九月的常德卷烟厂制丝车间，烟叶从解包到掺配加香的全流程在数字化系统调度下有序运转。可就在几年前，操作工电脑桌面上还并排着好几个互不兼容的软件界面——WinCC做在岗统计、Matlab写遗传算法、微信小程序分析杂物。数据不通、维护困难，要做一份综合报表甚至需要拿着便携存储盘跨工位辗转。“三屏打架”的尴尬，逼着车间必须走出一条数智化突围之路。
“零散临时的系统撑不起长效生产，必须搭建一套架构稳固、扩展性强、可持续迭代的一体化数字体系。”制丝车间技术团队下定决心，打破零散修补、零散开发的老路，统筹调配骨干力量组建专项攻关团队。他们选定Python的FastAPI框架作为核心技术支撑，前端采用VUE搭建操作界面，引入帆软报表工具将沉睡的数据转化为动态图表。项目推进过程中，团队统一规范了日志记录、单元测试和版本管理，彻底扭转了过去各自为政的开发模式。当第一个模块成功跑通，能源计量实时指导设备运行、生产调度直接调用质量分析结果时，大家真正意识到——每一行规范的代码，都在为这套数字平台夯实技术根基。
数智化转型，数据标准是地基。制丝车间工序链条长、工艺参数多、设备品类杂，同一指标在不同系统里有多种叫法、多个统计口径，数据零散难以复用。车间将数据字典建设作为基础性支撑工程，按照“统筹规划、分步实施、急用先行”原则，全面梳理从烟叶解包到掺配加香全流程数据需求，明确生产、设备、工艺三大核心数据域，搭建覆盖数据项定义、编码规则、分类层级、关联关系的整体框架。
项目团队逐项明确数据项业务含义、统计规则、计量单位与采集频率，彻底消除“同名不同义、同义不同名”现象；同时，围绕关键工序补充过程参数、环境参数、质量参数等缺失字段，让数据从“单点记录”转向“全维刻画”，还按照工序、设备、工艺类别、质量等级构建标签体系，实现数据自动分类与快速检索。“以前做分析大半时间耗在整理五花八门的原始数据，数据字典落地后，基础预处理工作量大幅减少，我们能把更多精力放在解决实际痛点上。”制丝技术员张晋铭说。
一篇核心期刊论文背后的“事前预判”
热风润叶是制丝核心工序，长期受物料流量波动、蒸汽压力变化、环境温湿度不稳定等多重变量影响，加之系统存在滞后性，传统事后反馈调控模式弊端凸显。工厂技术团队立足工业生产实际，依托前沿时序建模Transformer架构，结合制丝现场数据繁杂、干扰因素多、工况动态变化的特征，创新研发ADGformer自适应频域门控变换预测模型。研究过程中，团队通过快速傅里叶变换实现生产数据从时域到频域的转换，深度挖掘润叶生产的周期性规律，创新性增设注意力机制频率门控模块，精准甄别有效生产信号、过滤现场干扰噪声；同时，搭配自适应频率选择机制，实现关键工况参数智能筛选、无效干扰自动剔除。
相关成果《基于自适应频域门控Transformer的润叶过程参数预测方法》成功刊发于权威刊物《中国烟草学报》。技术应用后，车间润叶烟叶含水率稳定性大幅提升，产品批次质量一致性显著优化，有效降低了烟叶原料损耗。
让智能系统从“建起来”到“用得好”
为打通数字化落地“最后一公里”，制丝车间优化组织架构，成立专职数智工作组，创新推行技术骨干下沉驻班、增设数智中控专职岗位，构建起“数智组攻坚、下沉专员驻班、数智中控管控、班组全员落实”四级联动运行机制。车间谋划“成熟落地、迭代在建、储备攻坚”三步走布局：能源断流可视化报表、膨胀线远程预警、烟叶智能识别三项成果全面投用，数据字典、风机AI预测维保、储丝杂物智能剔除、全水分链预判四项进入现场试运行；此外，烘丝机、切丝机智能化升级进入前期调研筹备。
一体化数据平台消除了跨系统数据搬运、人工汇总报表等重复工作，班组报表编制时长压缩70%以上。一系列可喜成果竞相“出炉”：烟叶智能识别、储丝杂物剔除等AI系统替代人工肉眼筛查，异物漏检率大幅下降；风机AI预测维保、膨胀线远程预警实现设备故障事前预判，非计划停机频次明显降低。从四处拼凑零散系统到统筹搭建一体化数字平台，制丝车间以统筹建制、本土化自研、全链条落地的务实举措，在智能制造转型赛道上稳步深耕。(王诺亚)