关键词：烟草制造；新型能力；数字化；智能制造

1. 引言

1.1  数字化转型的必要性

随着信息技术的飞速发展，德国、美国先后提出“工业4.0”、“工业互联网”等概念，云计算、大数据、物联网等数字技术日渐成熟，全球经济逐渐开始向数字经济转型^[1]。数字化对社会经济的重大影响已然成为重要共识，数字经济已经成为我国经济发展的重要驱动。“十四五”时期是烟草行业高质量发展的重要时期，为加速推动行业信息化的高质量发展，2020年行业网信工作会议对行业网信工作提出了新要求^[2]，要求以有效促进两化深度融合与创新发展为主线，以加快推动行业数字化转型升级与构筑竞争新优势为重要途径，以“全力谋划网信专项规划、全力推动两化融合创新、全力提升信息服务效能、全力提升信息服务效能、全力抓好严格规范管理”支撑服务行业高质量发展，持续提升行业数字化、网络化、智能化水平。

1.2 数字化转型的研究思路

数字革命已成为大势所趋，数字经济与实体经济的紧密融合令企业加速数字化转型的推进，对于卷烟生产企业而言，为推动数字化转型工作建设，一方面要理解数字化转型是信息技术引发的、以价值效益为导向、以新型能力建设为主线的系统性革命，是一项长期、复杂的系统工程，需要体系化、全局化、系统化的进行推进；另一方面要明确数字化转型的驱动因素是数字价值利用，通过统一的跨单位、跨专业、跨领域的数据管理体系，从数据标准、数据质量、数据全生命周期管理、数据安全等方面进行常态化管理，切实建立起行业数据资产管理能力，保障数据资产一致、高质、安全；同时要用好用活行业海量数据资源，构建行业数据共享机制与平台，推进行业数据汇集融合共享、推进数据价值深度挖掘，推进基于数据的决策优化，从而提升行业资源综合配置效率，有效发挥数据创新驱动潜能。

2. 烟草制造行业数字化转型关键能力

基于对2025行业发展战略要求的理解，数字化转型是全方位、成体系的工作，需要贯通两化融合的思想，以价值效益为“导向”，以数据为“驱动”，以平台为“基础”，以机制为“保障”，通过顶层设计建立数字化转型的发展体系，系统化推进行业数字化转型建设，最终实现行业价值重构。卷烟生产企业需从集约化的服务支撑能力、精准化的科学决策能力、精益化的生产执行能力、智慧化的园区管理能力四个方面进行管理能力的提升。

2.1  集约化的服务支撑能力

在共享服务框架下，卷烟生产企业通过后端减重、中间治乱、前端求变来构建个性服务平台：借助RPA提升办公自动化的水平，减少人工重复的工作实现后端减重；改变目前渠道杂乱、分散管理的现状，实现渠道归一化管理；整合企业微信、门户、OA平台、行业平台的信息，统一管控，实现多渠道信息的同步，并能够基于用户行为数据进行自动筛选优化推送机制实现中端治乱；通过PC端、移动端、自助终端等多种渠道，提供员工自助服务，如自助查询、自助打印、自助休假等，实现员工体验自助化，实现前端求便。

2.2  精准化的科学决策能力

通过三个一体化，包括经营分析一体化、业务财务一体化、风险管控一体化。实现“看得清、断得准、动得快”，实现洞察分析和预警报警的功能。经营分析一体化主要针对企业经营指标在自身内部和行业外部两个方面，进行对比分析，进而不断提升企业经营水平。经营指标可划分为质量、效率、成本三类。业务财务一体化通过打通采购到付款流程、生产到成本流程、绩效到薪酬流程、核算到报告流程的四大主干道流程，促进业财一体化。风险管控一体化以风控中心为核心，成立风险管理委员会和专家咨询团队，对风险进行监控和管理，风控相关业务部门（如审计科、纪检监察科、法律与改革科、财务管理科等）针对所监控到的风险能够实现预警，管理层能够对应做出响应和决策。

2.3 精益化的生产执行能力

以人、机、料、法、环、测为对象，提升现场无盲点、穿透无漏点、协同无断点的精益化生产管理信息化能力。实现从原辅料进料、制丝生产、卷包生产、能源供给、备品备件物资供给直至卷烟成品打码入库的全生产过程数据感知，打造透明化现场。以资源要素为主线的条线式穿透。在中烟条线管控模式下，围绕人、机、料、法、环、测关键生产要素进行统一穿透式管理，条线管理下无漏点。以生产计划为核心的专业化协同。围绕生产计划，对生产相关的人员、设备、物料、工艺、现场、质量等全要素进行管理，实现专业化协同管理，充分发挥资源的价值，实现产能最大化。

2.4 智慧化的园区管理能力

以人为本，打造更高效、更便捷、更环保、更安全的智慧园区，为人员提供一站式体验，借助人工智能、云计算、5G、大数据、物联网等技术，实现包括智能停车、智能会议、智慧餐饮、智慧安防、指挥调度、智慧能源等在内的，园区作业可管、园区状态可视、园区运营可控。 

3. 以数据为核心的转型架构

明确以数据感知、数据管理、数据应用为核心的三层蓝图架构，具体如附图所示。

附图  数据蓝图架构

3.1 数据感知

根据数据的不同属性，可划分为主数据、交易数据以及绩效数据，其中主数据是系统间的共享数据，相对于交易类数据，主数据更稳定（如物料、成品、客商、会计科目信息等）；交易数据包括业务数据和现场数据，业务数据是工厂研、产、供、销、服运行过程中需要采集的核心，现场数据是生产现场运行过程中实时产生的关键生产相关数据；绩效数据是能够反应工厂实际业务执行情况与目标之间的偏差，同时提供绩效考核体系的数据（如在岗职工人均劳动生产率）。

3.2 数据管理

以“好用、高质、安全”为数据目标，以数据标准、数据质量、数据安全和数据全生命周期为主要数据治理内容，划分并明确数据治理领导小组、数据管理者、数据所有者、数据生产者、数据使用者和企业级数据治理组织人员和责任，明确数据组织建立与维护流程、数据管控治理考核流程等，具备数据标准管理、数据质量管理、数据安全管理、元数据管理等管理所需的技术支撑工具。

（1）数据标准管理：数据标准管理策略是数据标准维护流程的基础，通过定义数据标准组织与职责、构建数据标准体系与规范，明确各职能部门在数据标准制定和执行过程中的职责和权利，各个业务部门按照实际业务需求形成数据标准建议需求，数据治理团队接收各业务部门及工厂提出的数据标准需求，汇总分析、判断，识别数据标准所属类别，组织建立数据的业务标准、技术标准、管控标准，由主管企业数据资产负责部门对制定的数据标准进行审批，由数据治理团队统一发布最新的数据标准，IT支持团队针对发布的数据标准，借助数据标准管理工具，推动数据标准的执行落地。数据治理团队监督数据标准方式执行情况，评估数据标准工作开展情况，根据业务部门与IT技术团队反馈的歧义的数据标准进行仲裁，数据治理团队统一接收业务部门反馈的问题以及在日常监督中发现的数据标准问题，形成新的数据标准维护需求。

（2）数据质量管理：是以业务对数据的质量要求出发，制定一套可管理的数据质量评价方法和评价指标，将质量管理落实到数据整个加工处理过程中，保证满足业务对数据在完整性、及时性、有效性、准确性、一致性等方面的质量要求。数据质量管理作为业务顶层设计、过程控制和事后评价的重要依据，如何建立客观、全面、可行的数据质量检测、治理与持续改善机制，是大数据是否能够良好服务于智能制造的新的挑战。首先进行数据质量问题的发现与梳理并定义数据质量规则、明确数据质量要求，然后根据数据管理者和数据拥有着对数据质量进行考核之后，再进行进一步的数据质量提升，形成一个由明确数据质量要求到数据质量考核再到数据质量持续提升的闭环管理。

（3）数据安全管理：根据国家、行业、企业业务相关法案及监督要求，通过评估数据安全风险，制定数据安全管理制度规范，进行数据安全分级分类，完善数据安全管理相关技术规范，保证数据被合法合规、安全地采集、传输、存储与使用。以数据安全定级原则为评估标准，针对数据敏感度和数据重要性进行数据安全定级，同时针对数据访问授权即数据使用需求和数据使用者权责进行数据访问授权规范；其中应用到的安全技术涉及到数据存储安全、数据访问安全和数据传输安全。

（4）主数据管理：主数据作为企业核心的基础数据，具有统一标准、企业级共享、静态等特点。主数据管理通过统一制定主数据框架体系，定义主数据模型标准、搭建主数据工具，实现主数据集中化管理，减轻企业主数据多头维护、相互集成所造成的痛苦，确保证企业管理与分析的数据口径一致性，支撑企业横向、纵向的标准化、规范化、一体化运营管理，使用同一种“语言”。以主数据规范、编码标准、业务标准和技术标准等作为管理前提，针对主数据平台、上游系统、下游系统和审批系统等进行权限和流程的管理。

（5）元数据管理：元数据作为描述数据的数据，可以清晰、直观地了解数据的来源、变化过程、应用对象等信息。通过对整个组织范围内的元数据进行管理，逐步实现对企业的数据资产的统一查询和管控。

（6）数据生命周期管理：根据数据活跃度、及时性、存储成本、风险管理、运维成本等因素明确数据服务水平（SLA），依据业务数据服务水平的高低，明确数据全生命周期的存储处理操作规范。企业数据生命周期实现满足业务操作和管理分析需要，满足对历史数据查询相关政策和管理制度要求，满足审计管理要求，同时还要减少数据冗余，提高数据一致性，减少存储、硬件、运维等方面基础设施投入，提升应用系统性能，提高响应速度。

3.3 数据应用

以生产及其相关联的重点业务为中心，设计整体的数据分析主题，主要关注经营分析、生产运行分析、工艺质量分析、设备保障分析、仓储分析、财务分析。其中：企业经营分析主要关注创优对标分析（如行业对标分析和中烟对标分析）和经济运营分析（如产销存分析、综合物耗分析等）；生产运行分析主要关注生产协同分析（如生产计划分析、产供协同分析等）、生产物耗分析（如烟叶单耗分析、滤棒单耗分析、盘纸单耗分析等）；设备保障分析主要包含设备运行分析（如设备保养情况、设备维修成本、制丝OEE等）、备品备件分析（如备件库存分析和呆滞件分析）、能源效率分析（综合能耗分析、电耗分析等）；工艺质量分析主要包含烟用材料质量分析（如进货检验质量分析）、制丝质量分析（如制丝过程质量分析）、卷包纸量分析（如滤棒质量分析和卷接包分析）等；仓储分析主要包含原料分析（如库存周转率、原料仓损率等）、辅料分析（如配盘准确率、库存余量分析、配送及时准确率）、成品（如库存周准率、打码准确率等）；财务分析主要包含预算分析（如税利完成情况分析、预算执行情况分析）、成本分析（如成本费用分析、即使成本分析）。

4. 总结

卷烟生产企业以安全管理和数据管控治理为保障，打通各应用间的数据链路，同时连接工厂级数据集成通道与工业公司级数据集成通道之间的主数据、批量数据、实时数据传输，依据“统一建设、统一管理、分级应用”总体思路，未来将进一步配合构建工业公司和卷烟生产企业两级数据中台，共同支撑 “感知-洞察-决策-反馈”数据分析服务运营体系。

参考文献：

[1]胡晶．工业互联网、工业4.0和“两化”深度融合的比较研究[J]．学术交流，2015(1):151-158.

[2]刘季.卷烟生产物流“互联网+”的探索[N]. 东方烟草报,2019-10-19.

[3]刘燕.静态数据管理方法研究及应用[J]. 数字技术与应用,2010(04).

[4]谢少锋.深化新一代信息技术与制造业融合发展为经济创新发展注入新动能[J]. 新经济导刊，2020(1):18-21.

[5]中华人民共和国工业和信息化部．联规〔2016〕349号智能制造发展规划（2016-2020年）[A]．北京：中华人民共和国工业和信息化部，2016.

作者简介：

杨德春，45岁，湖北中烟恩施卷烟厂厂办，副厂长；

冉彬，47岁，湖北中烟恩施卷烟厂信息管理办公室，副主任；

孔令虎，43岁，湖北中烟恩施卷烟厂信息管理办公室，系统管理员；

谢远飞，45岁，湖北中烟恩施卷烟厂信息管理办公室，网络安全员。