小硅片与大数据的结合——协鑫光伏的新制造之路

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 工业4.0时代已经到来,新一轮工业革命正在深化,发达国家纷纷实施再工业化战略。数字化、智能化技术深刻地改变着制造业的生产模式和产业形态。在数字制造的时代里,有一家企业,他们给数字化制造赋予了匠心。通过大数据赋能制造,良品率得到了提升。
本文作者为:阿里云研究中心刘云璐


对话苏州协鑫IT总经理周小栋

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,阿里云研究院刘云璐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,虽然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,但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。

4fa4b04d8fc15f332bc3a0fa77091b2041fef865

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。

背后的技术框架

51436f6304e721a267eaea0956713693695d8d94

协鑫光伏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,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。

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。并基于监控模型,实现异常情况报警。

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。

8fb2852d4df6585ec4e5a50b09f7668ec2ad0207
(此图片经特殊处理)
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,如下图所示为大屏看板的示意。

5f811d0c645a74a0d4cdf21f21ac57c71fd774ce
(此图片经特殊处理)

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,如下图所示为BI分析示意图。

6a5efaca7e1c2b3f785e41f2faf94b0c09b5031b
(此图片经特殊处理)

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。

写在最后:

在3月29日的云栖大会深圳峰会上,云栖联盟和第一财经联合发布2016云栖奖名单,评选出九大“新技术时代影响中国的决策者”。九位获奖者如何将云计算与各行各业深度融合,推动产业的深层变革?为此,我们分别采访了他们,希望展示出深耕DT时代的丰富图景。

【深度】2020年业务峰值提前3年出现,中国邮政上云实战经验谈
https://yq.aliyun.com/articles/72820
【深度】中信集团张波:信息化已经过去,数字化刚刚到来
https://yq.aliyun.com/articles/72821
【深度】一条已经坚持了10年原则,是否能适应波司登“新零售”征程?
https://yq.aliyun.com/articles/72822
【深度】小硅片与大数据的结合——协鑫光伏的新制造之路
https://yq.aliyun.com/articles/72811
【深度】特步CIO唐坤军:特步上云,最难的地方是组织流程的调整
https://yq.aliyun.com/articles/72807
【深度】饿了么四次技术进化的曲折路,记访谈张雪峰
https://yq.aliyun.com/articles/72804
【深度】金鑫:基因应用现状解析及华大基因的数据平台架构
https://yq.aliyun.com/articles/72831
【深度】丁国祥:吉利的数字化转型从云上起步
https://yq.aliyun.com/articles/72832

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
机器学习/深度学习 弹性计算 监控
【云栖号案例 | 制造】协鑫光伏上云 为提供企业稳定高效的大数据存储、分析能力
企业希望在算法模型、监控报警、BI展现有突破。上云后保障全量数据批量上云、对全量参数的分析提出待分析的参数、实现异常情况报警及良品率的预测。
【云栖号案例 | 制造】协鑫光伏上云 为提供企业稳定高效的大数据存储、分析能力
|
监控 算法 大数据
小硅片与大数据的结合 ——协鑫光伏的新制造之路
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。本文将向读者介绍大数据是如何助力晶片制造,以减少成本,提高效率。
8282 0
|
2月前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
21天前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
158 7
|
21天前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
36 2
|
1月前
|
数据采集 监控 数据管理
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第26天】随着信息技术的发展,数据成为企业核心资源。本文探讨大数据平台的搭建与数据质量管理,包括选择合适架构、数据处理与分析能力、数据质量标准与监控机制、数据清洗与校验及元数据管理,为企业数据治理提供参考。
77 1