作者：梁子博

出品：虎嗅智库

头图：视觉中国

制造业数字化转型进入深水区，除了聚焦“研产供销服”等核心场景之外，能源管理和节能减排也逐渐成为企业挖掘数据要素价值的关注重点。能源管理不仅仅是简单的成本削减，更是推动企业技术创新和产品升级的动力。

制造业是能源密集型行业，能源成本往往占据总成本的重要部分，有效的能源管理能够帮助企业精确定位能源浪费的痛点。而数据要素，作为数智化时代的核心资源，能够以其独特的潜力和价值，引领起能源管理和节能减排领域的深刻变革。通过优化生产流程、更新节能设备和技术改造，实现能源的高效利用，从而大幅降低能源成本，提升整体运营效率。

具身智能机器人进厂，能干什么？9月20日，大鲸AI闭门会 · 具身智能专场将在北京举办。聚焦探讨具身智能落地应用的实际场景需求。标杆企业齐聚，CEO/CIO/顶级专家莅临，解读具身智能落地的方方面面。

数据要素的重要性在于能优化能源管理的效率与精准度

降本增效之路上，能源消耗的管理是永恒的话题。在传统能源管理中 ， 由于缺乏有效的数据支撑，往难以实现能源消耗与管理的精准把控，具体体现在数据采集不准确、析能力缺失、监控维护滞后等障碍，制约企业提升能源效率、实现节能减排目标。

第一，在数据采集方面，传统能源管理依赖人工记录，这种方式容易出现误差，数据的完整性、准确性和及时性无法保证。各生产环节的数据分散在各个系统，传统采集方式缺乏有效的集成和共享机制，形成的信息孤岛无法掌控能耗的全局视图。

第二，传统能源管理方案往往缺乏高级数据分析能力和决策依据。传统方案中，往往很难从海量数据中提取有价值的信息，例如能源消耗模式、效率瓶颈等。由于分析能力有限，在制定能源管理和节能减排策略时，管理层往往依赖直觉和经验，而非数据驱动的深度洞察，缺乏有效的决策依据，这可能导致决策的盲目性和低效性。

第三，监控与控制存在滞后性。传统系统时被动式管理，通常是在问题发生后才被注意到，例如设备故障引起的能耗浪费，而不是通过实时监控提前预警并采取预防措施，这样只能做到事后的处理。同时由于缺乏远程监控和智能诊断功能，设备维护往往采用定期检修的方式，这样不仅效率低下，维护成本也居高不下。

然而，数据要素的应用使得这一目标变得可能。例如，在电力行业中，通过分析历史用电数据，可以预测未来的用电需求，优化发电计划，减少不必要的能源消耗，从而降低排放。此外，数据要素还能促进可再生能源的整合与优化分配，比如智能电网利用大数据分析预测风力和太阳能的发电量，确保电力系统的稳定性和可靠性，实现清洁能源利用率的最大化。

数据要素的重要性在于它能优化能源管理的效率与精准度。通过叠加物联网、大数据分析、人工智能等技术，数据要素能够实现对能源消耗的实时监测和智能分析，帮助企业掌握能源使用情况，识别潜在浪费点。

图：企业能源管控简略流程

来源：虎嗅智库

例如，某电子元器件制造业企业通过部署传感器网络收集生产线上的能源消耗数据，结合AI算法进行分析，成功优化了设备运行参数，减少了约15%的能源消耗。这种精准的数据驱动方法，使得能源管理不再是粗放式的估算，而是基于实证的精细化操作，极大地提升了能源利用效率。下面我们将通过具体案例来分析数据要素对于企业能耗管控的应用价值。

某钢结构制造企业能源管理实践案例

某大型现代化钢结构制造企业是世界500强企业，年产钢结构超20万吨。但在能源管理层面，曾面临的业务痛点和难题如下：

1. 人工巡检效率低、成本高：空压站房距离生产车间距离远，人工巡检、抄表工作量大，工厂安排每4个小时进行一次巡检，排查意外情况并抄录设备运行数据；

2. 用气波动大 ， 能耗浪费严重：空压站房共有4台250kW螺杆空压机，生产高峰期时需开起3台螺杆机，设备开机后很难再根据生产用气需求变化来随时关机。压力波动较大，造成产气量远远大于用气需求量，造成管道高压浪费或者设备卸载浪费；

3. 设备使用寿命被缩短，增加采购成本：人工操作设备，固定开关机，常开的设备，设备磨损较严重，缩减设备使用寿命。夜间无人值班，设备常开，导致频繁加卸载，设备平均加载率只有66.67%。

针对上述痛点，该企业所采用的蘑菇物联解决方案的思路是从工厂公辅车间的角度切入，通过对“水电气冷热”这五大类公共辅助能源的管理，着眼于企业生产效率和产量的提升，帮助企业降低能源消耗的成本。

这个切入点有几个好处， 第一是应用场景的标准化程度高，水电气冷热是大部分现代工业企业都需要的，像空压站和中央空调这类设施的结构或设备部署的标准化程度相对来说比产线工艺、管理流程等要高很多，进行能源管理的难度相对来说会低一些。

第二是公辅车间能耗占比高 ， 节能的收益也大。公辅车间的能源损耗占比整体大概40%-60%，是能耗大户，其中的一些设备（空压机、压缩机、变频机等等）也是工信部节能督查的重点，做好这些设备的运维、控制、管理，效果也比较可观。

第三是数据采集质量相对来说比较可控。采集哪些数据、如何保证数据质量、采集之后数据如何应用分析，这些在公辅车间内的干扰因素要比生产线少一些。像钢铁这类流程制造的生产线流程一环扣一环，如果整个流程其他的短板比较多，针对某一两个点的优化其实收益并不明显。公辅车间自身内部场景比较闭环，边界也较为清晰。

蘑菇物联的云智控服务于制造工厂公辅车间的解决方案，采用“云网边端”的技术架构，用先进AIoT技术替代“人工经验管理和控制”，实现该钢结构制造企业公辅车间的安全供气、无人值守和节能降碳。

图：公辅智能化平台架构

来源：蘑菇物联、虎嗅智库

公辅车间能源管理技术架构包括采集层、边缘层、平台层和应用层。其中采集层能实现站房所有设备的物联，拥有多种参数采集能力，支持数据秒级采集、无线传输、分析计算。边缘层的智能边缘服务器部署在各公辅车间内，集成LoRa基站、4G路由器、计算和控制模块、人机交互界面。平台层承担设备数据的存储、监测与分析功能，可部署在公有云、私有云或者混合云上。应用层利用边缘计算+云计算+AI节能算法，通过异常兼容、备用机制、失效保险三重保障机制，以满足生产需求为前提，实现按需供能、节能降碳。

安全供气上，云智控实时采集工厂生产车间用气数据和空压站供气数据，利用工业AI技术分别建立数据模型，预测用气需求变化，实时控制设备启停运行，调节设备运行参数，实现供需平衡，保障安全供气。

无人值守上，云智控实时监测设备运行数据，工程师在手机、电脑上实现

在线点巡检，并且能远程控制设备启停，提高了站房管理效率；同时设备运行状态也被实时监测，一旦设备温度达到安全上限，会自动切换备用机，解决了以前设备经常出现高温跳机的故障问题，且不需要人工操作。

而在节能降碳方面，方案根据生产车间用气需求变化情况来灵活控制空压机启停运行，把压力带从1.29bar缩窄至0.9bar，并且将设备平均加载率提到至87.6%，实现整站节能降碳。不仅如此，工程师还在全面监测站房数据的基础上发现了站房“隐藏”的问题，对设备及输气管道做了有针对性的改造。云智控上线且节能改造完成后，经数据测算，空压站单位能耗节能率最高可达35.3%。

图：云智控公辅系统的搭建

来源：蘑菇物联、虎嗅智库

该方案核心竞争力一方面在于具备近万种参数采集能力，能连通20+类设备种类，支持超1500种工业通讯协议的秒级采集、无线传输、分析计算等。另一方面是能落地的AI算法模型，基于大数据的智能算法准确性会更高，采用60余种工业大数据AI算法模型能精准识别工艺现状及供需差异，实现智能控制、供需平衡，保证ROI。

此外，低代码开发技术的aPaaS平台也是亮点之一。平台实现的不仅是对单台设备或单个车间数字化改造，而是整个公辅能源车间（空压站、制冷站、循环水站）的数字化改造以及整厂能源管理，解决采集监测分析，又可支撑后续节能优化控制。

以方案落地角度来看，不管是钢铁、汽车，还是其他制造领域，都需要公共辅助源，针对公辅车间打造的解决方案在可复制性和通用性方面比较强，此案例对于其他领域的企业也更具参考价值。总体规划上，其强普适性可实现从分厂1到分厂N的横向复制，也可采用先分后总或先总后分的建设思路。