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
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
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
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
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
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。
