整的信息汇聚，实现对企业运营的全面把控和决策。当前企业对于数字技术的应用诉求也越来越丰富，迫切希望构建完善的数字化体系，提升企业的生产经营效率。

此次项目，主要的数字技术创新应用场景包括：

• 通过数据可信空间实现数据确权与交换试点，围绕典型智能制造模式，从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品全生命周期各个环节所产生的各类数据。为支撑跨企业间数据有效流动，通过聚合多个企业的数据实现知识的生产，构筑可信数据交换。针对“云工厂”模式中的云盟工厂、平台运营方、行业运营公司等各个角色，对各自所拥有、支配、处置的具体数据盘点、流通交换进行可行性分析与验证。同时，基于华为在数字技术方面的能力和经验沉淀，通过数据模型驱动引擎，建立元数据模型，帮助中小企业构筑全生命周期的数据资产管理能力，实现企业数据同源、一致，以及基于数据分析结果进行企业的流程优化和经营改善。
• 通过EI引擎，围绕人工智能，借助大数据分析、工业AI模型、算法模型和平台，构建行业知识库，赋能工业企业实现智能管理。引入工业AI开发和运营平台，通过海量的模型训练，提升算法模型的准确性和标准度，帮助企业提升生产经营效率，提供智慧化的辅助决策。

数字化供应协同

数字化供应协同是制造业典型应用场景之一，通过数字化供应协同可以帮助制造企业提高效率、降低成本、改善质量，以及实现更加透明和协同的供应链管理。在制造企业中，供应协同的场景主要有以下几方面：

• 生产计划与物料需求计划

  通过数字化供应协同，制造企业可以实现与供应商、分销商和物流公司的实时协作，以更高效地进行生产计划和物料需求计划。在生产计划方面，企业可以更好地掌握各环节生产进度，并实时根据市场变化进行调整。在物料需求计划方面，企业可以更好地管理物料采购，根据实际需求采取及时的补充策略，灵活应对市场变化。

• 库存管理

  通过数字化供应协同，制造企业可以实时掌握库存情况，并与供应商协作实现快速补货和库存管理。制造企业可以实现更准确的库存预测和规划，减少过度下单和库存浪费的情况。

• 物流管理

  通过数字化供应协同，可以让制造企业和物流公司实时协作，共同制定物流计划，并实现更高效的调度和管理。这可以帮助企业更好地控制物流成本，提高交付速度，减少生产延迟和漏发。

• 多工厂协同

  通过数字化供应协同，可以让制造企业的生产计划、物流、库存等进行多工厂间的协同，可以让各工厂之间根据实际情况进行资源规划和安排，提高生产效率和资源利用率，减少库存成本。