Peter Lendermann
Co-Founder and CBDO, D-SIMLAB Technologies Pte Ltd
联合创始人&首席业务发展官，D-SIMLAB Technologies Pte Ltd

讲师简介 / Speaker Bio

Peter Lendermann博士从事物流决策支持和先进仿真技术领域的工作已有 15余年，是该领域公认的权威人士。作为D-SIMLAB帝信科技联合创始人以及首席业务发展官（CBDO），他是科学领域的思想领袖，负责公司的战略规划和业务发展。

自 20 世纪 90 年代初以来，Peter一直活跃在仿真领域。当时，他在欧洲核子研究组织（CERN，位于瑞士日内瓦）和日本名古屋大学参与跨国研究合作项目。1996 年，他加入了一家德国咨询公司，负责为欧洲、加拿大和中国的众多流程制造业、航空业和汽车行业客户开展业务流程再造项目。从 2000 年起，他领导了新加坡制造技术研究院与仿真相关的研究活动，直到 2006 年这些业务从研究所剥离出来，成立了D-SIMLAB帝信科技。

Peter拥有德国柏林洪堡大学应用高能物理学博士学位以及意大利米兰博科尼大学（SDA Bocconi）国际经济与管理工商管理硕士学位。

摘要 / Abstract

在AI驱动的智能工厂中，人工智能技术与数字孪生对产能规划与在制品流程优化具有核心支撑作用。尤其是工厂的数字孪生，若要对工厂未来演变做出有效预测，必须实现双重能力：既要能"表征"工厂实体，又要能对关键驱动因素做出与实际工厂同构的响应。为此，这类数字孪生系统需与实体工厂实现双向"互联"与"同步"，实时获取工厂状态的全景视图，并捕捉其底层行为模式的变化，从而持续优化其底层仿真模型（即提升"表征"质量）。

由于工厂永远无法建模到最精细的细节层级，数字孪生始终只能作为简化呈现形式存在。因此，在将其应用于多层级决策前，必须针对具体应用目标进行验证——具体验证深度取决于相关决策变量所需的资本投入、实施难度和交付周期这三个维度的要求。

本次演讲将展示如何通过D-SIMCON数字孪生框架，实现半导体制造全业务流程规划链的数字化赋能。该解决方案贯穿从产能规划与缺口识别、设备投资决策、设备引进/淘汰计划与配置、销售目标设定（结合现有订单）、产品组合优化，直至订单交期承诺的完整闭环，实现对静态与动态规划场景的全面覆盖。通过自动化完成"表征"、"互联"和"同步"三大核心流程，构建人工智能驱动的未来智能工厂。