e-works数字化企业网  »  文章频道  »  制造业与信息化  »  行业典型案例

用数据赋能制造业,看天合光能是如何做的?

2017/12/12    来源:e-works    作者:e-works王阳      
关键字:大数据  制造业  
制造业与互联网的融合并没有想象简单,制造业长期固化和累积的习惯、经验、模式,在互联网强调灵活和快速迭代的特性面前,存在着不只是技术就可以逾越的鸿沟。这也是中国政府大力推动“中国制造2025”战略、2016年出台《关于深化制造业与互联网融合发展的指导意见》、2017年签署发布《关于深化“互联网+先进制造业”发展工业互联网的指导意见》的原因。
    很久前读过一个故事,大概讲的是:
   
    20世纪初福特公司一台电机出现故障,很多工程师都修不好,于是聘请德国专家斯坦门茨来维修。斯坦门茨在电机旁边观察边敲打,然后用粉笔在电机外壳画了一条线:“打开电机,在记号处把里面的线圈减少16圈。”福特工程师半信半疑地将线圈减少,结果电机真的好了。
 
    这次电机维修斯坦门茨收取了1万美元酬金,他还特地列了一张费用说明:“用粉笔画一条线1美元,知道在哪里画这条线9999美元。”
 
    当时,这个故事被贴上“知识就是财富”的标签,其实放在今天的工业企业场景中,这是一个“专家经验发挥价值”的典型。
 
    ■经验主义与数据价值的博弈
 
    在工业经济时代,经验主义一度发挥着不可替代的价值。
 
    不夸张地说,当代制造业基本都走过一段经验主义道路,靠习惯和工作经验来管理企业,靠老师傅在一线车间的经验传帮带徒弟。
 
20世纪工业经济时代的生产车间
图1.20世纪工业经济时代的生产车间
 
    直到ERP的诞生,将企业的管理思想逐渐固化和规范下来,用ERP改造管理经验主义;到MES的应用,将企业生产制造的流程固化和规范下来,用MES改造生产制造经验主义。
 
    但不得不说,工业经济时代企业内外部环境相对稳定,挖出多少铁矿石就一定能生产出多少铁或钢材,相对简单的干扰条件,经验主义几乎可以准确地预测和分析结果。而现在,市场的瞬息万变、技术的飞速发展、工业设备的升级换代,专家的经验主义是否还能上演“斯坦门茨”般的神奇?
 
    也许并不能。
 
    现今的制造企业,是一个由数据充斥的商业综合体,其数据有很多种。简单列举就包括数据采集、数据存储与备份、数据安全、数据建模与可视化、数据分析与预测等过程数据;涉及的数据类型包括静态数据和动态数据,也可以分为实时数据和非实时数据,还可以分为结构化数据、半结构化数据和非结构化数据,来源包括企业的信息系统、设备、传感器、供应链以及社交网络。
 
    如何从这些种类繁多的数据中挖掘价值?如何让企业从依靠经验主义过度到数据价值洞察阶段?这既是一个相互博弈的过程,也是一个不断探索和实践的过程。
 
    ■制造业与互联网的鸿沟
 
    在经验主义和数据价值博弈此消彼长的过程中,互联网技术发挥着巨大的使能作用。但客观来讲,制造业和互联网之间的鸿沟比大家想象得要大。
 
    笔者曾经参观过很多制造企业,不管是总装线上舞动着机器人手臂的汽车主机厂,或是焊接车间电光火石般的重型装备企业,抑或是需要更换防尘防静电服才能进入的电子企业,还是正在流水线上发酵或装罐的酿酒企业,大多数伴随着轰鸣的机器声、或多或少呛鼻的味道。
 
    当这些企业将某一单点应用作为样板呈现在同行企业面前时,支撑其业务运行的工艺流程、IT系统或是生产线往往被声声称道,因为还有更多企业没有达到这样的水平。
 
    但如果做个横向对比的话,随便一个IT公司的实验室、或是互联网企业的创新中心,都比以重资产著称的制造企业车间高大上得多,其信息化应用也要成熟得多。
 
    所以,当云计算、大数据、人工智能这些概念铺天盖地袭来的时候,仍然需要对中国制造业的发展现状保持着理性认识:因为还有很多企业MRP都跑不起来,还有很多企业连物料和图纸以及其他技术资料的关联性都做不好,还有很多企业必须依靠手工变更BOM信息。
 
    事实是,制造业与互联网的融合并没有想象简单,制造业长期固化和累积的习惯、经验、模式,在互联网强调灵活和快速迭代的特性面前,存在着不只是技术就可以逾越的鸿沟。
 
国务院印发《关于深化“互联网+先进制造业”发展工业互联网的指导意见》
图2.国务院印发《关于深化“互联网+先进制造业”发展工业互联网的指导意见》
 
    这也是中国政府大力推动“中国制造2025”战略、2016年出台《关于深化制造业与互联网融合发展的指导意见》、2017年签署发布《关于深化“互联网+先进制造业”发展工业互联网的指导意见》的原因。
 
    鸿沟虽在,跨越在即。
 
    ■天合光能与阿里云的结缘
 
    过去三年时间,工信部一共遴选确定了206个智能制造试点示范项目,其中工业互联网创新应用项目28个,为跨越制造业与互联网的鸿沟竖立风向标。
 
天合光能常州总部基地
图3.天合光能常州总部基地
 
    直到走进天合光能这家年营业额270亿人民币的传统制造企业,参观其生产光伏组件的车间电子看板上实时呈现的运行数据,直到天合光能智能制造负责人告诉笔者7%的A品良率提升,才真正领会到“经验主义”和“数据价值”的融合可以带来如此大的效益。
 
    天合光能是全球最大的光伏组件供应商,截至2016年,天合光能组件累积发货量超过23GW,全球排名第一,位列“全球新能源企业500强”第19名。
 
    作为天合光能的主要产品,光伏组件的A品率直接关乎着企业利润率(以光电转化率为标准,其中电池片转化率在18.8%以上的为A品)。如何提升生产制造过程中的A品率,成为横亘在天合光能发展进程中的拦路虎。
 
    一方面,天合光能在技术研发方面已经尽可能做到极致,专门成立了光伏科学与技术国家重点实验室,先后16次刷新了光伏电池和组件的转换效率、输出功率等世界纪录;另一方面,天合光能不断深化ERP、MES等系统应用,提升信息化管理规范和水平,向管理要效能。
 
天合光能电池车间的ET工业大脑电子看板
    图4.天合光能电池车间的ET工业大脑电子看板
 
    在天合光能智能制造负责人徐连荣看来,当企业信息化发展到一定阶段,就是向数据要价值的时候。因为ERP/MES等系统是记录和规范数据,而工业互联网平台侧重分析和挖掘数据。二者相辅相成,对企业来说可以实现互补。
 
    天合光能是如何在ERP/MES等系统基础上,向数据要价值的呢?
 
    通常情况下,一片光伏电池的生产需要6大工艺:表面制绒、扩散制结、腐蚀清洗、镀膜、丝网印刷、测试分选等,每一道工艺都对应着复杂的物理、化学反应,譬如丝网间距、室内气温、下压压力、丝网间隙、风机转速、酸碱度……每一个参数都会影响着电池片的成型。
 
    天合光能首先选择4条光伏电池生产线作为试点,将车间设备进行了升级改造,在产线上增加了数百个传感器,对密度、风压、风速、距离、浓度、质量等参数进行采集,并将海量数据输入阿里云的工业互联网平台——ET工业大脑,随后通过人工智能算法,对所有关键数据进行深度学习分析,构建大数据模型,精准分析出与生产质量最相关的关键参数。
 
    项目开始,阿里云派驻十余名数据科学家研究光伏电池的业务流程和制作工艺,结合专家经验构建出数据分析模型;项目中,数据科学家与天合光能的专家团队一起对工艺参数进行调整、优化,甚至对多维参数组进行调优,找到正相关的影响因素,逐渐调整算法模型。
 
    随着项目的推进,天合光能最终在丝网印刷环节捕获到了关键因子。丝网印刷是制作光伏电池电极最普遍的生产工艺,在前序环节后,电池片已经可以在光照下产生电流,为了将电流导出,就需要通过丝网印刷在电池表面制作正负两极。
 
    传统的人工经验可以发现两个单独因子之间的关联,而通过阿里云工业互联网平台实时、快速的分析计算,则可以挖掘出五个甚至更多因子之间的关联,远远超出了人力所及。
 
    2017年7月,阿里云正式入驻天合光能;10月,经过算法的不断优化,对生产工艺参数的调整,天合光能试点车间的A品比例提升了5个百分点;12月,试点车间的A品比例从原来的40%提升到了47.3%,提升了7个百分点。
 
    这是传统专家经验或简单产线改造无法实现的提升。
 
    徐连荣透露,在目前试点的几条产线上,光伏电池A品率的提升带来的收入增加估计超过2000万,下一步将在全部产线上推广,预计每年可提高利润数千万。
 
    同时徐连荣还特别强调,制造企业千万不要一听到“大数据”三个字就抗拒,甚至被吓到。对于新兴技术可以采取小步快跑的方式,先找一个试点验证一下,取得效果和良性循环后再横向扩展。
 
    ■最佳实践和数据价值的转化
 
    从天合光能出来,还有一个问题疑惑不解:数据之于天合光能的价值,是否可以快速转化和复制到其他企业、甚至是其他行业?
 
    笔者专门请教了阿里巴巴集团副总裁刘松。
 
    除了在阿里担任的职位,很少有人知道刘松另一个身份——工信部工业互联网产业联盟副理事长。所以当刘松概述起我国工业互联网产业发展现状和机遇时,他对数据的价值尤为看重。
 
    在刘松看来,不同企业对数据价值的挖掘,肯定是不一样的,但仍然可以找出其中的共通之处。他形象地比喻:就如同医生看病,每个病人进医院都会进行各项基础检查,量体温、量血压甚至验血、拍X光等,初步判断出病症后再做进一步确诊。给不同的企业挖掘数据价值同样如此,尽管每个企业的行业特点、业务流程、工艺类型都不一样,但最基本的方法论是一致的。
 
    以中策橡胶为例,轮胎生产中的主要原材料是橡胶,中策橡胶每天从全球采购千吨量级的橡胶块,将橡胶块合成混炼胶最终进入生产线。不同胶源产地、加工厂、批次等数千个复杂因子都会影响橡胶块质量,这些因子的相亲相斥也直接影响了是否能合成优质混炼胶。
 
    和以往更依托经验的质检方式不同,阿里云通过人工智能算法,能在短时间内处理分析每一块橡胶的出身,匹配最优的合成方案,极大地稳定了混炼胶性能,大大降低在加工环节的成本投入。有数据统计,阿里云已帮助中策橡胶提升混炼胶平均合格率3%-5%。
 
    而这一目标的达成只用了28天,这得益于阿里云此前在一个毫不相关行业企业的积累——协鑫光伏。
 
    在协鑫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,例如上部砂浆温度、下部砂浆温度、上部导轮温度、下部导轮温度等等,任何一个变量的细微变化都会直接影响到生产结果。通过阿里云的大数据分析算法,就可以对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关键变量。
 
    从协鑫光伏到中策橡胶,再到天合光能,其实还有液晶屏、芯片、能源、化工等多个工业垂直行业,都已经享受到了阿里云工业互联网平台带来的数据价值。
 
    刘松说,从技术层面来看,只要我们找到跨行业的最小抽象,就可以将原本复杂的事情变得简单,这是用数据赋能制造业的精髓,只要找准了发力点,哪怕是1%的效率提升,也会给制造业乃至整个社会带来可观的价值。
 
责任编辑:李欢
本文为授权转载文章,任何人未经原授权方同意,不得复制、转载、摘编等任何方式进行使用,e-works不承担由此而产生的任何法律责任! 如有异议请及时告之,以便进行及时处理。联系方式: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