“通过阿里云的大数据分析算法,就可以对苏州协鑫生产过程中采集到的全部变量进行分析,找出与良品率最为相关的60个关键变量。根据这些关键变量为苏州协鑫搭建生产的参数曲线模型,在生产过程中对这些变量进行分析处理,一旦变量超出模型范围,苏州协鑫的监测系统就会及时预警。” 阿里云相关负责人说,“通过这一手段能够提高光伏切片的良品率,而良品率每提高千分之一点,就可以节省上千万的生产成本。”

生产品质提升的最后一公里

协鑫光伏坐落在环境优美的苏州工业园区,是全球领先的光伏材料制造商,硅片产品占国内流通硅片的70%,处于国内同行业龙头地位。在技术研发、品质控制、自动化升级等方面也都处于较高水平。然而,从与协鑫光伏负责人的交谈中,感受更多的是踏实,谦逊和危机感,丝毫感觉不到身为行业领导者的优越感,如何提高效率,提升产品品质始终是他们放在肩上的责任。通过多年对生产流程的优化,协鑫的生产效率和产品品质始终保持着行业领先,然而,他们渐渐感到以传统的方法,优化的空间越来越小。对于追求卓越的协鑫人来说,生产品质提升的最后一公里要怎么走,这无疑是一个巨大的难题。苏州协鑫光伏总经理曾表示:“未来苏州协鑫的继续突破还是要靠新技术和新产品。”

大数据带来新契机

智能制造的兴起,将大数据分析引入到制造革命中。通过对生产数据的采集并上传云端,对数据进行实时和长期分析,可以对生产过程进行监控,分析生产流程中可优化的部分;监控影响产品质量的环节,对产品质量进行量化分析和提升;对设备情况进行预测,优化备本备件。
大数据分析为生产品质提升的最后一公里提供了路径,这让协鑫人看到了新的契机,2016年协鑫光伏正式与阿里云合作,希望通过云计算、大数据等新一代信息技术推动内部管理升级、进一步提高市场竞争力。此次合作的主要目标是透明化生产、数据化管理以及良品率提升。具体包括:低成本长期保存协鑫生产过程所有数据;通过大数据分析,建立良品率预测模型;通过大数据分析,建立关键参数监控模型,对生产过程监控和报警;通过阿里云BI系统,对协鑫生产数据做多维度统计分析;通过阿里云大屏技术,建立车间和事业部生产大屏看板等多方面内容。举例来说,在光伏切片的生产过程中,有数千个生产参数会影响到切片良品率,例如砂浆温度、砂浆密度等,任何一个变量的细微变化都会直接影响到生产结果。而通过阿里云的大数据分析算法,就可以对苏州协鑫生产过程中采集到的全部变量进行分析,找出与良品率最为相关的重要关键变量。“根据这些关键变量为苏州协鑫搭建生产的参数监控模型,在生产过程中对这些变量进行分析处理,一旦变量超出模型范围,苏州协鑫的监测系统就会及时预警。” 经过项目一期的实施,实现了每年数千万的成本节省,小目标并不遥远。

技术框架

整体技术框架参考页面下方架构图,可以分为三大部分,车间源数据,大数据存储分析区,以及业务区,具体包括以下几方面:
数据上云
保障单车间15天全量数据批量上云;全车间切片机、分选机、MES数据准实时上云。
关键参数监控模型
通过大数据对全量参数的分析以及生产经验,提出待分析的关键参数,并建立监控的模型。如图1所示为良品率关键参数。
生产过程监控报警
生产过程数据流式上传,通过流计算实时监控。并基于参数曲线模型,异常情况报警。
良品率预测
对影响良品的重要参数做多元统计分析,实现良品率的预测。
备件损耗分析
通过关联规则,聚类分析,深度学习等方法,监控相关参数,实现备件损耗提前预警。
大屏看板
设计实施每车间及事业部级的大屏看板,如图2所示为大屏看板的示意。
BI分析
30个主题多维度统计分析,并支持自定义时间、参数,分析参数间数学相关性,如图3所示为BI分析示意图。
整体涉及的阿里云数加平台组件有:
• 大数据计算服务(MaxCompute)
• 大数据开发套件(DataIDE)
• 分析型数据库(AnalyticDB)
• 流计算(StreamCompute)
• DataHub
• 数据集成(Data Integration,原名CDP)
• Quick BI
• DataV数据可视化
• 机器学习(PAI)

       

价值

随着中国制造行业整体从粗放式向节约化、精细化转变,很多产业也在从劳动密集型向资本技术密集型转移,新技术,尤其是大数据分析技术,成为支撑制造业改革的中坚力量。协鑫光伏作为追求卓越的制造业企业代表,为同类企业转型升级摸索出了一条道路。大数据作为企业的重要资产,借助于云计算等新技术,可以实现企业的智能改造和升级,完成提升生产效率和产品品质的最后一公里。
对于已有能力获取工厂数据的企业,可以继续聚焦制造本身,而将大数据分析等工作找合适的云计算、大数据分析企业承担。协鑫与阿里云合作的模式可以直接复制,利用制造企业的生产经验,和云计算、大数据分析提供企业的稳定高效的大数据存储、分析能力,打造企业级数据分析平台。
追求卓越,超越自我,中国制造业在互联网、新技术的驱动下,已经开启了崭新的一章。

架构图

使用场景

低成本长期保存协鑫生产过程所有数据;通过大数据分析,建立良品率预测模型;通过大数据分析,建立关键参数监控模型,对生产过程监控和报警;通过阿里云BI系统,对协鑫生产数据做多维度统计分析;通过阿里云大屏技术,建立车间和事业部生产大屏看板等多方面内容。

建议选用:

架构解读

  • 整体技术框架可以分为三大部分,车间源数据,大数据存储分析区,以及业务区。
  • 图中涉及到的阿里云产品说明:STREAM—阿里云流计算(Aliyun StreamCompute),CDP—数据集成(Data Integration,原名CDP),DataHub—流式数据发布和订阅,MaxCmpt—大数据计算服务(MaxCompute),ADS—分析型数据库(AnalyticDB),RDS—云数据库RDS,OSS—对象存储OSS,SLS—日志服务(Log Service,原名SLS),MNS-消息服务(Message Service)
  • 具体架构细节参考上文。