和利时工业AI总裁刘栋：工业AI要给用户带来“可量化价值”

发布时间：2026-07-17 09:00:38 来源：安智兰德资讯网 作者：娱乐

来源：环球网

【环球网报道 记者 齐琛冏】人工智能（AI）正重塑制造业的和利生产模式与经济形态，成为推动产业升级的时工关键引擎。随着工业AI从试点探索迈向大规模产业化落地，业A业A用户行业评价标准发生深刻迭代，裁刘市场焦点已从单纯的栋工带技术展示转向智能系统“可定义、能自主”的量化实际业务价值。

近日，价值全球智能化系统解决方案领军企业——和利时集团在西安举办XMagital工业AI生态伙伴大会，和利正式推出升级版的时工XMagital 2.0智能系统。该系统基于XWorld工业世界模型构建，业A业A用户使AI能够深度解析工厂生产逻辑，裁刘确立了工业AI自主定义、栋工带自主运行的量化全新应用范式。

大会期间，价值和利时工业AI总裁刘栋在接受记者专访时强调：工业AI项目的和利成败关键不在于技术的先进性，而在于价值能否被精准量化。企业必须将模糊的“降本增效”概念，转化为可核算、可追溯的经营数据。

破除落地难题：从“模糊概念”到“精准核算”

“工业AI落地的核心痛点，并非‘技术是否先进’，而是‘价值是否可见’。”刘栋指出，许多智能化项目难以持续推广，根源在于效益描述过于笼统。若仅提供模糊的降本增效结论，缺乏分场景的数据支撑，难以说服生产端管理者。特别是在化工、制药等流程工业领域，企业对投入产出比极为敏感，建立一套完整、可验证的效益评估体系，已成为工业AI项目落地的必要前置条件。

刘栋认为，智能化效益评估不应局限于项目验收后的事后总结，而应贯穿立项、实施、验收及长期运营的全生命周期。依托三十余年流程工业服务经验，和利时通过XMagital的落地实践，构建了分层核算体系，依次核算过程收益、经营收益与组织收益，确保每一项AI改造成果均有据可查。

实战案例：60万吨/年煤制烯烃项目的量化成效

在探讨量化评估的实操方法时，刘栋以某60万吨/年煤制烯烃智能化改造项目为例。该项目在不中断正常生产的前提下，部署了基于XMagital智能系统的工艺优化、智能监盘及设备预测性维护等核心模块。

项目团队以改造前12个月的稳定生产数据为基准，剔除原料波动、年度大修等不可控变量，从五大维度完成全口径效益测算，所有数据均可从生产系统溯源核验。具体量化成果如下：

• 生产运行层面：装置综合效益显著提升。气化炉有效气含量提升2.1%，烯烃产品综合收率提高1.8%；通过参数动态优化，吨烯烃综合能耗下降4.2%，精馏工段物料损耗降低15%。
• 安全运行层面：AI异常预警使非计划停车次数下降42%，隐患预警准确率达96%，有效规避多起重大工艺事故，大幅缩减安全整改成本。
• 设备资产层面：预测性维护使设备维修费用降低18%，关键备件库存减少15%，装置连续运行周期由110天延长至128天。
• 运营管理层面：AI监盘大幅减轻人工盯岗压力，单工段可精简2至3名操作人力；各类生产报表自动生成，管理人员事务性工作量减少四成。
• 质量管控层面：工艺平稳率提升35%，产品优等品率由96.2%提高至99.1%，不合格品产出大幅减少。

构建评价框架：兼容传统指标与AI专属指标

针对“工业AI效益评价是否有统一标准”的行业疑问，刘栋表示，目前尚不存在适用于所有行业的统一模板，因为不同工艺、装置及成熟度的优化目标各异。

“但我们完全可以依托成熟的工业管理指标搭建评价框架。”刘栋介绍，企业应以ISO 22400运营KPI、ISO 50001能源指标，以及OEE（设备综合效率）、MTBF（平均无故障时间）等传统工业指标为基础框架，再叠加AI应用专属指标，如优化建议命中率、误判闭环率、业务场景覆盖率等。

通过结合行业特性与企业自身管理目标定制指标，既能兼容企业原有的管理体系，又能清晰区分智能化改造带来的增量价值。

展望未来：可量化价值是规模化推广的基础

刘栋展望，随着“人工智能+制造”战略的深入推进，可量化价值将成为工业AI的核心竞争力。只有建立起数据可追溯、成果可核算的效益评估机制，工业AI才能摆脱概念化困境，真正扎根工厂生产场景，为流程工业的高质量发展持续创造实实在在的收益。

相关文章