本文为“2024年度中国智能制造最佳应用实践奖”参评案例。本次活动将评选出2024年度，为中国智能制造领域带来突出效益的最佳实践工程，全面介绍企业推进智能制造的步骤、重点与难点、获得效益等，分享建设过程中的经验，供广大制造业行业企业学习供鉴。
一、企业简介
稳健医疗（崇阳）有限公司成立于2001年，现有员工1200余人，主营产品有医用纱布、医用非织造布及其一次性灭菌包装产品系列；一次性手术室耗材等系列；防护服、隔离衣等防护产品系列。其产品主要销往欧洲、日本、国内，少部分在中东、亚非拉等世界各地110余个国家。通过20多年的不断发展，崇阳稳健已实现从原料、生产、加工到产品灭菌于一体的省级高新技术企业，是稳健集团医疗产品的核心生产基地。
图1 稳健医疗公司图片
稳健医疗（崇阳）有限公司于2006年应用SAP ECC系统，主要包括PP、MM、QM、FI、CO、PM、模块；正式进入信息化时代；2017年---2023年应用西门子MES系统；覆盖崇阳工厂9个生产车间，实现无纸化办公；2021年自研发win+系统，包括MES、QMS、EAM、PM、IOT、APS模块；实现全覆盖产品生命周期管理；2022年应用西门子PLM系统，实现产品研发、BOM、工艺文件及稿件、文档、变更等规范化管理；2017年引入爱思普/诺捷WMS系统应用，实施仓储物流的规范管理；2021年与IBM合作升级SAP ECC为SAP HANA 4,成功上线应用，并优化财务相关的BI报表应用。
三、参评智能制造项目详细情况介绍
1、项目背景介绍
随着业务发展，稳健集团从单一的医疗OEM等生产计划方式，到现在医疗板块业务流程的多样性。业务模式上出现多点开花，组织结构也不断扩张，业务板块逻辑规则也出现多样性，同时业务需求和内部管理也在不断增多和提升。
2016年开始，稳健集团启动数字化转型战略，拉开了智能制造探索的序幕，以精益化、标准化、自动化、节能化、数字化、网络化、智能化为核心的一系列举措陆续落地。
本项目融合了5G/云计算/大数据/AI/IOT等新一代ICT技术，以SAP系统应用为核心，以MES(制造执行)系统应用为主脉络关联QMS(质量管理)，IOT(物联网)，APS(高级排程)贯穿制造业务全流程，并通过条码做为信息载体，垂直打通企业资源和执行设备，横向以工艺路线为链路承载人、机、料、法、环等资源，从而实现从工单下达至生产完成的全制造过程的实时化和可视化。
2、项目实施与应用情况详细介绍
a.计划调度-车间智能排程
车间智能排程向上承接集团计划向下实时拉通车间任务执行进度情况和异常情况，以公司一体化数字化研发平台以及阿里云资源为基础，采用先进启发式算法集群实现从生产计划到车间生产任务智能决策排程。主要解决了如何根据订单优先级、客户重要程度、订单单量、资源产能、减少换模具等众多因素进行智能运算安排车间生产任务计划。
每日根据实际到货排程，码放根据当班人员的经验和习惯来进行，不同人员排程，设备利用率（体积）相差可达15%以上，缺少统一的标准。从不同订单中抽取部分数量进行整板组合，由于灭菌批次多，物料堆放地点不同，经常出现订单长期未关闭的现象。人工排程时要考虑密度，箱规，灭菌参数等各种影响因素，每天的到货种类和到货数量又各不相同，人工很难在纷繁的数据中找到合理的摆放方式保证每一柜都能达到最大的码放。
图2 货物码放现场
(1) 解决的痛点问题描述
1) 缩减链条节点，提高信息传递及时性。
2) 集团层面对整体需求把控，在系统有效管控。
3) 订单跟进和异常等相关信息，系统实现可视化，异常及时提醒上下游。
4) 订单优先级、系统标准产能，证件限制等在系统中规范合理的约束条件来支持订单的分配。
5) 下层组件通用物料需要统一整合梳理，并录入系统形成物料库，子公司设计物料从物料库挑选组件，且子公司之间物料库存信息打通，共享。
6) 在订单和产品种类较多的情况下，能够使生产产能最大化，同时又能够最大化满足订单交期。
7) 解决车间计划制定的不标准、多业态不能及时准确的掌握真实的执行情况的问题。
8) 针对计划异常、紧急插单能够快速评估响应，并迅速调整生产任务计划。
9) 解决基于人的经验带来的效率低下横向纵向拉通难的问题，解决出现异常情况很难快速决策和响应。解决对计划员的排程经验要求极高，排程结果的合理性、准确性只能依靠人为判断的问题。
10) 解决新员工上手难，经验无法沉淀为组织赋能的问题。
(2) 采用的技术方案
1) 通过对车间业务深度分析，采用先进领域驱动设计思想对业务进行业务建模，实现物理与信息融合，将物理世界数字孪生到信息系统中。采用先进数学理论和实践经验建立数据模型。
2) 基于TOC约束理论、线性规划思想和方法，采用遗传算法、寻优算法、神经网络、模拟退火法、禁忌搜索法、三维切割等技术针对数据模型进行运算，将运算结果转化成为业务模型的排程结果。
3) 采用2D、3D等技术对排程结果进行大屏展示指导现场作业人员进行生产作业。
图3 车间业务分析
(3) 实施成效
1) 通过信息化、数字化、智能化手段拉通了各个部门信息屏障，实现了从计划、排程、生产、检验、库存全流程实现了数据共享、过程管控、智能决策。提升了排程效率、优化了产能、缩短了生产周期、降低了库存周转率、优化了工作方式、缩短人员学习周期等显著收益成效。
2) 提高工作效率，减少手工排产的时间，使计划更加精准。
3) 减少对计划员经验及能力的依赖，减少计划员的工作强度。
4) 变更计划后响应效率在0.5H以内，各产线生产数据可视；
5) 集团计划部通过系统查到可交货时间，不用再进行询问；
6) 缩短生产周期30%以上；
7) 减少产线换线的次数；
8) 日产能、周产能、月产能数据系统自动汇总。
9) 计划策略能满足业务及市场的需求。
10) 形成知识沉淀为组织赋能。
b. 质量管控-质量精准追溯
质量是一个公司的命脉，公司一直秉承“质量优先于利润”的核心原则对外输出产品，因此实现质量可追溯是非常重要的一环。公司通过建立质量检测模型，对采购来料、生产过程的半成品和成品质量进行严格把关，及时收集质量数据，以进行质量分析和质量追溯，并对质量异常能实施预警发布，通过记录所有检验信息，最终形成完整的产品电子批记录档案进行归档，从而实现正向、逆向全方位追溯场景。
为了实现追溯场景首先需要建立质量管理体系以及系统，系统以建设统一、规范、高效、持续改善的质量管理模式为目标。具体措施从建立集团统一化检验标准数据库、实现线上检验流程100%覆盖、实现质量记录95%以上电子化、实现实时数据分析和确保质量持续改善四个方面进行落地实施。
图4 业务规划
(1)结合公司业务梳理了6个核心业务流程、15个关键管理模块、90+项需求功能、批记表单65个，并设计了160多项功能，主要包括标准管理、业务管理、数据管理。其中标准管理主要包括检验项目、检验标准、检验方案、检验计划，业务管理包括进料检验、首检检验、首件确认、巡检检验、成品检验、取样管理、现场检验、实验室检验、结果发布、送样管理、现场数据复核、实验室数据复核、批次放行、样品管理、数据计算、不合格处理、电子原始记录、留样管理、结果判定、复检管理、电子检验报告，数据管理主要包括检验任务台账、产品数据台账、异常数据台账、批记录台账、检验工作量分析、检验时效性分析、不良数分析、缺陷项分布、历史数据分析、产品趋势分析等功能。
图5 核心业务流程
(2) 解决的痛点问题描述
1) 将质量标准系统化管理和维护，实现标准化规范化质检。解决以前标准不统一、同客户同产品不同标准、标准内容定义不统一、命名五花八门、缺乏系统化管理和维护等问题。
2) 规范检验流程。解决检验不全面，少检、漏检；任务响应不及时；检验过程数据记录缺失，存在法规风险等问题。
3) 优化COA管理。解决专人出具COA报告，耗时耗力；报告不及时，客户报怨；报告不准确，重复工作；一催再催，一改再改，一怨再怨等问题。
4) 系统详细记录检验过程数据，实现检验结果、检验过程、人员、时间可追溯。
5) 产品生产完成就形成完整的电子批记录档案，包含生产过程参数数据、检验采集和质检数据。解决以前专人整理，专地保管，耗人耗地；记录容易丢失或损坏；审核时，查询困难等问题。
6) 基于检验数据输出数据统计与分析，方便管理者能够科学决策和快速发现产品质量缺陷隐患。解决纸质数据难保管、难查询；整理数据，耗时耗力；追溯分析时，数据不齐，难复盘数据；分析改善时，数据不科学等问题。
7) 解决通过原材料追溯成品以及通过成品批次追溯相关产品和原材料的业务场景，帮忙企业快速找到质量问题和解决质量问题。
(3) 采用的技术方案
1) 机器视觉。
2) 基于阿里云、华为云等公有云服务及资源进行部署，采用Docker+Kubernetes进行应用容器化部署和编排。
3) 采用边缘部署和边缘计算服务来实现对生产过程数据、质量数据、工艺数据进行实时采集及控制。
4) 采用数据中台等大数据技术实现追溯可视化报表和看板。
(4) 实施成效
全面搭建以智能和人工检测为基础，以公有云资源、数据中台、BI分析工具为支撑的全面集成的质量追溯应用，实现从原材料到货自动触发检验任务，生产过程自动触发首检、首件、工序、成品、巡检任务，采用国际、国内、行业检验标准从物料到产品的全过程管控和检验，实现产品质量实时精准监控和追溯、数字化生产履历追溯全方位业务场景，能够根据条码追溯相关操作人员、操作时间、加工设备、设备工艺和过程参数、原材料批次、检验人员、检验时间等信息，极大的提升了追溯效率和质量。
实施完成以后效益显著，主要包括：
1) 操作层面质量追溯效率提高70%效率。
2) 减少85%的降低纸质单据。
3) 追溯实时性由24H降低至实时。
4) 数据准确率/可靠度提升至100%。
图6 质量追溯效率分析
c. 设备管理-在线运行监测
采用智能传感、设备组网、安装网络模块(例如：欧姆龙BCNet-CP、台达BCNet-DVP、松下BCNet-FP、三菱BCNet-FX、BCNET-HU、Bcnet-MB、三菱BCNet-Q、网络耦合器ETH-NAT、RS485 /RS232接口、S7200SMART SR20 AC/DC、SCANET2-PPI、艾莫信USB-Micro、西门子网口XCNet-PN、欧姆龙等)、设备联网改造（例如：覆膜机、分切机、中包机、装箱机、辐照灭菌、解析房、预热房、折叠机、筒包机 、柔耳口罩机、灭菌柜、烘干成卷机、装盒机、温度仪表、纸质包装机、口罩机等），采集各设备状态信息(如开停、 故障等)、报警参数和工艺参数(如温度压力等)，采用边缘服务器、采集盒子、公有云Saas化应用服务进行设备运行监测与分析。
设备数采系统与生产管理系统对接实时对接联调、实现在线实时查看工厂设备运行状态、设备停机状态、设备告警状态、设备故障信息、设备的开动情况、生产饱和度、生产产量、运行速度、生产节拍、生产效率、物料消耗、设备资源的使用率、车间生产实时的设备故障数量比、设备速度能力的利用率、设备的平均故障间隔时间、电耗、水耗、气耗等分析指标数据，实现在线实时全面监测所有设备的运营数据。
通过价值挖掘计算，统计分析出开机率（开机率=在线数/设备总数）、时间稼动率(时间稼动率=停机时间/设备负荷时间) 、设备OEE(设备OEE=时间稼动率 · 性能稼动率 · 合格率) 、良品率(良品率=废品数/投料数) 、制成率(制成率=成品/投料总数)、设备利用率(设备利用率=设备实际产能/设备设计产能)、设备故障率(设备故障率=设备故障时间/设备运行时间)、设备MTTR（设备MTTR=设备总故障时间/设备总故障次数）、设备MTBF(设备MTBF=设备总运行时间/设备故障次数)等指标，为高效运营决策提供有力支撑。
整体IOT架构包含边缘系统和平台系统两部分，边缘系统采集现场生产设备/仪表的数据经过处理之后上报到平台层，在IOT平台层，上报的数据作为工厂监控看板以及相关报表的数据支撑，相应的数据也用于平台其他系统（APS、 QMS、MES）的业务需求，其数据也可另外用于其他相关应用。平台数据分类存储于平台层的相关数据库（Redis，Influx DB及MySQL数据库中）。总体目标是解决设备信息孤岛，实现设备联网，实现设备生产透明化。方案在实施后，需确保设备自动化生产的日常业务能够完全正常运行。
图7 数据采集
(1) 解决的痛点问题描述
1) 解决设备信息孤岛问题，解决设备只能单机显示，缺乏实时推送和处理机制，只能简单显示设备数据，缺乏统计分析，以及数据运用等痛点问题。
2) 解决设备联网困难问题，通过设备改造解决设备老旧接口不放开、控制器品牌多样接口协议复杂、现场传感器多、采集维度多的问题。
3) 解决设备生产不透明问题，通过采集分析实现设备全生命周期管控、设备工艺参数优化指导、设备稼动率等指标计算。实现数字化办公，能够在办公室、家等各个场所实时在线查看掌握设备运行状态信息。
4) 解决设备异常告警问题，现场设备发现异常系统自动告警通知到所有相关人员，能够快速响应现场情况。
(2)采用的技术方案
1)采用边缘部署和边缘计算服务来实现对生产过程数据、质量数据、工艺数据进行实时采集及控制，应用大数据、云计算等相关技术进行决策分析。
2)采用Java和C#语言实现数据采集，支持多种多样协议驱动，例如：ModBus、OPC DA、OPC UA、DeviceNet、S7-PPI 、Mitsubisi-Serial 、Omorn FINS-serial、A1、AB PLC、MC等。
3)增加边缘采集盒子实现设备采集，支持网口、串口等多种采集方式，通过增加PLC、智能电表等智能模块进行设备采集改造。
图8 技术方案整合
(3) 实施成效
1)全面完成工厂所有车间网络覆盖,实现工厂95%以上的设备改造、设备联网。
2)全面实现在线实时全面监测所有设备的运营数据，包括工厂设备运行情况、设备的开动情况、生产饱和度、设备资源的使用率、车间生产实时的设备故障数量比、设备速度能力的利用率、设备的平均故障间隔时间、关键设备工艺参数等分析报表和数据。
3)提高生产效率、减少设备停机、实时掌握真实生产的饱和情况、减少设备闲置率、利于资源调拨和设备投资决策、监控设备故障情况、减少设备故障、提高故障处理的响应速度、避免降速生产、性能损失。
4)提供预测性维护方案、提高设备的效率、根据检测工艺参数改进生产质量等数字化运营带来了较大的效益提升。
图9 设备状态监控
d.人工智能-视觉在线检测
机器视觉系统是指利用机器替代人眼做出各种测量和判断。机器视觉是工程领域和科学领域中的一个非常重要的研究领域，它是一门涉及光学、机械、计算机、模式识别、图像处理、人工智能、信号处理以及光电一体化等多个领域的综合性学科。当前随着订单产能的不断提升,随着人力成本的不断提升，随着信息化,智能化的不断推进，需要更加智能的手段来进行过程和质量的管理。
以医用纱布片为例,生产过程中主要检测的内容有X线（X线打结、X线断裂、X线弯曲、 X线污染）布面（油污、织入性杂物、黄 斑黑点、棉绒面结、异纤、破洞破边、排纱）等共20余种缺陷，涵盖油纱，异纤，外来物，破洞，破边，棉结，污染，X线不良，来料不良等多个异常场景，极大的增加了过程中的人工检测的难度,同时人工的检验又会增加产品的二次污染的风险性。
图10 视觉在线检测
(1) 解决的痛点问题描述
1)在线检测生产过程中品质异常产品，对品质不合格产品进行自动剔除。
2)通过智能化检测识别，代替人工减少二次接触污染，提高检测效率。
3)沉淀品质异常数据,形成知识库与模型，进行质量管理的分析与预测，提高检测效率。
图11 检测设备示意图
(2) 采用的技术方案
1)针对蚊虫、毛发、污点、异物等缺陷，采取组合光学的模式，并且匹配特征分析算法，确保稳定的检测。
2)针对色斑、异色纤维，尤其黄斑，系统采取光谱校正和匹配特殊算法，确保稳定的检测。
3)通过控制模块，图像采集，图像处理相关技术对生产过程中的产品进行质量决策分析,对不合格品自动进行排废或剔除。
4)采用TCP/IP或PROFIBUS通讯协议与上层管理系统通讯，包括运行状况、开停机状况、故障状况读取，工艺参数读取及产品规格设置等数据信息互通。
图12 图像采集技术方案示意图
(3) 实施成效
1)实现单层，两折，四折，八折等多种折叠状态下的实时在线视觉检测；
2)实现检测最大速度同步匹配纱布成型机产能节拍；
3)异常检出率：＞99%；
4)减少对作业员经验及能力的依赖，减轻现场员工的工作强度;
5)提升80%的检验效率和人工成本的递减；
图13 产品检验现场
a.业务价值：
(1)MRP准确率，经过一年不断调整和优化，已经达到99.66%;
(2)库存准确率，有大约4%的提升，当前在99.80%左右；
(3)成本差异率，当前基本控制和稳定在3%以内。
b.企业整体价值：
本项目建设期为2021年1月至2023 年12月。 项目建设当年，公司营业收入93700万元，净利润9840万元；项目建设实施第二年，公司营业收入151200万元，净利润16700万元。项目实施前后，公司营业收入&净利润实现大幅增长。
c.社会价值：
稳健医疗营销与交付端到端一体化数字化平台创新解决方 案的成功建设，对医疗行业企业进行全产业链数字化管理升级提供优秀案例，具备行业指导意义。
文章
