关于流程工业生产数字化，你需要知道的「根」和「本」

　　激烈的市场竞争环境推动着企业高质量发展，随着新一代信息技术与各行各业的深度融合，流程工业的生产数字化转型已成为企业的必修课。而企业的生产数字化，首先要从企业需求角度出发。毫无疑问，质量是制造企业经营的命脉，质量不能稳定控制，生产就是浪费资源。

　　对于流程工业来说，产品质量作为生产的结果，必然与原料质量、设备运行状态和工艺方法与设定这三大要素具有高度相关性。其中，工艺是最具决定性和最具适应性的，工艺决定了生产的流程与设备选型，同时也是适配不同原料、不同设备状态的调节项，可以说工艺就是影响流程工业产品质量稳定的最大变量。因此综合来看，流程工业要进行生产数字化转型的根在工艺，本在质量。

　　流程工业生产数字化的挑战和机遇

　　流程工业是众多工业的基础材料型的行业，贡献了全国工业总产值的60%。同时，这些行业在实际生产过程中也产生了大量的二氧化碳，碳排放量占中国工业的78%，开展生产数字化转型的紧迫性极高。基于流程工业的特点，我们总结其生产数字化面临以下三大挑战：

挑战1：天然原料的关键指标如何优化与管控？其数字化过程该怎么做？ 挑战2：面对工艺多变量、非线性、大滞后、产量大的生产过程特点，如何有效采集数据？如何基于数据间的有效相关性，帮助生产人员快速发现和定位问题？ 挑战3：工艺机理复杂、且部分质量参数不可在线测量，生产过程调节往往基于人工经验。如何基于数据实现对生产过程的精准数字化表达？

　　然而，挑战必定伴随着机遇：流程工业的自动化基础较好，这使得大量生产过程数据得以被沉淀，为数字化创造了良好的数据基础。

　　另外，与离散制造业相比，流程工业单一产品生命周期长，能沉淀大量的历史数据，基于数据进行价值挖掘和应用的潜力是巨大的。

　　流程工业生产数字化应以质量稳定为本

　　有观点认为流程工业数字化是以提升效率为本，但对于流程工业来说，影响效率的事件例如设备宕机都不是设备固有故障的问题、原料损耗不是用料管理等问题，造成停机或产品降级的原因通常都是因为质量不合格造成的，而质量不合格又是由于工艺管理不善导致的，所以我们认为流程工业要进行数字化转型的根在工艺，本在质量，保障质量稳定性是提升生产效率的根本路径，原因有以下几方面：

质量是企业口碑及生产基础：自媒体时代，产品质量问题是最容易被发现及快速传播的，极易影响企业品牌形象和口碑。实现质量稳定是企业经营的命脉。 影响原料管理、设备及人员效率的根因在于质量要求：由于使用天然原料生产标准产品，造成质量不稳定的原因通常包括原辅料组分、设备状态、员工操作水平等多种情况。这些不稳定变量都需要通过不同的工艺设定来对冲、从而实现质量的稳定。 相关性的大滞后表现、以及长质量控制的反馈周期会影响效率：连续性生产的工艺条件对质量结果的影响具有较大的滞后性，发现问题时已经过去较长时间，且较难在短时间内恢复品质，受影响的产品数量及造成的损失往往十分巨大。 质量离线测量、以及长质量调控的响应周期会影响效率：另一个影响质量稳定的特性是部分质量参数不可在线测量且存在测量周期。以水泥行业为例，从取料送检到拿到检验结果至少要半小时，通常一次质量波动事件会影响数小时的产量。

　　流程工业质量稳定的根在于工艺优化控制

　　产品质量作为生产的结果，必然与原料质量、设备运行状态和工艺方法与设定具有高相关性，但三者并非简单并列关系。

天然原料往往不可控，而工艺是能匹配不同原料而调整的。例如在造纸领域，没有供应商能在较长一段周期内提供满足同一质量指标要求的浆板或废纸；陶瓷企业也无法从同一座矿山中持续获得满足同一质量指标要求的沙土。 设备运行状态通常会随着不同耗材或零备件生命周期的变化而变化，需要基于工艺标准对设备运行参数做调整。设备的维护与迭代也是围绕工艺需求变化来开展的。 工艺参数对质量的影响最早是靠老师傅经验来管理的。在信息化时代，有多种软件工具可以支撑精准论证工艺参数对质量结果的影响。我所带领的博依特科技长期深耕流程工业智能化转型升级工作，我们的大量实践数据证明，工艺参数与质量结果的影响具有确定性和可测量性，下图展示的就是工业纸质量指标与工艺参数的相关性关系图。

　　通过数据和软件工具，工艺人员能更高效找到工艺参数与质量结果的直接相关性并做出正确的优化决策。

　　综上所述，在影响质量的三大要素中，工艺是最具决定性和适应性的，工艺决定了生产的流程与设备选型，同时也是适配不同原料、不同设备状态的调节项，可以说工艺就是影响质量稳定的最大变量。

　　所以说，质量稳定的根在于工艺优化控制，只要能实现大规模的工艺优化控制，产品质量稳定性将大大提高，生产连续性自然也大大提高，从而实现生产效率的跃升。

　　实现大规模工艺优化控制——生产数字化

　　如何实现大规模的工艺优化控制？如果想像过去那样通过增加产线工艺专家的人手来保证工艺的及时优化，从成本的角度来说是不可实现的，中国人力成本低的红利时代已经一去不复返。而且在工艺传承面临断代风险、工艺专业人才短缺的今天，一些综合竞争力较低的流程工业企业甚至连保障基本生产的优秀工艺人才都极为稀缺。

　　幸运的是，时代发展给流程工业带来了新的工具：生产数字化工具。

　　在流程工业，AI（人工智能）技术的探索已取得初步成功：如APC在钢铁水泥行业窑炉控制的落地、工艺AI在造纸制浆及干燥部环节的实践、原料/配方优选AI模型在玻璃陶瓷原料及配方优选领域的应用。但在全面迈入智能化时代前，流程工业需要先实现生产的全面数字化。

　　我们认为，新一代信息技术发展背景下，一个数据平台+工艺AI技术来支撑流程工业的工艺优化控制是最优路径。这是在企业自动化的基础上，通过将大量生产信息集成，利用数据化运营平台将数据用业务模块沉淀下来，由工艺人员或部分AI技术抽象成知识，从而实现对生产工艺优化控制的指导和决策辅助。

　　流程工业生产数字化平台的搭建与实践

　　1、生产数字化平台的搭建，首先要明确的是技术路线的选择。

　　目前市场上主流路径有两种，一是在过往自动化及信息化系统的基础上做延伸业务场景，例如在DCS系统基础上建设MES；二是以工业互联网平台为基础，向下集成自动化和信息化系统数据，例如造纸企业山鹰国际就是在已建成DCS、MES和ERP的基础上采用了博依特云桥工业互联网平台来实现生产数字化平台的搭建。

　　从未来的可拓展性及行业智能化发展的角度看，我们认为采用工业互联网的技术路线更符合流程工业进行生产数字化转型发展的需求。作为业界一致认可的新一代技术路线，工业互联网是国家新基建七大领域之一，经过近10年的发展迭代，在性能上已全面超过上一代“自动化+信息化改造”的技术路线。

　　2、确定技术路线后，我们认为应以解决企业当前业务痛点为切入点，从生产场景中选择高频应用切入，逐步实现覆盖生产全过程和连接产业链上下游的数字化网络化，在此基础上形成适应企业自身需求和特点的数据化运营方式。

　　近年实践中，我们看到有企业在初期接入工业互联网就期待马上解决生产中最难的问题。这不是务实的表现。越是历史遗留下来的有挑战的问题，越需要多维度、长周期的生产数据来支撑问题的解决。

　　工业互联网技术的价值不仅在于解决一个个技术难题，更在于提供长久的能力（数据与工具）。只有先用起来，才能保证数据的准确性，并不断找到数据的高价值点，从而解决更多问题。越高的利用程度，越能产生更多有价值的数据。这才是生产数字化平台的搭建路径。

　　3、最后，企业在进行生产数据化运营前，要跨越实现生产数据采集，标准操作规范，人与系统的交互、共生、共创这三大难题。

　　其中，数据采集是基本条件；标准操作规范意味着生产可以按照数据设定的标准来操作；而人与系统的共生，则要求制造业从业人员和数据系统彼此适应。

　　通过生产数字化平台，可以实现对生产数据的采集、处理、存储和分析，结合老师傅的专业能力沉淀为通用生产知识，可以在短时间内快速提升大量生产人员的工艺水平和管理效率，实现初步的大规模工艺优化控制。

　　未来，随着数据量的增加、更多场景下数据及机理模型的完善，逐步训练各个工业场景中的工艺AI模型，逐步降低生产工艺管控过程对人的依赖，才能最终实现以智能化手段开展大规模工艺优化控制，保证生产质量长期的、大范围的稳定。