智能制造智慧生产场景赋能啤酒产销第一大国
2024食品饮料行业智能智造先锋论坛暨第十六届灵奕自动化客户交流培训会“圆桌会”会议
记者 曲东杰 （相关内容据音频整理未经本人确认）
《中国啤酒》：各位专家、学者大家好，热烈欢迎大家参加2024食品饮料行业智能制造先锋论坛暨第十六届灵奕自动化客户学习培训会，非常高兴能和大家一起在美丽的青城学习探讨智能制造智慧生产技术，感谢大家百忙之中抽出宝贵时间，参与本次圆桌会，感谢灵奕集团与《中国啤酒》共同组织本次圆桌会议。
智能制造、智慧生产、智慧工厂已成为工业4.0时代的热点，特别是在啤酒酿造业，由于本就属于自动化生产程度比较高的行业，而且有生产流程涉及的方方面面比较复杂广泛，单厂生产能力从几千吨、几万吨、到目前的几十万吨、甚至百万吨的产能，从单厂到集团化的变迁，简单的自动化管理模式已经不适合啤酒酿造业的发展需求，智能制造智慧工厂生产模式和现代AI技术的应用已经迫在眉睫，成为现代啤酒酿造业的主流，中国啤酒酿造业早在2012年就已经跃居世界啤酒第一产销大国，目前世界上最为先进的啤酒酿造包装设备均云集于中国，如何让这些顶级设备发挥出应有的效率，是今天在场的每一位专家学着都关注的重点，啤酒酿造业能够取得这样的业绩是在做啤酒酿造商、专家学者、设备、智能制造供应商、仪器仪表供应商为代表等专业人士共同努力的结果，是你们共同为消费者酿造了美好生活，作为消费者的一员在此向你们表示衷心的感谢。
首先请灵奕集团的敖总介绍一下，中国啤酒酿造业智能制造智慧生产模式的应用达到一个什么样的水准？比如说现在国际通行的工业3.0、4.0我们是否能达到这样的水准？我们啤酒酿造业的智能工厂目前有哪些突出表现？包括灵奕集团为雪花、青啤、燕京、百威、嘉士伯等企业提供的智能制造解决方案都起到了那些重要作用？
灵奕集团 敖乐根：本来参加圆桌会议是准备听课的，没想到会让我第一个发言，因为没有事先备课，作为智能制造智慧生产供应商的一员，我就简单谈一下相关感受。 灵奕集团自20世纪的1985年开始做啤酒这个控制系统，当时国内没有任何参考案例，在该领域完全属于空白。
20世纪90年代在食品工业大发展时代初期，灵奕的研发领域拓展到整个食品饮料行业工厂信息化工程，直至21世纪初，随着国内外节能减排理念的不断加强，灵奕将研发重点定位在啤酒酿造行业的设备能源管理。 能源管理在那个时代没多少企业关注，尤其是在内蒙的西部地区能源不值钱，基本上没有任何企业愿意在降低能耗上下功夫。
但是制造企业车间执行层的生产管理信息化管理系统 （MES）的优势已凸显，它的功能贯穿于订单下达到产品完成的整个生产过程 ，不但能够优化管理，还能精细化管控生产。 灵奕2007年就开始研发MES。从啤酒行业的线效率控制、MES与ERP结合，到目前的数字工厂，智能制造与智慧生产，MES功不可没。
在工业4.0时代，无论走到哪里，我们都会谈及MES。 我们啤酒酿造业与会的各位专业人士，无论是智能制造供应商还是啤酒酿造商，对数字化工厂的了解都非常透彻。我们今天聚集在青城探讨从生产到消费终端的整个智能流程，每一个企业都迫切需要，一套适合自身的智能制造智慧生产解决方案。
在这竞争激烈的大环境之下，如何降低生产成本？
怎么样生产工作效率更快？
怎么样用同样的设施设备做出更好、更多、成本更低的优质产品，提高市场竞争力？
竞争力最强的产品需要MES为后盾。
以我们灵奕为啤酒酿造业开发的某智能工厂为例，也是我们首次开发的最为完整啤酒酿造智能工厂，已经运转多年，也是当时最为先进的智能制造智慧生产工厂，与我们现今推出的ERP加MES完整解决方案有所不同，是运转之初那个时段国内最为先进的智能工厂，其运转效率是国内同期同规模工厂平均水平的1.8倍。比如酿造过程中糖化效率是按锅计量，一般企业当时的日产量在6、7、8锅左右，达到极限值的企业可能是10锅，而采用灵奕智能制造解决方案的首个工厂，日正常产量可以轻松实现12锅，中间CIP过程实现不占用生产时间。
通过案例我们能明确感触到，在同等设施设备的情况下，采用MES能够为我们带来醍醐灌顶般的智能生产增效解决方案。
所以从智能制造设备的线效率控制、预测性维护上分析，我们可以得出相应的结论是，智慧工厂可以把设备的生产效率达到极限值，能够剔除非计划性停机因素，通过智能化分析生产流程中的点点滴滴，优化流程中的各个小环节中的种种因素，无论是能耗还是其他效率都一一显示在面前。 智能制造智慧工厂不能有中餐厨子那样，各种调料少许的思维，这无法实现标准化生产。而西式快餐比如麦当劳、肯德基等，初始就实现统一工艺和量化指标，因此全世界的产品才能基本上实现风味口感一致性。
同样智能制造智慧工厂的各流程环节的优化也需要相应的参考值，各环节的参考值就是各流程环节的量化指标，无论是工业2.0 、3.0还是4.0都离不开相应的量化数值的支撑。
智能制造通过信息化系统通过对过往统计数据进行分析，它不但可以做到发现问题，还能够依照工艺流程既定标准，自动优形成相应解决方案，反馈回去依照相关统一标准和设备工况自动优化执行。 通过案例分析不难发现智能制造智慧工厂生产模式的需求已经不可逆转，临沂在调研过程中发现无论是啤酒酿造、乳品、饮料、调料、白酒行业，都是需求旺盛的，单靠人控制设备其设备的效率、成本、质量等等会因人而有所差异，人是会疲劳的、人是会有惰性的，最重要的是不同人看到的问题的模式、对信息的理解程度都会有不同的结果。
我在今年年初与我们李经理两个人去广东考察时，在某国内非常著名的食品饮料行业企业发现，自从其智能制造数字化管理后，无论是生产环节的跑冒滴漏还是其他环节的查遗补缺，都能通过数字大屏统一解决，自从数智大屏智能制造理念运转以来，销量翻了几十倍，价格也下降了几倍。
智能制造的概念出来以后我们应该如何发展？
啤酒酿造行业的大企业像雪花、青啤、百威、燕京、嘉士伯等，都对企业的数据智力非常重视，各自都有相应的侧重点。数据的作用在智能制造领域或缺，由于水平有限只是抛砖引玉，请各位专家指点。
《中国啤酒》曲东杰： 感谢敖总分享的专业见解，谈到啤酒智能制造智慧工厂，忽然想起120多年品牌历史的青岛啤酒，有一台一百多年至今还在运转的西门子电机，除了西门子电机质量可靠外，也离不开青啤维护到位。那么从青啤收购第一个扬州啤酒到后来收购N多个厂，青啤是如何做到不同产地、不同工厂，同一个品种、不同批次的产品的风味口感基本上保持统一性？
专家一：青啤最为注重的食品安全和质量管理，在整个的生产流程过程中，质量品控是青啤永远放在最为顶层管理，这是你刚才谈到的啤酒的口味口感一致性的基础。刚收购来的工厂首先依照青啤既定的生产流程和质量标准调整转化。从 人员培训、质量品控、安全生产等等都一一到位，然后对整个工厂投资改造，包括各种质量监控，达到什么样的装备水平资质就生产什么品类的啤酒，这就是青啤的调整转化。
比如青啤的经典产品不是所有工厂都有资质生产，如果工厂在装备、质量控制、流程管理上等等，达到经典啤酒规定标准，才有可能获得经典啤酒生产资质，这是青啤对工厂种管理的硬性指标。
青啤的质控部门以前的管理是去工厂去查核，检查生产过程怎么怎么样，现今除此之外，还要到市场上以更严格的标准抽检，查到什么酒是什么酒出现问题，这时候，你就没有理由可以去做过程解释的环节，青啤这种质量品控要求标准是不计成本的。
只有严格的品控质量管理标准才能保障食品安全，为让食品安全和质量品控防护管理更上一层楼，青啤与海康一起研发人员协议的AR管理，通过相应的新智能技术手段，实现在线生产整个生产流程中各个环节的可视化监控，最终目标就是保障青啤提供给消费者的每一瓶啤酒，都达到青啤规定的品控质量标准和保证食品安全。
《中国啤酒》：每个工厂都有他单独的智能制造系统，青啤总部如何监控不同工厂相应生产流程？还有青啤的灯塔工厂达到什么样的水准？实现相应系统后给青啤各方面的管理效率有哪些提高？
专家一：您提出的问题很广泛，我需要逐个解释。 首先在质量的管控方面青啤实现全过程管理，在生产过程中，有上千个质量管理的过程点，目前这些需要管控的过程点，已经嵌入到青啤的相关管控系统之中，完全实现智能数据采集数字化管理。
其次，为进一步提高各个管控点在线数据智能采集管控精准度与效率，推进智能制造智慧工厂质量管控数字化转型进度，在质量方面青啤正在研发将所有质量管控点嵌入link系统，运用link系统监控管理整个集团所有的过程质量管控点。
集团公司层面做（UE）平台，通过网络与各个工厂端口链接，实现无死角实时在线质量检测监控。 比如像安东帕等啤酒酿造行业熟知在线检测、监测设备和仪器仪表和相应传感器，可以自动实现在线采集相关数据，自动数据输入link系统之中，最终到达总部层面，总部可以实时同步监控到所属每一个工厂的所有流程中的每一个质量管控点的实时数据。
在工业4.0时代先进技术不断地涌现，青啤也在不断地投资更新现代监测、检测仪器仪表等设施设备，完善数据采集系统和整个质量管控管理流程，最终达到所属每一个工厂的全部质量管控点信息，在总部层面实现完全透明化。
关于灯塔工厂青啤是在 21年申办灯塔工厂，是青啤的武汉工厂。我有幸参与了这个工厂建设，在现场同很多MES专家一起沟通了整个智能制造、智慧生产、智慧工厂等整个方案和建设过程，受益匪浅。 其实灯塔工厂更多的点是在于引领，青啤武汉工厂的智能化作业场景，让智能生产智慧工厂的优势和魅力展现得淋漓尽致。
当麦肯锡的专家看到一个百年老厂，数字化转型时代带来的这种变革和取得的业绩非常惊讶，他们十分看中青啤管理层和员工对智能制造智慧生产的数字子转型适应和努力奋进精神。
2024年青啤某厂入选可持续工厂，这是我国啤酒酿造业第一个可持续灯塔工厂。对于灯塔工厂的建设青啤正在稳步继续推进，继续点亮所属其他厂的灯塔。
对于智能制造，也是啤酒酿造行业关注的最大话题之一，也是整个行业面临的大变革，面对这种不可逆转的变革趋势，青啤也在依照所属工厂的不同状况稳步推进，各大啤酒酿造企业都有自己的智能制造智慧生产的标杆工厂，首先要一个一个的逐步改造建设。相关的智能制造场景可以从中心工厂、国外工厂进行复制。同时必须在复制过程中同时培养足够与之相适应的人才。
青啤集团有自己的人才培养管理学院，专门培养数字项目实施过程中所需要的相关人才，来作为项目支持的后盾，保障未来智能制造智慧工厂的运营。
现代智能工厂需要人才去支撑，这两方面其实也只是我们啤酒酿造业智能制造智慧生产的痛点。 因为传统工厂上只的操作人员或者技能人员多为单一技能，但未来的智慧工厂需要的是复合型技能人才，对相关人员的技能要求是掌握多样化技能，需要多维技能思维模式方能适应智能制造场景所需，这是青啤重点推进项目。
其实在智能制造智慧生产智慧工厂项目的推进上，我们觉得没有太多困难，很多项目已经实施到位。比如我们现在运转的智能仓储、可视化酿造等等，这些都一一实现，但是大范围的智能制造场景需要相应人才的支撑，只要是啤酒酿造业智能制造场景所需人才到位，实现智能制造智慧生产并不难，但相关人才的不足，可能是阻碍智能制造智慧生产发展的痛点和难点。
《中国啤酒》：感谢专家的分享，生产力的发展促使人才的培养模式和供求关系发生很大变化。燕京啤酒自耿董接管以来发生了新的变化，就今天的内容请相关专家谈一下关于燕京啤酒智能制造智慧生产智慧工厂方面的想法和规划？
专家二：近几年燕京啤酒集团的确发生了质的变化，据我们了解燕京正在实施二次创业战略，在此我只谈有关智能制造智慧生产的话题才符合今天的场景所需。
关于智能制造智慧生产场景，燕京从总部层面现在已经开始在推信息化管理，现在就体系的信息化方面包括从人才信息化、物资信息化、物流信息化、生产流程管控信息化等都在推进。各个工厂都在依照自身特点进行智能制造场景有计划的实施改造，有采用标杆工厂模式的，也有一厂一策模式方案的，逐步实现所有所属工厂全部采用智能制造智慧生产模式。
参加本次智能制造交流会，主要因为我们了解到燕京一分公司还是一个老厂，发酵自控方面还是1999年灵奕研发的发酵自控系统，该控制系统沿用至今。但是现在已经有更高更智能的控制系统，灵奕集团也中标燕京发酵智能制造控制系统，目前正在改造。这也是目前最先进的控制系统（ProMes）。
所以我来参加交流会还有一个主要目的，就是和灵奕沟通包装流水线智能生产流程改造项目，如何通过MES等智能制造场景提高线效率管控，减少非生产原因停机因素，实现在线监测、检测、各种传感器质量远程监控等。希望现有设备，通过智能制造智慧生产解决方案发挥出最大产能效益。希望通过沟通交流的出更全面、更科学、更合理的智能制造智慧生产场景解决方案，通过智能制造智慧生产场景助力燕京啤酒二次创业健康发展。
所以无论是从燕京集团战略，还是企业文化、政策方面，目前燕京啤酒集团所属的28个工厂，每年都在智能制造智慧生产场景改造项目投入大量资金，去年某个项目应该投1.2亿，今年的某一个项目也在4,000万左右，燕京不遗余力大量投入，就是为了让智能制造智慧生产场景服务与现代啤酒酿造业，采用低碳环保节能绿色智能模式，为消费者酿造美好生活，谢谢大家。
灵奕集团 敖乐根：那个是我们的系统运行了20多年呀！
《中国啤酒》曲东杰：感谢专家关于燕京的分享，感谢燕京采用智能绿色模式为我们消费者酿造美好生活。
灵奕的发酵智控系统能够在燕京安全运行20多年，说明系统可靠稳定，希望灵奕集团能够为我们啤酒酿造业智能制造智慧生产场景提供更加可靠的解决方案。 任何智能制造智慧生产场景离不开相应的软硬件供应商，我们啤酒酿造业也一样，食品饮料行业的高端制造设备大多来源于欧洲，相关控制的软硬件配备西门子产品的占多数，请问西门子的代表周总，抛开其他行业单就啤酒酿造业，西门子在与灵奕和整个啤酒酿造业合作过程中，您觉得国内啤酒酿造业智能制造智慧生产场景应该向那个方向发展？
西门子 周济：没想到第三个就轮到西门子发言，还以为是啤酒酿造业先讲完，特别感谢啊！
我首先简单介绍一下西门子自身的转型方向，前两天刚开完西门子中国区大会，其实西门子现在自身定义为科技公司。综合来谈自动化产品和自动化软件，西门子全球排名第一，主要在工业维度方面。那刚才提到灯塔工厂了，我们一直也在谈这个话题，西门子也有个双灯塔工厂，同青啤是一样。一个是卓越个体，这是第一步，第二步就可持续，在中国的成都工厂是我们自己的灯塔工厂。
其实我们是从自身的一个实践，就开始做整个的数字化转型，或者说现在提得比较热（数转折质感）。
我们跟很多企业，包括啤酒酿造业，我本身是负责液态食品，啤酒和饮料我们当时也在分析这些行业的一些特点，比如说像啤酒乳品和饮料，它的很多技术是属于从欧洲或者是有地从美国引进，所以会有刚才你提到的两个派系、两个标准。引进之后对于国内来说在整个食品饮料行业居于于很领先地位。
如果您对标国内的自己很有特色的比如白酒，它就完全是自演的一套体系在发展。
我们在谈数字化或智能化转型或工业4.0转型的步骤，可能是第一步要精益化，其次是自动化，再次到数字化，然后再谈未来的智能化，整个转型需要过程和步骤。
其实工业4.0包括我们自己工厂也没有做过评分，可能是现在是属于数字化和智能化中间的阶段，其实是这么样的一个一个进化过程。
现在我们回谈到啤酒酿造业，西门子起家于食品饮料业，或者说从啤酒 酿造业开始发展，因为刚才大家都有提到我们发明的软件（Bromat），1977年我们就研发出这个软件，一直沿用至今，这也是西门子深耕啤酒酿造业的起始点，我们一直在业内慢慢稳步用心发展。
其实（Bromat）软件我们（Scalda）家，它介于自动化和数字化中间这一层，它包含了自动化，我们说的标准的功能，但它又具备一定数字化功能，这个层级的功能是设立智能制造智慧工厂的基础。 如果我们打造一个智能制造的工厂，第一步我们会建议就其项目实施咨询，把顶层架构设计出来，之后再落实路径。因为如果你先做路径再往上加，这个就属于边做边想。
正常来讲，无论一个企业要怎么转型，他一定是有个战略方向，我们这两天也在跟白酒的头部企业， top one top two级别的企业在讨论，他也是一样的，他要做世界500强，他第一步是要做什么？做五年的战略规划。 西门子也是一样的，我们也有一个战略规划，那这个咨询路线做完之后，我们再谈落地实施，我们需要做什么？
比如说我今年我希望打造灯塔工厂，灯塔工厂倒推回来，你要选择你想做哪个方向的灯塔？
卓越个体的？
端到端的？
可持续的？
就是三个维度嘛！
可持续一定是在头两个做完之后才有第三个，那你要做卓越个体的，那你就需要在先进技术做一些加强。
比如说新技术的应用，AI等，然后是各种数字化系统。如果你是要做端到端的，那你打造的方向就是供应链，所以它的方向会侧重不同。
所以我们如果从智能制造这个维度，或者啤酒酿造业以及整个啤酒饮料业这个方向来谈，我说如果说企业有一个定标的方向，那他再去任务拆解分派给到各个工厂，然他们去完成各自需要做的事情，然后再说其他的目标远景，慢慢稳步推进，不知道这个问题的回答是否妥当。
专家一：青啤跟西门子的合作渊源就不止120年，前一段时间跟白总（白丽萍），交流的时候，然后她谈到青啤江总裁，江总裁最早的时候，应该是在青啤一厂，当时青啤上那套糖化控制系统好像是Braumat，是她把Braumat系统带到中国青啤的，那是国内第一套Braumat系统。
西门子-周济：我在此要特别感谢一下青啤，其实不光是电机和青啤有合作，西门子进入中国市场这150多年的历史，青啤是我们开启中国市场第一个合作伙伴，Braumat系统进入青啤也是在中国的第一套。
西门子 周济：我们一直在同青啤一厂合作，我们最近这两天也在做一厂的升级改造。青啤一厂一直完整地保留了Braumat，从我们最早的版本，到现在最新的版本系统，都一直是在合作。
专家一：青啤现在正在构建人员的数字化管控系统，也是在同西门子合作，采用的就是Braumat8.1加（查菲尔迪代码）平台，青啤正在打造一套更适应，数字化智能制造智慧生产的系统，这是智能制造智慧生产的一个新数智模块。
西门子 周济：是的，这也是由我们工作团队在实施工程，因为是这样一定能把底层的基座打好，有一个可依据的平台Braumat，就适用啤酒这种批次的生产之后的各种智能管控，在此基础之上搭建各种的数字化平台，能一步步完善智能制造智慧生产的各种智造场景。
《中国啤酒》：感谢周总和专家关于智能制造平台架构打造经验的分享。 啤酒酿造业采用智能制造智慧生产有哪些看法？百威武汉工厂与莆田工厂，两个不同时代的工厂之间有什么区别？哪位专家可以分享一下？
专家三：首先感谢前面几位行业大咖的分享，相关内容让我受益匪浅。我算是这个行业的后辈，前面几位大咖也谈了很多发展和历程，那我自己本身是一个智能化从业者，现在我也在经历这个从智能化向数字化向智能化的转变的过程，我谨谈自己从事工作中的一些改变或者是企业的一些新的发展探索。所以我智能简单分享一下。
对于百威在这方面可能做的有些地方不太周全，希望大家可以多给予指正。
其实百威自2016~17年就开始从各个角度进行数字化生产探索，据我了解百威一直在向智能化生产探索。我相信从自动化到数字化，再到智能化是绝大部分生产企业，都必须要去做的一次蜕变，或者必须要经历的历程。
从自动化到智能化，本身是要用机器去取代人力，去解决高效人力的问题，百威这两年也一直在探索。
虽然智能制造智慧生产非常适合时代所需，还需要我们整个中国一大批行业从业者们和在座大咖们一起来推动。不管是供应商也好，还是相关啤酒企业自身的这个转变也好，需要大家一起来推动这一场变革，因为它不是单个企业或者单个哪个厂商能去解决的。
这是一个生态的问题，我们也会面临很多这样那样的问题，比如智能制造需要更多的机器人，如何人机合一人，怎么样把它落地，解决企业真正的痛点、难点，我觉得这个可能是我们策划前必须做的一些探索和思考。
刚才敖总提到上次去百威看到百威做了很多数据，百威对治理要求是非常高的，这是因为百威做了这么多年的数据，充分体验到数据治理的重要性，百威有众多分厂分布在全国各地，怎么样把一个厂的成功地复制到另外一个厂，就涉及多重数据这一层，现在有数据中台报告做相应的基础依据，就比较容易实现。
敖总昨天分享的数据规划理念，就是告诉我们怎么样去做数据标准化、数据的治理等等，所以我相信未来数据是啤酒酿造业数字化智能制造必须关注的重点，因为好的数据结构是可以做来带来很多的收益。
据了解百威现在做的数据洞察，它的要求就是非常精准和海量的标准数据来支撑，所以百威的数字化智能制造方面一直在不停地探索，应该会利用这些标准化数据，建立很多与之相适应的分析平台，服务于啤酒酿造业相应流程环节。
比如在质量品控，在线监测、检测，各种能源、能耗控制等等方面，百威应该都在进行探索完善。 在智能制造智慧生产方面，现代AI技术的加入为啤酒酿造业赋能了前所未有的正能量，百威也在AI技术赋能方面进行了深入探索。
首先采用AI大模型，运用Ai强大的学习功能去赋能现在的每一个工厂，帮助解决管理层、员工所面临的各种问题；怎么样运用智能技术直接去控制我们的啤酒酿造、包装、能源设备，保障全部生产环节依照工艺流程更加丝滑地运行，提高产品质量，更精准的管控成本，降低非生产原因停机率等等，都是百威现在努力研究和探索的重点。
关于武汉工厂和莆田工厂新旧对比话题，20世纪80年代的武汉老工厂和现代的莆田新工厂，无论是从管理上还是从设备品质功能上都存在很大的差异性，刚才专家提到的一厂一策解决方案模式很有启发性，据我了解百威应该也面临这样问题。
参加本次活动我也是希望能通过学习，参考大家的在这方面的改进经验或者一些新的探索理念，因为老厂改造起来确实有它的很多固有局限性，新厂在设计、规划和设备配套，包括人员培训、配备等各方面都会好很多，但老厂如何实现智慧生产的场景，怎么样去激发他新的活力，如何依照现有设备的特性去改造，让其达到智能制造智慧生产流程之所需，各位同业大咖探索思路的方向、模式，也是我希望虚心学习借鉴的重点。
灵奕集团 敖乐根：我插一句啊，专家三是专业智能化制造专家，目前我们智能制造的相关人才特别欠缺，尤其是年轻的智能制造专业人才缺口更是尤为突出，我特别佩服在座的智能制造专家，因为智能制造智慧生产是现代工业4.0时代不可逆转的年轻朝阳产业，和他们在一起合作探讨工作时，我觉得我也很年轻，因为我们从事的行业赋予了我们源源不断最为年轻的活力。
《中国啤酒》：感谢专家、敖总的分享，年轻是最大最为优质的资本，智能制造智慧生产是目前啤酒酿造业发展所需的最为有诱惑力年轻生产力，如何让着最为优质的年轻生产力服务与行业的发展，两位高屋建瓴的见解，必定会在会后给我们带来醍醐灌顶班的新探索思路。 刚才都是专家在谈大集团性质的企业发展过程中所遇到的问题和经验以及解决方案，中小型企业对智能制造智慧生产场景的需求是否有所不同呢？请重庆嘉威啤酒的郑总分享一下相关经验心得。
重庆嘉威啤酒 郑永森：非常高兴能够有机会参加本次智能制造智慧生产培训会议与论坛，我是第一次参加这么高层次、这么多专家参与的智能制造会议论坛，在培训过程中受益匪浅，让我领悟到了什么才是智能制造智慧生产以及AI技术赋能啤酒酿造业的精髓。
我们重庆嘉威啤酒与大集团相比较相对规模较小，属于单厂生产模式，麻雀虽小但也五脏俱全，公司领导和所有高管都非常重视智能制造智慧生产场景生产模式的建设，特别是我们的总裁对数字化智慧生产场景模式非常重视，对数字化生产流程管理建设标准的要求也非常的高，公司正在和相关合作单位共同规划、研发、建设、完善智能制造智慧生产场景。
为了让智能制造智慧生产场景能够更好地服务于重庆嘉威啤酒，多年以来我们考察了很多业内头部企业的先进工厂，包括百威莆田工厂；云南昆明工厂，还有嘉士伯各地的多数工厂我都实地考察过，因为我原来在嘉士伯工作。除了啤酒酿造企业之外，我们还跨行业考察过泸州老窖、江小白等等不同生产经营模式的白酒企业。他们大多都由传统生产模式转型为自动化生产模式，有的某些生产流程已经实现智能制造智慧生产场景模式。
前段时间华为的孟晚舟曾经有个讲话，我觉得她的观点非常好，就是要卓越数字化，数字平台化，平台智能化，智能实战化。我觉得她的观点是实现智能制造智慧生产场景的基础，我个人比较认同的。虽然同灵奕集团近期才接触，但是通过昨天的培训，让我对啤酒年造业智能制造智慧生产流程场景，有了更深层次的认识，这一切都与公司各种战略规划息息相关，我们近期也一直在做公司数字化建设规划。 赛利斯是世界上最先进的工厂之一，网上可以看到他与华为合作后的直播。我们的领导和他们比较的熟悉，我们参观考察过他们，塞利斯作为企业可以和行业互动，这对我们企业的要求大大提高，如果不进行数智化转型互动的可能性将不复存在，这个倒逼案例对我们产生了深刻的震撼，这也是公司领导对数智化转型标准要求高的主因之一。
我们目前虽然实现自动化生产，但不够先进，整个生产流程过程中很多环节可能是孤岛型的，没有实现MES整个生产流程各个环节智能控制，非生产性停机因素无法实现精准控制，我们现在正在同灵奕集团沟通现代企业教育这一环节，兵马未动粮草先行，没有智能生产场景的人才和相应思维支撑可能无法让智慧工厂发挥出他应有的潜能，一切都需要逐步完善。
我们前期考察过很多企业，包括青啤的博物馆和现代工厂。特别是AI智能技术应用这方面，大集团都是自己研发的，对于像我们这样单一工厂的小企业来说，实现AI数智智能开发可能是难如登天了。 我们在百威莆田公司交流时发现，大集团有个普遍的优势特点就是，他们有很多工厂，某一个特别成功的案例可以直接克隆复制到其他同类工厂，这样会一次研发多厂受益，成本大为降低。像我们这样的单一工厂要如何实现数智化的确是一大挑战。
另外就是我和啤酒酿造业很多人进行过沟通，大家都认为AI智能技术拥有海量数据是他的优势，但以目前的状况看迫在眉睫的不是海量的数据，数据的质量应该是首位，目前应该解决的是数据质的问题，大量的无效数据蕴含其中会适得其反，高质量的有效数据发挥AI智能技术优势促进整个啤酒酿造业健康发展。
我们和西门子、斯莱德都有过接触谈及相关AI智能技术，他们也在研发，比如西门子的（布罗马特），不但涉及啤酒酿造业还涉及其他行业很多有用的数据，利用这种工业智能化的学习功能，然后再反馈到相关行业。 可能每一个企业都有自己的商业秘密或者专利技术需要保密，昨天在接受培训时好像听到建立一个不属于自己的公共云的信息，像我们这样的中小企业非常希望这样的平台出现，大家共同分享相关智能化数据，你分享数据给大家，也有助于别人也分享数据给你，你同样也是在享用这个利益。这样的数据分享模式有利于整个啤酒酿造业健康发展。因为这好像是整个啤酒酿造业，大家一起共同来建设AI智能研究院。
比如像行业头部企业集团雪花、青啤、燕京、百威、嘉士伯等，他们各自都有海量的一线专业数据，他们也通过很多模式分享了各自的数据经验等，大家一起通过共享的高质量数据，共同研究，不断地完善AI智能学习功能，让AI智能化的个性功能更加的实战化，更好的服务与现代啤酒酿造业智能制造智慧生产场景。
以上仅为个人在本次培训学习中的浅见，不妥之处敬请大家指正，多谢。
《中国啤酒》：感谢郑总慷慨激昂的分享，单一啤酒酿造商工厂和中小企业，的确在数智化转型过程中会面临高额研发成本问题，AI智能技术在需要海量高质量数据和经典案例的作为后盾，这些数据和案例需要从业人员的共同奉献和努力，公共开放式AI云技术学习服务平台也是业内迫切需求的专业平台，我想通过灵奕集团和在座各位代表的共同努力，AI智慧树式的学习、工艺技术、智能维护平台，在不久的将来会展现在大家面前，服务与啤酒酿造业。 无论是MES智能制造智慧生产场景，还是AI智能制造工艺监控在线设备故障维修树检测、监测系统，其在线数据均来源于相关数据传感器、仪器仪表，请相关传感器、仪器仪表供应商分别谈一下，如何才能满足现代啤酒酿造业MES、AI智能系统发挥应有的效率，减少非生产因素停机率提高设备使用寿命？让大家分别谈一下看哪位先谈一下？
威卡 黄海涛：非常高兴能够有机会参与有这么多一线专家组成的专业论坛，到目前为止本次论坛已经让我学习到很多一线前沿知识、经验。我非常赞同啤酒酿造业由自动化向数字智能化转型，数字智能制造模式不但能降低非生产因素停机率、提高产品质量、降低设备故障率、提高先效率控制还能实现节能减排绿色环保友好生产模式，所以各个行业都在谈智能化生产场景。
智能制造智慧生产是自动化生产模式的一个延续和升级，两种不同的生产模式代表的意义肯定有很大的差异。所以我个人对于智能化的这个定义一直在期望。它和我们之前一直在谈论工业自动化的主要区别点在哪里？我把它定义为是一个自我学习和自我进化的这么一个功能，这个是我们研究在工业自动化上所不具备的一个功能啊！因为我们之前做的工业自动化，更多的是说依据我们原来手工业或者说叫小工业的初级自动化，所积累下来的经验和数据，以这些数据为基础来打造所谓的自动化。
比如说像某个参数设置，我设置一个基本参数，那我的自动化控制都是以这个参数为基点，你的参数高了那需要人工控制来把它调低，参数低了需要同样手段来调高，这就是我们工业自动化走过的过程。 那如果谈到智能化等于谈及AI智能技术， AI功能最终会超过人脑，我们过去是以人脑的经验数据为基础，那将来AI智能技术拥有自我学习之后，也许他对于某个参数，尤其是整个工厂的这个参数的系统化协作这一点，我相信有朝一日他一定可能是超过人脑，那只有这样的可能实现，我们智能化才能真正地发挥它的作用。
你刚才提到智能制造智慧生产模式离不开传感器、仪器仪表，我是特别的赞同，因为我们威卡这个集团就是做仪器仪表的公司。我们六七十年以前是以机械表为主，机械温度机、压力表啊等等为主。 后来随着行业的发展我们进一步转型到电子仪器仪表领域，电子仪表现在全球的销量已经远远超过我的机械表销量。这其实是伴随着全球的工业自动化的升级而来的转型。
未来智能化可能会给我们的仪表，带来更多的思考的方向或者是发展机会。就像你刚刚所讲的，任何智能制造场景都离不开相应的仪器仪表来检测、监测控制。
如果说像西门子、灵奕这些做研发智能制造场景系统控制公司，我们把它称为大佬的话，那我们这些做传感器、仪器仪表的，可以说就是智能制造智慧生产场景的眼睛、手和末梢感知神经，没有我们来感知获取的所有的数据支撑，那智能制造智慧生产场景也不可能实现。
自动化生产模式的产线布局，相关流程的各个控制点也需要相应的传感器、仪器仪表来检测、监测，比如温度、压力、液位等等。
那现在我通过传感器、仪器仪表取得相应检测值，这个检测值是控制的参数，在智能化的整个架构下，那可能我就需要设置更多的参数控制点，也就说我们设置的相应检测、监测点，除了取得相应的数值外，其实还要帮助我的整个系统来进行学习，进行净化、比对。
为什么我们要布置更多监测点呢？因为它能够给我们带来更多的，类似于学习资料一样的数据，数据越多只能系统的可靠性就越强，从而会使系统越变越聪明。
智能制造智慧生产模式场景的发展，也是我们威卡集团未来发展的大机遇，关于智能制造的讨论是我们集团内部最高层次的讨论。我们的仪器仪表应该变得更加智能化，才能配合我们工业4.0和智能制造智慧生产场景的转型升级所需，这是行业发展的关键点我这个想谈的第一点。
第二点呢我也是特别赞成赞同专家所谈的几个差距，咱们无论谈到这个自动化还是智能化，都存在相应的不同差距。一个是中小型企业和头部企业间差距，头部企业的工业智能化基本上我的感觉是已经完成了或者说已经达到了一定的程度了，那中小企业其实还有一定的差距，这个差距到了我们这些仪器仪表企业这里，其实有很大的机会，所以也就说我们不能老只是盯着那些头部企业，中小型企业需要什么？
我们其实也需要更多的关注他们诉求。
那第二个我看到的差异呢，其实是这个不同行业的差异。咱们在座的都是啤酒酿造行业，各位专家和老师对啤酒酿造行业的认知已经是非常深刻，其实我们这个行业的智能制造智慧生产场景的应用，已经绝对走到了大多数行业的前列，而且是相当高一个的程度。但是在很多其他的行业其实差距很大，我就拿我们熟悉的白酒行业来说，其实白酒行业的自动化和智能化，这一块还只是在一个起步和探索的阶段。
我前两天与白酒行业的几位头部企业多维核心领导和老师一起沟通，谈到某些流程上的监控，他们还是老专家的一种人为的感知来控制。比如说温度靠手去摸控制，我说我用温度计不比你手摸的准确吗？
对方回答不行，你温度计测的那个没有我们专家的手测感觉好；再比如我们这个发酵、磨制了之后的硬度和这个紧密度，那对我们来说有专业的手段来测压力，测它的松紧度，但是他说目前不行，我还是专家用手去按一下更好使。所以所有的这些现存问题，可以说给我们的自动化和智能化带来很大的发展空间，但是如何让我们的智能系统、AI电脑最后比人脑，比我们的专家好用这条路，可能还有很长的一条路要探索，这是我的一些观点和看法，谢谢大家。
《中国啤酒》：感谢黄总关于行业发展方面的现状与未来发展方向的分析，还有其他哪位是传感器及仪器、仪表的供应商就相关同类问题分享分析一下？
E+H 王海涛：先做个自我介绍，我是来自E+H王海涛，可能大家都比较熟我们的产品。我和在座专家认识多年了，我负责服务食品行业。
刚才威卡黄总讲的非常精彩，我们是同行。我们是智能制造数智生产场景的千万双眼睛与末梢神经。现代精密仪器仪表与传感器能同时监控、监测工艺流程中的每一个关键控制点，而专家的手无法同时做到不同点的同时监控，有的控制点由于现场条件或工艺的限制是无法用手来感知的。 E+H是通过仪表端口采集参数来实现数智自动控制，我们主要做全品类的产品服务，目前我们的仪表关注点主要在以下几个方面。
第一个呢刚才我听到Profinet和SNIP是不兼容的，其实业内依然存在相应问题，但我们产品都是通用的兼容的。 首先就是数字化的通讯，为什么是这样说呢？因为仪表测量的可能是温度或者压力等等，这些数值是否够用？从我们的数据来看我们有几百万的装机容量，这里面94%超过90%的数据其实是没有被客户充分利用的，客户可能只利用了一个脉冲量、一个电流值、一个温度值、一个压力值，那仪表本身的一些状态呢我们现在是通过数字化的通信方式，像Profinet的SNIP，包括最新的这个APL 2限制的以太网，我们同各大PLC厂家一起测试我们现在所有产品。
基本上主流产品都发布了EPL这种先进数字化通讯方式，当然还有IO-LINK。我们也是通过IO-LINK加Profinet这种综合性拓光拓普功能，来实现仪表数字化和智能化的输出，让系统采集更多的基础数据信息。
第二步分析信息，信息包括很多类，有仪表本身的状态信息，感知到的一些过程条件的信息等等。
以质量标记为例，我们监测到质量状态，但是我们同时还监测到温度、密度，这些数据，其实可以真实反映过程条件的一些变化，这些数据能协助或者帮助我们分析出更多的信息数据，从而以此为参考数值为依据来解决现场可能遇到的相关问题。
那第三步就是数字化平台，我们数字化平台是基于我们产品线的heartbeat的心跳技术，在座的各位专家如果参加过Ｅ+H相关论坛应该对这个概念不陌生，2005年Ｅ+H开始提出heart beat平台，现在我们所有的产品都是基于这个平台研发出来的。
它主要解决三个方面，首先是仪表的状态监控，就是自我故障诊断，显示故障点和故障缘由，让维护人员一眼明了得知道是需要更换元器件还是调教数值等。
其次是自监测，自监测什么概念呢？
就是我监测一些连续的一些参数或者可能是电流值、密度值，有可能是两项流的状态值，这些信息都是在线实时的监控。
就像我们做体检一样，每次去检查一下血压计是否正常准确，这个仪表是不是状态OK的，然后把仪表动态状况集成汇总，实现仪表状态实时的监控，通过仪表关键参数的系列变化来反映生产过程条件的变化和仪表本身的运行状态变化。
第四步是自校验，仪表本身的精准度校验，现在的通常做法是把它拆下来 请第三方装到标准装置上测试，这会涉及停产，生产线增加非生产性必要停机时间，就会造成生产成本等等的费用增加，如果可以通过一些软件的方式能够让在线仪器仪表实现自检、自校，就是让PLC通过自动智能模式，批量化的实现仪表状态自检、自校，就解决了仪器仪表预防性维护必须停机的难题。
刚才好像敖总提到降低非生产性停机因素概念，我们E+H正在致力研发相关产品，我们基于我们的心跳技术和Heart beat这个功能平台，把我们现在所有的产品，都往这个平台上融入像pH（在线水分仪表）（平时电氧电脑率）磁质量等等，国内所有的产品都是基于这个平台而研发出的。
第二方面我谈一下我们的数字化平台，当然我们还有更高层次的平台，我们有icloud，基于icloud我们研发了Netilion管理平台，帮助客户去做各种资产管理。
那第三方面就是我们不会只安于现状，只测温度、流量等几个参数，我们现在能提供给客户的是更多的服务，全面深入到客户的质量控制中去，刚才专家都提到了质量是第一生命线。我做所有的工作都是为了在保证质量的前提下来优化生产流程。那如何让质量更科学的得到控制呢？
那比如关于质量控制数值的测定，要求一般的每24小时取个样来测是OK的；我的质量要求更高，8个小时取一次样监测也没问题；那你对质量管理水平要求更高一点，你不可能做到知晓，现场质量分分秒秒在发生什么变化，E+H现在的解决方案就是能够把实验室，这种离散的取样数据监控，依照工艺流程质量标准要求，实现在线检测监控，实时输出相关质量数据。
下午我将会在学习交流会上做发酵监控仪的宣讲，它是解决什么问题呢？发酵过程当中的品质控制不是一个参数，发酵过程当中当麦汁进入发酵罐以后糖度的变化、OJ的变化、酒精度的变化、密度的变化、黏度的变化、温度的变化等等，一台仪表控制系统可以实时的给你输出相关参数，而且我们可以结合相关酿造工艺或者是工艺人员的相关经验，定义黄金发酵批次，实现数字化AI智能生产场景和在线监控的一个良好的结合，保证发酵产品只要是这个工艺配方，这个批次，就可以在线控制到合理的菌群限值范围内。
那之前24小时取样 法，不可能知道24小时内的发酵过程发生了什么变化，其实只有到最后一个样品监测结果出来以后你才知道那现在我们做实时在线监控每个时段的环节的数据。E+H有水分仪、拉板光谱，我们有很多的在线的质量监控的方式，包括浓度剂、来帮助客户实现实验室手工取样监测方式，升级为现场在线实时监控模式或inline online的这种方式。谢谢各位专家。
E+H 高国利：我是也是E+H的，我们与灵奕20年多年以来一直在合作。在此过程中公司的产品迭代多次，从最基本的操作、调试需要打开盖子到现在像手机一样触摸屏、蓝牙调试Wifi调试等等这些功能，都是为了解决工程实施的现场操作人员能够方便进行相关参数的调整。 灵奕团队非常专业，这么多年他们一直在不断在发展。我们的产品也在不断更新迭代，老的产品当中一些老的工程师还很喜欢用。
但是因为数智化发展历程脚步的加快，传统的模拟输出方式可能有很多受到数据数字化，数据通讯方面的瓶颈限制，到了瓶颈期灵奕认为一家公司三五年便会更新换代一个产品，来适应这个不同时代的潮流，不管能源管理、自动化流水作业等等，肯定是希望得到更多的提升。
这么多年E+H公司在食品行业，特别是在啤酒行业，我们伴随灵奕发展的大步伐不断地壮大，我们的研发技术能力、产品线，在啤酒酿造行业运行的各种工艺环节的仪表均得到好评，我们的技术水平与研发能力，也在与灵奕的合作过程中芝麻开花节节高。 E+H公司的研发团队，大概每年创造50项以上的专利成果。在新产品研发方面，有国内外强大的研发团队，每年都在不断壮大。
今天有这么好的学习机会，能够同各位专家、学者、业内大咖一起交流非常荣幸，也受益匪浅， E+H公司愿与灵奕及各位专业人士，共同促进啤酒酿造业与其他液态食品行业，智能制造、智慧生产场景、AI相关智能技术的应用，降低非生产性停机因素的发生率，实现节能减排、环境友好绿色生产模式，让啤酒酿造业乃至饮料业健康发展壮大。谢谢大家。
灵奕集团 敖乐根：有点共鸣！作为一个工程师，自1999年一直在啤酒行业做控制系统，当历史的步伐迈入数字化智能化时代的时候，传感器、仪器仪表便成为生产流程当中不可或缺的眼睛或者末梢神经，数智化的生产场景之下，一直需要众多像E+H公司这样的赋能者，我们都需要你们赋予的正能量。 仪表的稳定性是对质量把控的关键因素，因为食品饮料的控制要求那是非常精确的。
咱们控制的是霉，控制的过程是在同它交流沟通谈话，其实我们是在伺候霉。发酵过程伺候的是酵母，酵母是生命，要想对它百般呵护，当然需要的控制是极其精细标准的，稍不小心谨慎它就会发生感冒头疼脑热，也可能营养不良。
发酵过程霉的作用是主角，霉的在工作过程中，只要稍微过头一点就虚脱了，后果不堪设想，还是不可逆的！
所以需要像E+H公司等同类赋能者的参与，才能实时保障霉的健康成长，稳定的工作环境对霉很重要。
另外提一点纯粹我的个人想法，从维护角度来看，很多流程环节是通过电机传动来完成的，电机运行过程中，可以通过震动或者是温度等各方面去诊断监测，但相关传感器、检测仪表有时候也会出问题，如果没有参考对比所测的温度就无法真实反映电机的运行状态，如果误差在只在七八度那可能算是正常，如果谬之千里就比较的麻烦。
在我们程序里有大量的检测数据，根据相应的一个变化率去诊断这些东西，不准确的数据反馈我们只能怀疑，能否通过仪表的自动校准功能解决相关问题？
另外就是在通讯过程中现在一个很多都是4-20号电流电压，未来呢用总线检测是不是可以提供更多的信息呢？对应那个叫型号、出场时间对、动作次数、生命周期等等，对这些问题现在有些大型啤酒集团的设备管理当中均有相应数据，相关专家肯定都有这种感受。
设备的管理过程中我们需要使用大量的仪器仪表传感器，相关数据信息如何录入？换句话这个叫作不增值环节，生产过程最怕不增值环节发生，这个 环节的工作，其实对产品的质量效率不会有影响，没有啥好处，但是咱们还得有人做这个事，那未来就需要仪表仪器去实现响应功能。
《中国啤酒：感谢E+H王总、高总和灵奕敖总关于仪器仪表功能，在数智场景生产模式下作用的分享。就是刚才大家谈到人与仪表关系的问题某些环节可能由于原始数据无法采集的原因，还不能靠仪表解决，还需要靠专业人士的相关感觉器官来品评控制，比如各品类的酒就需要专业人士来品评它的风味口感等。相信随着数智AI等智能技术的进一步发展，未来仪器仪表可以监控检测和解决啤酒酿造业所有环节的问题。 谈到仪器仪表离不开数据的采集和传输，如何保障企业数据的安全？如何保证相关数据不会被外部侵入或者病毒侵犯？请西门子或者相关系统供应商回答一下，谢谢。
灵奕集团 敖乐根：我插句话，露西不但是西门子的高手，同时她还是酿酒师。
西门子 周济：我最初的工作主要是负责酿酒，刚刚大家提到的各种酒在中国比较典型或者是发展比较快，除了威士忌是一个新型品种外，主要就是啤酒和白酒。 白酒方面在我跟很多白酒厂探讨过程中发现，因为白酒步子迈得过大、过快，它不像啤酒酿造业在相应标准自动化机械设备设计的基础上，再来谈智能系统的问题，而白酒是跟具体操作人员息息相关，在做智能化系统过程中迈过了无数步，他们最大的一个痛点之一就是检测，因为智能系统控制需要很多在线的快检设备，然而白酒酿造业不像啤酒、乳品、饮料业需要那么多的检测控制点，白酒酿造业没有提出这样的需求。比如发酵过程中的酸碱度、水分、糖化度的检测等，白酒行业没有相对应的检测需求。
刚才谈的题外话现在回到数据安全的话题。就刚才有老师有提到，希望大企业能够共享一些相关的生产数据，这点不太现实。
据我们了解所有大企业都把核心数据列为商业机密，不愿意共享。
每个企业都一定是不愿意把与生产相关的数据共享出来的，国内外的现状都是如此。
我们在与国内外啤酒酿造业合作过程中，无论是喜力全球还是嘉士伯全球，在数据这个维度上往往是最后一步，生产数据需要提取的时候，他都要求我们只需要把平台搭建好，有关数据提取方面，有他们自己负责，他们的保密意识非常的强烈。
所以在国外我们反而是跟专业院校在这方面的合作比较多。比如新技术的应用、打造AI工业边缘大数据模型，现在AI数智技术也迭代了很多代，最新的可是Agent这个模型，然后如何来结合来使用相关智能生产场景技术只能与院校合作的原因，因为院校中试线上反映出来的相应数据与商业化生产的数据相比基本相对OK。
我们再回到数据安全的维度上来谈，前段时间在同食品企业探讨的过程中发现，现在国内企业反而对数据安全更加地重视，特别是央国企、大型的国内食品企业，他们更加很敏感，因为国家有相关的互网安全管理政策，这个也是比较敏感的一个话题，不是我们讨论的范围，总之一切规定都是为了保障安全生产的措施。
不知道大家有没有听说过工厂被劫持的案例？
我们听到过有的企业是他被网络被劫持了，然后是让你付赎金才能解围。
所以我们在这次介绍包括我们的Profinet系统的时候，最初就把数据安全这一项单独拎出来，在最新版本里花了很大的篇幅讲数据安全，会运用很多逻辑，来保证整个的网络安全、数据安全。我当时并不是特别理解，直到后来跟企业对接，发现他们遇到过有关被劫持的情况发生是，我才明白为什么。当时我们西门子付出众多人力、物力、财力和时间成本，迭代出这个新的版本就是在为数据安全方面提供保障，所以说在整个网络系统维护硬件唯独上，我们必须要有一整套周全的终身防御系统。
在我们本次活动第一天的培训演讲过程中，西门子的网络专家应该有做这方面介绍。
一个是网络架构上就要有相对的隔离，这是第一个。尤其是生产网和办公网的相关隔离。
第二个就是从软件系统的设计上，为什么说西门子有时候推出软件速度慢，因为要做安全运维等方面的测试，各项测试工作需要非常长的时间。
比如我们可能迭代下个版本可能是在一年之后，这一年我关注的主要就是在网络安全上，我了解到的是在国外很多的企业也对此也非常关注。
我同国外同事探讨过程中发现，美国和欧洲的食品企业，尤其是像啤酒酿造业这类企业，他在正式投产之前是取得网络安全认证的，这个是必须是所属国家的当地认证，比如欧盟或者美国相关机构的认证。
我也同像喜力、嘉士伯，包括百威探讨过与此相关的问题。 但是在与国内当国内企业探讨这个问题时，他们好像没有听说国家专门对于食品企业网络安全有要求取得这样的认证。
其实网络的安全需求全球都是一样的。
首先要依照企业自身发展战略需求搭建好与之相应系统网络，系统搭建完成之后；其次依照系统特点完善搭建相应软硬件安保措施来保护数据安全，然后再在安全的基础上做一些对应的应用管理措施，包括一些哪些可以开放，哪些不能开放，这个规则必须要定义好；
再就是软件系统和我们的硬件，就相关西门子的PLC，也是整个在安全上做了很多的认证，413等级认证，这都是要有的相关的认证。在这个基础上，你才能够谈我们如何来更好的保护数据安全，因为整个系统安全一是需要产品方面要有相关的认证，二是从系统方面也必须要有相关的认证，但国内在这方面没有看到特别多的这种认证。
而欧盟和美国是必须要有这方面认证的。 所以说智能制造需要相应的标准，我们也同相关啤酒行业协会讨论，马上会发布一版，我们联合百威，还有诸多啤酒厂家共同起草的智能制造的团标，有专门数据和网络安全的章节内容。
您刚才说到的西门子做哪些内容，西门子虽然定义为科技公司，其实我们有自己的传感器，从传感器到IO采集，再到PRC，然后再到系统，每一个它都有单独的认证。当你搭建成一个网络的时候，我们如果需要的话，也会请像（TV南德）这样专业机构，来做相关的网络安全认证，要达到413等级的这个认证，然后才能够在投入到生产中来使用，然后再谈数据的应用这块，可能这个还是一个比较深远的话题，公开数据方面我就谈这么多，谢谢大家。
《中国啤酒：非常感谢周总关于数据分享、数据安全与认证方面的分享。 无论是智能制造树枝生产场景的搭建、运维还是数据安全与认证，都离不开与之相适应的人才配备才能完成，而目前啤酒酿造企业的组成人员可能满足不了数智生产场景发展的需求，因为智能制造智慧生产AI数智啤酒酿造时代，需要众多一专多能的复合型人才。
国外有相关专业院校培养相关人才，对老师的要求非常高，必须要有5~10年的一线从业经历，同样对学生的要求也非常严格，不但要培养自我学习能力，还要培养其合作团队精神与演讲能力，其应届毕业率50%左右，很多在校生学需要重修，合格毕业生到一线经过短暂熟悉或者专业培训，马上就能适应工作所需。
请问高校专家如何应对智能制造AI数智生产相关场景？
与国外相比我们的培养模式有何不同？
高校专家：首先非常感谢灵奕集团给我这样的机会，来聆听各位行业大佬关于行业发展的专业见解。您刚才抛出问题非常尖锐，我不太好发表个人见解，虽然你的问题非常尖锐，但我们在一线其实非常赞同你的观点，和认同您刚刚说的那些方案和标准或者要求，但我们国内和国外的标准有些不同。
威卡 孙涛：高校专家如果你们的相关校长来到现场，他们又该给每个企业布置任务了，希望企业多支持。
关于人才这一块，上周我们在上海（吴凯）集团举行了路演活动，也邀请了很多业界的大咖来跟我们分享未来人才培养见解，其中我们同中达优控的老师沟通了很多关于人才方面的话题。 你刚才提到的复合型人才观点确实非常好！
但是培养复合型人才最大的难点在哪里？ 就是培养他的成本太高了！
很多企业承受不了，他们最喜欢干的一件事情，就是去别的地方挖，把别人培养好了的人才拿来我用。
学校作为一个学生步入社会之前的第一关培养他（她）的地方，其实是培养人才成本最低的地方。
相对来讲他（她）的复合型，就是有一些专业院校，其实他做得比普通本科学校培养的人才要适用的太多了，因为专业院校培养的学生容易做到一专多能，实用性和适用性太强，符合你说的复合型人才特点，对于某些正儿八经的本科院校或者是研究生院校，他的学术专注是很厉害，但是他的综合能力有时往往是不尽人意。
《中国啤酒》：据我了解到的一个案例，国内某职业学院的电气专业上课时教室的等出现故障，老师立刻让学生找物业处理；同样情况某国外同类院校任课老师立刻上桌维修，边修边讲解故障原因和排除办法，修好后再做同样故障推演指点学生动手处理，并将各种安全注意事项同时一一讲解。
另外一个教学案例就是，电气工程专业需要自制一些控制单元，老师会发给学生十几组元器件，学生必须要一一检测比对才能找出其中一组符合需要的元器件，否则无法完成任务。
他们一个班大约20个学生，大一能升到大二就10个人，大二的学生可能几个班凑到一起，大二再升大三的时候也是10个人，其他各年级不达标无法顺利升级的学生要么重修，要么改专业。
有些本科甚至研究生毕业可能因专业原因找不到工作，而又去高职学院上学毕业后马上找到工作。
上述案例请问高校专家有什么看法？
高校专家：您刚刚还提到国外院校一个班才20个人，像您刚刚那种叫行动导向式教学方式，他就是以实际案例，然后来去就是通过实践的方式来学习那些所谓的理论知识，这真的是理论联系实践，但这个对我们学校来说是非常有困难。
为什么呢？
比如我们一个班可能就四五十个人，如果要做到这种程度，一个老师哪怕是两个老师、三个老师都很难实施。
《中国啤酒》：国外相关学院的学生据我了解基本上是自学为主，老师指点为辅。老师的见解和学生的自我学习管理能力、学习氛围都会影响学校培养出的学生质量和社会所需。
本次论坛的主题是智能制造与AI智慧生产场景，无论是维护、维修、编程等等，各方面的理论经验值可能都会集中积累到所谓的AI树里面，供我们进一步利用。
我们以维修为例，AI维修树实际上就是产线维修故障经验的积累，当积累到一定程度后，这维修树其实就是维修字典，大部分问题都可以通过字典解决，但有时光靠 AI维修树经验值可能不能排除产线故障，AI分析的故障点不一定完全准确，这需要维修人员必须熟知产线工作原理。
比如啤酒包装产线实现MES数智控制生产场景，在此场景下从洗瓶机、灌装机、杀菌机、贴标机、各传送系统到封箱码垛入库等，均实现了互锁控制，故障点不一定和AI树显示的一直，每个环节都可能停机诱因，相关院校如何才能培养出理论与实践相结合的专业人才？
高校专家：这就说到我们的第三个问题，就是生源的这个问题，大家知道职业院校招生的录取分数线，与很多非职业院校相比对要低一些，这也是我们老师经常会讨论的问题，孩子小的时候都可爱，都特别好学都很勤奋，都是对世界充满这个好奇心的，但是为什么越来越有躺平思想？
完全什么都不想学。
像您刚刚说的国外高职学生都是自学，课前备课，课后复习，或者通过各种线上的资源手段不断地自我解决学习过程当中的问题，丰富自己的知识结构，拓宽专业思维模式，不断提高自我学习管理能力，自主地去找解点，然后把问题带到课堂上来，到课堂来解决问题这样的一种实施方式，在我们的高职院校，应该很难做到，基本上可能一个班四五十个人当中，如果能够一两个有这样所谓的学生，做老师的那已经是非常高兴了。
高校专家：所以可能这不仅仅只是学校一方面的问题，因为比如说在还有一个非常明显的问题，就是我们的很多学生现在毕业的第一选择不是去就业，而是什么专升本，他先不管接下来专升本学的是什么专业，能够学到什么，将来从事什么职业，第一步就是专升本，他想要提高学历谋求一个更好的前程，这也能也能理解。
确实现在的就业虽然很容易找到工作，具备相应的行业知识，业内也需求相应的新鲜血液人才的补充。
但是必须要承认有一个非常现实的问题，第一个就是工资待遇，第二个就是之后个人的职业发展规划，确切地说如果你的学历文凭起点比较低，那么对于他将来今后的发展的确是有非常大的局限性，所以说是受多方面的因素的影响，导致我们现在高等职业教育真的举步维艰。
我们当然希望我们培养的学生，能够在这个行业指引下服务于行业发展，因为学校也需要他们后期的就是互相的反哺，但确实光凭学校一家努力完全不够，而且学校也还受制于因素的影响。
我刚刚也谈过我们也很希望给一些不合格的学生多一些压力，告诉他这个毕业证没有那么容易拿，哪怕你想专升本，你也先要拿到你的专科的毕业证，但是现在就是专科毕业证门槛低，你没有办法设置门槛，那对于他来说都没有门槛我干吗要学，在本身习惯就不是很好的情况下，你又没有办法给他一些额外的压力或者给他一些前景，那么就会出现负面不断循环的现象。
其实我们也在思考，因为我们也有本科班，就是与国外合作的国际班，我们发现这个班上的学生有个别通过自己的努力得以过关了，当然他的过关就是刚刚能够出去留学的标准，出去之后他们自己回来都会说，老师我们都非常后悔当时在学校没有好好上学，去到国外之后他们反而学习非常努力。
我们经常同学生交流，问他们为什么你们到了那里就开始用功了呢？
不用功不行啊，不用功就要回来了呀！
这就是压力带来的动力，但是我们无法给出这种压力。
《中国啤酒》：感谢高校专家就高职院校培养专业人才方面，所遇到的方方面面问题的专业分享，这可能是国内职业院校普遍存在的问题，教育模式、师资力量、校企结合的紧密度、学生的自我学习管控能力等等，都是影响职业教育的因素，希望在座各位大咖能够共同赋能职业教育，为我们的智能制造智慧生产场景提供反哺新的正能量。
灵奕集团 敖乐根：时代不同了，过去最好的学生去上中专，早毕业早赚钱。
今天我在这那个分享的是数字化时代的人才，因为我从一个另外一个角度 发现，在调试过程中发现任何工厂这方面的人才都比较的稀缺。
就是灵奕而言之所以能在智能制造智慧工厂这方面相对走在前列，主因就是专业人富足。无论是遥感、信息化、大数据的、云平台的软件等等专家。
我们的自动化、智能化专业人才特别的全、也特别多，人才不可能都是万金油，除了上述专业人才之外，我们还有设备管理专家、能源管理专家等等。
在不同专业专家的团队合作之下，我们能为客户解决种种难题。
我们也有人才困难，任何企业肯定都会有，培养一个专业人才难，留住一个专业人才更难。
另外我知道某个集团有个工厂，在那里碰见一个高手，这位高手什么都是高段位的，而且随着阅历的加深其段位和经验值攀升，后来被猎头挖走，自己培养别人拿走，发生这种情况现在已属正常。
所以说现在留住人才实在很难，人才也一样价高者得，这是社会需求，也是工厂的需求。
所以说怎么培养数字化人才是一个维度问题，对于工厂来说，尤其是巨大型的投资企业来说，其实人才是分多级的，你的 chrome出了问题，不可能每次都请那个灵奕、西门子的工程师维护，很多工厂是特别建议解放外网解决问题，但是容易发生工厂劫持风险，我还真遇到好几个工厂被劫持的案例。
任何工厂都需要现场实操的人，就像现在做食品的工厂，尤其在人工视觉方面工厂应用到每个层面，生产监控、安放监控、质量监控、人声监控、路道路监控、车辆监控，那这些都需要相应的专业人才来对它进行运维。
所以需要某一方面的局部管理就需要相应的专业人才。
集团性质的企业，像各位智能专家所从事的工作，就要整体规划，他不需要知道自控具体原理如何去工作，他需要的是做整体规划，我要看到什么，都做什么智能化，是一把手工程。其实是一把手关注工程真正实施是什么，一堆人一堆有头脑的，在一线有经验的人，把他要规划东西呈现出来。
比如说咱们学校培养出来的人才，我的印象与燕京漓泉当时的老李总跟我说的一样，我喜欢我需要的员工来。
为什么呢？
一来就能上手，一来就能给你解决问题，但是一个专业维护人员以及各个阶段，各个层次的人才都需要进行专业培养才能符合现场需求。
灵奕不生产设备、不生产PLC，就是生产做好这些东西，也要分散很多的精力。
所以人才的培养，我第一个建议就是咱们人才的那个分层培养，组成小组模式，多找各个工厂去考察，各个专项的人才他可能跟西门子、跟灵奕多打交道，定期轮换变更丰富各自所需，不断提高小组解决问题的能力。
《中国啤酒》：感谢敖总所谈人才培养分层结构和发挥小组集体智慧的方案。
国外专业院校在培养学生的过程中，非常重视团队精神和集体智慧以及每一个成员的特长优势的作用，还特别重视每个人的演讲表达能力的培养，我们国内的院校和企业是否也同样关注呢？
高校专家：我们也在尝试，希望通过更多的一些小组分组协作的这种方式，让学生一定要自己动起来。因为他们学习态度有点躺平式了，小组让你躺不了，你得给我动起来，可能他们不太愿意更多听，但是如果一定要他做，他还是愿意参与的。
所以我们现在教学方式也在发生不断的变化，就是以适应现在环境，也适应学生。 因为必须要做出一些改变，无论他们何来到学校，老师还是希望他们能够多学一些东西，不管是知识层面也好，甚至是理念上的也好，所以我们现在的教学方法方式也在做相应的转变，包括课堂的桌子的摆放，都更多选一些可以灵活的，可以随时地组合成一个小组，比如说这个任务小组5个人、3个人，任务大一些的10个人干。
我们也在依照国家政策，学校发展规划战略要求，社会、行业、学生所需，变化和尝试新的人才培养教育模式，让我们培养出来的学生更加适合社会、行业和企业所需，为学生的美好明天打基础。
西门子 周济：这方面我想分享一下，高校专家说到这个分享，西门子招人的时候，尤其是应届生，那是一整天的考试，就是刚才你有提到的团队小组，就我们招人不是看个人表现，是分组的。他有个人的表现的环节，有团队讨论工作，一个topic综合一个话题，然后选一个人或者选几个人来阐述，你做的这个为什么？有的时候就是把一个创业话题丢给你，然后让你们通过一天的讨论，最后做一个输出，考官随机点个人来做做演讲，不一定就是特别突出的那个班长，选的时候不一定会选他，要把每个人的水平都要拉齐包括我们自己。
现在即使是你入岗以后，演讲技巧的培训也要不断地进行，我们基本上都要上相应的课程课，我们还有在线学习时长的考核。
西门子有专门的培训学院，各种课员工都可以免费学习，最终还要对你的学习时长进行考核。 西门子也有贵校毕业的学生，刚好在我们部门，我觉得他是非常优秀的，各方能力都很强。
学生进入企业之后也是一样需要接受企业的严格考核，现在找工作难，因为企业要求很高，我自己都觉得如果依照现在西门子的用人标准，我可能不一定能够通过面试官的考核。一整天的中英文面试讨论，如果没有相应的专业知识底蕴和相应的演讲能力，你是无法将你的真实才能全貌表达出来的，可见西门子对用人标准的要求有多么的高。
《中国啤酒》：感谢高校专家和周总关于人才培养和用人标准方面的分享，预祝高校专家所属学校培养的学生都能达到西门子等公司的录用标准，满足数智生产场景所需。 在来本次论坛的前一天，我同青岛贝斯特公司的总经理金伟国沟通时他谈到，他们同青啤探讨设备改造、新产线设计安装等工程时，青啤的相关技术人员，在很多方面比他们专门做啤酒酿造设备的还专业，通过供需双方的共同探讨、探索、研发等合作，让很多工程的前期、中期、后期以及运维过程中的难点、难题都做出了预案，也让贝斯特在与青啤的合作过程当中不断地发展壮大，他认为他们与青啤的合作关系不是简单的供需关系，是与青啤相关技术人员达成了一种类似企业之间的共创关系，这种共创合作模式不但满足了双方合作关系的需要，也让他们受益匪浅。 当然青啤作为一个大型啤酒酿造集团也必须配备相关技术人员，青啤是怎么筛选或者通过什么样的模式培养相关智能制造AI数智人才的？
专家一：刚才同高校专家沟通过关于人才培养的话题。据了解青啤集团在他们人力资源总部下设自己的管理学院，由副部长兼任院长，在集团内部属于非常好的级别，青啤集团非常重视人才储备、筛选、培训工作。学院每年都会从操作、运维、研发层等层面上组织竞争大赛，每年都会从竞争大赛里面选拔出冠军、亚军、季军等优胜者，并输入他们的人才库里，对进入人才库里的人员采取重点关注的措施，集团会对其依照专业特长，不断地进行专项、专业培训措施，进一步提高完善他们的专业技能，筛选、大赛、培训过程也是青啤人才库，依照集团战略发展所需累计完善的一种重要途径。
他们的相关人才分布在不同工厂，无论集团所属任何工厂遇到项目、运维方面的困难无法自行解决时，会指定相应工厂进行专职、专业帮扶。
大家都知道筛选、培训、培养人才难，但留住人才更难。为留住和更好的发挥人才的作用，青啤集团建立了很多奖励机制。
比如，从荣誉、薪资职位晋升等等。
比如青啤二厂主持那个数智化李某是二厂培养出得非常好的专业人才，他是从一线逐步晋升到管理岗位上的，通过多种不同激励形式，青啤一步步地去筛选、培养、沉淀人才，结合他们战略发展目标要求，运用现代机制，形成相应人才输出的标准，为集团源源不断地输送所需各类人才。
他们同时还通过一些大项目，比如新厂建设项目、智能制造项目、新鲜广场项目等，让非此类项目的人才参与进来，学习相关新技术、新经验，通过在建设过程中的不断积累，培养出一专多能的相关人才，然后再将他们分配到运营岗位上去。
既有建设、又有学习、又有技术最后再去运营，整套流程下来，这个人才就基本上培养的差不多复合专项岗位所需了。
《中国啤酒》：从一线筛选专业人才，然后抛回一线历练培训完善赋能，再分配到一线运营的确是培养复合型人才的指路明灯。
专家一：人才培养之路举步维艰，比方我是学机械的，从学校培养完之后到工厂， 我可能现在的工作可能和我的专业有契合度，但不多。 所以需要不停地学习才能满足工作所需。 就我们现在谈论的AI智能技术，今天早上看科技圈最新部分AI出了个Sora，这是什么性能的技术？谷歌也出了个量子芯片，有什么新功能？这就需要我们要不断地学习才能与时俱进，通过不断地在一边干一边学的过程当中，你会发现自己的知识盲区越来越多。
如何去解决知识盲区？
只有主动学习了解这一条路可走，向供应商学习、向友商去学习等等，然后再看怎么样把新技术应用到我们自己的实际生产运营当中。
灵奕集团 敖乐根：专家的分享受益匪浅，我觉得特别有启发。
西门子 周济：我分享一个一个啤酒酿造企业的案例，他在中国是非常领先的企业，今天他们没有到场。
我们西门子同他签了一个数字化人才培训系统的大单。就因为上了很多种系统，但是欠缺人才培训系统这一方面，所以我们同他们签订了3年的数字化人才培训合同。这个客户自始至今都非常重视各类人才的培养，因为他们的董事长非常愿意在人才的培养方面投资，所以他们才与西门子签订了人才培养订单。
就数字化人才培养体系方面，他们是采取培训与奖金考核体系挂钩的式。
其实人才培养方面，西门子有时候也会赠送一些培训课程，但我们发现送出去的培训课程反馈回来的效果并不好，而付费学习相关知识效果反而要好很多。 这个逻辑并不是说我一定要为学习知识付费，而是说你真的学了之后，并且在岗位上有应用，我们是怎么进行核定呢？就是对来上课的人先进行测试分成不同的等级，OK分级后推荐学习不同级别的课程，然后每个人上完这个课之后，三个月或半年我要回到现场进行考试，通过之后的成绩同相关人员的绩效奖金挂钩。
所以每次考试他们都会邀请我们到他们的工厂里进行，上次是在郑州。比如说这些工厂到现场参加考试的人，由我们的老师来最后给他们做评分，所以这个闭环培训考核的过程对任何企业其实都是一样适用的。
包括现在白酒酿造业也一样适用，但白酒还没到这一步，不像啤酒酿造业可能有自己的大学或者是这个学院，白酒酿造企业相关机构应该还在建设过程中。
我们发现有个很有意思的特点，就是，我们每次推荐相关企业去参观西门子新的成都灯塔工厂，结果参观完之后他最关心的是我们高绩效人才的搭建体系，每次都请我们那边的HR去给他们讲这块的内容。
怎么帮他们培养这个人才梯队；什么样的人适合在什么样岗位，因为就有一个人适合什么岗位而言，这个其实最难以表述的。
然后就是怎么触动人自己主动去学习？
这个也是他们所需要的，所以说人才的培养就是两个维度，一个就是我们所谈的这个闭环，就是企业他自己的战略规划对人才的定义。
另外完善的考核机制其实最后会促进他的所属人员自己主动向上学，补足自己的专业知识盲点，不断地在学习的过程中完善自我工作和团队协作能力，提高工作质量与效率。
第二我回答高校专家教学方面遇到的问题，学生的培训和我们为企业培训相比大同小异。
我们同企业有这样的培训合作合，其实对于我们来说只能提供单一方面的合作，但对你们学校来讲其实环境更好，具备各方面的优势，可以和众多企业合作进行理论与现场操作的考核，其实采用同企业上岗之后的闭环考核激励模式考核学生，不但有利于提升学生的自我学习动力，更有利于企业选拔后备人才，这种校企合作考核模式，应该也是一个很好的方向。
专家三：我可以分享一下高校专家谈到的问题，我和下面小朋友接触更多，我相信不管在百威、西门子、灵奕，还是这个和青岛等等，每个企业都有自己一套很完善的人才培养体系，这个我不用赘述太多。
我想从现代企业发展战略规划，和我们采用智能制造智慧生产场景的初衷，来分析企业人力资源原则。
任何企业，不管是啤酒酿造企业还是系统软硬件供应商，还是设备、仪器仪表等传感器供应商，我们的人力资源原则是向无人、少人这方面去发展。
过去我们大谈工匠精神，现在又谈什么六边形、多边形战士。
我们明知个人的精力有限或是不可能无所不能，很多方面存在缺陷和不足。
但是我们必须要改变现状，如何解决人的局限性与不足？
答案是用科技的力量，用科技改变生活，用科技改变生产力。
在现代科技高度发达的社会环境下，任何企业都必须要运用新技术去解决人的局限性等众多问题。
怎么样把技术应用门槛拉低？
怎么样才能让专业院校出来的同事马上就能上手？
不管是数字化还是自动化，我觉得是我们啤酒酿造业的同行，和我们这些合作伙伴要一起去推动现代科技的转化与应用，才能让科技服务与社会的健康高速发展，打开新局面。
因为现在我们的确实能感觉到小朋友他们很有热情，但是你要让他去学用多大的扳手，依据什么，好像不现实。
那我们要做的是怎么样用字画，采用什么样的方式表达出来？
怎么告诉他如何去解决问题？
比如说以前要看产品说明书，他要去翻，还要去记，现在只要告他诉型号，一扫代码立刻就呈现出来，到底如何怎么解决相应问题，要适应时代发展所对应的技术影响，所产生的新思维模式需求。
灵奕集团 敖乐根：年轻人刚刚步入社会都是高激情的，有个定义叫高激情低技能的时代，其实他的身体很好，能加班又能努力，可是他技能不行，需要通过装备和相应新技术解决问题。
《中国啤酒》：感谢各位专家、周总、敖总在人才培养方面的案例分享与评述见解。 我国啤酒酿造业早已成为世界第一产销大国，当啤酒酿造业步入智能制造AI数智生产场景时代，啤酒酿造业对人才的需求必定会发生质的变化，人才的培养储备，是任何企业发展战略规划之中不可或缺的因素，如何筛选、培养、储备企业发展所需的各类人才，在座的每一位专家、学者都有自己的智慧树和相应的精辟计划。 再次感谢与会的所有各位专家学者，今天大家的专业分享让我们受益匪浅，相信各位专家学者的真知灼见，定能促进我国啤酒酿造业智能制造智慧生产场景，稳步健康快速发展，让我们啤酒酿造业的AI智慧树不断茁壮成长。
谢谢大家！
来源：《中国啤酒》2025第一期
