当前，烟草行业智能工厂建设方兴未艾。大部分卷烟工厂已实现基础网络覆盖，并陆续部署MES（制造执行系统）、SCADA（数据采集与监视控制系统）、WMS（仓库管理系统）等一批生产制造类信息化系统，基本满足日常办公与生产需求。然而随着卷烟工厂设备预测性维护、质量智能检测、产线数字孪生等数智化场景的持续拓展，对信息基础设施提出了新的要求。一方面，现有信息基础设施在网络架构、存储资源和计算能力方面已不能满足智能场景业务需求，严重制约了卷烟工厂的数智化升级。另一方面，各卷烟工厂在自动化、信息化领域均有数十年的持续投入，形成了价值密度高且与业务紧耦合的信息资产。在向卷烟智能工厂演进的过程中，如何既能充分保护和利用好现有的信息化投资，又能系统性地导入新技术，构建面向未来的智能能力，是亟需解决的问题。本文将从卷烟智能工厂业务需求出发，对信息基础设施的部署展开分析。

1 智能工厂对信息基础设施需求分析

1.1 智能工厂对信息基础设施需求分析

卷烟智能工厂的演进目标是基于数据驱动的全局协同与实时智能，其业务模式将从现有的“指令式”线性管理转向“感知-分析-决策-执行”的闭环管理。业务模式的变革对信息基础设施提出了新的需求，即需要构建一个将感知、网络、算力、数据和智能深度融合的系统，其需求可概括为全域可联、数据可达、算力可调、安全可信。下面将围绕这四大核心能力展开分析。

全域可联：需构建一张泛在、智能、可靠的网络，满足厂区各类设备的接入和智能业务承载。

数据可达：需实现多源异构数据实时采集进入数据湖，打破上层智能业务应用的数据使用壁垒。

算力可调：需构建端边云泛在协同的算力体系，支持算力下沉到产线，支撑参数动态调优和机器视觉智能检测等业务。

安全可信：需建立零信任主动防御体系，将身份认证、访问控制等能力嵌入工厂网信基础设施，具备威胁感知与防御能力。

1.2 工厂现有信息基础设施现状分析

经过多年的持续建设与优化，卷烟工厂的信息基础设施已形成“端-管-云”的基本框架，支撑着从底层设备数据采集到上层管理决策的各类业务应用。在信息网络方面，工厂网络分为OT（操作技术）网络和IT（信息技术）网络两部分，其中OT网络主要实现各车间生产单元之间的数据交互，采用的技术有总线、工业以太网、无线网络等；IT网络主要承载办公系统和各生产业务系统，采用的技术有以太网和Wi-Fi等。在应用承载方面，工厂的各类业务系统优先由本地的云资源池承载，少量无法上云的系统采用专用硬件承载。在业务应用层面，早期建设的MES、批次、制丝集控等应用均具有与系统业务紧耦合的特征，各系统间的数据交换依赖于点对点的接口开发，数据集成应用困难。在网信安全层面，依托网络安全等级保护体系进行同步规划、同步建设、同步使用，以物理隔离和边界防护为主；但OT系统存在漏洞修复与生产连续性矛盾突出的问题。当前现有信息基础设施较好地支撑了工厂信息化阶段的业务需求，但在面向未来工厂智能化的升级转型过程中仍然面临诸多挑战。

2 智能工厂信息基础设施的演进建议

2.1 工厂信息基础设施建设演进思路

卷烟工厂智能化升级的核心是通过对生产过程数据采集、处理、分析、控制、改进等环节实现生产经营的人机料法环全面优化，数据资源已成为驱动生产优化与经营决策的核心资产。因此，智能卷烟工厂信息基础设施的演进必须围绕数据的高效传输与利用来展开。

从数据处理的角度看，数据从生产现场的海量数据采集，到边缘侧的多维数据信息的融合，再到数智化应用，数据流正从传统的垂直流通向扁平化演变，算力的供给向着泛在化、按需弹性供给的方向演变，而数据的存储调用则向着分层式、流批（流处理、批处理）一体的方向演变。从数据使用的角度看，卷烟工厂绝大多数生产过程数据对于烟草经营决策没有太大价值，但工厂的运营效率提升与生产实时控制优化需要依赖于大量生产过程数据的实时采集和处理分析，所以智能卷烟工厂应该以边侧数据处理为核心、向下以端侧为触点实现生产过程的实时感知和交互控制，向上以中烟云平台为汇集点连接旗下各下属工厂资源，实现业务协同和集约化管控。智能卷烟工厂架构示意如图1所示。

图1 卷烟工厂架构演进示意图

生产制造过程全要素资产连接与大流量的数据并发处理是实现智能工厂的基本条件。目前基于ISA-95国际标准的业务分层管控模型所建设的网信基础设施及业务系统已难以有效支撑智能卷烟工厂建设需要。基于上述演变趋势，笔者认为智能工厂信息基础设施的建设本质上是实现对工厂连接能力、算力与存力的匹配与满足。从功能定位看，网络聚焦采集与传输能力，算力聚焦处理与分析能力，而存力聚焦沉淀与调用能力，三者在技术架构与建设路径上相互独立却又深度耦合。为此，下文将分别从信息网络构建、算力能力建设与存力能力建设三个层面展开系统探讨。

2.2 信息网络建设建议

全要素资产的连接是智能工厂建设的必要前置条件，随着智能工厂设施设备网联化的推进，原有的“两层三级”分层分级架构逐渐被打破，取而代之的是智能设备之间实现直接的横向互联。在这一演进过程中，智慧工厂信息承载网络需要向以计算为核心、为数据而服务的方向发展。

在网络架构的实现上，需要网络结构扁平化以高效承载业务数据流，并支撑算力资源的协同调度。

工厂信息网络可以采用Spine-Leaf（脊叶）结构，以模块化方式构建，实现网络弹性扩展、存算资源标准化对接和IT/OT业务集约化接入，有效满足边端侧工控、传感等智能设备与存力、算力节点的连接需求。在前端的接入手段上，可以针对不同生产工序的特点采取不同的接入方式。对于制丝工段等流程化制造的车间，需采用环形网络结构保障控制类业务承载的稳定性；对于卷接包等离散型制造工序，采用星形网络结构完成网络接入覆盖。

在业务的承载层面，按区域完成承载网络部署，综合接入域内的固定有线设备、无线设备、OT工控、数据采集及IT办公等业务，并采用网络切片技术将不同业务划分为多个端到端、逻辑隔离的专用网络，通过不同SLA（服务级别协议）集约化承载智慧工厂中多种类型的业务流，在保障业务质量的同时进一步降低网络建设和运维成本。智能卷烟工厂典型的信息基础设施架构如图2所示。

图2 智能卷烟工厂典型的信息基础设施架构

在全要素资产的接入上，需要通过多种连接方式实现。在卷烟工厂中，卷烟生产专用设备和物流、动力等通用固定生产设备，可以采用有线接入方式完成设备入网。此外，该类型生产设备的数据采集与过程控制依赖于高精度的时钟同步。在工厂网络中，通过部署1588v2协议实现网联设备的时钟同步，可保障数据采集与过程控制的准确性。无线接入作为有线接入的补充方式，对于有移动性需求或不方便进行有线布线区域的终端设备可采用无线方式完成设备网联。

目前主流采用5G+UPF（用户面功能）分流或以太网+Wi-Fi等方式完成接入。采用5G+UPF分流主要依赖于基础电信运营商的网络能力，且该方案受限于3GPP协议栈和授权无线载频，其封闭性较强、建设成本较高，不利于工厂进行自主控制。该方案适合无线接入密度较高且需要大范围覆盖的场景，如工厂园区室外区域、密集库房、手工精品作业线等。采用以太网+Wi-Fi方式完成无线网络接入的供应商较多，且不会受限于专用载频。其缺点是目前Wi-Fi接入的设备容量比较有限，在高密度场景下和广连接场景下会存在容量及覆盖能力不足的问题，因此在无线覆盖方式的选择上，可以优先使用Wi-Fi方式覆盖，对于园区室外覆盖场景和高密度链接场景可以选用运营商的5G接入方案作为补充。

2.3 存力资源建设建议

现阶段，行业各工厂多处于向智能工厂升级转型期间，且随着工厂不断技术改造，不同供应商在不同时期建设的信息系统共存，数据的跨层流转面临着协议转换复杂度高、安全性差、研发成本高等问题，数据不能有效地交换和共享。针对多源异构系统间“信息孤岛”丛生、依赖点对点接口开发的痛点，向智能工厂的演进需构建基于数据中台理念的统一数据底座，通过部署OPCUA（开放平台通信统一架构）、MQTT（消息队列）等标准化协议实现设备层、控制层与信息层的语义互操作，并采用数据湖仓技术打破系统壁垒，从而实现生产数据从被动上报到主动采集、从离线分析到在线实时推理、从人工经验决策到AI模型自主决策的根本转变。在此架构下，数据治理平台对信息基础设施提出了更高的数据存储与数据处理要求，需具备高吞吐、低延迟的时序数据存储能力以处理海量高频传感数据，同时支持冷热数据分层与多模态数据的统一管理。

在数据的沉淀与使用上，卷烟工厂生产数据存储的时长一般为两年，数据根据业务需要，访问频次也有所不同。如最近3天的生产数据主要用于生产过程监控与生产调度控制，访问频率最高；每周和月度的中期生产数据主要用于工艺质量管控和生产趋势分析，访问频次中等；季度和年度的远期数据主要用于质量追溯与工艺参数寻优，访问频次最低。因此，在数据的存储上，可以根据数据使用频次，采用“热-温-冷”的三级存储资源池来存储数据，并将热数据置于内存或NVMe（非易失性存储器）高速层中，将使用频次中等的温数据存放于SSD（固态硬盘）中，使用频次最少的冷数据存储在大容量HDD（机械硬盘）中，并将存储的数据通过统一命名规则对上层应用透明，便于数据的调用。在数据的处理上，存储能力需要与算力资源协同，基于“云-边-端”的算力体系，云侧主要负责非实时的模型训练与全局优化，训练优化时可提前将所需的边侧数据拉取到云端使用，工厂边侧则通过升级边侧云资源池，实现低时延的数据处理能力。

2.4 算力资源建设建议

在算力匹配方面，卷烟智能工厂对算力的需求多样。传统使用CPU进行双精度浮点计算已经不能较好地满足新兴智能场景的业务需求，需要同时使用CPU、GPU（图形处理器）及FPGA（现场可编程门阵列）提供更强大的并行计算能力。比如，开展智能业务所需的大规模生产数据流的实时处理需依靠FPGA算力实现，工业智能模型推理需要依赖于GPU加速卡完成。当前，行业内各工厂部署的计算资源池大多采用超融合架构，池内配置的裸金属服务器提供的vCPU资源和存储资源难以满足未来智能场景下高频数据流处理和AI模型推理的业务需求，需要迭代升级。

采用裸金属服务器构建的云资源池，可以灵活扩展计算、存储资源节点。因此，在平台的演进升级过程中，应该保护既有的信息化投资，对云计算资源池进行平滑升级，使管理平台具备异构算力节点的纳管和算力调配能力，同时在物理机资源节点的扩容上，应增加用于AI推理的GPU加速服务器和FPGA加速卡，满足边缘侧数据治理平台的高速数据处理能力以及工业大模型和场景业务小模型的承载。另一方面，应该充分发挥裸金属架构计算与本地存储紧耦合的天然优势，部署近存计算机制，利用NVMe构建热数据缓存层，满足温、热数据的存储和处理。在此基础上，云侧与边端侧的协同是释放数据效能的关键，升级后的边侧异构云池应作为“云-边-端”架构中的锚点，大规模的模型训练任务上浮至云端处理，而将推理、微调及实时响应下沉至边端侧，实现业务的分层承载。其中，在端侧卷烟产线上可以部署轻量化算力盒子或采用数智化生产设备，并配置训练好的业务模型完成实时处理，满足卷烟生产节奏要求；而云侧负责业务模型训练迭代和模型下发，通过集约化建设满足同一公司下属各卷烟工厂非实时性业务的计算推理需求，从而构建起一个经济、敏捷且高效的云边端协同算力网络，满足智能卷烟工厂业务承载要求。

3 结束语

智能卷烟工厂建设是一项长期性、系统性的工程，工厂信息基础设施作为承载上层数智运用的关键前置条件，需要以系统观念进行适度超前建设。通过网络、存算等基础支撑能力与数据治理能力的协同升级，最终构筑起数据“采集-治理-分析-决策-执行”的数据底座，推动数据要素价值施放，实现卷烟工厂生产运营从经验主导向数智驱动变革。