1 前言
黨的十八屆五中全會指出,“十三五”期間我國仍處于大有作為的重要戰(zhàn)略機遇期,也面臨諸多矛盾疊加、風險隱患增多的嚴峻挑戰(zhàn)。作為國民經濟的一個組成部分,煙草行業(yè)在“十三五”期間既有難得的發(fā)展機遇和有利條件,又面臨嚴峻挑戰(zhàn)和巨大壓力。針對于擴張消費人群能力有限,在增長速度回落、工商庫存增加、結構空間變窄、需求拐點逼近“四大難題”不斷凸顯的基礎上,煙草行業(yè)的健康發(fā)展,與其他行業(yè)相比智能制造的道路更是任重道遠。面臨增量擴利能力受限,行業(yè)需要向內挖潛,在優(yōu)化決策能力、智能化數據處理上下功夫,深化兩化融合、優(yōu)化精益管理,需要更“智能”過程控制和精益管理來降低內耗。根據市場銷售形式確定生產模式,精益生產模式提升獲潤能力,在發(fā)展上突出數字化決策,智能化、精益化管理。
2 智能布控卷煙產品銷售信息采集體系,精準定位產品銷售趨勢
卷煙產品銷售狀況是煙草行業(yè)的終端,實時、動態(tài)、精準追蹤卷煙產品的銷售狀況是煙草行業(yè)智能制造的基礎,所以首先要打好這個基礎。
2.1 產品流通環(huán)節(jié)信息化存在差距
2.1.1 全面感知系統不完善
目前部分卷煙智能倉儲系統只能識別卷煙產品的生產時間、貨位等簡單信息,無法進行進一步統計和分析應用,對于專賣防偽等領域不具備完整的應用價值,無法滿足智能化工廠的信息要求。
2.1.2 互通互聯尚未實現
各省市煙草工商企業(yè)建立的物流系統、信息管理系統等無法達到信息共享、數據互聯的水平,必要的數據交換不實時,準確性無從驗證。這使得省級工商企業(yè)之間、煙草行業(yè)與輔材供應商之間的完整供應鏈的互通互聯遠未實現。
2.1.3 智能應用水平較低
國家工商局需要的工商數據一定程度上依賴各省級工商企業(yè)人工填報,無法實時收集、管控,并且由人工上報的數據不可避免面臨人為修改的風險。目前的數據收集不全面、不統一、不實時,造成行業(yè)對數據的智能化分析和處理不夠。對于已經收集的數據,也面臨著數據倉庫建設滯后、對海量數據不能充分使用等問題。
2.1.4 無全行業(yè)規(guī)?;\作能力
物聯網系統,需要把行業(yè)內所有的人、財、物都貼上信息標簽,實時識別和管控,才能實現整體運營的規(guī)模優(yōu)勢。而現有的物聯網技術應用還停留在物流、倉儲等領域,在煙葉物流、卷煙生產物流、工商一體化物流等方面的應用仍需進一步探索。
2.1.5 未探索出廣泛適用的卷煙產品智能追蹤定位系統
目前,商業(yè)公司的卷煙產品數據只能查詢到縣區(qū)級產品銷售情況,數據的顆粒度還未到銷售網點,更不用說到消費者的數據,并且目前的數據在監(jiān)控環(huán)節(jié)遠沒有智能的監(jiān)控能力,在數據的準確性上還有較大漏洞,串貨、倒貨控制缺乏有效手段,還未達到整體化的智能追蹤管理水平。
2.2 預構建的產品分布追蹤系統
依據市場化趨勢,深化以市場為取向的改革,發(fā)揮市場機制作用,讓市場配置資源,是煙草行業(yè)改革,促進體制更遠、更健康發(fā)展具有積極意義。卷煙營銷市場化取向改革就是要做到尊重市場、遵守規(guī)律,對需求預測、貨源組織、客戶分檔、貨源供應、市場調控、品牌培育等業(yè)務流程重新再造,塑造“始于消費需求、終于消費滿意”的營銷規(guī)則。在市場化取向改革中,消費者處于核心地位,如何利用好消費者資源、做好消費者服務工作對構建工商零一體化營銷新模式就顯得尤為重要,這個模式的結構如圖1所示。
圖1 產品分布追蹤系統模型
該系統取向市場需求的主導思想,著力打造公平競爭的市場環(huán)境,準確智能化的追蹤卷煙產品的市場形式,為卷煙工業(yè)確定生產規(guī)模。
2.3 系統需提升的智能化能力
2.3.1 實現“銷售預測”向“消費預測”轉變
以各中煙品牌為基礎,準確、真實的卷煙需求預測是卷煙營銷市場化取向改革工作的起點,也是優(yōu)化和再造營銷流程的起點。改變單純通過歷史銷售數據推算未來銷售計劃的預測模式,在參考歷史數據的基礎上,結合轄區(qū)消費結構以及消費人口變化、收入變化、經濟與社會環(huán)境變化數據,對消費需求總量、品類、品牌、規(guī)格、價格做出科學預測,突出系統推算模型的建立,避免人為對數據的干預,卷煙產品精準預測與投放體系框架如圖2所示。
圖2 煙產品精準預測與投放體系框架
2.3.2 實現“散亂消費者”向“編號會員”轉變
消費者信息的采集與分析對卷煙營銷市場化取向改革具有重要意義,但由于消費者分布的散亂性、動態(tài)性和消費地點的不確定性等多重因素,加之消費者信息采集受到人力、物力、方法等方面的限制,影響了消費者數據的分析和應用。建議效仿機動車車牌號碼的設置方式,設置煙草消費者編號會員卡,會員卡信息可包含姓名、性別、單位、住址、聯系方式等。
一方面便于采集、建立消費者數據庫,精確掌握市場的真實容量,對不同轄區(qū)卷煙市場的需求量、品牌、規(guī)格和價位都有更精確的預測;另一方面,可以精準掌握每條卷煙流向,對異常購買現象及時進行跟蹤檢查,降低外流風險,還可以從會員消費者層面抵制內流卷煙的銷售,有利于規(guī)范經營一步到位,區(qū)域消費者計算體系模型如圖3所示。
圖3 區(qū)域消費者計算體系模型
2.3.3 實現“傳統批發(fā)模式”向“網絡電商模式”轉變
隨著大數據技術的發(fā)展,以“網上訂貨、電子結算、物流配送”為特征的批發(fā)模式已經不能滿足消費市場的多元化需求,必須實現由“傳統批發(fā)模式”向“網絡電商模式”的轉變,打造卷煙營銷和消費者服務兩大平臺。以電商模式為引領,堅持“大并發(fā)處理、大平臺支撐、大數據應用”,構建省級卷煙營銷平臺,對全渠道、全貨源、全訂單實施集中管理。在此基礎上,著力建設面向消費者的市級、縣級卷煙服務交流平臺,一方面與消費者共享行業(yè)政策、法律法規(guī)、貨源信息、貨源政策、品牌文化、卷煙價格等信息,實時在線服務,接受網絡在線、電話呼叫、留言等方式的咨詢交流;另一方面,構建轄區(qū)零售客戶信息數據庫,進一步使消費者參與到卷煙營銷的環(huán)節(jié)中來,網絡電商模式體系如圖4所示,增加數據接口,目標是將公共網絡接口訂單的數據歸入營銷體系中。
圖4 網絡電商模式體系模型
2.4 卷煙產品銷售信息采集體系構建要求
卷煙產品銷售信息采集體系構建要求,在數據統計方面的標準為:數據公開化。數據源來自于消費者準確統計,是各品牌卷煙產品銷售形式的真實反映,所以數據的公開并非商業(yè)秘密。到零售商戶級的未端消費產品數據。卷煙產品銷售數據要準確,到消費者手中的產品是否被消費無法獲得,但在零售商戶級的未端產品銷售情況在未來的發(fā)展模式下是能夠獲取的。達到任意顆粒度的數據統計。體系在能夠獲取了最底層數據后,為了能夠安區(qū)域智能化推算銷售趨勢,系統就要求具備有任意顆粒度的統計功能,為準確預算銷售趨勢提供數據支持。數據更新為動態(tài)的。系統對數據的更新為及時動態(tài)的,這是為監(jiān)控數據的變化率提供數據源基礎;在數據預測能力的標準為:卷煙產品銷售數據預測準確。銷售數據預測決定了工業(yè)企業(yè)月度生產計劃,預測結果的準確性是卷煙工業(yè)企業(yè)精益化生產的基礎,是精“式”生“利”核心,也是卷煙產品銷售信息采集體系建設的目標。卷煙產品銷售信息采集體系具備自學習性。卷煙產品銷售信息采集體系在數學模型建立的過程中要引入自學習能力,通過自學習使系統預測的銷售數據更加準確,這是智能化系統建設的初衷。
3 準確訂單,精益生產模式
3.1 精益生產模式的模型
未來煙草智能工廠應是生產過程高度自動化、透明化、可視化、精益化,輔以精準的在線產品檢測系,能夠通過質量檢驗和分析實時調節(jié)生產過程控制參數,生產物流與生產過程融為一體,根據庫存情況智能調節(jié)生產進度,組成一個自適應、反饋靈敏、可靠性強、可信賴的智能制造生態(tài)系統。工廠車間之間的數據流動暢通、透明、智能化的首要前提就是定量化,量化的前提就是數字化,所以未來智能工廠是基于信息高速公路高度發(fā)達下的工廠。同時未來煙草智能工廠更進一步的發(fā)展是智慧工廠,與消費者的聯系更為密切,將消費行為數據化,通過大數據分析為產品配方提供指引,這也是所有智能工廠努力的方向。智能工廠必須依賴無縫集成的信息系統支撐,主要包括PLM、ERP、CRM、SCM和MES五大核心系統。煙草企業(yè)已初步實現了上述五大核心業(yè)務。要實現真正智能工廠,還需要實現五個化:需求定制化、設計大數據化、生產智能化、物流智慧化、產品可追溯化。通過五個化把產品、設備、客戶、數據、生產者集成起來,通過網絡形成超級大腦“信息物理系統CPS”,實現橫向、縱向和端對端的高度集成,實現生產系統的實時感知、動態(tài)控制和信息服務。隨著信息技術的飛速發(fā)展,我們距離智能制造會越來越近,精益生產模式的模型如圖5所示。
圖5 精益生產模式的模型
3.2 生產制造精益體系
精益生產是卷煙工業(yè)生產制造過程的全方位管理,是生產制造的利潤提升源頭,是企業(yè)管理的核心,對企業(yè)的管理要達到全覆蓋,體系涵蓋內容如圖6所示,精益制造屋如圖7所示。
圖6 生產制造精益體系涵蓋內容
圖7 精益制造屋
3.2.1 巡查巡檢機制
體系的完善需要執(zhí)行PDCA(質量環(huán))的持續(xù)優(yōu)化過程,在精益的實施過程中要形成強化體系的執(zhí)行情況、系統查找體系執(zhí)行問題機制,不斷發(fā)現問題、改善過程,優(yōu)化系統。
3.2.2 快速換牌響應
快速換牌以最小的設備停機時間來進行不同產品間的生產切換,最大限度提高設備利用率的方法。是一種能有效縮短換模時間的理論和方法,目的是聚焦時間成本、逐步形成柔性化生產。運用快速換模工具,結合“動作經濟原則”對換牌作業(yè)進行分析:“內作業(yè)轉化為外作業(yè)”——減少換牌作業(yè)時間;“改善內作業(yè)”——進一步壓縮換牌作業(yè)時間;“改善外作業(yè)”——降低作業(yè)人員勞動強度。
3.2.3 打造精益設備維保平臺
煙草行業(yè)的硬件條件和技術儲備、人才培養(yǎng)在全國制造業(yè)中處于領先水平,在自動化、信息化系統運用方面也有很多成熟的實踐項目和經驗,特別是煙草行業(yè)全國一體化的整體架構,順暢有效的指令和信息傳遞系統等,都構成了智能化工廠建設的堅實基礎。煙草企業(yè)在整個卷煙供應鏈的角度上,積極打造“智慧工廠”,在實現人、機、產品之間無障礙交流的基礎上,不斷優(yōu)化企業(yè)價值鏈,朝著“資源最優(yōu)利用、產品依客戶需求生產、效益最大化”的目標穩(wěn)步邁進。
(1)智能制絲生產線
行業(yè)專注智能制絲生產線的研究,建成了一批集低碳環(huán)保節(jié)能、食品安全標準、數字化可追溯、全程主動防御及歐盟安全標準于一身的煙絲智能生產線,這種智能生產線加工精細、流程簡捷、工藝獨特,實現了卷煙生產的系統化、柔性化和智能化。煙絲智能生產線具體體現在如下幾個方面:
智能多線加工
受種植環(huán)境影響,不同產區(qū)的煙葉特征也各有差異,傳統的單一生產線對各種原料一直保持“來者不拒”的加工工藝,但同時也扼殺了不同原料的獨特個性。智能生產線采用智能多線加工技術,為不同原料定制加工模式,消除了以往單線生產模式帶來的質量波動,真正讓進入工藝配方的煙葉特性得到最大程度的發(fā)揮。
智能加香加料
以往單系統、單工序添加的方式容易導致煙絲品質不穩(wěn)定,智能生產線所獨有的三大優(yōu)勢,有效保證了煙絲料香施加均勻一致。一是采用多工序添加,使加香加料更加均勻穩(wěn)定。二是采用國際物流標準識別系統,讓每個保溫輸料罐都有了自己的“身份證”,使其移動和輸料實現了全程可追溯。三是采用雙系統加香加料設備,解決了單系統設備在更換產品時牌號易混淆、清罐不及時、雜物有殘留等弊病,有效消除了加香加料過程中的不可控因素。
智能激光選葉
智能生產線在行業(yè)首次啟用激光選葉技術,從光譜、形狀、顏色等角度選葉,“片片精選”達到了食品級的生產標準。
智能九式烘絲
以前對于不同品種、不同品質的烘絲處理都是“一鍋燴”,導致煙絲處理有好有壞,而智能生產線引進九模式烘絲機,創(chuàng)造性地將烘絲模式“由1變9”,為每一種煙絲定制個性化烘絲加工模式,并通過二段式低溫輕處理,最大程度保留煙草本香,去除雜氣,確保煙氣更醇和。同時智能生產線還引進了全球處理溫度最低、體積最小的氣流式低溫處理烘絲機,將煙絲處理溫度由常規(guī)設備的230℃降至160℃,較好地保留了煙絲的有用物質。
智能分貯醇化
智能生產線采用全過程恒溫恒濕控制,在不同工序之間保持煙絲隨時貯存在最佳溫濕度環(huán)境中,使煙絲在每個工藝環(huán)節(jié)都得到充分醇化,保證養(yǎng)分平衡,吸收均衡。此外,該生產線還對成品煙絲采用進口木箱密封分箱存放,煙絲箱采用激光導引智能小車實現配送。
(2)智慧工廠構建
行業(yè)深入研究數據挖掘技,鼓勵企業(yè)利用大數據實現對企業(yè)進行智能管控,打造“智慧工廠”,持續(xù)提升決策能力、管理水平從粗放走向精益。
在卷煙生產過程中,構建了基于數據倉庫技術的生產績效測量分析平臺,通過對設備綜合效率、質量指數、庫存周轉次數、生產物耗指數四大指標進行多層級、多維度分析,對涉及生產運營管理的海量數據進行梳理,從中分析出生產短板,并以此為依據實現對生產短板的快速、精確定位,促進企業(yè)實現優(yōu)質基礎上的低耗。以OEE(設備綜合效率)指標為例。在OEE分析平臺上,從全年來看,該指標可以查看哪一天的效率最低,也可以從時間維度切換到區(qū)域維度;查看卷接機與包裝機的OEE對比,再查看卷接機的計劃性停機損失率;還可以從卷接機的計劃性停機損失率向上查找到整個生產區(qū)域的計劃性停機損失率,真正實現了數據的全方位、多角度、立體式分析。大數據分析意味著企業(yè)能夠從這些新的數據中獲取新的洞察力,并將其與已知業(yè)務的各個細節(jié)相融合。大數據分析的本質其實是通過智能化實現企業(yè)管理的精益化,而這也正是“智慧工廠”所追求的目標。
3.2.4 打造人才育成通道
設計企業(yè)用人標準模型,以崗位需求為框架,用智能系統為用人單位繪制員工成長地圖,用員工工作業(yè)績量化結果驅動用工薪酬和崗位升遷,培育匠心精神,體現人才價值,發(fā)揮員工的主觀能動性,提升員工的主人翁意識,開發(fā)員工的價值空間,增值人才價值。
3.2.5 探索大數據運用,建立綜合數據管控平臺
煙草行業(yè)早在2000年就開始了信息化與工業(yè)化的兩化融合,在智能制造領域進行著積極探索,其中玉溪卷煙廠剛剛通過了工信部“兩化融合”管理體系的現場評估審核,為全行業(yè)在智能領域積累了寶貴經驗,而且行業(yè)的裝備水平基本與發(fā)達家處于同一水平,這為煙草行業(yè)率先邁入智能制造奠定了基礎。與其它行業(yè)相比,煙草行業(yè)智能制造有如下特點。
第一,卷煙生產過程的復雜性要求企業(yè)進行數字工廠仿真設計。煙草工業(yè)是典型的流程制造工業(yè),生產過程為連續(xù)生產或較長一段時間連續(xù)生產的工業(yè),原材料通過一系列連續(xù)的化學反應和物理變化得到要求的產品,生產過程連續(xù)短間斷,其機理復雜、數據信息量大、處理難度高,對管理控制的協調性、實時性、可靠性要求較高。因此,卷煙企業(yè)很早就開始了數字仿真研究。
第二,煙草專賣體制推動了數字煙草工程,推動了數字煙廠對各類管理軟件融合。所謂“數字煙草”,就是將貫穿煙草行業(yè)生產經營管理的各個環(huán)節(jié)、各個流程復雜多變的煙草信息轉變?yōu)榭梢粤炕臄祿ㄟ^數字分析,為各企業(yè)乃至整個產業(yè)的發(fā)展提供決策依據。煙草企業(yè)80年代就進行了管理信息系統(如MRPⅡ、ERP、MES、SCM等)融合研究。
第三,卷煙生產計劃優(yōu)化需要通過智能仿真來實現。由于整個卷煙生產流程非常復雜,在分組加工的條件下,作業(yè)計劃制定需要考慮煙絲銜接、貯絲柜煙絲存量、生產次序的安排、各種貯柜的調度以及工藝參數和工作條件等眾多因素。在線計算機方法并不能很好的解決許多突發(fā)事件,特別是新型號、新品種的產品生產需要重新制定計劃,而人工的生產調度依賴于調度人的調度經驗以及風險最小化的調度策略,這種調度顯然不能夠達到利益最大化,而且實際生產隨機情況很多,純粹依靠經驗難免出現錯誤,其弊端在于經常造成生產線上各工序間的物料流動不均衡:一方面某些工序出現物料“堵塞”現象;與此同時,另外一些工序又處于“空間”狀態(tài),致使生產線上有關設備處于待機或停機狀態(tài),不僅影響了卷煙生產線的生產率,而且也降低了設備的利用率。為了解決以上問題,通過智能算法對其進行工藝參數優(yōu)化仿真,通過仿真模擬整個生產過程,這不僅能確定工藝參數制定的合理性程度,還能預測異常事件發(fā)生時對整個計劃執(zhí)行的影響程度,進而采取相應的措施來保證生產的效率。
第四,隨著煙草行業(yè)結構調整步伐的加快,新技術、新設備、新方案問題不斷涌現,企業(yè)需要不斷提高員工的綜合素質,從而提升企業(yè)核心競爭力。然而實驗設備的缺乏是煙草行業(yè)開展煙機設備維修維護培訓的重要障礙。中國煙草總公司職工進修學院2012年就開展虛擬生產教學仿真系統研究。
第五,煙機專賣使得煙機制造企業(yè),能夠建立統一的智能開放研發(fā)平臺,能夠多方協同研發(fā),能夠進行虛擬設計和驗證。
綜上所述,煙草行業(yè)由于專賣制度,整個行業(yè)能夠集中力量進行智能工廠研究及應用,率先實現對卷煙的物質形態(tài)和制造過程模擬和可視化,實現對卷煙生產方案預測、評價和優(yōu)化,簡化產品測試實驗的過程,縮短新產品上市周期,降低產品的開發(fā)成本,提高產品的市場競爭力。
3.2.6 構建關鍵設備狀態(tài)管理機制
基于設備狀態(tài)監(jiān)控的大數據分析,構建關鍵設備狀態(tài)管理機制,運用趨勢分析和智能推斷,形成預防性維修體系,精益化維修體系,降低設備維護成本,體系核心判斷過程如圖8所示。
圖8 關鍵設備狀態(tài)管理體系
作者簡介:
王德吉(1975-),男,河南鄲城人,博士后,中國煙草總公司職工進修學院首席培訓師、首席研究員、博士生導師,美國紐約科學院院士,現就職于中國煙草總公司職工進修學院,主要研究大數據與人工智能。
參考文獻:
[1] 孫麗. 聚焦市場化取向改革的核心——消費者[N]. 東方煙草報,2015 - 7 - 22(1).
[2] 宋慧欣. 從Smart到Intelligent, 煙草行業(yè)智能制造任重而道遠[J]. 自動化博覽, 2016(6): 78 - 81.
[3] 陳順輝, 王勝雷, 許錫祥, 等. 烤煙烘烤智能化自動控制系統的設計與應用研究[J]. 中國煙草學報, 2003, 9(4): 35 - 39.
[4] 羅來根. 我國煙草智能物流現狀分析改善研究[J]. 東方文化周刊, 2014(18).
[5] 印山. “智造”蝶變如何實現[J]. 湖南煙草, 2015(3).
摘自《自動化博覽》2017年7月刊