杭州市“AI+制造”典型案例② | 中策橡胶集团股份有限公司
分享：
开栏语
为扎实推进“AI+制造”，杭州以“135N”工作体系为抓手，在重点产业领域形成了一批技术领先、成效显著、示范性强的典型实践案例。局微信公众号开设《杭州市“AI+制造”典型案例》专栏，为广大制造业企业提供一批可借鉴、可复制、可落地的样板案例。
企业简介
中策橡胶集团股份有限公司是国内轮胎行业龙头企业，主营全系列轮胎及橡胶制品研发、生产与销售，拥有浙江、天津、江苏及泰国、印尼、墨西哥等13个海内外生产基地，市占率连续17年国内第一、连续15年全球前十，2025年位列全球第九。获评国家卓越级智能工厂、浙江省未来工厂、浙江省人工智能应用标杆企业、杭州市链主工厂。
背景与需求
随着生产规模扩大、品类拓展与全球化布局深化，企业产业链协同复杂度与精细化管控难度显著提升，传统运营模式面临多重瓶颈。一是数据协同能力不足。企业已建成MES、PLM等多套业务系统，但跨基地、跨系统数据标准不统一，数据孤岛现象突出，工业时序数据采集精度、一致性与时效性有待提升，数据资产价值难以充分释放，无法支撑集团级全域实时决策。二是生产与质量管控精度不足。轮胎制造工序链条长、工艺参数维度复杂，生产调优、质量判级、设备运维高度依赖资深人员经验，管控标准难以统一复制；传统事后质检、被动维修的模式易引发质量波动与非计划停机，能耗、安全管控的精细化程度偏低。三是研发迭代效率受限。轮胎花纹设计、配方研发与结构优化高度依赖专家经验，仿真迭代与试验验证周期长、投入大，知识沉淀与复用效率不足，难以快速响应市场多元化定制需求与产品快速迭代节奏。四是全域协同效能有待提升。多基地生产调度、供应链协同、能源管控与安全管理分散化运行，跨区域、跨部门协同效率偏低，全链路成本管控与风险前置预警能力不足，制约集团整体运营效能提升。
核心举措
一是部署六大行业垂直大模型。
轮胎研发、生产智造、设备管理、质量管理、安全管控与能源管理。模型在厂区私有算力集群完成训练，保障数据主权与安全；低时延场景将轻量化模型下沉至边缘节点，实现毫秒级响应，复杂运算由云端协同处理。依托AIIT大数据平台与天玑系统完成模型适配，基于企业全量历史数据进行多轮迭代，模型精度与泛化能力持续提升，全面覆盖研发设计、生产执行、质量检测与仓储调度等关键场景，并与MES、PLM等系统实现原生集成，打破系统孤岛。
二是建立全生命周期工业数据治理体系。
严格遵循DCMM标准与工业数据分类分级规范，搭建集团级AIIT大数据平台，构建涵盖数据标准、采集、清洗、融合、质量、安全与资产运营的完整链路。参照ISA-95/88标准，构建资产、流程、时间三维数据模型，统一数据元、编码规则与接口规范，系统性破解跨系统数据映射难题。通过工业网关与传感器集群实现全工序高频数据实时采集，建立时间对齐与数据补全机制，有效解决时序偏差与断点问题。治理后数据统一沉淀至数据中台，形成“采集—治理—应用—迭代”闭环，支撑跨部门共享与敏捷分析决策。
三是部署多场景AI智能体矩阵。
生产端依托智造模型构建智能压出与均动分析系统，基于海量工艺参数实现自主调优与缺陷溯源；采用小样本无监督学习技术，建成轮胎X光自动判级与外观智能识别系统，实现质检全流程标准化、无人化；质量管理融合知识图谱、RAG知识库与统计分析，自动抓取产线数据智能研判成因，推动质量管控从“事后整改”转向“事前预警、事中干预”；研发端AIGC赋能天玑设计体系，搭载花纹开发与配方迭代专用智能体，实现结构、花纹、配方的智能生成与仿真验证，构建数字化研发闭环；设备智能诊断、预防性维护、供应链预测、能碳智能调度与智慧轮胎服务等应用全面落地，实现全业态智能化升级。
价值成效
依托整套智能化架构落地，实现增效、降本、提质、降耗多维指标同步优化，全员劳动生产率提升50%，人均销售额提升20%，产品研制周期压缩50%，整体运营成本下降3%；质量管控能力显著增强，产品不良品率下降0.2%，客户投诉量减少30%；绿色低碳成效突出，单位产值综合能耗下降1.5%，单位产值碳排放量降幅达5.0%。
依托自研工业大模型、AI智能体、视觉检测等创新应用，形成可落地、可复制的行业智造范式，也为国内橡胶轮胎行业及传统制造业智能化转型树立了优秀标杆。
技术提供方
浙江大学、华为技术有限公司、联想集团有限公司等。
供稿：产业数字化推进处
编辑：局办公室
转载请注明出处。
版权与免责声明： 凡本网注明"来源:塑料机械网”的所有作品，均为浙江兴旺宝明通网络有限公司-塑料机械网合法拥有版权或有权使用的作品，未经本网授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权使用作品的，应在授权范围内使用,并注明“来源:塑料机械网www.86pla.com" 。违反上述声明者，本网将追究其相关法律责任。
本网转载并注明自其它来源(非塑料机械网www.86pla.com)的作品，目的在于传递更多信息，并不代表本网赞同其观点或和对其真实性负责,不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时，必须保留本网注明的作品第一来源，负版权等法律责任。
猜你喜欢
所有评论仅代表网友意见，与本站立场无关。