智能制造基本情况

一、智能制造项目技术特点

1. 项目技术路线

本项目以低温液态奶全产业链为研究对象，在项目责任单位现有软硬件的基础上，研发、集成多套智能装备，突破技术短板装备，构建覆盖全产业链的多元化牧场管理系统、制造执行系统、智能仓储管理系统、冷链物流系统、客户关系管理系统、能源管理系统等。通过工业以太网、基于专用协议的局域网、4G/5G通信、云计算、大数据等技术与系统的有效结合，全面打通智能装备、传感器、可编程逻辑控制器、业务管理软件、数据管理软件、管理人员间的通信，实现纵向、横向、端到端多维度信息系统的集成，快速响应用户定制需求，提升了企业研发、生产、管理和服务的智能化水平。

2. 技术先进性

（1）技术线路覆盖乳制品全产业链，从生产工艺流程和食品安全两个维度对牛奶接收、存储、巴氏杀菌、发酵、灌装、CIP清洁等环节进行控制和人机交互，研发9种以上的智能装备，突破1种关键短板装备，综合运用工业以太网、云计算、大数据等技术，实现了总控室和现场控制面板双模式控制。在关键环节消除了产品与人员的直接接触，最大限度地减少了现场员工人数，缩短了人员巡检时间，降低了生产环境细菌数，减轻了人带来的污染，提升了生产环节的智能化水平。

（2）乳制品全生命周期实现数字化管理，所有关键环节涉及的运行参数全程监控记录，并自动进行风险评估分析，根据工艺偏差的范围按流程做出暂停、回流、杀菌或清洗等处理，对提高乳制品质量、实现产品可追溯、提升食品安全水平具有重要意义。

（3）借助数据库及数字化管理平台，企业所有业务流程、所有生产装置通过自动控制及运行参数的自动记录，按时间顺序详细记录运行信息、操作信息、报警信息和纠错处理信息等；通过系统的交互分析、反馈操作，减少了系统空载和冗余运行时间；通过传感和智能设备控制技术，降低了水电气消耗，减少了操作工时，实现了节能降耗。

（4）项目建立的实时数据库平台，通过与SAP系统的互通集成，实现了基于工业互联网的信息共享及优化管理。

（5）通过可追溯体系，实现产品质量的反向追踪，并与政府食品质量安全信息公共服务平台链接，为消费者提供质量安全等信息的实时查询。

二、智能制造项目实施效果

1. 项目技术难点

项目定位于低温液态乳制品，对质量安全要求尤为严格，需要对乳制品的全生命周期进行智能化管理，实现产品与人无直接接触，保障食品安全。主要难点包括以下几点。

（1）低温液态奶生命周期短、时效性要求高、全程冷链控制节点多。需要实时、快速、准确采集并智能化处理从奶牛养殖、原料奶收集、乳制品加工、冷链仓储物流到终端消费的全产业链大量信息数据，实现内部高效精细管理，优化外部供应链协同，提升产品全过程质量及安全保障。

（2）项目产品品种、规格非常多，包装形式多样化。工艺、系统需满足不同产品的不同工艺参数要求。

（3）部分产品添加水果、谷物类颗粒的均匀性控制技术难。需要运用自动化控制系统对果粒添加的数量及均匀性进行控制，且要不破坏颗粒形态。

（4）单机设备中不同品牌PLC之间的集成控制。两种不同硬件之间需要增设部分转换器以达成一致的通信协议，工序之间、设备与设备之间的信号交换、互动控制、防错联锁是一个难点。

2. 实施成效

（1）生产效率提高32.91%

① 设备的自动化升级改造、自动化生产线的建设、工艺的改善及运行的优化，提高了设备自动化程度与工作效率。

② MES上线实施，对生产过程进行监控，实时反馈设备的使用情况及设备状态，及时发现存在的问题，通过中控及时反馈和处理，减少了设备的无效工作时间，提高了产线的生产效率。

③ 整线自动化改造后，整个前处理工序生产现场实现无人化操作，所有电机、搅拌、阀门全部为自动化程序控制，缩短了工艺流程间隔和反应时间，缩短了生产时间，生产处理方式可以更加灵活和有效。

④ MES上线后，实现了工序与工序之间，生产与品控、财务、库房等各部门之间的数据共享与信息传达，提高了沟通效率。

项目实施后，提高了单台设备、整条生产线及整个生产车间的达产率和运行效率。

（2）企业运营成本降低20.59%

通过项目实施，实现了关键业务流程的标准化和规范化，并搭建了一套可支撑公司长远发展的卓越信息化平台，打通了从客户到供应商的供应链整体协同通道，优化了公司内部及公司与供应商间的协同机制，提升了供应链协同能力和运营效率。

装备的智能化升级及自动传输设施的大量应用大大降低了人力成本；基于MES控制，订单生产进度、设备负荷、生产安排、目标达成、产品品质等更优化，降低了生产成本；设备升级和工艺优化降低了能源成本；对设备的健康状态进行监控，实现对设备的合理化维护，减少了故障停机等待时间。

（3）产品研制周期缩短33.33%

智能制造的工艺数字化建模模拟了实际生产过程，减少了新产品开发时频繁的小试、中试，在确保新产品质量稳定性的同时，大大缩短了研发周期。

新产品研发周期由原来平均6个月下降为4个月，即新产品研发从任务书签署到中试结束的平均时间减少了2个月。

产品研制周期缩短：（6个月-4个月）/6个月=33.33%

（4）产品不良品率降低33.99%

① 新模式提升了各个工段的效率，减少了生产等待时间，低温液态奶的贮存、等待时间同步减少，降低了微生物的生长和污染概率，降低了产品质量投诉率。

② 灌装线采用了智能在线检测系统，将瑕疵产品（净含量不够、封口不好等）自动剔除，防止其流入市场，降低消费者投诉率。

③ 原料奶仓分级及自动防混系统的使用，大大降低了不良品的出现概率。

④ 新模式大大降低了人工操作的误差。

项目实施后，消费者质量投诉减少，质量投诉率（投诉的数量/总生产数量×100%）显著降低。

（5）单位产值能耗降低15.13%

智能体系上线后，减少了产品生产的很多中间环节，杜绝了产品在生产流通环节的浪费，产品从原料投入到成品生产的总生产时间减少1/3，单位产品的辅助厂房能耗将降低1%。

项目水资源循环利用措施如下。

① 冷凝水回用：将车间内所有冷凝水送回锅炉，提高进水温度，减少天然气消耗，降低烟气排放量；同时也降低锅炉水处理离子交换树脂的更换频率。

② 中水回用：将经过污水处理站处理、净化后的达到三级以上排放标准的中水用于厂内厕所、绿化、冲地等。

③ 循环使用：所有需要利用冷却水保持物料温度的工序，冷却水流程设计采用循环冷却的方式，只作补充不进行排放；对CIP酸、碱液进行回收循环使用、定期中和排放。

3. 目标市场前景分析

经过十多年的快速发展，目前我国乳制品产量总体规模仅次于印度和美国，位居世界第三位。乳品种类丰富、供应充足，2018年人均奶类消费量折合生鲜乳36.1千克，比2008年增加5.9千克，已经基本解决了喝奶问题，现在进入到“喝好奶”的阶段。低温巴氏鲜奶代表了高品质牛奶，在英、美、韩、日本、加拿大、澳大利亚等发达国家和地区，巴氏鲜奶的消费量占整个乳品消费量的90%以上，但我国大陆目前巴氏鲜奶的市场占有率只有20%左右，与国际消费主流形成巨大反差。

有专家预计，中国乳制品需求在“十三五”末将达到3500万吨，2030年将达到7000万吨，乳制品市场潜力巨大，产品需求更是多种多样。目标产品定位为低温奶，市场前景广阔。

三、智能化改造合作情况

此次智能化改造，新华西乳业联合了四川绵阳鼎鑫智能装备有限公司、杭州中亚机械股份有限公司、四川大学，共同研发低温液态奶智能工厂新模式应用项目。

其中，四川绵阳鼎鑫智能装备有限公司作为智能制造系统解决方案供应商，主要提供了：（1）工厂总体设计、车间布局优化的整体设计方案；（2）贯穿整个产业链的信息化管控系统（包括牧场管理系统、制造执行系统、冷链物流系统、客户关系管理系统）的基本功能模块设计；（3）智能化立体仓库的整体设计方案和仓库管理系统的功能模块设计；（4）互联互通网络架构及信息系统集成，搭建了安全可控的互联互通网络架构和产品信息管控平台，有效解决了低温液态奶生命周期短、时效性要求高、全程冷链不可控的问题，实现了乳制品透明化生产及全产业链可追溯。

杭州中亚机械股份有限公司提供了安全可控的核心智能制造装备，主要包括全自动塑瓶冲瓶杀菌称重灌装拧盖机、全自动塑杯成型灌装封切机、自动超净塑瓶灌装拧盖机、全自动玻璃瓶灌装机等。在智能化改造项目实施过程中，还突破了塑瓶干法杀菌技术、脉冲强光杀菌技术、无菌化设计的高精度灌装阀技术等，有效提高了奶制品制作过程中的安全性，减少了能耗，降低了生产成本。

四川大学在项目实施全过程中，为新模式的实施应用提供了关键技术咨询。

项目联合体包括系统集成商、软件开发商、核心智能制造装备供应商和科研院所，各方本着“真诚合作，讲求实效，互惠互利，共同发展”的原则，以乳品新技术研发、加工制造新模式创建等关键共性技术创新、转移和服务为研究对象，以推进科技成果转化和产业化为目的，进行多形式、多层次的科技成果转化，科研项目联合攻关、人才培养与科学技术交流，产、学、研、用全面合作，建设整合资源、优势互补、发挥特长的合作关系，对当前和今后国家乳制品产业的养殖、环境、生态等方面的重大问题进行联合攻关。所有联合体单位在新模式智能化改造项目中通力合作，各司其职，各展其长。

四、存在的问题和改进的方向

（1）低温液态奶智能工厂在建设过程中需要采用较多的智能化装备、控制系统和软件平台，是食品工艺、自动控制、软件系统、智能装备、传感检测等多学科交叉、多种知识融合的新模式，对专业技术人才的要求更高。

在智能工厂各个系统建设和运行过程中，企业需要进一步加大专业技术人才的引进力度和培养力度，以保证见到更多成效。

（2）本项目在建设过程中，涉及较多智能装备、软件系统和检测系统的产业化应用，智能设备和软件平台的稳定性还需要通过长期使用验证进行优化。同时，信息技术自身及企业供应链管理模式也在快速发展和变化，需要不断进行适应性提升和扩充。

目前，项目在互联网、大数据的应用等方面还存在差距，后期需要利用不断积累的大数据建立仿真分析模型，进行统计分析，为设备的智能决策和诊断分析提供支持，进一步提升项目的智能化水平。