返回案例列表

全球煤机行业第一家灯塔工厂 — 郑煤机以150台机器人、30台AGV和自主数字孪生系统,将液压支架交付周期从28天压缩至9天,人效翻倍,焊接一次不良率从1.1%砍到0.3%。

— 郑州煤矿机械集团,A+H股上市国企,1964年造出中国第一台液压支架,60年后点亮全球煤机智造灯塔

📋 企业名片

🔖 灯塔编码:16112CN08
企业名称
郑州煤矿机械集团股份有限公司(ZMJ)
工厂所在地
中国 · 河南郑州
所属行业
矿山机械制造(GB/T 3331)
灯塔类型
单一灯塔
入选批次 / 发布日期
第12批 · 2024年10月
核心产品
液压支架(含10米超大采高世界纪录产品)、刮板输送机、采煤机及智能化综采成套装备
应用领域
煤矿开采装备制造、智能化综采工作面整体解决方案

🔧 核心案例

5大核心案例 空地一体化无人化物流调度系统
业务痛点
液压支架结构件单件重达20多吨,传统"人工+叉车"调度模式效率低、安全隐患大,多厂家AGV之间无法联网协同,市场无成熟方案可借鉴。
解决思路
不走外购路线,成立子公司"数耘智能科技"自主研发AGV智能调度系统,通过独创交管解锁算法实现多厂家、多吨位AGV实时协同作业。
实施路径
2020年7月成立数耘科技,研发团队长期驻扎车间观察工序流转、分析转运障碍;历时一年三易其稿,从零编写AGV调度算法;业内首创支持9台以上不同厂家AGV实时协同,通过二次规划路线解决交通冲突;部署30台AGV与12台智能行车组成空地无人化物流网络,由调度中心统一管控,覆盖从智能料场至切割区、板加区、焊接区、交付区的全工序链物流。
关键数据
AGV调度作业故障从每周10起以上降至近乎0起;整体运转速度比市面同类系统快2-3倍;钢板出库和上下料实现全流程无人化转运。
用了什么技术
AGV调度算法 01.03.02 IIoT 07.02.01 智能行车 01.02.02
自研AGV交管解锁算法部署于园区调度中心,通过工业物联网实时采集30台AGV和12台智能行车的位置、载重、任务状态数据,二次规划路线避免冲突。该调度系统与MES深度集成,根据生产计划自动下发物料转运指令,实现从智能料场到焊接工位的全链路无人化调度。系统支持9台以上不同品牌AGV混合编队运行,整体运转速度超出市面同类方案2-3倍。
↓99%+
AGV调度故障率(每周10起→近乎0)
2-3倍
调度速度超同类方案
5大核心案例 智能焊接黑灯车间
业务痛点
液压支架结构件焊接:工人需爬上20多吨的工件,蹲着甚至趴着焊;人工吊装翻转费时费力,焊缝一致性差;焊接一次不良率1.1%,设备停机频繁。
解决思路
以150台机器人为核心,配合独家抓手式无人智能行车和业内首次应用的大型变位机,实现"抓取→切割→焊接→检测"全流程无人化。
实施路径
部署23条自动化生产线和150台工业机器人覆盖焊接主体工序;引入独家抓手式无人智能行车替代2-3人的起吊作业,处理最高20多吨的结构件;业内首次应用大型变位机实现数吨重工件180度自由翻转,消除焊接死角;通过AI赋予机器人"眼睛和大脑"进行精准焊接;MES与QMS系统深度串联,实时采集焊接参数并进行在线质量检测。
关键数据
焊接设备OEE提升30%;焊接作业区产量提升30%;年度非计划停机时长降低60%;产品焊接一次不良率从1.1%降至0.3%(降幅73%);单个焊机平均等待时间降低86.7%。
用了什么技术
工业机器人 01.01.01 AI视觉 05.01.02 MES 02.01.02 QMS 02.04.01
150台工业机器人部署于23条自动化产线,覆盖抓取、切割、拼装、焊接全部工序。AI视觉系统为机器人提供焊缝识别和路径规划能力,替代人工定位。MES系统实时追踪每道焊接工序的参数(电流、电压、速度),QMS系统在线判定焊缝质量,形成闭环质量管控。独家抓手式智能行车配合大型变位机实现20吨级工件180度翻转,工人不再需要攀爬工件。
↓73%
焊接一次不良率(1.1%→0.3%)
↑30%
焊接OEE提升
5大核心案例 激光切割与坡口自适应加工
业务痛点
40mm厚钢板切割精度难控,坡口加工依赖人工操作搬运机器人+坡口机器人+打磨机器人的协同,一次不良率高达8%,生产节拍瓶颈严重。
解决思路
建成行业内最大规模光纤激光切割机群(14台),自主研发多机器人协同工作站控制系统,用3D机器视觉替代人工测量和定位。
实施路径
部署14台高速高功率光纤激光切割机,切割40mm厚钢板,缝隙精度0.3-1mm(约一根头发丝粗细),精度±0.1mm;开发工作站控制系统统一协调搬运机器人+3D机器视觉+坡口机器人+打磨机器人协同作业;实现坡口工序从钢板进入后全流程自动化加工,表面光洁度平整如镜,标准化程度大幅提升。
关键数据
现场生产节拍缩短近58%;坡口一次不良率从8%降至0.8%(降幅90%);切割精度±0.1mm,切割缝隙仅0.3-1mm。
用了什么技术
激光切割 01.03.03 3D机器视觉 05.01.02 多机器人协同 06.01.01
14台光纤激光切割机构成行业最大切割机群,部署于结构件数字化工厂板材预处理区。自研工作站控制系统通过3D机器视觉实时采集工件空间位姿,统一调度搬运机器人、坡口机器人和打磨机器人按加工节拍协同作业。切割参数(功率、速度、焦距)由系统根据钢板厚度自动匹配,切割成品表面平整如镜,无需二次打磨。
↓90%
坡口一次不良率(8%→0.8%)
↓58%
生产节拍缩短
5大核心案例 数字孪生"智慧大脑"数据驱动决策平台
业务痛点
40多道加工工序、100多个生产工位分散管控,各系统(ERP/PLM/MES/QMS/WMS)数据孤岛严重,调度靠经验排产,异常响应滞后,生产进度"黑箱"。
解决思路
以数字孪生为核心构建虚拟工厂,实现物理世界与数字世界的双向实时映射,五大自主能力(自感知/自学习/自决策/自执行/自适应)驱动全流程智能决策。
实施路径
基于物联网+边缘计算+虚拟技术+数据采集技术,构建1:1虚拟工厂模型;将来自异构系统的生产数据、设备数据、监控视频通过物联网无缝融合到统一平台;打通ERP→PLM→MBD→MES→QMS→WMS→能源管理→资产管理全链系统集成;每台液压支架安装10余个传感器实时采集位置和运行状态数据回传控制中心;实现自感知(数据实时采集)、自学习(AI模型持续优化)、自决策(排程算法自主调度)、自执行(指令直达设备)、自适应(参数动态调优)。
关键数据
在制品周转天数下降72.4%;产品制造周期下降61.3%(28天→9天);产量提升30%以上;人效提升100%以上;实现100多个工位的实时交互和协同作业。
用了什么技术
数字孪生 03.01.01 边缘计算 05.03.02 大数据分析 05.04.01 云计算 05.03.01
数字孪生系统部署于园区智能化控制中心,基于IoT传感器和边缘计算节点实时采集40多道工序的设备状态和生产数据,构建与物理工厂1:1映射的虚拟模型。ERP/PLM/MES/QMS/WMS五大系统数据在数字孪生平台实现无缝融合,AI算法基于历史数据进行生产节拍预测和瓶颈分析,排程引擎自主生成最优排产方案并直达设备执行。工厂管理者可在控制中心大屏实时查看每个工位、每台设备的运行状态和异常预警。
↓61.3%
制造周期(28天→9天)
↑100%+
人效翻倍
5大核心案例 MES+QMS全流程数字化集成制造
业务痛点
液压支架是高度客制化的离散型产品(每套支架需根据煤矿地质条件单独设计),40多道工序分散在多个车间,传统"纸质工单+经验排产"模式下工序衔接脱节、质量追溯困难、在制品积压严重。
解决思路
以MES(制造执行系统)为中枢,打通设计(PLM/MBD)→生产(MES)→质量(QMS)→仓储(WMS)全价值链,实现40多道工序100多个工位的数字化联动。
实施路径
将PLM系统中的三维设计模型(MBD)直接下发至MES,替代传统二维图纸,实现设计-制造数据贯通;MES系统自动将工单拆解为工序级任务并下发至对应工位的智能终端,各工位按电子工单作业、实时报工;QMS系统与MES深度集成,焊接参数、坡口尺寸、装配公差等质量数据在线采集并自动判定,异常即时拦截;WMS与MES联动,按生产节拍自动触发物料配送指令至AGV系统,减少在制品积压和等待;APS高级排程引擎基于数字孪生模型进行全局优化排产。
关键数据
在制品周转天数下降72.4%;产品制造周期从28天缩短至9天;单个焊机平均等待时间下降86.7%;产量提升30%+;年度非计划停机降低60%。
用了什么技术
MES 02.01.02 MBD 02.07.01 APS排程 02.01.04 QMS 02.04.01
MES系统部署于园区数据中心,覆盖23条自动化产线的全部100多个工位。每个工位配备智能终端,接收电子工单并实时回传报工数据。MBD三维设计模型从PLM系统直接下发至MES,车间操作工可在终端查看三维标注、公差要求,消除二维图纸的解读误差。QMS系统内嵌质量判定规则引擎,焊接参数、表面缺陷等质量数据在线采集后自动比对标准值,异常工件即时标记不流向后工序。APS排程引擎每日凌晨基于设备状态、物料库存、订单交期进行全局优化排产。
↓72.4%
在制品周转天数
↓86.7%
焊机平均等待时间
5G+工业物联网(IIoT)全连接工厂
业务痛点
重型结构件生产环境电磁干扰严重,传统WiFi信号衰减大导致设备掉线频发;远程运维和煤矿端设备遥控需要低延迟大带宽通信。
解决思路
5G专网+边缘计算节点实现全园区设备无缝连接,满足远程操控对低延迟(<20ms)的严苛要求。
实施路径
园区部署5G基站实现全覆盖,替代传统WiFi网络;在焊接区、切割区等强干扰区域部署边缘计算节点进行本地数据处理;通过5G实现采煤机、刮板机、液压支架在煤矿工作面的远程集控(平煤二矿等客户案例),工作面操作人员从十几人大幅减少。
关键数据
解决了远程操控信号延迟问题;矿端月采煤推进度从80-90米提升至180-200米(最高267米);工作面操作人员大幅减少。
用了什么技术
5G 07.01.02 边缘计算 05.03.02
5G基站覆盖园区全部生产区域,替代传统WiFi网络解决钢结构厂房信号衰减问题。边缘计算节点部署于焊接区和切割区附近,将设备状态数据本地处理后再上传至中心平台,大幅降低网络负载。矿端5G+智能"大脑"实现采煤机+刮板机+液压支架三机联动远程操控,国内首套由单一厂家提供的成套化智能综采工作面。
多机器人协同作业系统
业务痛点
搬运机器人+坡口机器人+打磨机器人在同一工作站需要按节拍协同,传统PLC控制方案柔性和扩展性差,不同品牌机器人协议不统一。
解决思路
自研多机器人协同工作站控制系统,统一协调不同品牌机器人的动作时序和空间路径。
实施路径
开发统一的机器人通信中间件,适配不同品牌机器人的通信协议;工作站控制系统根据3D视觉定位结果,计算各机器人的动作路径和时间窗口;搬运机器人将工件从输送线抓取至加工位→3D视觉扫描工件定位→坡口机器人执行切割→打磨机器人执行表面处理→搬运机器人下料,全链条无人工干预。
关键数据
实现多品牌、多类型机器人100%协同作业;将原本需要人工衔接的3道工序合并为1个自动化工作站。
用了什么技术
多机器人协同 06.01.01 PLC/IPC控制 01.05.02
自研多机器人协同控制系统部署于坡口加工工作站,通过统一通信中间件桥接KUKA、ABB等不同品牌机器人的私有协议。系统以3D视觉定位结果为基准,实时计算各机器人的笛卡尔空间路径,确保搬运、坡口切割、打磨三道工序在5秒内完成接力。该方案比传统PLC硬编码方案的上新工位速度快3倍以上。
实时传感器网络与智能监控
业务痛点
重型设备运行参数无法实时掌握,异常工况(如液压压力骤降、轴承超温)发现滞后导致非计划停机频发;瓦斯、粉尘等危险环境缺乏自动预警。
解决思路
在每台液压支架和关键设备上布置10余个传感器,构建全设备实时监控网络,与数字孪生平台联动实现异常预警和自动处置。
实施路径
每台液压支架出厂前安装10余个传感器(位置传感器、压力传感器、倾角传感器等),实现全生命周期状态追踪;园区焊接设备、激光切割机等关键设备部署振动传感器+温度传感器+电流传感器;数据通过IIoT平台汇聚至数字孪生系统,AI模型进行异常检测和设备健康度评估;瓦斯、粉尘检测传感器自动触发报警,甚至可自动终止操作。
关键数据
年度非计划停机时长降低60%;实现设备故障从"被动抢修"到"预测性维护"的转变。
用了什么技术
传感器 01.04.01 预测性维护 03.04.03 IIoT 07.02.01
每台液压支架内置10余个传感器,数据通过5G/IIoT回传至云端,客户可远程查看支架位置、姿态、压力等实时数据。园区焊接设备部署振动+温度+电流传感器,AI模型基于历史故障数据训练异常检测算法,提前24小时预警设备劣化趋势,将年度非计划停机时长降低60%。环境传感器(瓦斯、粉尘)在浓度超标时自动触发声光报警,并在危险情况下自动终止相关工序。
10米超大采高智能液压支架(产品标杆)
业务痛点
超厚煤层一次采全高技术长期被国外垄断,10米级采高支架对结构强度、焊接质量、装配精度要求极高——任何缺陷可能导致井下塌方事故。
解决思路
依托灯塔工厂的智能制造能力(激光精密切割+机器人自动焊接+100%在线检测+数字孪生仿真),攻克10米级超大采高液压支架的制造难关。
实施路径
PLM系统完成10米支架的结构仿真和强度校核;激光切割机群以±0.1mm精度加工超大尺寸结构件板材;机器人焊接工作站以180度变位机实现全方位焊接,AI视觉实时焊缝质量检测;装配完成后通过数字孪生平台进行虚拟加载测试,验证支架在实际工况下的受力表现;2023年6月通过出厂评议,首批次发往煤矿现场。
关键数据
世界煤矿支护装备高度纪录;实现从"中国第一架"(1964年)到"世界第一高"(2023年)的历史性跨越。
用了什么技术
数字孪生仿真 03.01.01 PLM 02.02.01 AI质检 05.01.02
PLM系统完成10米支架的结构强度仿真,AI算法对关键焊缝进行应力集中分析。制造环节:激光切割以±0.1mm精度加工超大板材,机器人焊接工作站以180度变位机消除焊接死角,AI视觉对每道焊缝实时检测并与标准金相图谱比对。出厂前通过数字孪生平台虚拟加载7000kN工作阻力,模拟支架在采煤工作面的实际受力变形情况。10米采高支架的成功制造验证了灯塔工厂的全链路制造精度和品控能力。
矿端成套化智能综采工作面
业务痛点
传统煤矿采煤机、刮板机、液压支架由不同厂家供应,子系统各自为政,井下通信靠"人工喊话",采煤推进度受限于设备协同效率。
解决思路
郑煤机是国内唯一可提供采煤机+刮板输送机+液压支架+智能化控制系统全部四大件的单一供应商,以智能化控制系统为"大脑"实现成套装备联动。
实施路径
以智能化控制系统为统一平台,通过5G+IIoT实现采煤机位置、刮板机负载、液压支架姿态的三维联动控制;在地面集控中心实现远程操控,井下仅保留巡检人员;以平煤二矿为例,运用5G技术解决井下通信延迟问题,智能化控制系统根据采煤机当前位置自动调整液压支架的跟机支护策略。
关键数据
月采煤推进度从80-90米提升至180-200米(单月最高267米);工作面操作人员从十几人大幅减少,实现"少人则安"。
用了什么技术
5G 07.01.02 远程集控 03.03.03 智能化控制 05.01.01
地面集控中心通过5G专网与井下设备通信(延迟<20ms),操作员通过视频监控和数字孪生界面远程操控采煤机。AI算法实时分析采煤机位置、截割高度、刮板机负载等参数,自动决策液压支架的跟机支护节奏。该方案已在平煤二矿等多个煤矿部署,月推进度最高达到267m,操作人员减少80%以上,实现了从"人工喊话"到"智能大脑统一指挥"的跨越。

📊 绩效改善总览

指标改善前改善后提升幅度业务解读
产品制造周期28天9天↓61.3%客户响应速度提升3倍,订单竞争力大幅增强
在制品周转天数↓72.4%资金占用大幅减少,现金流改善显著
产量↑30%+同等厂房面积多产出1/3,产能利用率新高
人效(人均效率)↑100%+同等产量所需人数减半,缓解用工荒
焊接设备OEE↑30%设备利用率从行业平均60%提至78%+
单个焊机平均等待时间↓86.7%瓶颈工序消除,产线平衡率大幅提升
焊接一次不良率1.1%0.3%↓73%年减少返修焊缝约数千条,质量成本大降
坡口一次不良率8%0.8%↓90%材料浪费减少,后工序合格率直线上升
年度非计划停机↓60%从"被动抢修"转为"预测性维护"
AGV调度故障每周10起+近乎0起↓99%+物流中断风险基本消除
生产节拍(坡口加工)↓58%工作站产能翻倍,交货保障能力增强

🗺️ 技术全景图

01
智能装备
02
工业软件
03
智能工厂
04
智慧供应链
05
智能赋能技术
06
智能制造新模式
07
工业网络
08
系统安全
09
绿色可持续
已覆盖(7/9个领域) 未涉及 WEF重点技术覆盖率:14/40(35%)

被采用的 WEF 重点技术(14项):工业机器人、AGV/AMR、MES、QMS、数字孪生、AI视觉检测、5G、边缘计算、工业物联网(IIoT)、大数据分析、云计算、3D机器视觉、预测性维护、APS高级排程。
未明确涉及:系统安全(工业信息安全体系未在公开材料中体现)、绿色可持续(碳排放管理/能效优化未作为独立模块披露)。

🔍 可复制性分析

🏢 企业规模
A+H股上市国企 · 2024H1营收189.53亿元
💰 投入规模
公开信息未披露具体金额,预估数亿元级数字化转型持续投入
⏱️ 实施周期
约3-4年(2020年启动自研AGV调度→2022年智慧园区投产→2024年获评灯塔)
🎯 关键技术门槛
多机器人协同控制算法、AGV多品牌混编调度、大型变位机设计、重载结构件数字孪生仿真
👉 适合什么企业参考
重型离散制造企业(工程机械、矿山装备、船舶海工、轨道交通装备、大型钢结构等),特别是"多品种小批量+大尺寸重载工件"特征明显、且具备一定自动化基础的企业。核心可复制的不是具体技术,而是"自主攻关+逐步迭代"的转型路径——郑煤机选择自研AGV调度系统而非采购成熟方案,正是因为重型离散制造的工况特殊,市面上买不到合适的解法。

🏭 行业对标视角

国标分类路径:制造业(C)→ 金属制品业(33)→ 集装箱及金属包装容器制造(333)→ 矿山机械制造(3331)

📌 同小类(3331 矿山机械制造)仅郑煤机1家灯塔工厂。同中类(333 集装箱及金属包装容器制造)也仅有郑煤机1家。以下扩展至同大类(33 金属制品业)对标:

同大类 33 金属制品业 灯塔工厂(2家)

💡 行业洞察:金属制品业在全球灯塔工厂网络中属于"稀有品类"——全行业仅2家灯塔工厂(中国1家+瑞典1家),且均为单一灯塔。郑煤机是金属制品业第一家中国企业灯塔工厂,也是全球矿山机械细分领域的唯一灯塔,其突破对整个重型离散制造行业具有标杆意义。与山特维克可乐满(专注于切削刀具的精密制造)形成互补:前者攻克"大而重"的制造难题,后者验证"小而精"的数字化路径。

💬 互动

灯塔工厂投入通常在数亿元级别,郑煤机选择了自主攻关AGV调度系统这条"硬核"路线——你们工厂在做数字化转型时,哪些环节选择自研、哪些选择外购?踩过哪些坑?

👇 欢迎在评论区分享你的经验与困惑

📊
灯塔名录
回复【名录】获取完整名单
🔍
灯塔案例
回复【分析+企业名】
🦞
灯塔虾评
回复【自测】评估差距
返回案例列表