流程工业是国民经济的支柱产业，是我国从制造大国向制造强国迈进的主战场之一。经过近十几年的发展，流程工业在企业信息化建设方面，基本形成了以 DCS-MES-ERP三层模型为代表的信息化体系，不同程度上满足了企业在过程控制、生产管理、经营管控等方面的应用需求。
然而，从另一方面看，企业通过信息化系统建设，虽积累存储了大量数据，但对数据价值的挖掘和应用还较少；虽然实现了生产过程自动化控制与管理过程的电子化记录，但对复杂工艺装置的先进控制、生产计划及加工方案的优化与排程，还非常缺乏有效的建模工具与应用软件支撑；虽然实现了自动化报表及信息的综合展示，但在数据钻取、决策辅助方面，仍然存在数据不标准、模型不统一、信息未集成等难题。流程工业智能工厂建设是企业“两化”深度融合的集中体现和必然选择，是一项长期、复杂、创新的工程，并不是一蹴而就的。
企业更想了解智能工厂建设有哪些切入维度，分哪些层次阶段，如何结合行业特点及企业总体基础现状制定行之有效的解决方案，以及在智能工厂建设中又要注意哪些问题等等。本文基于对流程工业智能工厂建设的理论研究和实践探索，尝试提出一些新的观点和建议，抛砖引玉，以引发业界的思考和共鸣，共同加快推进我国智能制造的进程。
智能工厂的新思考
流程工业智能工厂可以从 4 个视角来剖析，即工厂本体、智能化方案、智能工厂评价体系、核心支撑要素。流程工业智能工厂建设思考框架，如图1 所示。
图 1 流程工业智能工厂建设思考框架
1.1 工厂本体
1.1.1 工厂管理目标
从工厂本体运营管理的视角看，企业管理者重点关注三大类问题。
（1）增加销售、降低成本，提升工厂的盈利能力，解决企业的生存问题。关注效率提升，保障企业的产品及服务能更快速的满足用户需求。
（2）加快新产品研发、新市场开拓、新生态打造等问题，解决企业由大到强的可持续发展问题。关注可持续性，期望打造百年老店。
（3）加强风险管控，包括融资风险、投资风险、经营风险等，解决因决策失误造成重大损失问题。关注风控，要求企业适应复杂多变的市场环境。
1.1.2 工厂运营管理
为了能全面系统地分析评估工厂运营效率，一方面可以从工厂价值创造的过程入手建立工厂价值树模型；另一方面可以从企业经营管理目标、制度、流程入手建立企业运营管理绩效树模型。
价值树模型就是在指标之间寻找对应的逻辑关系，在价值树模型图上分别列出公司的战略目标，对应的关键绩效指标（通过战略重点与目标转换得到）及驱动这些指标的关键驱动流程及对应的指标。价值树可以帮助企业了解价值产生的来源，使得资源、资本和管理重点有的放矢，是建立商业化绩效管理体系的指导原则和出发点。如围绕提高企业占用资金回报率这一目标，可以建立其价值树模型，如图 2 所示。
图 2 提高企业占用资金回报率的价值树模型示意图
运营管理绩效树是以价值创造为出发点，追溯关键绩效指标与其层层牵连的因果逻辑关系。基于绩效关系树的分析，可以快速诊断、定位提高工厂运营绩效的关键环节与瓶颈制约，有针对性地指导企业管理者进行管理的持续改善与科学决策。
1.1.3 决策者重点关注
从改善企业经营视角看，企业决策者重点关注3 个方面的解决途径，即新技术应用、商业模式创新及人才培养。所以，任何管理咨询、信息化规划及系统建设工作，均应与企业经营决策者的重点关注密切结合，支持企业经营决策者把握发展方向、科学决策控制风险以及优化资源配置并使资源效能最大化发挥。
1.2 智能化方案
1.2.1 工厂本体视角
以企业发展战略为导向，围绕企业的生产装备、工艺路线、组织架构、流程制度、经营模式、人才培养、企业文化等维度都存在着优化和改进的巨大空间。比如企业组织必须要用“体系”的视角去观察，企业的经营思路必须从“生产独尊”和“销售为大”的传统“工厂智能”中跳脱出来，全面调动企业经营各个要素，用全面、体系化的方式来看待经营活动。这是一张由工厂本体、客户、供应商、竞争者等组成的一张复杂网络系统，对企业意味着可选择“路径”的多样性，也就意味着“智能化”的维度与空间。
1.2.2 信息化视角
从信息化看系统建设的视角，综合了通讯技术、控制技术、优化技术、软件技术的企业信息化整体解决方案，也是工厂智能化的主要途径之一。
1.2.3 融合创新视角
以支撑生产企业发展战略为根本，以智能制造的新思维、新技术、新业态为手段，深入分析企业经营目标、组织架构、管理制度，业务流程的现状与瓶颈制约，优化企业的生产要素、管理经营业务，改善并升级企业生产链、供应链、管控链、价值链，提高企业个性化定制、柔性生产及体验化服务的能力和水平，构建生产制造新业态、生产管控新模式、企业发展新动力，实现企业智能制造的转型与升级。
1.3 智能工厂评价体系
流程工业智能工厂建设相关的理论、技术、应用还在不断探索和发展之中，当下可以说是“百花齐放、百家争鸣”，对于智能工厂建设的范畴、目标、进程、效果等，业界仍未形成统一的共识和标准。
作为智能工厂建设的主角，生产企业应以自身发展的内生需求为导向推进智能工厂建设。当然，智能工厂建设的效果评估，理应回到对企业发展需求的满足程度方面，以定量分析的经济技术指标和定性分析的总体先进性作为主要评估要素。同时，围绕全面感知、协同执行、预测预警、科学决策等维度综合评估工厂数字化、工厂自动化、工厂信息化等辅助信息化技术指标。企业结合绩效关系树与智能工厂评估体系，可以对企业管理及智能工厂建设效果进行持续改善与优化。
1.4 核心支撑要素
流程工业企业信息化解决方案的核心支撑要素包括以下方面。
（1）数据与标准 通过实时/关系数据库技术，实现工厂人、机、料、法、环、测等生产要素数据与采购、销售、生产、安全、质量、环保、物流、运维等经营动态数据的采集和存储，建立基于统一编码体系的主数据管理和企业服务总线（ESB），实现各业务系统之间数据的互联互通与共享。同时，需要对企业的技术标准、管理标准及工作标准体系进行梳理和数字化转化，这是信息化系统进行初始化和分析诊断，进而辅助管理决策的基础和基准。
（2）软件与内容 流程工业软件包括运营管理类软件（如 ERP、CRM 等）、生产控制类软件（如MES、DCS、APC、SCADA 等）以及研发设计类软件（如 CAD、PDM、PLM 等）。尤其在智能制造背景下，还需要工厂统一建模软件、企业服务总线平台、信息综合展示等软件，实现各类工业软件的集成与互联，支撑企业管控业务的高效与协同。不同行业的流程企业进行信息化系统建设，必须结合自身行业特点，选择专业性强、针对性好的工业软件并考虑综合集成，避免出现“应用孤岛”。内容是指建立行业知识数据库，包括过程性知识（如物料衡算、热量衡算、相平衡计算、反应动力学计算、工艺指标分析、平稳率分析等）、描述性知识（如物理性质、化学性质、催化剂活性等）、方法性知识（如设备结构力学计算、气体扩散模型、爆炸模型、腐蚀模型等）以及手册性知识（化工工艺设计手册、化工设备设计手册、化工管道设计手册等）。企业可以先行购买一个通用的商业数据库作为基础，再将自身的管理实践与知识经验不断向这个数据库中转移，形成企业自己的经营管理数据，并持续维护更新这一影响企业管控水平的软资产。
（3）行业最佳实践 通过企业自身内生动力等推动，与智能制造的技术、服务供应商等进行融合创新，共同创造可以使生产或管理实践的结果达到最优，并减少出错的可能性，将这些技术、方法、活动或是机制进行固化，形成企业自身智能工厂建设的行业最佳实践。
（4）新一代信息技术 企业信息化系统解决方案应充分利用物联网（IoT）、工业大数据（Big data）、云平台（Cloud）、仿真优化（Simulation）、工业信息网络空间（iCPS）等为代表的数字化网络化智能化新一代信息技术，帮助企业提升信息感知能力、管理执行能力以及科学决策能力，增强企业持续发展的市场竞争力。
（5）专业化服务 信息化系统供应商必须在项目建设、系统应用及价值创造的各个阶段提供全流程的专业化服务，确保信息化系统解决方案能够在企业经营管理中落地生根，为企业创造价值。专业化服务的内容包括需求分析、方案设计、建模分析、系统开发、运行验证、技能培训、知识转移等，既需要专业化专家团队，也需要专业化的行业知识库与标准化模版。
企业信息化系统顶层设计
企业信息化系统顶层设计就是基于物理工厂对象采用可配置的多层建模方法[8]，设计工厂统一数字化资产模型，服务于新产品研发、生产制造管控、供应链集成等管理业务，重构人、物理工厂、技术与知识等生产要素的运转方式，创造绿色、高效、高质、安全、环保的新型生产力，推动制造企业升级转型，而进行的一种具有战略高度的新型工厂规划。
本文提出了基于工厂全生命周期数字化资产模型的流程工业企业信息化顶层设计功能架构，如图 3 所示。
图 3 流程工业企业信息化系统顶层设计功能架构
智能工厂数据采集包括两大类数据，即静态数据和动态数据。静态数据包括工厂设计数据、地理信息数据、工艺设备特性数据、工厂物理结构、文档图片等，这些数据大多来自于工厂设计、设备供应商、工厂建造、工艺包等。工厂动态数据包括安全环保、生产执行、设备运行、质量管控、能源产耗、经营决策、仓储物流、销售采购等。
数字化资产模型是物理工厂从设计、建造到运维全生命周期静态信息和动态信息的结构化、集成化、数字化统一表达。以一个泵为例，它的数字化资产模型内容包括设计阶段的信息（如泵的逻辑图、泵的三维立体结构模型、泵的设计结构参数等）、采购阶段信息（如品牌厂商、规格型号、使用方法等）、安装调试阶段信息（如安装的空间位置信息、安装的地面及周边环境信息等）、运行维护阶段信息（如泵的运行负荷、输送的介质及流量、泵的运行压力、泵运行电压电流、泵的相关备品备件、泵历史维护维修等）以及全生命周期各阶段信息之间的联系，共同构成了泵这个物理资产的数字化资产模型。
智能工厂信息化管理系统的各类应用均基于工厂数字化资产模型，以三维可视化平台作为统一的人机交互界面，实现对生产、设备、物流、环保、安全、质量、风险等业务的可视化监控与管理。以数字化资产模型作为桥梁，可以实现数据提供与数据应用的松耦合，当企业集成信息、生产运营系统发生变化时，不会对上层应用产生架构上的影响。基于数字化资产模型的智能工厂功能架构，可以保障整体系统的可伸缩性，从而既能满足系统扩容的问题，也能对企业前期的信息化资产实现保值增值。
对于新建工厂或是大型集团企业，可以考虑通过“正向工程”构建智能工厂数字化资产模型，也即与设计院、工程建筑公司等单位合作，打通工厂数字化设计与交付到工厂数字化建造再到工厂数字化运营的信息集成模型体系。
对于已经投产的工厂或是中小型企业而言，考虑到成本及技术可行性，可考虑通过“逆向工程”构建智能工厂的数字化资产模型，即通过红外成像加 3D 绘制的模式，建立重点设备、关键工艺装置三维可视化模型，然后再通过热点关联技术，实现工厂建造信息、设备信息及工厂运维信息的集成，逐步建立丰富企业的数字化资产模型，为工厂运营管控系统的应用提供模型和数据支持。数字化资产模型的应用需要具备以下几个条件：
①设计院进行数字化设计并进行数字化交付或者是逆向建模平台；②建立企业服务总线，实现工厂全生命周期各阶段各类信息系统的互联互通；③建立统一的数据仓库和主数据模型；④具备数字化资产模型的展示平台。
需要注意的是，我国流程工业企业门类众多，发展阶段各异，各企业应结合自身发展战略、建设基础条件、资源投入保障等因素，参考此流程工业智能工厂建设通用参考模型，要具体情况具体分析，制定适合企业发展阶段及自身特点的实效性解决方案。
应用效果分析
在某大型煤电化一体化企业，基于流程工业智能工厂建设思考框架，并结合循环经济产业链特点及企业转型升级需求，对该企业的工艺装备、计量网络、过程控制、能源消耗、生产管控等基础条件和业务现状进行了梳理和评估，设计了该企业的智能工厂 1.0 功能架构并进行了实施应用。建设内容包括生产装备升级改造、完善计量仪表、高能耗装置先进控制、能源平衡与优化、生产管理与成本在线监控等。
通过两年多的应用实践证明，该企业建设的智能工厂 1.0 已经取得了显著的经济效益。
（1）通过对 PVC 包装机器人改造、片碱包装码垛自动化改造，提高包装效率 40%以上，包装质量误差降低了 80%，包装线班组操作人员减少了一半。
（2）对全产业链的计量仪表进行升级改造，并新增 800 多块仪表，计量网络健全完善，尤其是火灾、泄漏等仪表的建设，使各种报警、异常能在第一时间被发现，避免安全事故的发生和减少物料损失。
（3）在电石炉上实施先进控制系统，建立电极长度软测量模型以优化和指导电极压放长度，提高电极做功功率；通过控制炉内压力、电极电流、电极电压等关键操作变量，保障电石炉等稳定长周期运行，电石炉单位电石耗电量降低了 2.37%。
（4）通过对水泥窑新增余热锅炉、氯化氢合成余热副产蒸汽、电石炉气密闭炉改造、氯碱装置节能技术改造、大型用电设备变频控制改造等手段，优化工艺用能水平，每年节能 2.75 万吨标准煤；通过优化热电厂发电机组负荷调度优化，每年节能4.29 万吨标准煤。
（5）建立企业主数据平台，夯实数据标准化基础；以化工板块为试点，建立化工产业链重要设备的数字化资产模型，打通生产统计与成本核算业务流程，实现了账物统一，缩短每月度财务报表制作时间，从 7 天变为 1 天，大大提高了生产管理的效率和水平。
随着企业管理精细化水平的提升，必将催生更多对信息化系统的应用需求，同时对于“两化”融合创新的柔性化生产模式、个性化服务模式也会出现，从而不断推动企业的转型升级。
智能工厂建设的几点建议
近两年，在国家相关政策的引导下，流程工业中涌现出了一批智能制造试点示范项目和智能制造新模式项目，已经积累了一些非常宝贵的经验。本文结合智能工厂项目建设实践的经验和教训，对于流程工业企业进行智能工厂建设，提出如下几点建议，以供业界参考。
（1）制造企业是主角。制造业自身的内生需求是推动智能制造的核心动力，是智能制造企业管控体系、操作经验、资产对象、设备资产、组织架构、流程制度等核心内容的提供者。只有企业自身深入融合到智能工程等建设中，才不会导致企业管理与信息化的“两张皮”，才能建立人机协同的基础和能力。自动化信息化供应商应做好工具、软件、服务，做好智能制造的“放大镜”，做好配角，并与企业持续合作，共创行业最佳实践。
（2）以价值创造为导向。以流程、技术、系统、文化、组织等进行深度融合，瞄准提高生产运营效率、降低生产成本、提高产品质量、缩短产品上市周期、降低能源消耗等经济技术指标，牵引项目建设的层次、计划及资源。企业与供应商创新项目实施模式，建立长期合作关系，共同负责见证价值的实现过程。
（3）人才和组织的跨界与融合是智能制造推行的核心。生产是一个非常复杂的系统，要解决其随机、不确定、快速变化等问题，必须建立核心模型体系，这需懂管理、工艺、控制、建模、IT 等各领域的人组成团队共同工作，而这样的团队及综合能力强的人才极为短缺。所以企业重构人才培养、服务新模式，以能力打造为导向，充分发挥各领域人才的超级长板理论，培养出跨界、融合的服务团队和能力，才是真正推动企业智能制造转型升级的关键。
（4）支撑企业发展战略，做好智能工厂建设的顶层设计。智能工厂建设涉及企业发展战略、经营目标、管理制度、组织创新、业务流程、技术基础等复杂因素，规划建设投资大、建设周期长、利益相关方众多，如何做好资源投入与产出的效能平衡，需要从企业获利能力、决策能力、风控能力、创新能力、执行力及资源有效性 6 个维度进行成熟度分析，从而实现未来投入的先进性、适应性和可扩展性。而这一工作的有效开展，离不开企业与信息化咨询商的紧密合作。
（5）避免智能工厂建设的几个误区。如把智能工厂简单等同于机器换人、无人工厂、黑屏操作、自动化仓库与物流等；也不能重蹈到新瓶装旧酒的覆辙，简单地把 PLM、DCS、MES、ERP、EAM等信息化系统平行的推一遍；更不能陷入到大数据、工业云、物联网、人工智能等技术的冥想之中。企业建设智能工厂务必对自身的基础条件、核心问题、资源投入等作冷静的思考，选择制定适合自身特定环境的解决方案方为上策。
结语
智能制造既是我国制造业赶超制造强国的历史机遇，同时也是一种历史发展的必然选择。随着人类社会进入三元结构时代的加快，以及 ABC（人工智能、大数据、CPS）新技术的快速发展与应用，新一代信息技术必将对制造业、信息技术服务业、科学技术研究等带来空前的机遇和挑战。
对于智能制造的主战场之一，流程工业企业智能工厂建设将以将本增效、绿色安全、节能环保为基础，推进企业产品服务质量升级、个性化定制与柔性化生产能力提升为主攻方向，呈现出先进制造系统与新一代信息技术深度融合的发展态势。企业作为用户应联手系统集成商，融合业界各方力量与资源，深入探索和实践“产、学、研、用”新模式，将会是企业智能工厂建设的重要途径。
