工业4.0、IoT、AI、DeepLearning众多的词汇在产业界持续的发酵，人们在寻求这些技术背后的玄机，究竟什么才是能够帮助自己在竞争中胜出的道路。有些人迷茫，也有些人趁着这潮流在牵强附会的推销自己的产品，食品饮料工业的人似乎更为热衷于此。因为，这个领域最具个性化生产的需求。

个性化风险

企业长久的战略在于保持其竞争优势。通过差异化来实现是普遍的选择，对于食品饮料工业就存在问题，激烈的竞争让利润无法支撑个性化，但又不得不接受客户的需求正在变得更为丰富的现实需求。在超市里你看到的琳琅满目的商品都是来自于食品企业不断的追求。

质量问题：对于大批量生产而言，这是非常成熟的生产系统，尤其是大型食品饮料制造商，通过不断的质量优化，其产品已经能够实现高品质同时低成本，这使得消费者可以获得不断降低的产品价格，就像20年前，矿泉水还是奢侈品的，而今天，这已经是普通大众即可消费的产品。但是，个性化会让产品质量出问题，由于批次变小，造成质量的各个问题都会被放大，质量迭代过程被小批量给中断，无法形成高速迭代。

成本问题：规模生产以每批次的产品进行计算成本，在个性化生产的时候，批量变小，那么开机阶段的损失、停机的损失都会造成不良品的上升，进而造成浪费。所有的时间、材料、人工如果没有参与增值的生产，即没有高品质、高产出的最终产品，那么都将成为成本被分摊，这样的话，成本就会上升。

交付能力的问题：换装对于生产而言，就会造成很多时间浪费，包括小批量的生产中的当机问题，都会成为影响交付能力的因素，单位时间的产出会下降，因此，产值也会下降。

因此，综合来说，个性化生产看上去很好，但是如果无法良好的掌控，那么就会给企业带来质量、成本、交付能力的巨大障碍。对于食品饮料企业而言，其优势在于大规模生产所积累下的精益生产的优势，但是必须对此进行更为充分的发挥。

技术服务于问题的解决

基于精益的设备六大浪费

对于食品企业而言，精益生产也是必须推进的，这里的关联关系在于：精益为生产提供问题的解决方向，而自动化(OT)通过现有技术来解决机器的运行效率问题，而信息化用于解决更高层面的“策略”问题。

表1反映了生产设备的六大浪费。对应了解决方向，也同时对应了在自动化与信息化方面的解决方案。我们可以看到，在表1中，对于机器的运行日常问题，可以通过高精度的伺服系统来解决更换订单时的参数自动调校、机器人协同来进行分拣(带有视觉识别)。

事实上，仅从机器的六大浪费，我们就可以知道，个性化会带来成本的上升，因为在生产过程中无论是减速、启动停止阶段的生产都是浪费。所有的浪费会编程成本：(1)时间是成本：凡是在生产中未增值的过程都将变成成本;(2)时间的累积是巨大的成本。细微的成本损耗在时间上的积分都会变成巨大的成本，例如：高速包装材料的凹版印刷机，每次材料更换时浪费一个纸路，都会造成一年数万米的浪费。自动化、信息化可以解决一些问题，但是，如何选择系统?他们是如何解决问题的?

柔性扩展的平台方案

对于智能升级而言，平台变得至关重要，无论是大型的平台系统或者专用为解决某些特定问题的小型系统，开放性、完整性是基础，必须能够有解决多种问题、互联多种设备的能力。并且与IoT、AI系统具有开放的互联接口，对于食品企业而言，尤其是对新鲜的产品供应相关的企业，必须本地取材生产，这就是食品企业往往有着较广的工厂分布，另外，数据的集中管理对于优化至关重要，因此，必须选择具有柔性扩展能力的系统平台。

食品与饮料工业是一个典型的混合生产，包括了过程控制、批次控制以及离散的包装，物流环节，因此，需要更为更高集成度的平台来支撑，而贝加莱的APROL是一个融合了APC/MPC过程控制所需的模块，同时也包括了PDA(过程数据采集)、EnMon(能源监测)、ConMon(状态监测)工厂数据监测能力，同时APROL支持PackML的数据采集—它能实现对MES系统所需的OEE数据采集、RRCA质量根源分析的数据采集，对于食品饮料企业而言，完全胜任整厂的管理，并且，他具有远程部署的灵活性，可以从一个工厂到更多的工厂的数据集中管理，支持SQL Server。当然，针对与FDA Gmap认证，电子签名与电子文档而言，APROL同样确保数据的完整与可追溯性。

APROL同时提供了针对云计算、雾计算、边缘计算等的智能集成的接口。通过OPC UA或MQTT、REST接口方式，可以被云平台以各种方式采集传输。

数据采集到了以后要解决的问题在于：

优化质量：对于智能系统而言，快速的调整工艺参数，满足个性化对于机器工艺参数的自动调校，可以降低开机废品、生产过程的质量，以及缺陷的分析来提高质量。

成本：所有的当机都会造成成本，而预测性维护可以降低生产中的当机，对于个性化生产而言，这就会降低其在单位批次产品中的成本消耗占比—同时，能耗也是如此，通过能源监测的优化，可以为单位产品的能耗成本下降做出贡献。

快速的交付：通过数据分析预测，并进行机器的负载均衡，可以维持机器的使用效率与生产的质量、交付能力的平衡。因此，无论是OT技术、还是ICT技术都是围绕我们的质量、成本与交付来工作的。

数据仅有分析才有价值，基于APROL平台，品质相关、生产统计、历史数据、时间戳等参数可以被传输至分析系统，可以通过Hadoop等分析软件实现以下功能：

分析与报告，让生产的全局状态如良品率、OEE、能源消耗、设备故障等状态被采集，并提交报告分析，饼图、趋势等方法。

优化，可以对生产的变化进行调节，例如：冷水机组的负载均衡、AGV小车的路径重新规划、仓储物流的存取路径变化后的重新优化，这些都是围绕着如何节省更多的时间、能耗，进而提高生产效率。

OEE、KPI等的计算都是围绕着企业的经营状态，这些必须由现场的数据系统自动来计算并提供给管理决策层，也可以为业绩评估与考核制定计划参考。

对于OEM机械制造商而言，通过这一方式，可以反馈生产现场的故障、工艺问题，以优化其机械设计的过程，可以进而提升机器的质量、能效、寿命等的设计。

实现智能升级的路径

对于食品饮料企业而言，实现智能制造的升级，必须有非常清晰的线路，不能急于求成或为外界所干扰，必须立足于自身明确的目标，可以分为几个步骤：

明晰工厂目标：确保质量、交付、成本这些环节的问题可以被量化，设定清晰的目标，实现的关联关系，例如：设备所需采集的参数，都是必须可以被量化的，对于精益生产基础好的企业而言，这点相对容易，而对于精益基础不好的话，应该首先由精益专家来进行精益培训，打捞量化基础—这才是数字化的真正根源—这是围绕着企业的运营目标而制定的。

制定出有效的衡量指标，例如OEE、KPI、QCPC的可量化指标。这样可以为内部人员制定实施的精准考核，避免无序的努力。

参考各种标准，包括通信、行业数据模型、管理信息系统(MES/ERP/CRM)等的通信互联标准接口，必须依赖于标准化专家来支持，避免内部盲目的制定自己的标准而使得外部协同者无法匹配。最好是基于国际通行标准，以确保所有企业都可以参与服务你的工厂。

制定企业内部的信息模型和标准：需要哪些数据?以什么方式传输、软件的接口应该如何定义，以确保各家设备可以互联互通、实现语义互操作等互联能力。

建立顶层设计思想的一致：智能升级必然是一个长期的过程，不能在今天的系统设计为未来预留了障碍，或者存在潜在的重新更换系统的风险而带来巨大的成本浪费，必须依据“开放性原则”，确保不会技术淘汰，阶梯实现原则，并非完全是指导性，也可以是技术性平台选择，例如基于Web技术也是一种原则，或者基于Mobile技术

实施过程必须是企业自身为主导，协同各个信息化、自动化，而非完全外包给第三方来实施，这样才能确保可控，自身也在这个过程中掌握各种技术、方法。

持续改善：质量成本交付这三个问题是一个不断改善的环，而非一次智能升级可以解决的。技术也需要升级，基于开放性原则的系统可以有较低的升级成本。

必须切记，对于任何企业而言，技术只是服务于“质量、成本、交货能力”这三个核心问题，个性化也必须确保“高品质、低成本、快速交付”。

本文作者系贝加莱工业自动化有限公司市场总监