來源：《世界農藥》2023年第12期

轉載請註明來源

1.1 現狀描述與問題導出

現階段，農藥行業項目建設缺少“智能化”元素，往往是現實需要時才發現原先的考慮和時代的融合有所“滯後”。同時，安全(人、車、物)，產能，能源等農藥行業管理需求與實際應用存在差異，如安全信息化管理，業務設計的通用性會隨著業務主體、管理流程、現場情況的變化，在實際執行中需要進行“個性化”修正。同樣，無論是相對標準的國際化SAP產品還是在眾多企業中充分實踐的MES產品等，在企業數字化業務實踐中，用標準化產品去適配跨領域業務的邏輯已無法滿足當前企業發展需求。

上述現狀背景必將導致眾多問題。首先，由於面向細分領域的智能制造建設標準正在逐步建設中，這就意味著起初的項目建設往往需要不斷的進行迭代和優化；其次，在項目設計、建設期，智能制造正逐步發展為一項“專業”，大傢對其認識存在差異；再次，行業中缺少統一的組織和完善的運營機制去形成不同層級、不同專業、不同組織間的“合力”；此外，雖然農藥行業的管理具有共性，但是在獲取數據時，按不同管理需求、管理層級，不同時間等多維度應用時，容易“回到解放前”，系統無法支撐多標簽的數據建模。最後，隨著智能制造不斷推進，信息化產品拿來即用的時代已經過去，新技術、新產品、新模式有待在企業的土壤形成“生態”。運用統一組織形態和技術框架去逐步“封裝”一個個成熟的業務場景模型，需要進一步加速。針對以上問題，農藥行業可以采取相應措施來推動智能化建設的進展。

1.2 問題與挑戰

1.2.1 當前農藥行業智能制造建設改造面臨的現實挑戰

⑴數字化應用需求與地域差異

農藥行業對數字化應用的需求逐步增長，但不同地區存在應用場景和團隊數字能力之間的矛盾。

⑵先進制造與技術痛點

先進制造的案例場景與新技術試點和產業難點持續尋求解決辦法之間存在矛盾。

⑶制造端多樣性與整合需求

農藥制造涉及多場景多業態的顯示和既要整合又要分屬地而治的矛盾。

1.2.2 解決思路

基於下述思路，可以有針對性地解決農藥行業智能制造建設改造中的主要矛盾和挑戰。

⑴數字化團隊賦能

農藥企業的數字化團隊可以協助各地建立必要的數字化能力和組織，開展業務賦能。

⑵應用復制推廣

加速將已有的“經典應用”和“共性應用”在其他地區進行復制推廣，通過采用“原型法”提升氛圍和土壤。

⑶技術應用試點驗證

加快推進新技術應用的試點驗證，采用“小步快跑”方式將基於工藝機理的數字化技術與產業技術進行融合應用。

⑷卓越運營中心經典案例沉淀

圍繞卓越運營目標，推進卓越運營中心(COE)經典案例的沉淀和整理，形成精益 生產融合的業務模型。

⑸共性應用平臺化推廣

農藥企業需要統籌規劃共性應用，以多租戶方式進行平臺級的復制推廣。

⑹數據服務支撐

根據不同產業差異，采用數據服務的方式支持業務運營，並實現集團/產業數據融合。

打造農藥行業智能制造藍圖，構建一個以低碳智能為核心的卓越生產運營體系，並致力於建設農藥行業的智能制造產業智慧中樞，以推動高質量的制造交付(圖1)。價值主張是關註客戶需求，與合作夥伴和內部夥伴共同合作，形成協同的工作模式。融合時代最新元素，運用5T技術，為用戶提供具有價值增量的解決方案。為實現農藥行業的智能制造水平提升20%，勞動效率提高10%，計劃建立集團級生產數據中心，打造一個融合制造與運營的平臺，以滿足不同生產需求，提供高質量智能制造解決方案。同時，采取精益制造方法，以“業務-流程-組織-IT”的思路，整合內外部資源，以提高生產效率和產品質量。

農藥行業智能制造建設改造過程中，實行“二步走”戰略，體系化、規范化構建農藥行業智能制造涵養，聚焦價值賽道、突破核心技術、實現業務領先。

3.1 標準化和信息化階段

對標國際一流，基於全球視角建立支持農藥行業未來產值科學的產業制造數據結構和智能制造治理結構，設計脈絡清晰標準的分級管理框架，確保數據時效，執行規范；實現主要模塊業務統計業務促達，打造指標應用標準模板，覆蓋核心業務單元，建立完善的自動化統計業務體系，基本消除不增值的人工處理；基於IOT 工業互聯網搭建跨區域業務平臺架構，定義數據準入準則。

3.2 數字化和智能化階段

農藥行業核心模塊全面實現數字管理，制造業務領域全面數字化，設計簡潔高效標準的業務流程，支持業務合規性；構建面向制造業務域的數據中心，支撐基於數字化的業務創新，提升制造端分級用戶體驗；試點數字化融合應用，在裝置運行，設備診斷，供應鏈優化實現局部智能化。

基於“二步走”戰略，經過一系列農藥行業智能制造建設發展，開展智能制造應用實踐，循環迭代，持續優化，實現工程智能化全生命周期融合、平臺一體化標準化。

4.1 進一步推進轉型變革縱深發展，在時代變局下“破繭重生”

農藥行業智能制造的轉型變革需要按照“業務-流程-IT”的邏輯進行推進，確保業務有效落地。為實現願景目標，戰略上“做正確的事情”演變為“正確地去做事情”。在變革管理方面，需要嚴格遵循這一邏輯，建立規范的業務流程體系，並定期評估流程運作績效，建立流程持續優化機制。同時，將流程置於職能組織的前端，部門/職能目標要從客戶需求貫穿到產品或服務的全過程，強調端到端的流程觀念。這意味著打破職能層級體制的界限，直接與“客戶”接觸並了解其需求和反饋。農藥行業智能制造應通過綜合變革管理，建立並優化完善高效業務流程體系，最終實現為客戶提供高質量的產品和服務。

4.2 服務型“組織”，運用技術 能力，賦能一線

作為服務型“組織”，要以“客戶”為中心，持續深入一線，打破思維定式，創新解決方案，共同建設數字化智能化的農藥企業。數字化轉型階段分為3個階段。

⑴共生階段

紮根一線，持續做好產業數字化氛圍和土壤培育的“園丁”，通過微創新方式，逐步完善小微場景需求，以結果為導向，保障日常業務持續運行。

⑵共創階段

協同一線，持續做好產業數字化轉型升級的“設計師”，充分融入項目組，業務與技術融合，提前改造數字化基因；服務一線，持續做好產業數字化推廣應用的“建築工”，通過專業優勢集中采購，技術把關，降低成本。

⑶共建階段

賦能一線，持續做好產業痛點/難點問題解決的“醫生”，思考新需求、新場景，運用新技術、新思路，實現模式創新 技術創新的迭代。

4.3 學習型“組織”，運用知識 經驗，賦能一線

作為學習型組織，通過賦能一線，以卓越生產運營為目標，推進多工廠業務的標準化、統一化和全面數字化(圖2)。

4.3.1 建立知識中心管理模式

搭建一個集中管理知識和經驗的平臺，將各類知識資源進行整合和共享。這有助於促進跨部門和跨工廠之間的學習與交流，提高組織整體的學習效能。

4.3.2 精益生產與智能制造

引入精益生產和智能制造的理念和技術，通過優化生產過程和提高自動化水平，實現生產效率和質量的提升。同時，通過數據分析和人工智能等技術手段，提供實時監控和預測，幫助管理層做出更加科學的決策。

4.3.3 沉淀經典案例和方法

總結沉淀成功的案例和行之有效的方法，形成經驗庫。這些經典案例和方法可作為參考，為解決類似問題提供指導，並促進各個工廠之間的經驗分享和相互學習。

4.3.4 構建“COE 核心”

設立中心團隊，作為專業的咨詢、指導和支持機構，負責推廣和應用行業共性模塊和業務方法。提供定制化的解決方案，在不同工廠之間復制成功經驗。

通過以上措施，學習型組織可以逐步解決一個問題、解決一類問題，甚至解決一個行業問題。將知識和經驗運用到實際生產運營中，不斷推動業務優化和創新，提高效率和品質，實現組織整體的發展和進步。

4.4 智能制造數據足跡，從“千人千面”向“千人一面”發展

農藥行業智能制造的數據足跡需要實現從多樣化到一致化的發展。智能制造在建立和利用方面應基於高質量的數據基礎，並逐步深入，既要解決通用性數據標準的問題，又要平衡不同地區間的業務邏輯，以更好地發揮數據的價值。首先，需確保數據的充足性，積累足夠的數據量，避免在使用時出現不足的情況。數據采集應符合“大、精、時、全、合、細”的要求，既要優化資源配置，也要減少對數據分析的限制；要解決前端數據、後端業務和第三方數據之間的連接，統籌考慮業務全局。此外，需審視數據，以報表為例，通過持續迭代和優化來滿足業務需求的變化，保持步調一致；對於數據的查看路徑、時效性和推動方式，要充分地考慮用戶的場景應用需求；並增加數據組合的靈活性，逐漸引入模型化邏輯，以滿足更多的數據查看需求。另外，要進行數據分析，註重追溯和支撐業務，基於數據指標的趨勢分析和診斷，通過產耗平衡等邏輯，增強數據的結構化和關聯性；提升數據的邏輯性，以樹狀分佈方式總結業務模型，輔助解決業務問題；緊密結合“精益制造-智能制造”的雙循環邏輯，持續推動業務優化和數字化產品的迭代。最後，要善於應用數據，實現一致性，建立運營機制，並逐步形成統一的業務邏輯和管理準則，使數據為IT產品優化和業務運營創造價值；確定數據管理方法和規劃，推動業務應用可持續發展；建設數據平臺，進行產業數據治理，實現技術和人才的雙重推動，全面優化業務流程。

5.1 連續化生產業務提升方向與場景目標

5.1.1 業務提升方向

以“成本領先”為主旨，數字化賦能生產裝置平穩操作、產能提升、質量達標等業務訴求，實現基礎板塊連續化裝置“過程數據化、管理可視化、生產自動化”管理。

要做到工廠連續化裝置一次儀表完整性大於85%，一次儀表、設備信息在線率大於90%。在工藝控制指標給定時，APC等先進控制技術在大型連續化裝置的應用已非常普遍，工業互聯網平臺架構已具備支持模型 算法的大數據計算能力。

5.1.2 場景目標

⑴自控提升-降低手操

基於先進控制技術在成熟裝置單元推進自動化控制，實現零手操；基於產耗動態平衡計算體系，在一次儀表成熟基礎上推進自動統計，實現零手操。

⑵控制優化-降本增效

基於工藝機理，建立裝置大數據模型，實時動態優化，提升裝置產能，提高產品品質；基於工藝機理，建立裝置仿真操作模型，提升員工實操水平，提高裝置操作穩定性，降低風險安全。

⑶統計分析-管理可靠

建立集團級生產數據中心，統一數采 接口框架；獲取表計 閥門信息，實現生產狀態監測；獲取功耗 開停信息，實現裝置設備監測；獲取安全 工藝信息，實現安全預警監測。

5.2 小品種多批次板塊業務提升方向與場景模板

5.2.1 業務提升方向

以“柔性制造”為主旨，數字化賦能工廠庫存優化、資源配置、勞動效率等業務訴求，實現終端板塊裝置/機臺“供應鏈協同化、裝置柔性化、產品定制化”管理。

在物流倉儲管理方面，機械臂、傳輸帶等在貨物堆垛、場內流轉已成熟，終端場景“機器換人”已成為必然；同時，RIFD、立體倉庫、AGV 小車等倉儲配送環節的一物一碼，定點投送極大提高了資源配置效率。

5.2.2 場景模板

⑴物流拉通-周轉提效

以生產物料拉動為核心，統籌考慮物料在各業務環節的交互，促物料(含包材)在場內的高效流轉，以數字技術填補細分場景應用。

⑵訂單驅動-智能排產

以APS 平臺為載體，協同產、供銷各關聯部門，拉通訂單-排產-執行-報工核心流程，提升制造柔性。

⑶精準交付-促達客戶

建立“端到端”業務交付模型，服務客戶滿意度提升，實現全鏈路的可視化管理與信息交互，To B業務帶來To C 體驗。

5.3 新基地/工廠－業務提升方向與場景目標

5.3.1 業務提升方向

以廣義“數字化交付”為主旨，數字化賦能園區/廠區智能化設計、基礎建設、智能運營等業務訴求，進行全生命周期管理維護(圖3)，實現新興產業建設、新園區/工廠建設要素“三同時”落地，支撐“決策模型化”應用。

5.3.2 場景目標

通過AVEVA、SP-3D 等平臺工具，將項目設計進行整體數字化交付設計；全程參與項目建設，將智能化元素與項目推進“同頻、同時、同步”，降低後期投入重復成本，分階段提供業務管理信息支持；同時，運營可視化管理，由技術團隊有效運維，實現實體模型與虛擬模型的模擬管理。

5.4 業務提升方向與場景目標－管理形態：低碳運營

5.4.1 業務提升方向

國傢“十四五”規劃綱要提出：“十四五”時期生產生活方式綠色轉型成效顯著，能源資源配置更加合理、利用率大幅提升，單位國內生產總值能源消耗和二氧化碳排放分別降低13.5%、18%。同時，參照GB/T23331—2020 /ISO50001：2018 能源管理體系認證要求，建立能源管理系統。

低碳運營管理上， 能源統計一次儀表自動率>95%，支撐形成能源能流拓撲圖；能源數據自動采集率大於95%，能耗統計精確度由天縮短至小時，實現對外供氣的一級計量監測。

5.4.2 場景目標

⑴耗能設備更新改造

配合業務控制系統關鍵點進行優化改造，提升控制精度，提高操作參數的穩定性，保持裝置設備工況的持續優化和穩定提升。

⑵供能設備運行優化

通過大數據、鍋爐燃燒機理、現場操作人員經驗建立融合模型並進行實時在線推理，確定當前設定值的優化值，實現鍋爐效率與排放指標的綜合最優。

⑶用能設備運行優化

開展矽爐的自動化與智能化改造，實現矽爐生產運行的遠程監控與優化，提升矽爐綜合自動化水平和控制精度，減少人工操作頻次，提高運行安全性，同時進一步穩定爐況，實現節能優化生產。

5.5 園區共性管理服務

5.5.1 業務提升方向

以統一標準建設一套基礎設施體系，搭建一個共性平臺服務農藥企業N 個核心園區/模塊/業務,面向人、車、物3個對象實現運營管控、安全應急燈場景的高效聯動，打造“服務體驗化”的智慧園區新模式。

5.5.2 場景目標

⑴共性管理

農藥行業安全共性應用如隱患、作業票，根據近年國傢發文並結合杜邦及企業安全管理經驗，對應用不斷迭代升級優化。

⑵態勢感知

基於可視化的安全態勢感知能力提升，可視化整體呈現園區內車輛、區域內人員等各類安全相關信息。

⑶主動防禦

AR、AI、熱成像、人員定位等新技術的場景融合應用；跨省市區域，圍繞重大危險源、自動化裝卸點等場景實現視頻集成穿透。

智能制造在農藥行業的應用正逐漸深入，將為行業帶來巨大變革和發展機遇。農藥企業可以基於物聯網、大數據分析、人工智能等技術，實現從傳統生產模式到數字化、智能化的轉型升級。首先，智能制造可以實現生產設備和生產線的自動化控制與監測，提高生產效率和產品質量，通過實時數據采集和分析，可以實現生產過程的精準調控，避免資源浪費和質量問題；智能化的質量檢測和追溯體系可以有效保障產品的安全性和可追溯性，提升消費者的信任度。其次，智能制造可以實現供應鏈的信息化和協同化，實現對原材料和產品的全程可視化和監控，通過數據分析和預測算法，農藥企業可以更好地進行庫存管理、生產計劃和配送調度，降低成本並提高交付效率。智能制造有利於提高農藥企業的風險管理和應急響應能力，企業能夠更快速、準確地應對市場變化和突發情況。智能制造還可以促進農藥企業與農業生產者之間的緊密合作；通過遠程監控技術和智能傳感器，農藥企業可以及時獲取農田的土壤信息、氣象數據等，為農戶提供個性化的農藥使用建議和精準施藥方案，提高農業生產效益和農藥利用率，實現可持續農業發展。然而，智能制造在農藥行業的推廣和應用也面臨一些挑戰，如高昂的技術投入、組織架構和文化轉型、數據安全與隱私保護等問題。農藥企業需要充分認識到智能制造的重要性，並制定相應的戰略規劃。