深耕热力能源领域，全应科技用工业互联网赋能传统制造业

2015年《中国制造2025》战略推出，智能制造、工业互联网成为重要方向。在此契机下，大量创新企业涌现在信息化技术赋能工业的赛道，2016年2月成立的全应科技就是其中之一。

包括创始人夏建涛在内，全应科技的核心团队具备工业和大数据、人工智能、云计算等领域的复合背景，希望为工业生产过程提供智能制造解决方案，实现工艺流程优化和生产效率提升。

成立之初，全应科技花了一年多的时间打造工业互联网大数据的通用技术平台。2017年，全应科技开始思考与具体行业结合，实现解决方案的落地。

在行业选择上，全应科技主要考虑两方面因素。第一，行业本身的市场规模要比较大。第二，选择生产过程比较传统落后、比较依赖人力的行业，工业互联网能发挥更大的价值。

夏建涛认为，中国工业总体水平处于工业2.0到工业3.0的过渡期，其中汽车、大型钢铁、先进制药等行业属于先进制造业，自动化和智能化水平已经较高，不是全应科技的服务对象。而煤炭能源、纺织服装、水泥生产等传统制造业还处于工业2.5时代，可以借助工业互联网实现效率提升，而继续走自动化的路径需要太长的时间和过高的改造成本。

经过多方考察，全应科技最终选择了热力能源和纺织服装两个重点行业。

在热力能源行业，全应科技的解决方案主要用于热力站燃煤锅炉的燃烧优化。通过安装传感器，采集锅炉、风烟、管道等系统及终端用户的全流程数据，数据传输到云端平台后，再结合生产工艺建立锅炉运行数字模型。通过大数据和人工智能分析，实时在线计算锅炉运行的最优参数。传统依靠司炉工操作，集中供热整体热效率水平在50-75%，而全应科技的解决方案可以把这一指标提升10%以上，从而有效降低能源消耗和减少大气污染。

一个热力站的智能化改造成本在30-100万左右，从硬件部署、物联网数据采集、到热能APP上线应用，只需要3-5个工作日；热力大数据模型建立和优化完成需要一个月左右数据积累。此外，由于热力能源的生产工艺比较标准化，这一解决方案的可复制性很强。今年5月完成第一个改造项目后，全应科技已经完成多个热力中心的智能化改造和在线运营。

纺织服装行业的订单向小批量、个性化发展，这一趋势给订单排产、工序匹配和交付效率带来了挑战。全应科技的智能柔性化改造解决方案，通过信息化系统实现动态的混合工序排产、工序与工人的匹配，并用信息化看板指导工人的工序操作，从而实现柔性排产，提高协同效率。

现阶段，考虑到人力有限，全应科技的业务重心在热力能源领域，纺织服装行业解决方案将小规模放量。

在市场打法上，全应科技通过与行业龙头企业深度合作，快速建立行业标杆客户，强化对业务场景的深度理解，有效提高市场拓展速度。在热力能源领域，全应科技与陕煤集团成立了慧能数据。

近期，爱分析对全应科技创始人&CEO夏建涛进行了访谈，现将部分内容分享如下。

大数据优化热力能源生产效率

爱分析：提升热能生产效率方面，大数据如何发挥作用？

夏建涛：热力站的生产工艺过程，是一个非线性、强耦合和大延时的生产体系，这对整个锅炉管控提出了很高的要求。像陕煤集团这种有教授级高工操作锅炉，可以让锅炉进入比较好的燃烧状态。但中国总体锅炉燃效跟国际水平还有20%的差距。

在欧洲，热力站的运行大概只需要四五个人，在计算机的控制下可以实现高效率的运营和燃烧，而我们一个热力站需要四五十个人，完全依赖人工管控，人工抄表、人工记录、人工汇总的方式，效率偏低。中国的整体热能效率大概是德国的一半，浪费了大量的煤炭和能源，也导致大量的空气污染。

我们首先是通过智能化改造，把所需要的关键数据点全部植入到生产线里面去，然后紧密结合生产工艺构建锅炉的数字孪生模型。构建完模型之后，用大数据分析和人工智能方法来实时在线计算锅炉所有运行参数的最优值。

我们也通过对管道和末端用户使用情况进行监控，能够预测末端用户的蒸汽使用量，通过快速调整，让锅炉进入到一个稳态的最优化燃烧状态。经过我们的实践，这样能让锅炉燃烧效率至少提升10%。

对于热力站来讲，可以大大降低成本，因为工业蒸汽的价格基本是固定的，利润就来自于成本控制，同时能够降低人员技能对锅炉的影响。

爱分析：数据采集主要是通过外接传感器？

夏建涛：对。热力站处于工业2.5时代，一部分是有PLC、DCS的控制数据的，但还有很多是没有数据的聋哑设备，我们首先要对整个热力站进行智能化改造，实现端对端全流程、全工艺的数据提取，这样才能构建一个完整数据模型。

一个热力站的建设大概需要2-4个亿，工艺很复杂，牵涉到水、电、风烟、气等等，每个地方加装传感器的位置和工艺都会不一样，需要精细设计方能采集到所需要的数据。智能化改造方案是我们跟陕煤集团热能专家们共同打造完成的。

爱分析：作为一家初创公司，如何达成跟陕煤集团这种大客户的合作？

夏建涛：陕煤集团在全国大概有上百个热力中心，希望能够有更先进的管理方式。去年年中，陕煤集团在找热力站智能化运营管理的解决方案，我们是三个厂商中唯一采用工业互联网加大数据的方法来实现热力站集中智能化运营的方案，最接近他们需求。我们双方从2017年8月开始用了六个月反复讨论和优化这个方案。

早期是希望我们交付一个工程，后来他们认为这样一套复杂的工业互联网大数据体系交给一个煤炭能源公司，长期的运营和管理是个问题，所以希望跟我们深度合作。

第二，大家意识到除了陕煤集团以外，中国还有更多的热力站都需要变得更高效、更节能、更环保。所以我们双方联合成立了慧能数据，由全应科技提供技术和产品，陕煤提供专家级热力站在线运营和管理，实现热能产业的转型升级。

爱分析：一个热力中心在智能化改造方面需要投入多少？

夏建涛：一个热力中心的智能化改造大概需要30-100万左右。热力站的建设总成本大约是2-4个亿，年产值大概6000万到1个亿，因此智能化改造费用占比是非常低的。

爱分析：改造方案去跨企业推广的时候，通用性怎么样？

夏建涛：我们选这热力能源行业，就是因为这个行业比较标准化，解决方案具有广泛的适用性。

首先，一个热力中心，无论采用哪个品牌的锅炉和DCS控制系统，热能生产过程与传输是一致的。锅炉本体的差异影响的是数据模型的具体参数，不影响我们的整个的控制流程。

第二，我们构建的热能生产工艺过程数据模型和管网模型也是标准化的，完全具有可复制性。

爱分析：热能行业的市场规模有多大？

夏建涛：中国拥有全球最大的集中供热体系，全国有70多万台工业锅炉，都需要做智能化升级。大型集中供热热力站是我们优先服务的客户。

爱分析：模型计算出最优参数反馈给热力中心，是通过云端管控锅炉吗？

夏建涛：锅炉属于高温高压特种设备，从安全生产管理的要求上看，目前还不允许远程操控，所以我们是通过云端把控制信息反馈给到锅炉司炉工，司炉工再把数据输入到计算机系统，进行近端操控，用人工智能代替人工的操作经验。

爱分析：通过云端部署，客户是否存在数据安全性的顾虑？

夏建涛：热力行业具有数量大、分布广的特性，采用云服务是最佳化的解决方案。一方面，一个热力站的生产规模不会太大，不会投入大量资金来建立热力大数据私有云体系；另一方面，热力站不具备构建热力大数据私有云的条件，也没有相应的云平台运营管理团队。从数据安全角度看，我们提供的专业化云服务具有更好的数据管理能力，能够有效保护数据安全。

纺织服装行业实现智能化柔性化改造

爱分析：纺织服装行业的解决方案是怎样的？

夏建涛：我们做智能化改造和柔性化改造，并不是要替代人，而是为了实现人机的互动效率更高，能实现柔性排产，补单插单，能够实现工艺工序的精准匹配。产线是80个人改造完还是80个人，但是以前只能生产100件衣服，现在能生产120件。

爱分析：如何带来生产效率的提升？

夏建涛：以前做衣服一个批次10万件的时候，每个工位就做自己的步骤，做过一百件以后，一定非常熟练，人的效能发挥到极致。

现在是几十件一个批次，每个批次的衣服到这个工位的工艺都不一样，困难就来了。如果不用信息化系统去辅助，要么做错，要么做得非常缓慢。而且人跟机器是不能调整的，每件衣服的工序都不一样，怎么实现混合工序排产就是个大问题。

我们的解决方案是一套软件平台，体现给厂长的是动态排产排线，接到订单应该排给哪个产线。班长拿到订单以后，知道工序该怎么排。产线组长拿到之后，能够通过这个平台看到工人和工序的结合度有没有问题，产线平衡度高不高，效率到什么程度。到工人层面，通过信息化的看板支撑，了解工序。

爱分析：做一条产线改造的成本投入是多少？后期使用怎么收费？

夏建涛：智能化改造成本大概是20-30万。我们按工位收费，每个在线工位每年2000块钱，一条产业大概10-15万数据服务费。

长期将向能源产业上下游延伸

爱分析：为什么每个行业都用子公司的方式？

夏建涛：这是我们目前的一个策略。我们进入行业的时候，跟行业资源伙伴进行深度合作，能深入理解这个行业，快速进入这个行业来拓展行业客户。

我们目前选择的行业伙伴都是该行业内的资源伙伴，第一一定是在行业内自己拥有资源，比如热力站或纺织服装工厂。第二个，它是业内的龙头，通过对它试点的成功就能代表这个行业打通。

爱分析：公司整体有多大的团队规模？

夏建涛：我们现在50人团队，技术研发大概35人。目前我们更加聚焦在热能业务，因为我们今年热能项目很多。

爱分析：长期的发展战略是怎样的？

夏建涛：一是热力能源市场的深度拓展，我们希望把全国的热能市场能够牢牢掌控。

第二，煤炭能源有产业链，热能的上游是煤粉生产，煤粉的上游是洗选煤，再往上走就是采煤。热能又还分为民用热能、工业热能和热电联产。我们会围绕这个点，逐步拓展到更广泛的能源产业链。

爱分析：向产业链上下游延伸，解决方案需要重建？

夏建涛：工业互联网切入到任何行业，从本质上来讲都是生产工艺流程的数字化建模过程，跟工艺流程紧密相关。不同行业的工艺数字模型肯定是需要重建的，建模的方法论是相类似的。