基于数据共享的农产品加工模式构建研究

高雅静，赵明远

（哈尔滨商业大学 英才学院，哈尔滨150028）

一、引言

数据是未来工厂的命脉，随着生产商越来越多地采用高级分析法、人工智能和其他新兴数字技术来转变生产和供应链，企业必须找到有效的方法来应用和管理数据。目前，大多数生产商都专注于企业内部的数据，而通过企业间数据共享，生产商能够释放更多的价值并加速创新。每个生产商都有机会通过数据共享提升企业效率，为了实现这一目标，企业需要不断创新变革。传统农产品加工企业很少使用数据和自动化生产手段，如何将数据共享和智能加工很好的结合，提升农产品加工效率，构建先进的农产品加工体系具有重要意义。本文将从数据共享的角度出发，构建智能化农产品加工生产模式，促进传统农产品加工产业的转型升级。

二、数据共享的农产品加工模式的特点

（一）利用数据分析生产中的问题

传统农产品的加工生产过程，通常使用工艺流程统计管理的方法对抽样数据进行分析，根据分析结果做出生产流程的控制与优化。由于传统加工过程中数据收集手段有限，收集成本高，不能进行太多的复杂数据计算，因此，该方法只能通过小样本的分析延伸至全部生产流程的管理，对样本量要求较少，极易产生数据统计偏差[1]。

在基于大数据共享的农产品加工中，数据可以共享至生产的各个环节，数据采集便捷，计算能力也大幅提升，对样本的分析不用拘泥于小样本数据，可以通过产品的整体数据进行分析研究，不仅能够降低分析偏差，更准确地管理加工生产流程，还能根据各个环节的数据反馈，及时发现生产中的问题。

（二）利用数据预测发现潜在的问题

农产品加工生产环节所需的设备存在潜在问题，如设备性能衰退、精度缺失、工艺参数的不稳定等，所有显性问题都是隐性问题积累到一定程度后触发的，这些问题在传统的农产品加工中运用一般的统计方法或单个参数的监测很难进行有效的判断，需要更加先进的分析和建模手段，建立能够将隐性问题显性化的预测模型。

在以数据共享为基础的智能农产品加工系统中，数据可以在系统的自我意识、自我预测和自我重构的功能中共享，帮助设备操作者了解设备的健康状况、缺失的精度情况、质量的偏差等，通过预测将潜在问题显性化，使工人可以采取及时的维护措施，优化设备的正常运行时间，提高设备的使用效率。此外，设备的历史健康信息也可以反馈到机器设备设计部门，从而形成闭环的生命周期更新设计，最终实现更为优化的生产环境。

（三）利用数据形成解决问题的路径

传统的农产品加工面临各种挑战，如农产品源头质量不过关，加工高污染、高能耗，加工产品的供给与市场需求不符等等，然而在数据共享的理念引领下，农产品智能加工将依据大数据思维转变加工模式，形成解决问题的路径，以加工环节为中介，通过数字化、互联网平台的搭建、信息的共享、人员的互联实现加工数据与销售端的无缝对接。加工人员可以借助信息收集使加工决策更加科学，利用大数据能够对产品类型的划分更为细致，有助于企业领导层及时调整战略，使之更加符合市场所需，与之相匹配的前端生产环节和终端销售环节也因此受到智能管控和调整。在生产环节，传统的农产品生产模式是上料—配料—送料进库—生产加工—包装，智能化升级并结合数据共享应用后的新的生产模式应该对传统的生产流程进行变革创新，进而实现流程精益化、生产加工自动化、管理系统数字化、数据信息云端化。通过对生产线的改造，建设智能车间，改变组织结构，优化决策系统，进而形成一种新的生产加工模式，实现农产品加工的自动化、数字化、可视化和决策科学化。在终端销售环节，基于用户群体的核心数据，可以及时发现用户需求的缺口，重新定位产品服务，还可以利用数据作为服务用户和链接用户的载体，从广泛用户的数据中获取隐性知识，再利用知识为用户提供客制化服务，以达到所产皆可销的目标。

三、数据共享的农产品加工模式的构建

（一）建立完善的相关数据共享平台

数据对于智能加工是一种看待问题的途径与解决问题的手段，通过分析数据、预测需求、预测加工生产、解决和避免不可见问题的风险，是智能加工制造的基础。完善的数据共享平台应包含三个板块，分别为管理运行系统、数据资源中心和接入应用中心，其中管理运行系统是顶层板块，负责数据共享平台的决策、运行、管理等任务[2]。数据资源中心是平台的主体部分，利用虚拟接口汇集来自各个生产环节的数据，形成一个数据池，采用技术手段对数据进行预处理，如降噪储存、预测分析等，同时以生产的产品周期为目标，建设一套标准的数据储存体系，以便与其他环节以及其他企业之间共享。接入应用中心的主要用途是共享数据，它与数据资源中心互通，通过接口将数据池内的数据应用化，将经过实时分析后的数据及时流向决策链的各个环节，实现数据的价值。

（二）建立自适应、模块化、智能化生产系统

基于数据共享的智能加工系统对传统加工生产系统提出了智能化、自适应与模块化的要求，即在应对大规模客户定制的快速反映和适应能力的同时，也能适应对于小批量、多品种定制生产的快速反应，满足生产制造系统和流程的柔性灵活、快速重构的要求。

首先，建立自适应加工生产系统。要求系统对于生产产品的数量、种类、性能和质量有自适应能力，能够运用大数据通过分析与理解外界及自身的信息，自动协调、重组及扩充特殊系统中组成部分，依次承接具体的工作任务，以便自行构成最佳运行系统。系统也需要有一定的自我学习及维护能力，通过系统自我学习功能，在制造过程中不断完善资料库的补充、更新，以及自动执行故障诊断并自动进行故障排除与维护，或通知系统下达准确的执行指令自动完成修复等。

其次，建立模块化加工生产系统。模块化是指加工生产制造模式中各个功能部分被设计成为标准的模块化组件，这些标准化模块可以按照当下加工生产的要求，通过搭积木的方式组合成为特殊的加工生产模式，使得加工生产能够按照工艺和生产的要求任意组合，加工生产模式将变得更加灵活，不同的生产设备既能够协作生产，又可以各自对外部变化做出快速反应。

最后，建立智能化加工生产系统。要求该生产系统中不同功能的标准模块具有可感知、可预测功能，对感测到的信息能够自动识别、自动分析、自动处理、自动决策，即按照设定的逻辑要求做出相应的反应，再得到反馈信息而建立的完整的循环运作，以满足各式各样外界动态多变的制造与服务需求。智能化标准模块也是一个独立的控制系统，能够感知信息，能够处理和控制信息，再通过有线或无线网络将设备数据和控制信息可靠地传递到管理层，进行智慧运算，进而达成人与人、人与物以及物与物之间的实时交流和执行。

（三）打造智能车间和智能管理系统

首先，打造智能车间系统。可将智能车间分为车间生产控制和现场执行两部分，车间生产控制是智能车间的核心，主要负责生产计划控制和执行，负责车间的人员调配、劳动组织、生产调度、产量控制、质量控制、成本控制、现场管理等整个车间生产管理与执行控制任务。现场执行是智能车间的基础，主要负责设备管理、现场数据采集和现场监控整个车间设备状态及实施现场数据管理。由数字化生产设备、综合网络、数据综合管理系统建立起来的制造执行系统是智能车间的实施核心，用以实现产品的工艺设计过程、生产管理、生产控制和资源计划管理等。将数字信息嵌入到控制与执行系统，利用计算机和网络进行处理和共享，实现加工生产过程中原料采购、设计、制造、装配、质量控制与检测等各个阶段的管理和控制，解决传统农产品加工车间和生产线以及产品的设计到加工生产实现的转化过程，使产品设计到产品加工生产之间的各项不确定性因素降低，在数字空间中将加工生产过程进行优化，使加工生产过程在公司各项信息化、数字化手段中得以检验，从而提高生产系统的成功率与可靠性，缩短从设计到生产的转化时间。

数字化是智能车间建设的重要一环，通过当前精确数据的采集与分析，对生产活动进行初始化，及时引导、响应和报告车间的活动，对随时可能发生变化的生产状态和条件做出快速反应，重点削减不产生附加值的活动，从而有效推动车间运行，数字化加工改善运行设备的回报，以及改善及时交货、库存周转、毛坯和现金流通性能。

其次，打造智能管理系统。根据农产品加工生产的环节，智能管理系统应包括数据体系、加工生产、质量管控、决策分析和人工智能五个模块[3]。第一，数据体系建设是智能管理系统的基础，无论是智能工厂还是智能管理系统均是在数据的共享基础上形成的，因此，要重点打造数据体系，建立独立的数据管控中心，便于数据的质量管理、数据分析、数据清理等工作的进行，只有高质量的数据才能保障加工制造智能化的实现。第二，加工生产即智能车间的打造，可以采用上述方法，在数据体系形成的基础上构建车间生产控制和现场执行两部分智能系统，保障加工生产从设计到产出的智能化。第三，质量管控主要用于管控加工环节所产出的产品，帮助加工企业规范加工操作规范，使加工环节生产的产品符合市场的质量要求，打造智能质量管控系统应在数据共享的基础上，建立智能信息决策体系，通过对加工制造中产品的大数据分析，不断进行检验与管理，保障产品质量与农产品加工安全。第四，智能决策分析系统主要用于对产品设计、加工、生产、检验等生产各个环节的分析，减少传统农产品加工人员干预形成的决策偏差，在系统自动分析中形成最优化生产计划，强化整体加工生产布局，保证生产最优决策单元的稳定运行。此外，打造智能决策分析系统还具有及时解决生产性问题的功能，对现存的问题通过数据分析得出在当前条件下最有效的解决措施，保障生产的延续与稳定。第五，人工智能。智能管理系统在加工生产中所进行的分析、推理、判断、决策等活动，替代了部分人工脑力劳动，但智能管理系统不仅是人工智能，在突出人的核心地位的同时，还应实现机器设备的集成化与智能化，人工智能建设应打造智能机器和人结合的系统，实现人机一体化。