光伏行业解决方案-阿里云开发者社区

开发者社区> 工业制造行业解决方案> 正文
登录阅读全文

光伏行业解决方案

简介: 阿里云将工业大脑应用于太阳能硅片生产制造领域,监控切片生产参数曲 线,推荐最优参数,提升良品率;同时,通过算法工具,分析造成次品率 的关键因素,对供应商和原料质量进行推荐,切实提升企业硅片生产效 率,同时结合图像质检等智能应用,向硅片生产企业输出直接经济效益。

新能源在生产和生活过程当中,在扮演着越来越重要的角色。硅片生产行 业,作为新能源产业重要组成部分的,产能规模迅速扩张,同时也存在大 量的工艺参数优化、故障诊断、效益提升等全方位的优化需求。

硅片生产过程中核心是切片和检验,和硅片生产直接相关的数据和系统主 要包括:切片机有上千个参数可以通过PLC采集。分选机(检验)有上百 个检测参数可以采集。MES系统按生产批次将切片机和分选机对应起 来,同时包括来料检测、工艺参数、工作调度等数据,连同环境等数据一 起保存在DCS系统中。

如何通过有效的技术手段采集、汇聚生产过程中产生的各类数据,并基于 数据分析方法,定位异常、推介优化参数、提升良品率,是行业迫切需要 解决的问题。

行业解决方案整体概述

image.png

阿里云将工业大脑应用于太阳能硅片生产制造领域,监控切片生产参数曲 线,推荐最优参数,提升良品率;同时,通过算法工具,分析造成次品率 的关键因素,对供应商和原料质量进行推荐,切实提升企业硅片生产效 率,同时结合图像质检等智能应用,向硅片生产企业输出直接经济效益。

组建工艺参数推荐解决方案

方案内容

光伏太阳能硅片生产过程工艺参数的设定,通常依赖于工艺技术部专家的 经验及单变量实验测试的结果表现。
阿里云工业大脑,基于硅片生产过程海量历史数据,深度挖掘和学习数据 关联关系,找出潜在知识和规律;结合专家经验、工艺参数设定信息、工 艺参数实际表现及批次分选结果,进行多变量综合分析、建模,推荐一组 最佳的工艺参数,有效提升企业经济效益。

架构特点

image.png

数据预处理:结合专家经验与数据预处理技术筛选出关键可调参数;
数据建模及优化参数推荐:通过参数重要性排序、潜在类别分析等算法分 析过程,实现当前工况条件下的最优参数推荐;

核心价值

通过对太阳能硅片制造流程进行最优参数推荐,提升了切片良品率,从而 显著减少太阳能硅片产品次品率,每年可直接产生客观的经济价值。

切片工艺优化解决方案

方案描述

切片是硅片生产过程中的核心,然而切片机监控、报警参数数量过多,误 报较为严重,造成设备管理人员不能有效的利用报警信息,影响设备异常 处理效率。同时恒定阈值的监控,对机器的劳损、工艺参数的调整过于敏 感或过于迟钝,不能及时、准确的发现异常。所以硅片生产企业存在强烈 的切片机异常分析和工艺优化需求。
阿里云工业大脑通过机器学习算法,对全量监控、报警参数、分选结果进 行数据挖掘,并结合专家经验筛选出最重要的监控、报警参数,以建立智 能监控预警系统,帮助设备管理人员提升切片机设备异常处理效率。同时 结合工艺技术部专家要求、工艺参数设定信息、工艺参数实际表现及批次 分选结果,进行多变量综合分析、建模,推荐一组最佳的工艺参数。

架构特点

image.png

关键参数筛选:全面采集切片相关工艺、设备运行数据,结合专家经验与 数据预处理技术筛选出关键影响参数;分析定位HCT和MB关键参数及权 重,为异常辨识及根原因分析提供数据基础。

标准参数曲线:通过机器学习算法及统计过程控制方法论,对标准切割过 程建模,实现良品的标准参数曲线模型,以建立智能监控预警系统。

工艺参数寻优:结合工艺参数设定值与实际表现及批次分选结果,进行多 变量综合分析、建模,推荐一组最佳的工艺参数。

核心价值

将阿里云工业大脑应用于太阳能硅片生产制造领域,监控切片生产参数曲 线,推荐最优参数,提升良品率,分析造成次品率的关键因素,对供应商 和原料质量进行推荐。
通过对太阳能硅片制造流程进行最优参数推荐,可有效提升切片良品率, 从而大大减少太阳能硅片产品次品率。

客户案例

协鑫是中国排名第一、全球排名第三的新能源企业 ,光伏材料、硅材料全 球规模第一、市场占有率第一 。协鑫光伏太阳能硅片生产过程的切片次品 率过高,导致生产效率低,生产成本高。传统的硅片切片工艺一直无法得 到有效突破。切片工艺过程对人为经验依赖较大。
基于工业大脑,通过对太阳能硅片制造流程进行最优参数推荐,提升了 1%的切片良品率,从而大大减少太阳能硅片产品次品率,每年可节约数 千万元。

电池片丝网印刷关键因素分析解决方案

方案描述

全面采集电池片丝网印刷产线MES、SPC、功率测试仪以及设备运行数 据,通过数据预处理技术以及参数相关性分析、决策树、随机森林等机器 学习方法。实现私网印刷设备参数优化提升A品比例以及为烧结 炉精准保 养提供准确的基础数据支持。

架构特点

image.png

设备参数优化:
通过关联因素识别、多维参数分析等算法模型,提供丝网 间距、印刷速度、下压压力等关键 设备参数的定位及寻优,可有效提高A 品比例;
烧结炉精准保养:
基于MES、SPC等数据信息,准确定位当前烧结炉参 数偏差信息,为精准保养提供可靠的基础数据支持。

核心价值

提供面向电池片丝网印刷生产的全面的数据集成能力,支持多维数据分 析,对设备功率、A品比例的关键工艺 参数进行定位和优化值推荐,显著 提升产线A品比例。
为关键设备烧结炉的精确保养提供有效的基础数据支持,精准定位保养内 容,确保效果。

光伏表面瑕疵检测解决方案

方案描述

模拟人类质检员,首先收集带有产品缺陷的足量图片,上传到算法服务器 中,通过训练让模型拥有识别缺陷特征的能力,并能够在新的产品上判断 并定位到缺陷。再将模型本地化部署到客户服务器上,通过对模型的调 用,可以对产线侧EL质检设备产生的图像进行检测。

架构特点

image.png

通过客户收集的缺陷产品图片,训练出能够检测产品缺陷的模型。本地化 部署后,可供产线调用,实现ai质检。程序简单,易于操作。

核心价值

降低人力成本:质检素来占用较多的人力,质检人员需要通过EL检测设 备用肉眼寻找瑕疵判定产品等级,耗费较多的人力成本。使用ai图像质 检,可大大降低人力成本。
提高效率:人力质检辨认每张EL照片一般耗时在2秒以上,遇到难以判断 的图片,甚至要花上更长时间。使用ai图像质检,实现了缺陷的毫秒级判 定,可以提高检测效率。
效果稳定:人力质检存在疲劳期,在人眼疲劳的情况下,可能导致检测效 果不佳。ai图像质检准确度可达到97%,效果稳定。

客户案例

浙江正泰新能源在面对光伏行业的困局时,希望通过利用AI图像技术,在 素来由占用人工较多的质检环节,实现在降本增效的同时,提升产品出厂 合格率。
基于光伏的产品特点,阿里云利用ai图像技术提供上述解决方案。目前正 泰新能源与阿里云工业大脑合作的AI质检已投入到产线,稳定运行至今, 使得产线准确率稳定且高于人工,速度是人工的2倍以上,精细度是人工 的5倍以上。

image.png

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享: