e-works数字化企业网  »  文章频道  »  其他栏目  »  优秀CIO参评内容

朱加川 天合光能股份有限公司 全球IT负责人

2019/1/11    来源:e-works    作者:e-works整理      
关键字:CIO评选  e-works年度盘点  智能制造  朱加川  
本文为“2018年度中国制造业杰出暨优秀CIO”参评材料。本次将评选出在企业成功规划和实施大中型两化融合或者智能制造项目,带领各方积极推进项目实施并达到预期效果,为企业带来实际效益的制造业企业的优秀CIO。

一、企业简介

    天合光能股份有限公司(简称“天合光能”)是全球最大的光伏组件供应商和领先的太阳能光伏整体解决方案提供商,1997年创立于江苏常州,2006年在美国纽交所上市。截至2017年底,天合光能光伏组件累计出货量全球排名第一。

    天合光能先后在瑞士苏黎世、美国加州圣何塞和新加坡设立了欧洲、美洲和亚太中东区域总部,并在东京、马德里、米兰、悉尼、北京和上海等地设立了办事处,引进了来自30多个国家和地区的高层次人才,业务遍布全球100多个国家和地区,员工约13000人,年销售额约300亿元。

    天合光能着眼于全球可持续发展,以推动光伏平价上网和普及绿色能源为己任,提供从光伏产品到光伏应用的整体解决方案,不断开拓创新,引领光伏产业进步,用太阳能造福全人类。

天合光能股份有限公司

图1 天合光能股份有限公司

二、CIO个人简介

    朱加川,现任天合光能股份有限公司全球IT负责人,毕业于清华大学,拥有20多年的信息化从业经验。具有丰富的全球化IT团队管理和沟通能力,有海外工作经验。曾经在三星电子、旭电科技、尚德电力等知名企业就职,在历任中国地区IT负责人及集团IT负责人期间,参与公司战略及运营管理,把握公司战略方向,制定公司IT战略规划以及相应的预算和资源计划。熟悉制造业相关销售、生产、物流、计划流程,精通IT技术和各类应用系统。在天合光能,除了传统的IT网络、数据中心、ERP、MES、OA等应用系统规划和建设外,积极推动和建立了企业互联网开发平台、大数据平台、移动平台、云计算中心以及AI人工智能应用,提升天合光能的智能制造水平,推动企业数字化、智能化转型升级。

天合光能股份有限公司 全球IT负责人 朱加川

图2 天合光能股份有限公司 全球IT负责人 朱加川

三、个人信息化从业经历及主要业绩

    多年从事信息化工作,涉及网络、数据中心、ERP、供应链管理、智能制造、办公室自动化、设备自动化、电子电路设计、多轴联动控制系统等方面,历经国企、韩企、美企、欧企、民企,熟悉各类企业文化,信息化团队管理经验从单点工厂、中国区域、亚太区域到全球化管理,海外工作经历涉及10多个国家和地区,近30个海外城市。

    1996年加入并参与三星电子半导体有限公司在苏州工业园区的工厂建设,全面负责公司信息化建设,负责数据中心的建立,以及ERP、生产管理系统、供应链管理系统、人事管理系统的一系列系统导入。并且在1998年率先开发关务管理系统,对接海关,使得公司成为苏州工业园区第一家保税工厂,免除了大量的保税押金,并大大提高了通关效率。

    2000年在旭电科技有限公司负责信息化工作期间,负责开发了精益生产系列应用系统:设备稼动实时管理系统、车间看板、产线拉动备料系统、Poka Yoke制造过程防呆等系统。加强了车间各班组的生产管理,提高了生产效率和设备利用率,减少了生产过程浪费,避免了过多的昂贵半导体生产设备(SMT、ICT、FT)采购。

    2015年加入天合光能股份有限公司后,优化了天合信息化组织架构以及全球IT基础架构,建立了IT共享服务中心,开通了热线电话、邮箱、手机App等渠道。在天合国内外各大生产基地全面推广和建设天合标准统一的MES制造执行管理系统,并实现数据的统一管理。

    2016-2017年组建了天合互联网开发团队,建立了互联网DevOps开发运维体系,并建立了天合互联网PaaS平台,以及移动开发平台。开发了天合户用光伏电站云平台、渠道商管理系统、物流管理系统、终端用户生态系统App。并开始了对天合原有OA系统的全面升级,支持移动办公

    2017-2018年推行部署QMS质量管理系统,实现制造全过程的质量管理和追溯。陆续实施WMS仓库管理系统、TMS物流管理系统、CMS关务管理系统、电子采购及招标平台、供应商管理系统,在ERP基础上,极大地丰富了供应链管理功能,给公司经营带来了效率的提升,成本和风险的降低。

    2017-2018年组建了天合大数据团队,建立了天合大数据平台,实现了公司经营的可视化、经营分析的智能化,并且给营销、渠道、制造、采购、客服等业务领域提供大数据+AI的服务。

    2016-2018年智能制造方面,除了MES、QMS等系统实施,还利用天合大数据平台实现车间可视化管理,并结合大数据、云计算、AI、物联网技术,对电池片制造过程进行数据采集,在上千种制造相关参数及海量数据中,寻找规律,实现了高效电池片产出占比提升7%的成果,给公司带来大幅度的效益提升。对于光伏组件制造过程中原来需要人眼检查的产品缺陷,我们通过自主研发,利用AI技术、机器学习建模和训练,用智能化的手段,帮助快速检查产品缺陷情况,初步识别率在95%以上,比人眼识别准确率和效率都有大幅提高。随着机器学习样本的增加,识别率还将进一步提高,进一步降低成本,提高效率,保证产品质量,增加客户满意度。随着公司在智能制造方面的战略推进,结合产品研发及制造设备发展路线,天合光能在智能制造建设上,必将进一步全面和长足发展。

四、近2年在企业主要推进的智能制造相关项目

    天合光能光伏生产大数据项目

    ●项目背景

    天合光能在生产工艺、信息化水平和管理模式上历经20多年的发展,已经处于相对成熟的阶段,然而这也意味着单纯通过传统的工艺方法与精益管理手段已经很难大幅度提升电池片高效片产出占比。同时,高效电池片占比也难以维持在一个稳定的状态,相同的设备与工艺,在不同的工厂、不同的产线、甚至是在同一产线的不同时间段所产出的成品,其高效电池片占比也会存在明显差异。公司曾做过测算,产线哪怕是一个百分点的效率提升,即可带来至少数百万的利润。高效电池片占比稳定在高水平,对利润率不高的光伏行业来讲,具有很大的意义。因此,如何在现有工艺水平和生产条件下,实现对产品质量和成本的突破,是天合光能运营团队的迫切需求。

    电池片生产属于典型的流程制造,生产工艺复杂,主要生产环节包括制绒、扩散、后清洗、PECVD、丝网印刷、烧结、测试。整个流程对温度、湿度、浓度、压力、速度、电级、电压等变化异常敏感。过程贯穿化学腐蚀、充斥着各种化学变化与物理变化,任意一个变量以及变量间关系的微妙变化,都会对生产结果造成很大影响。而大幅度的生产线改造、设备的升级以及工艺改造意味着巨大的资金投入,同时存在高风险与高不确定性。因此,天合光能项目团队决定从现有的生产数据入手,以数据驱动的方式,通过找出数据背后隐藏的问题,识别不同参数间的关联性,获得生产工艺的最优参数,在不对产线做“大手术“的情况下,有效提升电池片的高品率。然而,从智慧生产大数据项目启动以来,问题就接踵而来:

    数据质量差:受制于实际生产环境中数据获取手段的局限性,包括传感器、数字采集硬件模块、通信协议等多个技术限制,数据采集维度与质量被打了“折扣”。与工业数据的“大”相别,数据的全面性与多样性更有意义。数据建模的前提,需要获取与被分析对象相关的全面参数,而产线上关键参数的缺失导致分析过程碎片化,影响数据的深度挖掘与洞察。

    离线数据多:只有当数据实时在线,能够对动态数据进行实时分析,数据才能真正发挥价值。然而天合光能过去生产数据多是离线数据,且数据采集时间维度多是以天、甚至是周来计算,这就导致所到手的数据, 例如:电压、电流等数据呈现均值化(数据波动的波峰与波谷相互抵消),难以作为诊断依据,无法找出数据背后隐藏的逻辑与问题。

    缺少多维度数据精准分析能力:天合光能有一批经验丰富,在产线上深耕多年的工艺专家,对每一个生产环节、每一个生产参数都有很深的理解。工艺专家在对单个参数或是两个关联参数最佳值的判断上,比如,温度、压力、速度等已可以非常精准。然而面对数以千计的生产参数,动辄上百G的数据,要找到其中的关联性以及因果关系,并精准推荐参最优的参数组合,这远远超出了目前人脑的计算能力。更何况,人的判断总是带有片面性和主观性,仅凭“老师傅”的经验可能会导致看似正确的误判,并错过发掘隐藏在数据背后的“不可见”问题的机会。

    ●项目规划

    ◆数据先行、量力而为

    风险控制与成本管理是项目成功的基础。智能制造大数据项目团队一开始并没有大刀阔斧的去做整条产线设备的改造以及数据全量实时采集,而是以小步推进的方式,从现有离线数据切入。通过收集生产执行系统(MES)的数据、以及设备的离线日志,对现有数据维度进行分析。当离线数据不足以支撑大数据分析时,再对关键设备升级改造,以逐步开放更多真正有价值的数据,补足缺失的数据维度。对于高实时性要求的数据,则通过安装高精度传感器以及阿里云的一站式数据采集接口进行数据秒级的采集、整合。项目团队通过这种渐进的方式,最终从产线采集到上千个不同维度的生产参数,为接下来的计算与分析创造了必要条件。

    ◆寻找关键因子、学做减法

    并非所有的生产参数都会对生产高效片占比产生关键性影响。对数据做“减法”是项目至关重要的一步。这一过程需要工艺专家与数据科学家的紧密配合。工艺专家需要凭借其工业方面的Know-How对参数进行过滤、筛选、识别。同时,数据科学家借助大数据平台,通过数据建模,对工艺参数进行量化分析,寻找关键因子。双方经过“经验”与“算力”的不断碰撞,最终发现“扩散”与“丝网印刷”是影响高效片占比稳定性的最为关键的两道工序,项目团队以此做突破口,把研究聚焦在包括印刷速度、印刷压力、印刷高度、网间距、冷却水温度、流速、风速等关键因子上,数据范围大幅度缩减、研究得以更为精准。

    ◆工艺参数优化,经验与“算力”的碰撞

    接下来的工作是从所聚焦的关键因子中找到最能为生产带来价值的参数组合。但是哪怕只有十个参数,也会产生天文数量级的组合方式,因此只有借助云计算的超级“算力”才能在短时间内完成如此庞大的计算量。数据科学家通过在算法平台上搭建工艺参数优化模型,分析不同变量间的逻辑关系,模拟推演出多个不同的参数组合。然而哪组才是最优“配方”?这时候“老师傅”的经验很好弥补了数据科学家在工艺知识上的空缺。数据间存在基本的逻辑关系,比如速度越快,压力就越大,与自然规律、常识相悖的数据,“老师傅”可以凭借经验并借助DOE(试验设计)将由数据模型推导出的参数组合做减法,排除不符合生产与工艺逻辑的参数,大幅度减少了后续的工作量与时间成本。

    ◆上线测试,产线上运行

    由于各自的专业领域不同,工艺专家与数据科学家对数据的理解也会存在差异,在参数选择上分歧难以避免,因此只有通过上线实测的方式才能验证数据的价值。实测以“小步、快跑、迭代”的方式,项目团队选中4条产线作为测试线。起初是以小批量进行测试(200片电池片),根据测试结果进行持续调优。随着生产高效片占比以及生产稳定性的小步提升,测试规模从百片到千片直至上万片,测试周期也从以小时/天为单位延长到以周为单位。经过几十次的批量测试以及持续调优,最终才得以发现能够突破原有生产高效片占比水平的那一组最优参数组合。

产品知识赋能

图3 产品知识赋能

    ●项目实施效果

    项目从2017年7月启动以来,团队历经5个月的努力,主要取得了四方面的成效:

    高效电池片占比模型数字化 - 高效片占比的实际测试值提升了7%,同时每一批测试结果都维持在相对稳定的状态。根据项目组测算,基于天合光能全年的产量,一个百分点的高效片占比提升可带来至少数百万的利润,7%则意味着数千万的利润,相当可观。

    生产数据在线化 - 目前通过阿里云的一站式数据采集接口,已连接天合光能超过200+生产设备,海量数据通过网络实时上传至阿里云大数据平台进行实时计算。

    生产管理透明化 - 通过可视化大屏工具,实时展示产量、质量、设备相关数据,实现生产数字化、管理透明化。

    生产预警自动化 - 通过对设备数据及工艺参数的实时监控,结合工艺参数分析模型,实现设备异常及工艺参数异常的提前预警,实现生产过程的主动管理。

生产数据在线化

图4 生产数据在线化

高效电池片比例提升

图5 高效电池片比例提升

    五、个人在智能制造工作中的体会或观点

    作为天合光能智能化战略中的重要一环,智能制造一直是天合光能的发展重点。关于在智能制造工作中的体会,我想表达的是:首先智能制造不是一蹴而就的,需要做好多方面的基础建设和能力培养,从广义上讲涵盖从产品研发、客户关系、订单获取、采购、制造、质量、物流、交付安装、售后服务以及公司内部流程审批、经营分析等一系列信息化系统建设。在制造过程中,需要有MES现场管理、QMS质量追踪及管理、工厂可视化管理等信息化系统,并结合物联网、边缘计算、云计算技术,构建CPS(信息物理系统)架构,构筑智能制造体系。这就需要建立和培养先进制造设备、工艺、质量、ERP、物联网、互联网、大数据、AI人工智能、移动平台、信息安全等方面的团队能力。

    其次,智能制造需要从实际情况出发,结合公司战略、产品研发及制造设备发展路线,进行统筹布局,寻找和创造智能制造所能带来的价值点,总体规划,分阶段逐步推进。避免在低价值环节或者弱数据接口的落后设备上耗费太多资源,避免片面信息化的智能制造,避免片面设备自动化的智能制造。真正做到工业化、信息化的两化融合,实现智能制造的最大效用。

责任编辑:程玥
本文为e-works原创投稿文章,未经e-works书面许可,任何人不得复制、转载、摘编等任何方式进行使用。如已是e-works授权合作伙伴,应在授权范围内使用。e-works内容合作伙伴申请热线:editor@e-works.net.cn tel:027-87592219/20/21。
e-works
官方微信
掌上
信息化
编辑推荐
新闻推荐
博客推荐
视频推荐