智能制造在农药行业的应用

张健

(浙江中控智新科技有限公司，杭州 311600)

智能制造是指通过自动化、信息化的建设，运用现代化管理的方法和体系，结合物联网、大数据等综合技术手段，达到稳定生产、质量最优、成本优势、效益最佳的目标，使企业生产经营具有信息深度自感知、智慧优化自决策、精准控制自执行等能力[1],最终实现生产方式变革。我国农药工业产业规模逐步扩大，技术不断升级，农药研发向高效、低毒、绿色、环境友好方向发展，形成了较为完整的农药产业体系，为农业生产提供了重要支撑。但农药行业仍面临生产企业小而散的现状，淘汰落后产能任务繁重；同时，品种结构老化、转型升级任务依然严峻。近2 年，在国家大力推进智能制造背景下，农药生产过程连续化、自动化、智能化的要求不断升级。农药智能工厂是基于自动化控制与物联感应、数字化交付、数字化生产与经营、跨层次、跨系统的协同与优化、智能分析与预测等合理的技术理论、方法设计和建设农药智能生产信息化工厂，实现农药生产从信息化、数字化、智能化的迭代，从整体上改善农药生产的组织与管理，提高数字化设备及生产效率。

1 农药行业智能制造现状

1.1 现状描述与问题导出

现阶段，农药行业项目建设缺少“智能化”元素，往往是现实需要时才发现原先的考虑和时代的融合有所“滞后”。同时，安全(人、车、物)，产能，能源等农药行业管理需求与实际应用存在差异，如安全信息化管理，业务设计的通用性会随着业务主体、管理流程、现场情况的变化，在实际执行中需要进行“个性化”修正。同样，无论是相对标准的国际化SAP 产品还是在众多企业中充分实践的MES 产品等，在企业数字化业务实践中，用标准化产品去适配跨领域业务的逻辑已无法满足当前企业发展需求。

上述现状背景必将导致众多问题。首先，由于面向细分领域的智能制造建设标准正在逐步建设中，这就意味着起初的项目建设往往需要不断的进行迭代和优化；其次，在项目设计、建设期，智能制造正逐步发展为一项“专业”，大家对其认识存在差异；再次，行业中缺少统一的组织和完善的运营机制去形成不同层级、不同专业、不同组织间的“合力”；此外，虽然农药行业的管理具有共性，但是在获取数据时，按不同管理需求、管理层级，不同时间等多维度应用时，容易“回到解放前”，系统无法支撑多标签的数据建模。最后，随着智能制造不断推进，信息化产品拿来即用的时代已经过去，新技术、新产品、新模式有待在企业的土壤形成“生态”。运用统一组织形态和技术框架去逐步“封装”一个个成熟的业务场景模型，需要进一步加速。针对以上问题，农药行业可以采取相应措施来推动智能化建设的进展。

1.2 问题与挑战

1.2.1 当前农药行业智能制造建设改造面临的现实挑战

⑴数字化应用需求与地域差异

农药行业对数字化应用的需求逐步增长，但不同地区存在应用场景和团队数字能力之间的矛盾。

⑵先进制造与技术痛点

先进制造的案例场景与新技术试点和产业难点持续寻求解决办法之间存在矛盾。

⑶制造端多样性与整合需求

农药制造涉及多场景多业态的显示和既要整合又要分属地而治的矛盾。

1.2.2 解决思路

基于下述思路，可以有针对性地解决农药行业智能制造建设改造中的主要矛盾和挑战。

⑴数字化团队赋能

农药企业的数字化团队可以协助各地建立必要的数字化能力和组织，开展业务赋能。

⑵应用复制推广

加速将已有的“经典应用”和“共性应用”在其他地区进行复制推广，通过采用“原型法”提升氛围和土壤。

⑶技术应用试点验证

加快推进新技术应用的试点验证，采用“小步快跑”方式将基于工艺机理的数字化技术与产业技术进行融合应用。

⑷卓越运营中心经典案例沉淀

围绕卓越运营目标，推进卓越运营中心(COE)经典案例的沉淀和整理，形成精益+生产融合的业务模型。

⑸共性应用平台化推广

农药企业需要统筹规划共性应用，以多租户方式进行平台级的复制推广。

⑹数据服务支撑

根据不同产业差异，采用数据服务的方式支持业务运营，并实现集团/产业数据融合。

2 农药行业智能制造蓝图规划

打造农药行业智能制造蓝图，构建一个以低碳智能为核心的卓越生产运营体系，并致力于建设农药行业的智能制造产业智慧中枢，以推动高质量的制造交付(图1)。价值主张是关注客户需求，与合作伙伴和内部伙伴共同合作，形成协同的工作模式。融合时代最新元素，运用5T 技术，为用户提供具有价值增量的解决方案。为实现农药行业的智能制造水平提升20%，劳动效率提高10%，计划建立集团级生产数据中心，打造一个融合制造与运营的平台，以满足不同生产需求，提供高质量智能制造解决方案。同时，采取精益制造方法，以“业务-流程-组织-IT”的思路，整合内外部资源，以提高生产效率和产品质量。

图1 农药行业智能制造蓝图规划

3 “二步走”战略

农药行业智能制造建设改造过程中，实行“二步走”战略，体系化、规范化构建农药行业智能制造涵养，聚焦价值赛道、突破核心技术、实现业务领先。

3.1 标准化和信息化阶段

对标国际一流，基于全球视角建立支持农药行业未来产值科学的产业制造数据结构和智能制造治理结构，设计脉络清晰标准的分级管理框架，确保数据时效，执行规范；实现主要模块业务统计业务促达，打造指标应用标准模板，覆盖核心业务单元，建立完善的自动化统计业务体系，基本消除不增值的人工处理；基于IOT+工业互联网搭建跨区域业务平台架构，定义数据准入准则。

3.2 数字化和智能化阶段

农药行业核心模块全面实现数字管理，制造业务领域全面数字化，设计简洁高效标准的业务流程，支持业务合规性；构建面向制造业务域的数据中心，支撑基于数字化的业务创新，提升制造端分级用户体验；试点数字化融合应用，在装置运行，设备诊断，供应链优化实现局部智能化。

基于“二步走”战略，经过一系列农药行业智能制造建设发展，开展智能制造应用实践，循环迭代，持续优化，实现工程智能化全生命周期融合、平台一体化标准化。

4 行业数字化改革探索

4.1 进一步推进转型变革纵深发展，在时代变局下“破茧重生”

农药行业智能制造的转型变革需要按照“业务-流程-IT”的逻辑进行推进，确保业务有效落地。为实现愿景目标，战略上“做正确的事情”演变为“正确地去做事情”。在变革管理方面，需要严格遵循这一逻辑，建立规范的业务流程体系，并定期评估流程运作绩效，建立流程持续优化机制[2]。同时，将流程置于职能组织的前端，部门/职能目标要从客户需求贯穿到产品或服务的全过程，强调端到端的流程观念。这意味着打破职能层级体制的界限，直接与“客户”接触并了解其需求和反馈。农药行业智能制造应通过综合变革管理，建立并优化完善高效业务流程体系，最终实现为客户提供高质量的产品和服务。

4.2 服务型“组织”，运用技术+能力，赋能一线

作为服务型“组织”，要以“客户”为中心，持续深入一线，打破思维定式，创新解决方案，共同建设数字化智能化的农药企业。数字化转型阶段分为3 个阶段。

⑴共生阶段

扎根一线，持续做好产业数字化氛围和土壤培育的“园丁”,通过微创新方式，逐步完善小微场景需求，以结果为导向，保障日常业务持续运行。

⑵共创阶段

协同一线，持续做好产业数字化转型升级的“设计师”，充分融入项目组，业务与技术融合，提前改造数字化基因；服务一线，持续做好产业数字化推广应用的“建筑工”，通过专业优势集中采购，技术把关，降低成本。

⑶共建阶段

赋能一线，持续做好产业痛点/难点问题解决的“医生”，思考新需求、新场景，运用新技术、新思路，实现模式创新+技术创新的迭代。

4.3 学习型“组织”，运用知识+经验，赋能一线

作为学习型组织，通过赋能一线，以卓越生产运营为目标，推进多工厂业务的标准化、统一化和全面数字化(图2)。

图2 知识图谱-增长飞轮

4.3.1 建立知识中心管理模式

搭建一个集中管理知识和经验的平台，将各类知识资源进行整合和共享。这有助于促进跨部门和跨工厂之间的学习与交流，提高组织整体的学习效能。

4.3.2 精益生产与智能制造

引入精益生产和智能制造的理念和技术，通过优化生产过程和提高自动化水平，实现生产效率和质量的提升。同时，通过数据分析和人工智能等技术手段，提供实时监控和预测，帮助管理层做出更加科学的决策。

4.3.3 沉淀经典案例和方法

总结沉淀成功的案例和行之有效的方法，形成经验库。这些经典案例和方法可作为参考，为解决类似问题提供指导，并促进各个工厂之间的经验分享和相互学习。

4.3.4 构建“COE 核心”

设立中心团队，作为专业的咨询、指导和支持机构，负责推广和应用行业共性模块和业务方法。提供定制化的解决方案，在不同工厂之间复制成功经验。

通过以上措施，学习型组织可以逐步解决一个问题、解决一类问题，甚至解决一个行业问题。将知识和经验运用到实际生产运营中，不断推动业务优化和创新，提高效率和品质，实现组织整体的发展和进步。

4.4 智能制造数据足迹，从“千人千面”向“千人一面”发展

农药行业智能制造的数据足迹需要实现从多样化到一致化的发展。智能制造在建立和利用方面应基于高质量的数据基础，并逐步深入，既要解决通用性数据标准的问题，又要平衡不同地区间的业务逻辑，以更好地发挥数据的价值。首先，需确保数据的充足性，积累足够的数据量，避免在使用时出现不足的情况。数据采集应符合“大、精、时、全、合、细”的要求，既要优化资源配置，也要减少对数据分析的限制；要解决前端数据、后端业务和第三方数据之间的连接，统筹考虑业务全局。此外，需审视数据，以报表为例，通过持续迭代和优化来满足业务需求的变化，保持步调一致；对于数据的查看路径、时效性和推动方式，要充分地考虑用户的场景应用需求；并增加数据组合的灵活性，逐渐引入模型化逻辑，以满足更多的数据查看需求。另外，要进行数据分析，注重追溯和支撑业务，基于数据指标的趋势分析和诊断，通过产耗平衡等逻辑，增强数据的结构化和关联性；提升数据的逻辑性，以树状分布方式总结业务模型，辅助解决业务问题；紧密结合“精益制造-智能制造”的双循环逻辑，持续推动业务优化和数字化产品的迭代。最后，要善于应用数据，实现一致性，建立运营机制，并逐步形成统一的业务逻辑和管理准则，使数据为IT 产品优化和业务运营创造价值；确定数据管理方法和规划，推动业务应用可持续发展；建设数据平台，进行产业数据治理，实现技术和人才的双重推动，全面优化业务流程。

5 行业数字化探索案例

5.1 连续化生产业务提升方向与场景目标

5.1.1 业务提升方向

以“成本领先”为主旨，数字化赋能生产装置平稳操作、产能提升、质量达标等业务诉求，实现基础板块连续化装置“过程数据化、管理可视化、生产自动化”管理。

要做到工厂连续化装置一次仪表完整性大于85%，一次仪表、设备信息在线率大于90%。在工艺控制指标给定时，APC 等先进控制技术在大型连续化装置的应用已非常普遍，工业互联网平台架构已具备支持模型+算法的大数据计算能力。

5.1.2 场景目标

⑴自控提升-降低手操

基于先进控制技术在成熟装置单元推进自动化控制，实现零手操；基于产耗动态平衡计算体系，在一次仪表成熟基础上推进自动统计，实现零手操。

⑵控制优化-降本增效

基于工艺机理，建立装置大数据模型，实时动态优化，提升装置产能，提高产品品质；基于工艺机理，建立装置仿真操作模型，提升员工实操水平，提高装置操作稳定性，降低风险安全。

⑶统计分析-管理可靠

建立集团级生产数据中心，统一数采+接口框架；获取表计+阀门信息，实现生产状态监测；获取功耗+开停信息，实现装置设备监测；获取安全+工艺信息，实现安全预警监测。

5.2 小品种多批次板块业务提升方向与场景模板

5.2.1 业务提升方向

以“柔性制造”为主旨，数字化赋能工厂库存优化、资源配置、劳动效率等业务诉求，实现终端板块装置/机台“供应链协同化、装置柔性化、产品定制化”管理。

在物流仓储管理方面，机械臂、传输带等在货物堆垛、场内流转已成熟，终端场景“机器换人”已成为必然；同时，RIFD、立体仓库、AGV 小车等仓储配送环节的一物一码，定点投送极大提高了资源配置效率。

5.2.2 场景模板

⑴物流拉通-周转提效

以生产物料拉动为核心，统筹考虑物料在各业务环节的交互，促物料(含包材)在场内的高效流转，以数字技术填补细分场景应用。

⑵订单驱动-智能排产

以APS 平台为载体，协同产、供销各关联部门，拉通订单-排产-执行-报工核心流程，提升制造柔性。

⑶精准交付-促达客户

建立“端到端”业务交付模型，服务客户满意度提升，实现全链路的可视化管理与信息交互，To B业务带来To C 体验。

5.3 新基地/工厂－业务提升方向与场景目标

5.3.1 业务提升方向

以广义“数字化交付”为主旨，数字化赋能园区/厂区智能化设计、基础建设、智能运营等业务诉求，进行全生命周期管理维护(图3)，实现新兴产业建设、新园区/工厂建设要素“三同时”落地，支撑“决策模型化”应用。

图3 数字化赋能项目全生命周期管理过程

5.3.2 场景目标

通过AVEVA、SP-3D 等平台工具，将项目设计进行整体数字化交付设计；全程参与项目建设，将智能化元素与项目推进“同频、同时、同步”，降低后期投入重复成本，分阶段提供业务管理信息支持；同时，运营可视化管理，由技术团队有效运维，实现实体模型与虚拟模型的模拟管理。

5.4 业务提升方向与场景目标－管理形态：低碳运营

5.4.1 业务提升方向

国家“十四五”规划纲要提出：“十四五”时期生产生活方式绿色转型成效显著，能源资源配置更加合理、利用率大幅提升，单位国内生产总值能源消耗和二氧化碳排放分别降低13.5%、18%。同时，参照GB/T23331—2020/ISO50001：2018 能源管理体系认证要求，建立能源管理系统。

低碳运营管理上，能源统计一次仪表自动率>95%，支撑形成能源能流拓扑图；能源数据自动采集率大于95%，能耗统计精确度由天缩短至小时，实现对外供气的一级计量监测。

5.4.2 场景目标

⑴耗能设备更新改造

配合业务控制系统关键点进行优化改造，提升控制精度，提高操作参数的稳定性，保持装置设备工况的持续优化和稳定提升。

⑵供能设备运行优化

通过大数据、锅炉燃烧机理、现场操作人员经验建立融合模型并进行实时在线推理，确定当前设定值的优化值，实现锅炉效率与排放指标的综合最优。

⑶用能设备运行优化

开展硅炉的自动化与智能化改造，实现硅炉生产运行的远程监控与优化，提升硅炉综合自动化水平和控制精度，减少人工操作频次，提高运行安全性，同时进一步稳定炉况，实现节能优化生产。

5.5 园区共性管理服务

5.5.1 业务提升方向

以统一标准建设一套基础设施体系，搭建一个共性平台服务农药企业N 个核心园区/模块/业务,面向人、车、物3 个对象实现运营管控、安全应急灯场景的高效联动，打造“服务体验化”的智慧园区新模式。

5.5.2 场景目标

⑴共性管理

农药行业安全共性应用如隐患、作业票，根据近年国家发文并结合杜邦及企业安全管理经验，对应用不断迭代升级优化。

⑵态势感知

基于可视化的安全态势感知能力提升，可视化整体呈现园区内车辆、区域内人员等各类安全相关信息。

⑶主动防御

AR、AI、热成像、人员定位等新技术的场景融合应用；跨省市区域，围绕重大危险源、自动化装卸点等场景实现视频集成穿透。

6 总结

智能制造在农药行业的应用正逐渐深入，将为行业带来巨大变革和发展机遇。农药企业可以基于物联网、大数据分析、人工智能等技术，实现从传统生产模式到数字化、智能化的转型升级[3]。首先，智能制造可以实现生产设备和生产线的自动化控制与监测，提高生产效率和产品质量，通过实时数据采集和分析，可以实现生产过程的精准调控，避免资源浪费和质量问题；智能化的质量检测和追溯体系可以有效保障产品的安全性和可追溯性，提升消费者的信任度。其次，智能制造可以实现供应链的信息化和协同化，实现对原材料和产品的全程可视化和监控，通过数据分析和预测算法，农药企业可以更好地进行库存管理、生产计划和配送调度，降低成本并提高交付效率。智能制造有利于提高农药企业的风险管理和应急响应能力，企业能够更快速、准确地应对市场变化和突发情况。智能制造还可以促进农药企业与农业生产者之间的紧密合作；通过远程监控技术和智能传感器，农药企业可以及时获取农田的土壤信息、气象数据等，为农户提供个性化的农药使用建议和精准施药方案，提高农业生产效益和农药利用率，实现可持续农业发展。然而，智能制造在农药行业的推广和应用也面临一些挑战，如高昂的技术投入、组织架构和文化转型、数据安全与隐私保护等问题。农药企业需要充分认识到智能制造的重要性，并制定相应的战略规划。