新能源电池领先企业-瑞浦兰钧的数字化建设之路

近日，金蝶集团「2024全球创见者大会——AI赋能新型工业化专题论坛」在北京成功举办，共论新技术如何赋能企业新质生产力发展。瑞浦兰钧能源股份有限公司CIO蔡甫佳在实践分享环节谈到，公司在金蝶云·星空的帮助下，实现了业财一体化和精益化管理，满足了IPO合规性要求。

本文根据演讲实录整理（有删减）。

瑞浦兰钧的母公司是世界500强（265位）企业青山实业结合自身丰富的矿产资源在新能源领域投资布局的首家企业，我们主要从事动力与储能锂离子电池单体到系统应用的研发、生产、销售，去年营收137亿。

公司于2017年成立，同年在温州启动首个生产基地建设。到2018年，我们的第一条3GWh产线正式投入使用。2022年发布了450Wh/L能量密度的一款明星产品—问顶电池。2023年年底，我们成功在港股上市。

瑞浦兰钧的发展愿景是打造行业内最具性价比的企业，助推全球新能源产业发展。我们的信息化体系架构是基于业务战略的指引，以IT战略作为设计方向，以业务架构作为基石，通过业务架构的定义，导出应用架构和数据架构的设计基础。基于IT技术的现状和前沿实践的指引，反过来又为业务的提升和战略的实现保驾护航，这两者双向驱动。

01、数字化转型建设路线及目标

作为一个制造型企业，在数字化的建设路线和方向上我们偏重于设计研发和智能生产。同时通过制定标准化的规范，建立互联互通的工业网络，建立覆盖全生产要素的制造系统，确保生产过程的成本节约、安全可控、精益高效和质量一致。通过集成研发、设计、供应链和售后服务系统，驱动全价值链的集成和优化。我们的生产高度依赖于自动化设备，通过系统化建设、数字化建设、智能化建设实现质量和技术的最大价值。

关于数字化建设的路线图，首先我们会根据各架构的蓝图设计方案规划所需要实施的项目和子项目。将成功立项的项目做优先级评估，同时也会考量高价值和低风险的影响因素，排定实施路线图当中各项目的实施优先级顺序，再根据项目自身的建设周期和资源需求排定分期实施时间表。充分评估项目所需要投入的软硬件配置和相关资本，以及人力。整体的预算划分为项目类资本性支出和日常运维类支出，结合过往的IT投入以及今后可能需要增加的部分，测算出未来三年内实施路线图建设期间公司IT的总体投入，以辅助整体财务管理决策。

02、数字化助力业财一体化、精益化管理

不同的业务领域，我们会依据管理需要、分析需要、决策需要等定义和设计不同阶段数字化能力。我们利用已有的数据，给业务带来了切实的改善，比如智能排产和智能调度，通过云端自动生成下发到工厂、供应商以及外协伙伴，实现实时的排产计划、订单归并、智能生产、智慧调度、产销量的协同和预测，再到质量的一致性、设备管理、报警中心以及推动数字化经营能力的改善。

借助金蝶，我们打通了数字边界，实现了业财一体、精益化管理。业财方面，满足了IPO以及整体上市合规性的管理、业务合规性设计及企业流程优化调整，通过金蝶云·星空的财务功能进行内控关键点落地，实现了真正的业财一体化。关于财务数字化，IPO的财务审核方面实现了收入核查、成本核查、资金核查和费用核查。从供应商应收管理到采购、生产、销售，再到客户回款，覆盖了整体的经营活动。在研发数字化层面，整体涵盖了BOM物料管理、工艺路线及工序管理、生产订单与BOM更新管理和替代物料管理。

关于生产数字化，我们借助金蝶云·星空做了一些个性化的功能。比如自动报工，原来情况是整体生产业务24小时不间断，人工录入汇报数据相对不准确，录入成本数据可能会有偏差。通过MES侧自动采集，并记录通过断点的数据，在ERP侧制定完工采集单，由生产人员根据时间段集中进行MES中记录数据的录入，根据实时数据系统自动入库。

原来生产情况是成品完工后会装在托盘内，一个托盘装满后才会移动，存在一个托盘内存在多个批号的产品混批现象，做汇报入库操作的时候，需要扫描整个电池成本批号。后续，我们添加了托盘条码，生产完工后将产品条码和托盘条码一对多绑定后生成条码组盘，通过生产分选设备自动进行组盘，ERP具有基础组盘汇报功能，实现扫描托盘条码，即可自动将所有的成品报工入库。

03、AI赋能综合管理效率提升

瑞浦兰钧在生产制造过程中也得到了AI技术的支持，对于电池企业来说，产品安全是首要问题，对于电池缺陷检测，传统人工测量和判断，容易受到主观意愿、情绪、视觉疲劳等因素影响，使得检测结果出现偏差。随着技术发展，我们引入了机器视觉来代替人工。在涂布、卷绕、极耳、焊接、电芯和Pack等多环节开始应用多缺陷视觉检测，成为行业新的增长点。

当前传统电池产线K值检测利用定值检测标准检测，由于产线波动，容易导致过杀和漏杀问题，并且没有考虑电池温度差异、实际转序时间不一致、电池本身容量差异等因素影响，误判率高。我们通过软件与电池产线MES系统进行交互，自动获得电池产线数据，利用大数据AI技术进行电池K值的动态检测、预测和容量分析预测，实现更优的检测方法，进一步细化管控标准。在整个生产制造过程中，我们融合AI技术，改变传统分析方法，用软件来定义电池工艺，为电池生产和工艺开发人员提供了更智能化的手段。

在设备综合管理层面，我们基于设备互联以及视觉采集点数据，利用大数据分析和机器视觉学习技术，实现了锂电制造无人化作业、复杂作业的过程智能分析、预测，设备的健康运行，以及综合效率的提升。