流程工业智能制造准备度模型及应用实践

doi:10.16085/j.issn.1000-6613.2022-0560

化工进展 ›› 2023, Vol. 42 ›› Issue (1): 118-127.DOI: 10.16085/j.issn.1000-6613.2022-0560

流程工业智能制造准备度模型及应用实践

赵路军¹^,²(), 祁雨奇², 邵嘉铭²^,³, 褚健², 王智化³, 冯毅萍¹()

^1.浙江大学智能系统与控制研究所，浙江杭州 310027
^2.浙江中控技术股份有限公司，浙江杭州 310053
^3.浙江大学能源清洁利用国家重点实验室，浙江杭州 310027

收稿日期:2022-04-04 修回日期:2022-06-28 出版日期:2023-01-25 发布日期:2023-02-20
通讯作者: 冯毅萍
作者简介:赵路军（1975—），男，博士研究生，高级工程师，研究方向为企业信息化规划、流程工业智能工厂设计、流程工业生产执行系统解决方案、石油化工工艺仿真设计等。E-mail: zhaolj@supcon.com。
基金资助:
国家重点研发计划(2019YFB1705004)

Model and practice of the intelligent manufacturing readiness for process industry

ZHAO Lujun¹^,²(), QI Yuqi², SHAO Jiaming²^,³, CHU Jian², WANG Zhihua³, FENG Yiping¹()

^1.State Key Laboratory of Industrial Control Technology, College of Control Science and Engineering, Zhejiang University, Hangzhou 310027, Zhejiang, China
^2.Zhejiang SUPCON Technology Co. , Ltd. , Hangzhou 310053, Zhejiang, China
^3.State Key Laboratory of Clean Energy Utilization, Zhejiang University, Hangzhou 310027, Zhejiang, China

Received:2022-04-04 Revised:2022-06-28 Online:2023-01-25 Published:2023-02-20
Contact: FENG Yiping

摘要/Abstract

摘要：

近年来，绝大多数制造业企业为应对新一轮工业革命带来的巨大挑战，都在积极寻求改造提升的机会。然而，企业在进行智能制造提升与数字化转型的过程中，往往很难对自身所处的发展阶段和转型目标有清晰准确的认识。本文基于流程工业生产运营特点，提出了一个流程工业智能制造准备度评估模型，从业务、组织、技术和智能四个维度对企业开展智能制造建设所需具备的要素条件进行评估。模型涵盖了9个评估类、25个评估域和249个特征项要求，旨在帮助流程工业企业厘清发展现状，摸清短板差距，明确建设方向。此外，本文还提出了智能制造准备度水平的量化指标——准备度指数，并对其计算方法和评估流程进行了详细描述，帮助企业进行智能制造准备度水平的自评估。最后，通过本模型在山东省35家流程工业企业智能制造评估的应用案例，论述了模型的应用效果及价值。

关键词: 流程工业, 制造, 准备度指数, 工业4.0, 模型, 集成

Abstract:

Recently, in order to meet the huge challenges brought by the new round of industrial revolution, many manufacturing enterprises are seeking the opportunities of transformation and upgrading actively. However, it is difficult for enterprises to make a clear understanding of their current stage and final construction goals when they start to conduct the intelligent manufacturing and digital transformation. This paper proposed an intelligent manufacturing readiness model based on the characteristics of process industry production and operation to evaluate their current situation about intelligent manufacturing construction from four dimensions of business, organization, technology and intelligence. The model covered 9 evaluation categories, 25 evaluation domains and 249 characteristic item requirements, which was aimed at helping process industry enterprises to clarify the current development status, found out the short slabs and cleared the directions of construction. In addition, this paper also proposed the "readiness index" to quantify the level of intelligent manufacturing readiness, and its calculation method and evaluation process were detailed introduced to achieve self-evaluation for intelligent manufacturing readiness level. Finally, 35 process industry enterprises in Shandong province were evaluated using the new proposed model to show the application effect and value.

Key words: process industry, manufacturing, readiness index, industry 4.0, model, integration

中图分类号:

赵路军, 祁雨奇, 邵嘉铭, 褚健, 王智化, 冯毅萍. 流程工业智能制造准备度模型及应用实践[J]. 化工进展, 2023, 42(1): 118-127.

ZHAO Lujun, QI Yuqi, SHAO Jiaming, CHU Jian, WANG Zhihua, FENG Yiping. Model and practice of the intelligent manufacturing readiness for process industry[J]. Chemical Industry and Engineering Progress, 2023, 42(1): 118-127.

图/表 10

参考文献 32

1	张曙. 工业4.0和智能制造[J]. 机械设计与制造工程, 2014, 43(8): 1-5.
	ZHANG Shu. The industry 4.0 and intelligent manufacturing[J]. Machine Design and Manufacturing Engineering, 2014, 43(8): 1-5.
2	张泉灵, 洪艳萍. 智能工厂综述[J]. 自动化仪表, 2018, 39(8): 1-5.
	ZHANG Quanling, HONG Yanping. Intelligent plant review[J]. Process Automation Instrumentation. 2018, 39(8): 1-5.
3	焦洪硕, 鲁建厦. 智能工厂及其关键技术研究现状综述[J]. 机电工程, 2018, 35(12): 1249-1258.
	JIAO Hongshuo, LU Jiansha. Summary of smart factory and its key technologies[J]. Journal of Mechanical & Electrical Engineering, 2018, 35(12): 1249-1258.
4	新华社. 国务院印发《中国制造2025》[J]. 现代企业, 2015(5): 6.
	Xinhua News Agency. “Made in China 2025” issued by the State Council of the PRC [J]. Modern Enterprise, 2015(5): 6.
5	张映锋, 张党, 任杉. 智能制造及其关键技术研究现状与趋势综述[J]. 机械科学与技术, 2019, 38(3): 329-338.
	ZHANG Yingfeng, ZHANG Dang, REN Shan. Survey on current research and future trends of smart manufacturing and its key technologies[J]. Mechanical Science and Technology for Aerospace Engineering, 2019, 38(3): 329-338.
6	张益, 冯毅萍, 荣冈. 智慧工厂的参考模型与关键技术[J]. 计算机集成制造系统, 2016, 22(1): 1-12.
	ZHANG Yi, FENG Yiping, RONG Gang. Reference model and key technologies of smart factory[J]. Computer Integrated Manufacturing Systems, 2016, 22(1): 1-12.
7	王子宗，高立兵，索寒生. 未来石化智能工厂顶层设计：现状、对比及展望[J]. 化工进展， 2022, 41(7): 3387-3401.
	WANG Zizong, GAO Libing, SUO Hansheng. Designing petrochemical smart plant of the future: state of the art, comparison and prospects[J]. Chemical Industry and Engineering Progress, 2022, 41(7): 3387-3401.
8	闫纪红, 李柏林. 智能制造研究热点及趋势分析[J]. 科学通报, 2020, 65(8): 684-694.
	YAN Jihong, LI Bailin. Research hotspots and tendency of intelligent manufacturing[J]. Chinese Science Bulletin, 2020, 65(8): 684-694.
9	杨志波, 杨兰桥. 我国中小型制造企业智能化转型困境及破解策略[J]. 中州学刊, 2020(8): 25-31.
	YANG Zhibo, YANG Lanqiao. Difficulties and solutions of intelligent transformation of small and medium sized manufacturing enterprises in China[J]. Academic Journal of Zhongzhou, 2020(8): 25-31.
10	WANG Zhengxin, SHOU Minghuan, WANG Shuai, et al. An empirical study on the key factors of intelligent upgrade of small and medium-sized enterprises in China[J]. Sustainability, 2019, 11(3): 619.
11	丁雪红. 基于FASSA-BP算法的智能制造能力成熟度评价研究[D]. 淮北: 淮北师范大学, 2021.
	DING Xuehong. Research on capability maturity evaluation of intelligent manufacturing based on firefly algorithm and sparrow search algorithm and BP neural network[D]. Huaibei: Huaibei Normal University, 2021.
12	SCBHUH Gunther, ANDERL Reiner, GAUSEMEIER Jurgen, et al. Industrie 4.0 maturity index: die digitale transformation von unternehmen gestalten[M]. Munchen: Herbert Utz Verlag, 2017.
13	MITTAL Sameer, ROMERO David, WUEST Thorsten. Towards a smart manufacturing maturity model for SMEs (SME)[M]// Advances in Production Management Systems. Smart Manufacturing for Industry 4.0. Cham: Springer, 2018: 155-163.
14	HAMIDI Saidatul Rahah, AZIZ Azara Abdul, SHUHIDAN Shuhaida Mohammed, et al. SMEs maturity model assessment of IR4.0 digital transformation[M]// Proceedings of the 7th International Conference on Kansei Engineering and Emotion Research 2018. Singapore: Springer, 2018: 721-732.
15	国家市场监督管理总局, 国家标准化管理委员会. 智能制造能力成熟度模型: [S]. 北京: 中国标准出版社, 2020.
	State Administration for Market Regulation, Standardization Administration of the People’s Republic of China. Maturity model of intelligent manufacturing capability: [S]. Beijing: Standards Press of China, 2020.
16	国家市场监督管理总局, 国家标准化管理委员会. 智能制造能力成熟度评估方法: [S]. 北京: 中国标准出版社, 2020.
	State Administration for Market Regulation, Standardization Administration of the People’s Republic of China. Maturity assessment method of intelligent manufacturing capability: [S]. Beijing: Standards Press of China, 2020.
17	陈歆. 面向生产调度的智能制造能力评估方法研究[D]. 杭州: 浙江大学, 2019.
	CHEN Xin. Study on intelligent manufacturing capability assessment method for production scheduling[D]. Hangzhou: Zhejiang University, 2019.
18	齐瑞超, 荣冈, 冯毅萍, 等. 智能工厂可配置的多层次建模方法[J]. 化工学报, 2013, 64(12): 4354-4365.
	QI Ruichao, RONG Gang, FENG Yiping, et al. Configurable hierarchical modeling method for intelligent plant[J]. CIESC Journal, 2013, 64(12): 4354-4365.
19	丁雪红, 石莉, 李敏, 等. 基于BP神经网络的智能制造能力成熟度评价研究[J]. 青岛大学学报(自然科学版), 2019, 32(3): 20-25, 30.
	DING Xuehong, SHI Li, LI Min, et al. Research on intelligent manufacturing capability maturity evaluation based on BP neural network[J]. Journal of Qingdao University (Natural Science Edition), 2019, 32(3): 20-25, 30.
20	肖吉军, 郑颖琦, 徐洁萍. 基于AHP与DHNN的智能制造成熟度评估模型研究[J]. 系统科学学报, 2020, 28(2): 105-110.
	XIAO Jijun, ZHENG Yingqi, XU Jieping. Research on intelligent manufacturing maturity evaluation model based on AHP and DHNN[J]. Chinese Journal of Systems Science, 2020, 28(2): 105-110.
21	蒋天宁, 朱玉杰, 张标. 基于三种机器学习算法的智能制造能力成熟度评价[J]. 经济师, 2021(1): 229-230, 232.
	JIANG Tianning, ZHU Yujie, ZHANG Biao. Research on intelligent manufacturing maturity evaluation model based on three machine learning algorithms [J]. China Economist, 2021(1): 229-230, 232.
22	吉峰, 贾学迪, 程贵晴. 智能制造能力成熟度研究综述[J]. 现代工业经济和信息化, 2021, 11(6): 1-4, 49.
	JI Feng, JIA Xuedi, CHENG Guiqing. Review on capability maturity of intelligent manufacturing[J]. Modern Industrial Economy and Informationization, 2021, 11(6): 1-4, 49.
23	PACCHINI Athos Paulo Tadeu, LUCATO Wagner Cezar, FACCHINI Francesco, et al. The degree of readiness for the implementation of Industry 4.0[J]. Computers in Industry, 2019, 113: 103125.
24	赵路军, 荣冈. 流程工业智能工厂建设的再思考[J]. 化工进展, 2018, 37(6): 2053-2059.
	ZHAO Lujun, RONG Gang. Rethinking the construction of intelligent factory in process industry[J]. Chemical Industry and Engineering Progress, 2018, 37(6): 2053-2059.
25	Industrie 4.0 Readiness, IMPULS Studie. (2015).
26	The Singapore Smart Industry Readiness Index: Catalysing the transformation of manufacturing, Singapore EDB (2017).
27	Smart Industry Readiness Index Prioritisation Matrix, Singapore EDB (2018).
28	ANGREANI Linda Salma, VIJAYA Annas, WICAKSONO Hendro. Systematic literature review of industry 4.0 maturity model for manufacturing and logistics sectors[J]. Procedia Manufacturing, 2020, 52: 337-343.
29	Mohd HIZAM-HANAFIAH, SOOMRO Mansoor, ABDULLAH Nor. Industry 4.0 readiness models: a systematic literature review of model dimensions[J]. Information, 2020, 11(7): 364.
30	任嵬, 索寒生, 招庚, 等. 石化行业智能工厂能力成熟度模型研究[J]. 计算机与应用化学, 2019, 36(3): 247-254.
	REN Wei, SUO Hansheng, ZHAO Geng, et al. Smart factory capability maturity model in petrochemical industry[J]. Computers and Applied Chemistry, 2019, 36(3): 247-254.
31	唐堂, 滕琳, 吴杰, 等. 全面实现数字化是通向智能制造的必由之路——解读《智能制造之路: 数字化工厂》[J]. 中国机械工程, 2018, 29(3): 366-377.
	TANG Tang, TENG Lin, WU Jie, et al. Digitization comprehensively is the only way to realize intelligent manufacturing—“The road to intelligent manufacturing: digital factory”[J]. China Mechanical Engineering, 2018, 29(3): 366-377.
32	钟志华, 臧冀原, 延建林, 等. 智能制造推动我国制造业全面创新升级[J]. 中国工程科学, 2020, 22(6): 136-142.
	ZHONG Zhihua, ZANG Jiyuan, YAN Jianlin, et al. Intelligent manufacturing promotes the comprehensive upgrading and innovative growth of China’s manufacturing industry[J]. Strategic Study of CAE, 2020, 22(6): 136-142.

等级	等级名称	等级得分	等级能力要求
五级（L5）	引领级	4.8≤R_o≤5.0	企业完成快速准确获取外部环境变化的信息、柔性敏捷的组织结构调整能力和支撑平台，利用数据挖掘与知识发现能力实现产品与商业模式创新能力建设
四级（L4）	优化级	3.8≤R_o＜4.8	企业完成面向业务的知识库建设、具备相应的数据分析工具或平台、在关键业务领域应用决策模型（如商业智能系统、计划优化系统、工艺优化系统、组织绩效优化系统），初步实现面向业务的智能化应用
三级（L3）	集成级	2.8≤R_o＜3.8	企业完成系统集成体系、数据仓库、应用系统集成，完成集成平台建设，初步打通各应用系统与组织之间的数据流，实现企业透明化运营
二级（L2）	规范级	1.8≤R_o＜2.8	企业完成装置级物理信息系统、边缘计算系统、企业业务系统、企业信息治理体系、企业数据治理体系的初步建设，初步建立智能制造系统，可以支撑关键生产和业务环节的数字化运行
一级（L1）	规划级	0.8≤R_o＜1.8	企业已经着手工艺生产过程和业务过程的流程化和标准化建设、关键生产工艺的基础自动化建设、工艺与业务过程化管理、基础网络和信息系统基础设施的建设以及智能制造建设组织和人才的准备工作
零级（L0）	启动级	0≤R_o＜0.8	企业未做好开展智能制造的准备，不具备实施智能制造改造提升的条件

等级	等级名称	等级得分	等级能力要求
五级（L5）	引领级	4.8≤R_o≤5.0	企业完成快速准确获取外部环境变化的信息、柔性敏捷的组织结构调整能力和支撑平台，利用数据挖掘与知识发现能力实现产品与商业模式创新能力建设
四级（L4）	优化级	3.8≤R_o＜4.8	企业完成面向业务的知识库建设、具备相应的数据分析工具或平台、在关键业务领域应用决策模型（如商业智能系统、计划优化系统、工艺优化系统、组织绩效优化系统），初步实现面向业务的智能化应用
三级（L3）	集成级	2.8≤R_o＜3.8	企业完成系统集成体系、数据仓库、应用系统集成，完成集成平台建设，初步打通各应用系统与组织之间的数据流，实现企业透明化运营
二级（L2）	规范级	1.8≤R_o＜2.8	企业完成装置级物理信息系统、边缘计算系统、企业业务系统、企业信息治理体系、企业数据治理体系的初步建设，初步建立智能制造系统，可以支撑关键生产和业务环节的数字化运行
一级（L1）	规划级	0.8≤R_o＜1.8	企业已经着手工艺生产过程和业务过程的流程化和标准化建设、关键生产工艺的基础自动化建设、工艺与业务过程化管理、基础网络和信息系统基础设施的建设以及智能制造建设组织和人才的准备工作
零级（L0）	启动级	0≤R_o＜0.8	企业未做好开展智能制造的准备，不具备实施智能制造改造提升的条件

等级	特征项要求
一级（L1）	（1）应建立质量管理体系及程序文件，并有效执行（2）应形成影响产品质量的质量因素台账
二级（L2）	（1）应采用传感技术/在线分析仪表，对质量因素进行自动采集，并对质量数据进行分析（2）应利用SPC对单一质量要素进行质量数据分析，并指导质量控制活动
三级（L3）	（1）应建立实验室管理信息系统，实现取样、检测、报告等工作信息化管理（2）应采用信息集成技术对质量要素等进行全过程质量数据收集（3）应在企业内部实现质量数据在线共享
四级（L4）	（1）应采用质量控制模型实现生产质量实时闭环控制，对质量异常实时预警（2）应建立产品批次质量数据库，实现产品质量追溯（3）应利用信息化系统实现质量审计
五级（L5）	应与其他专业进行协同质量设计，实现产品质量、质量成本的同步优化

等级	特征项要求
一级（L1）	（1）应建立质量管理体系及程序文件，并有效执行（2）应形成影响产品质量的质量因素台账
二级（L2）	（1）应采用传感技术/在线分析仪表，对质量因素进行自动采集，并对质量数据进行分析（2）应利用SPC对单一质量要素进行质量数据分析，并指导质量控制活动
三级（L3）	（1）应建立实验室管理信息系统，实现取样、检测、报告等工作信息化管理（2）应采用信息集成技术对质量要素等进行全过程质量数据收集（3）应在企业内部实现质量数据在线共享
四级（L4）	（1）应采用质量控制模型实现生产质量实时闭环控制，对质量异常实时预警（2）应建立产品批次质量数据库，实现产品质量追溯（3）应利用信息化系统实现质量审计
五级（L5）	应与其他专业进行协同质量设计，实现产品质量、质量成本的同步优化

评估族	评估类	主要需求
业务族	供应链类	（1）采购、销售、仓储实现信息流转和业务协同
	供应链类	（2）规范进出厂活动，优化流程
	生产管理类	（1）优化排产，合理制订生产计划
		（2）精准能源计量，提高能源利用率
		（3）进行产品全生命周期的质量跟踪
		（4）建立批控制和配方管理
		（5）生产设备的状态检测，实现设备的预测性检维修
		（6）生产区域内的人员定位
	技术管理类	（1）数字化管理工艺技术文件
	技术管理类	（2）基于生产运行和产品质量数据寻找最优生产方案
组织族	人力资源类	（1）引进智能制造相关人才
	人力资源类	（2）避免人员流失，调整人员年龄结构
	组织管理类	（1）完善组织机构建设
	组织管理类	（2）将绩效管理与生产实际和岗位职责挂钩
技术族	基础设施类	（1）提升基础自动化水平
		（2）上下游工序自动化衔接
		（3）进行网络基础建设
	集成互联类	（1）生产经营数据进行数字化存储
	集成互联类	（2）建立数据关系，实现采集数据的分析处理和利用
智能族	数据驱动类	（1）提高信息系统覆盖率
	数据驱动类	（2）增加信息化应用场景
	平台赋能类	（1）进行工业互联网平台建设

流程工业智能制造准备度模型及应用实践

Model and practice of the intelligent manufacturing readiness for process industry

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 32

相关文章 15

编辑推荐

Metrics

本文评价

[1]	徐晨阳, 都健, 张磊. 基于图神经网络的化学反应优劣评价[J]. 化工进展, 2023, 42(S1): 205-212.
[2]	陈林, 徐培渊, 张晓慧, 陈杰, 徐振军, 陈嘉祥, 密晓光, 冯永昌, 梅德清. 液化天然气绕管式换热器壳侧混合工质流动及传热特性[J]. 化工进展, 2023, 42(9): 4496-4503.
[3]	张帆, 陶少辉, 陈玉石, 项曙光. 基于改进恒热传输模型的精馏模拟初始化[J]. 化工进展, 2023, 42(9): 4550-4558.
[4]	张振, 李丹, 陈辰, 吴菁岚, 应汉杰, 乔浩. 吸附树脂对唾液酸的分离纯化[J]. 化工进展, 2023, 42(8): 4153-4158.
[5]	李伯耿, 罗英武, 刘平伟. 聚合物产品工程研究内容与方法的思考[J]. 化工进展, 2023, 42(8): 3905-3909.
[6]	张智琛, 朱云峰, 成卫戍, 马守涛, 姜杰, 孙冰, 周子辰, 徐伟. 高压聚乙烯失控分解研究进展：反应机理、引发体系与模型[J]. 化工进展, 2023, 42(8): 3979-3989.
[7]	薛凯, 王帅, 马金鹏, 胡晓阳, 种道彤, 王进仕, 严俊杰. 工业园区分布式综合能源系统的规划与调度[J]. 化工进展, 2023, 42(7): 3510-3519.
[8]	乔旭, 张竹修. 化工本征安全技术发展路径的思考与探索[J]. 化工进展, 2023, 42(7): 3319-3324.
[9]	陆诗建, 张媛媛, 吴文华, 杨菲, 刘玲, 康国俊, 李清方, 陈宏福, 王宁, 王风, 张娟娟. 百万吨级CO₂捕集项目亚硝胺污染物扩散健康风险评估[J]. 化工进展, 2023, 42(6): 3209-3216.
[10]	赵毅, 杨臻, 张新为, 王刚, 杨旋. 不同裂缝损伤和愈合温度条件下沥青自愈合行为的分子模拟[J]. 化工进展, 2023, 42(6): 3147-3156.
[11]	周磊, 孙晓岩, 陶少辉, 陈玉石, 项曙光. 基于分离因数法的简捷炼油塔模型开发及应用[J]. 化工进展, 2023, 42(6): 2819-2827.
[12]	孙潇, 朱光涛, 裴爱国. 氢液化装置产业化与研究进展[J]. 化工进展, 2023, 42(3): 1103-1117.
[13]	李芸, 崔楠, 熊星星, 黄志远, 王东亮, 许丹, 李军, 李泽兵. 稀土Er(Ⅲ)对短程硝化性能的影响及其抑制动力学特性[J]. 化工进展, 2023, 42(3): 1659-1668.
[14]	赵毅, 杨臻, 王佳, 李静雯, 郑煜. 沥青胶结料自愈合行为分子动力学模拟研究进展[J]. 化工进展, 2023, 42(2): 803-813.
[15]	刘玉龙, 胡南, 陈祥标, 陈森才, 曾冰勇, 丁德馨. 强碱性阴离子树脂对铀的循环吸附-淋洗性能及动力学分析[J]. 化工进展, 2023, 42(10): 5574-5583.