垂直行业工业互联网实施梁构白皮书(五)

2019-01-29 17:05:00
admin
原创
671

边缘层

图 3-1  工程机械行业 工业互联网总体实施架构

边缘层依托传感器、工业控制、物联网技术进行工厂内外数据的打通聚合, 对设备、系统、环境等要素信息进行实时采集和处理。一方面既可借助智能控制器、智能模块、嵌入式软件等传统的工业控制和连接设备,实现平台对底层数据的直接集成;另一方面可利用以智能网关为代表的新型边缘计算设备,实现智能传感器和设备数据的汇聚处理以及边缘分析结果向云端平台的间接集成。多类型的边缘连接手段为工业 互联网平台实现泛在连接提供坚实支撑,丰富了工业互联网平台可采集与分析的数据来源。
平台层
�基础 IaaS 服务。平台层的 IaaS 服务主要提供基本的计算、存储、网络等物理资源,提供基础资源服务能力。通过公有云、私有云、混合云等多种云架构,为工业互联网平台中的服务和应用提供虚拟化的计算、存储和网络等各类资源以及相应的管理能力。包括基础框架、存储框架、计算框架、消息系统等运行支撑能力,以及资源监控、负载管理、存储管理、资源部署等调度管理功能。
�通用 PaaS 服务。平台层的通用 PaaS 服务提供支撑工业互联网平台自身所需的 PaaS 能力,包括数据库/大数据、中间件、容器和微服务等基础组件和服务,以及开发测试、自动运维、服务治理、平台管理等管理服务、流程与工具链支持。通用 PaaS 服务在平台中以统一的 API 形式对外提供服务。

�工业 PaaS 服务。平台层的工业 PaaS 服务聚焦于提供工业互联网领域所需的组件与模块服务,并以统一的 API 形式对外提供。工业 PaaS 服务层包含对工业大数据的传输鉴权、海量数据接收处理和存储功能,并基于工业大数据和业务流程提供了各项基础和特色的服务。具体包括接入服务、配置管理服务、数据服务、运营支撑服务、管理服务。
应用层
应用层依托设备物联接入、工业大数据分析等平台 PaaS 能力支撑,将机器、数据、流程、人等因素融合创新,形成直接的经营管理系统解决方案(IT-CT-DT-
OT),打通工业互联网应用的最后一公里,产生直接的客户价值。应用层部署以下具体应用:智能化控制与可视化、智能研发、智能制造、预测性维护、智能服务、共享平台、工业物联网金融等。
�细分应用场景一:离散制造智能工厂应用场景描述
智能工厂是在数字化工厂的基础上,利用物联网、大数据、人工智能等新一代信息技术加强信息管理和服务,提高生产过程可控性、减少生产线人工干预, 以及合理计划排程,同时集智能手段和智能系统等新兴技术于一体,构建高效、 节能、绿色、环保、舒适的人性化工厂。
智能工厂建设的基础就是现场数据(人、机、料、法、环、测)的采集和传输,数据信息使操作人员、管理人员、客户等都能够清晰的了解到工厂的实际状态,并形成决策依据。

图 3-2  离散制造智能工厂发展思路
(1)现状问题及需求
目前,工程机械行业智能工厂建设及发展面临如下问题:
现场设备互联难度较大,无法实时获取设备运行数据;

MES 与 ERP、PLM 等系统集成度低,数据流无法贯通,同时 MES 无法与现场设备进行数据交互设备巡检等维护工序依赖人工介入,无法实现数字化管理;
缺乏故障分析模型,未开展现场设备的预测性维护工作;
生产设备、物料、人工等生产 资源利用率较低;
订单执行的全过程无法实时跟踪与管控。
因而,工程机械行业智能工厂建设及发展在如下方面具有迫切的需求
亟待增强 数据采集能力、系统间的数据交互能力;
借助大数据技术,实现异常事件的分析与预警、订单执行的实时监控、生产的智能排程、资源调度管理的可视化等。
(2)预期应用价值
工业互联网相关技术在生产制造的深度研发和大规模应用,将有利于推动设备智能化改造、网络互联、数据和系统集成,创新生产经营管理和产业协作与服务模式,提升生产质量和效率,为未来实现高度柔性生产,实现从�传统制造�到
�服务型制造�的升级提供了坚实的设备管理与联通的基础。
通过 PCC 生产控制中心的建设,对生产过程中物料、设备、辅助生产资源等数据采集,并集成 PDM\ERP\CRM\MES 等应用系统,与实现订单执行与生产现场的集中管理与调度(。)
帮助制造业产线实时了解整机的实时工况、运行状态,运维保养情况, 减少整机故障,降低整机故障时间。
对运行大数据的处理与建模,帮助产线在产品研发、质量改进、提升产品质量、快速解决故障提供数据支持,实现产品全生命周期的效率提升,提升产品市场竞争力。
生产数据结合 CRM 系统的应用,有助于确保产品符合市场需求,在新产品开发中,增加客户使用数据的支撑,能够从供应链的角度,完善对新产品设计、开发、客户服务等内容。

应用场景的实施架构

图 3-3  离散制造智能工厂实施架构
(1)厂内设备互联与数据采集
利用智能装备实现生产过程自动化、机器换人,提升生产效率;同时搭建工业生产物联网,通过网络连入机台,实现机台的生产信息采集、机台互联,实现控制与数据传输,使机台使用率最大化。

图 5-4  厂内设备互联与数据采集架构
(2)智能化生产执行过程管控
通过对现场设备的物联集成(如:生产设备、物流设备、检测设备),实时采集设备运行参数,通过工业云将数据传送至 MES,同时实时接收 MES 下发的

控制指令,最终反馈至相应设备,从而实现对现场设备的数字化管理;通过对现场设备运行数据的实时分析处理,对生产过程控制、工艺优化具有重要意义。

图 5-5  智能化生产执行过程管控架构
(3)智能化立体仓库和物流运输系统
智能化立体仓库和物流运输系统实现装配线及部装线所需物料的暂存、拣选、配盘功能,并与 AGV 配智能化立体仓库和物流运输配套实现工位物料自动配送至各个工位。实现生产车间的工单管理、物料追溯、物流缺料超龄预警。根据生 产过程监控及排产计划,自动提前下库,波次下架;依据先进先出原则,防止呆 滞料产生;智能化的分拣、盘整指引。从零部件出库到工位的定位,到与装配时 间相吻合的物料配送管控。
(4)智能化生产控制中心
根据未来需要帮助 MES 系统打通底层生产设备的连接以及总控平台,建议建设生产控制中心 PCC。PCC 生产控制中心,通过对生产过程中物料、设备、辅助生产资源等数据采集,并集成 PDM\ERP\CRM\MES 等应用系统,实现订单执行与生产现场的集中管理与调度。核心业务包括生产计划与执行管控、质量管控、物流管控,以及生产现场 视频监控等。管控对象由人变为机器,信息指令底层化, 生产加工、物料配送、质量检测自动化、柔性化。
应用案例:三一重工 18 号智能工厂
18 号厂房是三一重工为打造世界一流混凝土泵送机械制造基地投资兴建的重大项目,主要用于泵车、拖泵、车载泵和搅拌主机生产。18 号智能工厂从产品设计→工艺→工厂规划→生产→交付,打通产品到交付的核心流程。

18 号智能工厂总体架构如图所示。

图 3.6 三一重工 18 号智能工厂实施架构
(1)通过全三维环境下的数字化工厂建模平台、工业设计软件,以及产品全寿命周期管理系统的应用,实现研发的数字化与协同。
(2)通过多车间协同制造环境下计划与执行一体化、物流配送敏捷化、质量管控协同化,实现混流生产与个性化产品制造,以及人、财、物、信息的集成管理;
(3)基于物联网技术的多源异构数据采集和支持数字化车间全面集成的工业互联网络,驱动部门业务协同与各应用深度集成;
(4)通过新技术的应用,实现公共资源精细化管理,包括在制品资源跟踪定位、叉车定位、人员定位、设备资源定位、数据采集、无线通信与数据传输平台;
(5)通过自动化立库 / AGV、自动上下料等智能装备的应用,以及设备的
M2M 智能化改造,实现物与物、人与物之间的互联互通与信息握手;
(6)利用信息系统,并借助与 PDA、平板电脑等移动设备,支撑检测数据的采集、以及质量体系的建设;利用 SPC 分析,提升过程质量的监控;
(7)借助企业 ECC  的硬件平台(大屏、监控设备)及现场 PCC  生产中心设备,对生产现场进行集中管理与调度。
18  号智能工厂建成投产后,成功打造从订单到制造的过程自动化管理、符
合工业 4.0 纵向集成模型的样板工厂,实现�产品混装+流水�线的高度柔性生产, 具备 20 个工位,30 余种型号混装、年产 300 亿的生产能力,2015 年成为国家首

批智能制造 试点示范项目。
经过几年的运营,18 号智能工厂取得了令人瞩目的效果:
(1)人均产值提高 24%,可比制造成本节约 1 亿元,直供上线率提高到 24%;
(2)在制品减少 8%,刀具消耗量降低 12%,线边缺件率降低 75%;
现场问题对象-质量信息匹配率 100%;
物料齐套性提高 14%;
单台/套 能耗平均降低 8%;
原材料库存降低 30%。
�细化应用场景二:产品全生命周期智能服务应用场景描述
随着工程机械行业市场疲软、竞争加剧、产品和服务同质化日趋严重,亟需借助互联网、物联网、大数据分析等新技术,打造新常态下在售后服务领域的领先优势,引领行业产品售后服务和质量保障体系达到新的高度,带动装备制造业整体售后服务水平提升,提升国际市场竞争力。
(1)行业发展提出实时设备状况管理要求。装备制造厂商在主机市场渐趋饱和的环境下,实现企业可持续发展,必须严格控制主机故障率,延长设备服役时间,降低工厂生产设备及工程机械产品能耗。而运用大数据分析、互联网、物联网等手段,加强服务全生命周期管理,促进主机合理使用及设备残值再利用, 完全符合市场导向及环境需求。
(2)客户需求和售后服务脱节要求工程机械提升服务能力。工程机械往往 在环境复杂的建筑工地作业,设备 运营管理的好坏直接影响客户的收入,而作为 一台复杂的机械设备,操作及维修保养的技术水平往往要求较高,目前国内外各 大厂商服务水平,均仅仅停留在通过有限的技术熟练人员实施服务的狭义服务上, 遭遇诸多问题:
(1)远程售后无法实时操控了解情况。
(2)巡检人员繁忙无法及时响应、巡检周期长。
(3)无法进行售后维护数据采集、售后分析困难。
(4)故障排除滞后,等等。
如何降低设备管理及服务人员技术要求,实现设备智慧管理及�人人皆可服务�的广义,是工程机械服务能力提升必须考虑的问题,也是引领行业变革的重

大机遇。
(3)经营模式变化推进行业改进。当前工程机械行业受困于宏观经济形势而市场需求降低,工程机械企业为寻求新的利润增长点,在主机销售受阻的前提下,必须加强零部件再制造、二手机交易租赁、服务保险等增值服务。并且随着工程机械服务同质化日趋严重,各种社会维修机构及配件零售商如雨后春笋般涌现,工程机械制造商服务竞争压力逐步增大,现有服务机制如果无法实现与市场的完全接轨,将很快被淘汰,实现社会化服务模式转型势在必行。
应用场景的实施架构


图 3-7  产品全生命周期智能服务实施架构
工程机械产品全生命周期智能服务依托工业互联网平台,借助 3G/4G、GPS、
GIS、RFID、SMS 等技术,配合嵌入式智能终端、车载终端、智能手机等硬件设施,构造设备数据采集与分析机制、智能调度机制、服务订单管理机制、业绩可视化报表、关重件追溯等核心服务。
同时,基于工业互联网平台的大数据 PaaS 服务能力,实现装备工况数据的存储、分析和应用,有效监控和优化工程机械运行工况、运行路径等参数与指标, 提前预测预防故障与问题,智能调度内外部服务资源,为客户提供智慧型服务。
(1)实时数据采集与回传。实时采集各品类设备机器运行的各项参数,如地理位置信息、耗油量信息、设备运行状况信息等,并将数据存储,实时分析。
(2)远程监控、分析、诊断。针对设备工况数据进行分析,解决设备与日

常管理运营问题。如设备运行轨迹、历史工况分析、机群管理分析、设备实时监控分析等。通过对设备整体或零部件运行状态、异常情况、磨损程度等技术参数的大数据分析,支持客户随时随地对设备进行监控和管理。管理设备作业状况, 对设备作业量(总工作时间、作业方量、油耗、发动机转速等)进行统计,方便客户工作安排、成本控制。通过获取和分析设备的实时诊断数据,深入了解客户需求,实现用户使用状况与产品生命周期的监控,为客户提供及时的设备非正常状态提醒,预防损失,也为服务工程师维修提供依据。
(3)智能故障诊断。对设备运行数据进行实时采集与处理分析,根据已设定的规则进行非法操作报警、设备异常报警、偏离预定位置报警等实时报警,以及故障远程诊断、维护,并相应与智能服务平台一键智能派工服务集成。
(4)故障预测。基于存储在大数据存储与分析平台中的数据,通过设备使用数据、工况数据、主机及配件性能数据、配件更换数据等设备与服务数据,进行设备故障、服务、配件需求的预测,为主动服务提供技术支撑,延长设备使用寿命,降低故障率。
(5)资产管理。设备解锁管理:实现系统远程锁机/解锁、多级别的锁机控制、锁机流程管理、锁机历史记录管理等。设备维保管理:实现可根据自定义参数制定合理的保养计划并提供精准的保养提醒和记录等。设备档案管理:实现设备图册管理、设备配件管理、操作保养手册管理、设备基础信息管理等。
(6)机群管理。客户对拥有的不同品类设备进行集中管理;已购机用户、有设备需求用户、项目承建方等可以在平台上进行需求管理,用户可以发布设备使用需求或设备使用需求、项目承建方发布设备需求并以虚拟项目形式对项目中涉及的设备进行机群管理,并主动推送相关信息。
应用案例:高空作业车设备物联管理
湖南星邦重工有限公司公司专注于各类高空作业设备的研发、制造、销售及服务。2016 年,星邦重工以�高空作业车�设备为主,引进树根互联技术有限公司的根云 RooCloud 平台及智能服务 SaaS 核心功能,实现高空作业车地理位置信息、工况信息的采集、资产管理、智能服务管理、决策支持等功能,覆盖 26 种类型的设备;优化高空作业车端到端的一体化流程,有助于提升和完善星邦重工后期业务拓展。


图 3.8 高空作业车产品全生命周期智能服务实施架构
边缘接入层
通过对高空作业车的车架、作业单元、控制单元等各个部分进行硬件接入分析,有以下的三种 M2M 的接入方式:
无控制器单元:设备单元本身如果具备参数可采集能力,加装控制器。通过
CANBUS 协议解析文档和 ECU 等参数读取,开发测试对接控制器,采集设备参数;
自有控制器,但没有数据传输单元:加装物联模块,控制器厂商配合联调对接物联模块;
自有控制器,有数据传输单元:控制器厂商统一移植端侧连接到云端的协议
(按照根云平台提供的协议文档规范和参考代码)。
PaaS 平台层
数据采集层通过无线的方式将设备运行数据实施传输到根云平台,平台通过标准的接口和数据协议,将相关数据进行整理、存储和备份。同时提供数据的格式化清洗,数据过滤,数据分析等多种工业数据管理操作,为上层 SaaS 应用提供平台支撑。
SaaS 应用层
针对设备的数据特性、功能需求,开发和部署�高空作业车设备管理应用平台�。运用物联网、大数据、云计算、机器学习、人工智能、虚拟现实和增强现实等新技术,通过 B/S、手机端 APP 等多种终端互动方式实现设备全生命周期的管

理业务应用,主要覆盖两大业务:
物联呈现:针对设备工况数据进行分析,解决设备与日常管理运营问题。如设备运行轨迹监视、设备实时监控分析、故障诊断分析、设备资产管理等;
设备全生命周期服务管理:面向企业产品后市场人、财、物的管理服务。通过提供轻量化的 SaaS 服务,提高企业客户在设备全寿命周期的维修、保养、技改、交机、巡检、旧件返厂、配件销售、回访监督等服务效率。
通过基于根云平台实施产品全生命周期智能服务解决方案,星邦重工以服务流程优化驱动,融合信息化管理手段,输出公司服务体系业务流程,建立基于工业互联网的智能服务平台,提高为客户提供增值服务的能力,支撑公司卓越运营。
�细化应用场景四:工业互联网+保险创新应用应用场景描述
随着大数据技术的快速发展,利用工业互联网技术获取设备的运行数据和历史设备保险业务数据,应用数据挖掘分析技术实现智能定价和个性化定价, 已是设备保险市场的迫切诉求,探索寻找解决这些问题的方法与系统也随之成了实践动力。
待解决的关键问题包括:
(1)如何科学有效地对设备的运行状况进行掌控;
(2)如何对设备故障、事故等风险进行准确预测;
(3)如何确定不同险种相应的关键风险因子等。
3.6.2 应用场景的实施架构

图 3.9  工业互联网+保险创新应用实施架构

以工程机械装备的物联数据和设备维修换件数据为基础,完成数据的评估和分析,针对设备使用情况与设备故障维修情况进行大数据挖掘与建模,生成设备的综合状态评估,以及设备主及企业的运营状况及信用风险等模型,从而建立设备质量评估指数 。

提供基础的数据清洗与管理服务、设备工况画像分析服务、设备维保画像分析服务,以及结合工况和维保数据以及保险经验构建的质量评估指数/维修概率预测模型分析服务。涉及到客户核心系统和数据的定价等业务和应用则由客户自主把控。
根据模型成果开发用于精算定价与风险选择的数据产品,协助保险公司的精算和产品研发部门在用户使用场景、风险管理上提供技术、数据及运营支 持,并结合设备质量评估指数及其他变量信息,帮助其完成保险产品创新。
应用案例:工程机械 UBI 保险
久隆财险是国内首家聚焦于装备与装备制造业的专业保险公司,以工业互联网、大数据平台和工业资本为支撑,为客户量身定制专业化、智能化保险产品和服务。
基于树根互联的根云 RootCloud 平台,联合久隆财险和三一重工,聚合装备制造、工业互联网及金融(保险类)三方面的人才和技术,首次探索和尝试
�装备+数据+金融�的闭环商业模式,共同对三一装备的物联网数据及企业运营数据进行深度挖掘与应用,研发基于物联网的保险产品,发掘工业大数据的金融价值,探索工业大数据创新性商业模式。




通过基于设备的数据对损失概率进行预测,在设备定价中将每一台设备运行数据(工况数据)作为定价变量来考虑,可以对每台单独设备提供更加准 确、公允、动态的定价,帮助保险公司进行风险选择与精准定价。这与传统保险基于累积数据的静态定价相比,是极大的提高,已经申请相关专利。
案例已实施上线,对于平台上有数据跟踪的每一台挖机设备,可以做到精准的个性化保费定价。对保险公司核保、定价、产品创新等都提供了基于数据分析预测的客观和有力的参考。


从保费规模、利润、承保机器数量出发,中挖是最�值得�开展业务的机器类型,小挖次之,大挖第三。加入承保投入和单均价值的考虑,中挖依然是最
�值得�开展业务的机器类型,大挖次之,小挖第三。开展业务时,中挖和大挖应该拒保第九和第十档的业务,小挖应该拒保第十档的业务。对于开展业务的设备,其设备维修费用及利润比例都可明确分析与排序,并指导保险对于每一档进行精准定价。

3)电子信息行业工业互联网实践

�行业基本情况及生产特点
电子信息产品是指涉及电子信息的采集、获取、处理或控制方面的电子产品, 如电子元器件、电子信息材料、手机、电脑、视听产品、网络及通信设备等。电子信息产品属于知识、技术密集型产品,其科技含量较高;产品注重质量、节能和环保,并遵循行业标准及国际标准;产品竞争激烈,升级换代迅速。
中国电子信息产业是经济总体中的朝阳行业,总体规模位居世界第二,仅次于美国。中国在手机、电脑、网络通信设备及产品方面世界总量第一,并在固定电话、移动电话和互联网的用户数量上领先全世界,同时拥有全球最大的信息通讯网络。
2017 年 9 月,工信部发布《中国电子信息产业综合发展指数研究报告》,该
报告显示,2016 年中国电子信息产业主营业务收入达到 17 万亿元,是 2012 年的 1.55 倍,年均增速 11.6%;2016 年电子信息产业利润总额达到 1.3 万亿元,是
2012 年的 1.89 倍,年均增速 17.3%。
电子信息产品细分种类众多,产品间差异大,不同产品其制造工艺过程不尽相同,但一般都遵循模块化设计与模块化生产制造理念,涵盖模组、部件到整机的生产全流程。电子信息产品制造一般工艺流程如下:

图 4-1  电子信息产品制造工艺流程
一般工厂根据产品生产订单量、产品生命周期、工艺过程特点等因素,综合考虑生产效率及投资效益,确定产品生产制造模式的基础上建设产品生产线。整体上看,电子信息产品制造呈现出 3 种不同的制造模式:面向大规模产品的流水线制造模式、面向订单拉动产品的单元生产制造模式、面向单一高价值产品的手

工生产制造模式。
面向大规模产品的流水线制造模式,指的是采用工业机器人、自动化专机、特定生产装备等,组建自动化生产线,实现各个工序的自动化、无人或少人化生产作业。采用自动化流水线制造方式,可以大幅提高劳动生产率,缩短生产周期, 减少在制品占用量和运输工作量,降低生产成本。但是自动化设备初期投资大, 而且设备多为专门定制,不能及时地适应产品产量变动、品种升级和技术更新。所以,自动化作业方式,主要适合于种类单一、产量大、寿命持续时间长、工艺简单稳定的产品的大规模产品的制造。
面向订单拉动产品的单元生产制造模式,是指生产线按照流程布局成一个完整的作业单元,作业员在单元内进行目标为�单件流�的作业,也称之为单元生产方式。该生产模式,通过单件生产、Cell 单元化布局、多能工培训、减少中间在制品、消除批量周转、追求零故障等措施,可以大幅缩短生产交付周期,节省不必要的材料和中间组装环节,实现产品的快速转换,可以根据产品需求情况调整
Cell 单元数量,从而迅速适应市场订单品种和数量的变化。所以,单元生产制造模式,非常适合基于订单拉动的多品种、小批量、短交期的产品制造。
面向单一高价值产品的手工生产制造模式,就是基于人工作业方式。主要特点是以人工生产为组合,生产效率低,产品质量和交付周期受到工人技能水平、工作状态、工艺复杂程度等多种因素影响。但是,对于单一高价值产品,特别是在产品加工、组装、检验等环节,无法采用自动化装备实现,必须人工主观判断或检验的节点,都需要采用人工作业。所以,人工作业,主要适合产量小、产品加工装配工艺复杂,或者需要人工进行主观判断分析的场合。
流水线生产、单元生产、手工生产这三种制造模式,在电子信息产品制造中广泛存在,都具有各自的应用场景和具体需求。但是,仅仅只是生产方式的调整和升级,还远远无法实现电子信息产品制造的根本性的变革。只有所有生产设备、过程环节与资源,和工业互联网的充分结合,消除信息壁垒,实现所有要素的互连互通,才能为电子信息产品的智能化生产提供坚实的基础。
�行业对工业互联网实施的业务需求
工业互联网是由智能机器、网络、工业互联网平台及应用等构成的系统,能够实现机器与机器、机器与人、人与人之间的全面连接与交互。这种互联不仅是数据信息流的简单传递,而是融合了智能硬件、大数据、机器学习与知识发现等

技术,使单一机器、部分关键环节的智能控制延伸至生产全过程。工业互联网为生产数字化、网络化、智能化发展提供支撑,是实现智能制造的关键基础,也是生产制造发展的新阶段。
传统工业企业的生产过程协同只能在企业内部各个部门之间、不同车间之间实现小范围协同。工业互联网突破了时空界限,集成了供应链、客户关系、制造执行、企业资源等系统,为整个供应链上的企业和合作伙伴搭建了信息共享平台, 将生产过程协同扩大到了全供应链条甚至是跨供应链条上,实现了全生产过程资源的网络化配置,可实现社会化协同生产。传统工业生产极大地依赖固定生产线, 能源、原材料、机器、设备组和其他生产设施均按照最大生产需求配置,在闲置生产时段易造成极大浪费,生产过程中也无法灵活调整分配。在工业互联网条件下,通过互联将智能控制链条延伸至生产的各个环节,推动生产流程向可通过软件定义、管理和执行的智能化方向转变,实现生产动态调整。
传统电子信息产品制造中自动化生产、单元生产、手工生产方式与工业互联网相结合,将通信信息技术与电子信息产品制造相融合,实现机器设备健康管理、人机一体化协同作业、生产过程质量追溯、产品生命周期质量管理,从而优化对装备和资源的使用,推动生产和运营的智能化,创造新的经济成效和社会价值。
流水线生产中的设备健康管理
在电子信息产品制造中,自动化流水线制造模式,实现大批量、标准化、持续不断的生产,需要依赖于大量生产装备进行,其对设备运行状态、维护状态、保养情况等,都需要进行严格的管理和监控;一旦因设备管理不善导致生产停机、贵重设备提前报废、产品质量隐患或安全事故对企业造成的损失往往是巨大和难以承受的,为使这些设备保持健康运行状态,帮助企业降低生产制造成本和提高产品质量,实现企业的可持续和健康发展,就需要对设备进行健康管理。
通过工业互联网采集设备运行状态信息,对设备运行状态进行实时监测,并结合采集到的设备故障信息,实现对设备的健康管理和可预测性维护,以较少的投入,大大延长设备的技术寿命、经济寿命和使用寿命,为企业产生检修效益、增产效率和安全效益,使企业保持良好的经济效益。
单元生产中的人机协同一体化
电子信息产品制造目前呈现出复杂化、非结构化、柔性化和随时可能改变尺寸形状等特点,在自动化流水线生产或单元作业方式中,单纯依靠机器来实现产

品自动化生产,其解决方案难度和成本将会是巨大的;另外在高精密装配上,无 论机器怎样发展,都有它的局限性,远不及人的灵活性。即便是那些已有大量操 作依赖机器的企业也发现,机器灵活性不足以也难以适应不同的生产作业以及意 外情况,仍需要人员针对不同的任务或花费昂贵的离线时间对机器进行重新设置。通过工业互联网人机数据交互,在确保安全的前提下,可以消除人与机器的隔阂, 将人的认知能力及灵活性与机器的效率和存储能力有机地结合起来,以人机协作 方式,提升整个产品制造的生产力及质量,将成为当前企业智能生产的一个重点 研发和突破领域。
流水线生产中的质量管理和追溯
电子信息产品的生产加工过程中,从来料、配送、生产、装配到发货各环节, 整个过程经人为分割,导致各环节业务数据无法有效衔接及利用。
基于工业互联网技术,可获取全生产过程的材料质量数据、工艺参数及自动化生产设备的状态业务数据,经数据挖掘技术,可进行质量问题的根因分析,发现并消除质量管理环节中存在的漏洞,也可运用大数据分析工具建立质量预测模型,实现质量问题的提前预警,为生产提供决策服务。
通过工业互联网技术、RFID 及二维码等技术与电子信息产品制造过程的结合,可实现对全生产过程关键工艺参数、设备参数及操作情况等数据的标记及采集,从原材料供应、生产的各工艺环节直至产品的最终交付,使整个链条的所有环节数据彼此建立关联关系,在任意环节出现质量异常时,均可精确追溯到前段任意工艺环节数据,并进行分析,来获取异常原因。可运用大数据分析工具建立质量预测模型,主动分析原材料质量数据、生产设备工艺参数及设备状态数据变化等,发现潜在质量问题,提前进行预警及解决。
�总体实施架构
电子行业工业互联网跨越工业物联网、商业物联网和消费物联网。业务焦点是用户体验、生态服务和提质增效。电子行业有两大通用实施场景的需求:(1)智能端产品的用户体验及其迭代;(2)多场景系统融合智能工厂提质增效解决方案。电子行业的 总体架构如下图 6-1 所示,包括边缘层、平台层、应用层和安全保障。
边缘层实现生产现场数据的采集、转换、存储和处理,还可以按照既定规则实现本地控制。可以根据需求采用工业总线、以太网、工业 PON、WLAN、4G/5G

等各种有线无线技术,实现生产现场的设备、装备先、测试仪表、仓储物流系统、传感器之间的互联互通。
平台层提供工业数据统一管理和服务的能力,同时提供开发环境和 API 支持,便于使用者快速构建定制化工业数据服务。
应用层包括仓储物流系统、生产运营系统以及工业大 数据应用系统,利用工业生产过程中产生的各种数据实现生产运维和质量管控。
另外,需要采取设备安全、网络安全、控制安全、数据安全、应用安全等多种手段,保障生产过程的安全可靠。
图 6-3  电子信息行业工业互联网实施架构
�细化应用场景一:设备健康管理应用场景描述
设备健康管理是通过整合设备管理的规章制度和管理流程,紧密围绕设备状态的监测、维修、使用和工厂环境等信息,运用智能现场系统对涉及设备健康的因素进行全面分析和管控,运用智能排程系统对维修活动进行优化排配。设备健康管理通过更好的信息可视化、可预测性和简化作业流程来提高设备的可靠性和绩效,减少设备停机造成的生产延误,提高生产线性能;通过预测和认知分析加快设备维修进度。

因此,设备健康管理主要有以下两个功能:1)故障预测:预计、预警、诊断部件功能的状态(包括确定部件的剩余寿命和正常工作的时间段);2)状态管理:根据诊断、预测信息、可用资源以及使用需求对维修活动做出适当的决策, 确定是否更换设备、更换其零组件或者正常维护。
应用场景的实施架构
设备健康管理主要分为四个层次:边缘层、Iaas 层、Paas 层和应用层。如下图所示:

图 4-3  设备健康管理实施架构
边缘层包括设备现场作业、设备参数的修改和硬件维护;
Iaas 层、Paas 层包括 FA/MES/SCADA 等智能现场管理系统、大数据平台和
APS 智能排程系统;
应用层包括 ERP 系统,设备在线采购以及实时监控。设备健康管理的流程如下:
1&2)智能现场系统通过在设备上安装的传感器,实时收集设备产生的数据; 一方面,通过手机或显示器接受智能现场系统发送的数据,工作人员可实时监控设备状况,另一方面,将设备数据发送到大数据平台;
3&4)大数据平台进行数据分析和仿真模拟; 大数据平台会根据分析结果, 将预测预警设备需要更换的排程信息发送到 APS 系统;若只是设备参数需要调整,大数据平台会发送指令到智能现场系统,系统通知工作人员远程修改参数;
5)APS 系统收到设备预警的排程信息后,实时发布维修计划到 ERP 系统;

6&7)ERP 系统根据维修计划制定采购计划,采购人员通过云平台购买设备零部件,并在 ERP 系统里维护设备交期;
8&9)ERP 系统将设备交期回复给 APS 系统; APS 系统根据设备交期调整维护排程并发送到智能现场系统;
10&11)根据智能现场系统显示的设备维护排程,技术人员进行维护工作; 智能现场系统实时发送设备维护进度给 APS 系统;
12)设备维护完成后,APS 系统会发送完工报告给 ERP 系统,维护结案。
实施案例
高产能的全自动化生产线马达健康管理实例:整条产线包括机台上的 36 台
伺服马达、传送带上的 20 台交流马达以及多路径传送带上的 5 台交流马达。如
下图所示的产线传送带的一小段为例,传送带上有 6 台马达,每台马达都有独立的配电装置,内含电压、电流侦测装置,通过电压电流转换器,将信号发送给网络通讯主机(E-Gateway);每台马达上都安装温度、振动传感器,将温度和振动频率转换为数字信号,然后传送到同一台网络通讯主机(E-Gateway)。每一台马达都配有独立的网络通讯主机,这样马达之间的信号不会受到干扰,无论是 SCADA 系统还是手机,都可以接收到马达运转的实时信息。具体系统架构如下图所示。



图 4-4  马达健康管理实施案例
通过这套智能马达系统,可以实时监控马达的温度和振动频率,从而显示出马达低额运行的状况、故障次数和日/月用电报表并发出告警信息。

综上所述,运用设备健康管理系统,实现设备数据可视化,工作人员提前得知设备的健康状态,提前购买、准备设备及其零组件,在设备出现问题之前就对其进行维修、更换,避免因设备突然出现问题而造成的产能损失,提高设备稼动率,达到提质增效的目的;也能提前安排工作人员的工作,提高人员工作效率, 进而降低人力成本。
�细化应用场景二:人机协同一体化应用场景描述
随着中国工业进程的快速推进,产生了一系列超大规模的电子加工企业,这些企业多覆盖冲压、注塑、烤漆、PCBA、组装等不同加工制程,因原材料或组件的物理形状和材料特性不同,及产品迭代周期大部分在半年到一年半左右,无法实现或实现全自动化生产的设备投入往往较高,产品迭代又需要全新投入或部分改造,所以一定时期内,人机协同工作符合这类企业的投资策略。
该类企业的特点人力相对密集,辅以代替人进行简单重复劳动的半自动化设备,以人机协同加工作为主要的作业方式。企业特点要求人和机实现高效协同, 实现生产节奏的同步。保证生产的稳定、高质、高效是这类生产组织模式的核心能力需求。
为此,施耐德导入了 EcoStruxure 架构。

图 4-5  施耐德 EcoStruxure 架构
EcoStruxure 是一个技术框架,涉及互联互通的产品,边缘控制,以及应用、分析与服务等方方面面。互联互通的产品构成了物联网的基础,通过边缘控制帮助客户连接控制平台,支持客户进行简单的设计、调试和监控操作。

应用场景的实施架构
总体实施架构分成四层,为别为:物理设备层、核心网络层、制造运营层和企业管理层:

图 4-6  人机一体化协同实施架构
企业管理层以企业级平台为基础,管理企业级服务,企业管理层采用 3A 的统一认证方式,实现企业级系统应用统一认证,企业管理层采用负载均衡,保障企业级服务高效安全的运行;企业级平台以企业服务总线为数据介质,将企业管理层内部以及与制造运营层的数据打通,让企业管理层具备横向的数据交互,也为企业层提供了可靠的底层数据来源;企业计算中心以应用现代化计算机信息技术,对企业层数据进行多样化分析,对企业级的数据进行扩展和转换,为企业决策提供更多的依据。依托企业级平台,生成实现各项业务需要的服务,为企业级客户提供业务支撑。
制造运营层以生产管理为核心,集所有生产管理系统为一体,提供独立的运营级平台,运营级 3A 可以继承企业级 3A 体系但独立于企业级,运营级平台主要有服务管理、计算中心、 数据中心和数据总线,制造数据中心以统一架构为指导思想,让整个运营级别的基础数据、生产数据、质量数据、监控数据和运营数据可以发布部署,有效集合,增强运营级别数据的处理能力和扩展能力;制造计算中心以现场运营管理为模型,对数据进行分类、分层计算,给运营管理提供可靠的运营数据;数据总线可以让运营级服务内部及和上层企业级、下层进行高效的数据交互,数据总线支持负载均衡。所有运营级服务基于运营级平台为运营级客户提供服务支撑。

核心网络层以为制造运营层提供网络支撑的核心网络为中心,以为分布式数据采集提供网络支撑的汇聚层网络为分支,以连接各现场设备和接入层网络为终端,实现网络的分层和区域控制,整个网络拓扑可以通过数据中心的管理端进行管理。
物理设备层以控制单元为核心,控制单元连接感知元件及执行单元,通过控制单元实现现场设备控制和回路调节。
实施案例�施耐德精益数字化实现高效人机协同
施耐德第一个小型断路器生产厂,到 2004 年一直保持年销量 15%的增涨, 同时老厂房面临租期将近,且延续了 17 年的生产运营方式,效率提升已经达到一个瓶颈,如果不进行变革式的改变,将面临市场和内部的双重挑战:
1)工厂人员众多,管理成本较高;
2)产能需求加大,工厂厂房不足以应对未来市场需求造成的产线扩张;
3)质量等记录以纸质记录为主,难以实现质量追溯;
4)经验数据无法有效积累,指导未来持续改善;
5)效率损失是一笔糊涂帐,无法形成有针对性的解决方案;
6)设备状态及维护情况没有记录,异常停机频发。
工厂认识到,一方面需要通过系统性的工作,优化工厂的布局。通过对布局的挑战,节约 22%的生产空间。
另一方面,必须实现运营方式的转变,下定决心实施变革,对产线进行改造, 上马精益数字化系统,实现精益思维下的数字化运营。为了实现数字化精益运营, 实施了包括计划与排程、工艺与作业规范、生产执行与追溯、及时绩效与响应、过程质量管理、电子物料看板、设备数据采集等功能的精益数字化系统。
通过三个产线优化及三个月的数字化系统实施,实现了效率从 65%提升至
80%,生产周期从 78 小时降低 18 小时,仓库效率提升了 25%。不仅如此。透明化的改造为企业持续改善形成了良好的土壤和企业文化,突破了原有瓶颈的束缚, 至今,已经连续 12 年实现了每年超 10%的生产率提升。
�细化应用场景三:生产过程质量追溯应用场景描述
生产过程质量追溯聚焦数据,基于工业互联网技术,实现对整个产品生命周期的所有数据的采集,通过构建生产质量模型进行实时分析,实现异常品快速响

应和全过程品质监控。挖掘企业生产全过程中影响产品质量的关联因素,发现潜在质量问题,消除质量管理环节中存在的漏洞,提前进行预警及解决。
生产过程质量追溯收集的数据包括供应商物料数据、生产流程数据、生产制程参数、生产搬送历史数据、物料使用情况数据、仓库在库信息数据以及产品销售信息等数据,从所有的可以接触的维度,直接记录产品的生产流程,基于数据整合与分析,实现全生产过程质量追溯。
应用场景的实施架构
生产过程品质追溯是采集整个生产制造过程的实时数据,实现生产全过程实时质量监控。通过整合各个系统的信息记录和工业物联终端采集的数据,从来料信息,来料投入,制程机台参数信息,产品流向信息,产品出货信息等各个维度对产品进行监控和全过程记录,并通过质量分析模型与预测模型进行实时分析, 实现全过程品质可追溯。

图 4-7    生产质量追溯实施架构
如上图是所有的记录生产流程中生产数据的相关系统和设备,在全过程品质追溯中,通过集成或采集 QMS(质量管控系统)、仓储系统、MES 系统、底层设备、搬送设备等系统和设备所有与生产相关的数据,通过对全生产过程数据的处理与模型分析,实现生产全过程品质监控以及质量问题的实时处理。
实施案例
中国电子集团下属液晶面板企业随着公司业务的成长和生产技术的升级,产品质量问题越来越多, 异常品处理也越来越频繁,原有的产品追溯查询及处理流

程已经不能适应当前客户的需求,急需一套完善的品质追溯系统及时解决规避产品质量问题。
通过工业互联网相关技术,实现对车间制程设备、检测设备和搬送设备的数据采集,同时在数据处理层通过对应用系统的数据集成,串联各个系统各个生产车间的数据,包括生产前段的 FAB MES(在洁净室中的生产数据)数据、MOD
MES(在模组厂的生产数据)数据、Report(报表)数据、OEE(全局设备效率) 数据、WCS 中的在库和销售等数据。在整合上述全生产过程数据的基础上,依托液晶面板行业的相关知识,建立质量分析相关模型,实现对产品生产全过程的质量分析与预测,支撑应用服务层的相关应用来解决该企业产品的生产质量追溯问题。

图 4-8    中国电子下属液晶面板企业生产质量追溯案例实施架构
该案例实施的重点在于�全过程�管理,通过工业互联网相关技术记录与监控产品生产过程中的所有数据,是实现实时监控,实时响应,实时管控的基础条件。通过实施全过程品质追溯,帮助该企业梳理了作业流程,改善了作业模式,避免了作业的疏漏与问题,实现产品高效安全生产。
实施全过程品质追溯后,达到了以下效果:
1)品质异常快速反应,由 1~7 天缩短为 1~4 个小时
2)品质异常处理接口统一化,所有跟品质相关的异常处理都在品质追溯应用上处理,方便人员操作
3)提升公司产品品质以及公司效益,通过实施全过程品质追溯,加快异常

处理,降低公司产品质量异常率,减少了质量异常导致的损失
发表评论
评论通过审核后显示。
文章分类
联系我们
联系人: 王先生
电话: 18682310015
Email: info@thinker.vc
网址: www.thinker.vc
地址: 广东省深圳市南山区科苑北路科兴科学园C3座1601室