打通两片罐智能生产“任督二脉”

——“中国制造2025”战略下对两片罐智慧工厂的实践探索

文/梁衡，国际智能制造创新中心技术项目经理

广东寰球智能科技有限公司

经过多年发展，两片罐生产线在自动化水平提升和生产现场管理优化上已近乎完美，智能生产似乎触手可及。然而，长期以来三道关卡——“现场生产维修人员经验不足，设备关键器件缺乏故障预警，以及无法监控生产过程动态质量波动”始终横亘当中，令行业人士头疼不已。

近日，针对这些问题我司分别成功开发了生产现场决策系统，设备关键点的PHM系统，基于CPS系统的过程产品质量跟踪分析系统。此外，还在前人经验的基础上提出了基于数据模型的生产线线控动态优化系统。这些均称得上是针对“中国制造2025” 战略下行业未来发展的深度探索与有益实践，有望帮助打通两片罐智能生产“任督二脉”，推动两片罐行业的智能化升级。

图1 第四次工业革命的进程

图片来源：《工业大数据》，李杰(JayLee)等著

基于大数据积累和分析的生产现场决策系统

生产操作人员在真实的生产现场往往会受到各种不同复杂因素的影响，使其有时无法对目前所面临的复杂生产情况做出正确的判断和决策。如果在生产现场有一个基于数据积累和分析的决策系统作为现场决策的支撑，无疑将大大降低现场生产人员的工作难度。

导致生产现场决策困难的三大原因首先是生产现场的复杂性因素。其中包括：问题或故障处理的优先级该如何界定；问题或故障的严重性该如何判断；问题是否需要通知生产领班或者设备维修人员；问题是立即通知，还是先尝试自行解决……。诸如此类都会增加生产操作人员现场决策的难度。

其次，设备复杂性因素导致现场微故障处理决策困难。由于两片罐设备自动化程度比较高，加上一些设备的故障问题也具有一定的复杂性，有时会让普通操作人员无法准确判断和处理，导致生产现场对一些简单问题处理时间过长，甚至停机。

最后，生产人员现场经验的缺失。众所周知，人的经验来自于积累，丰富的经验来自于长期不同问题的解决和思考总结。两片罐生产现场人员如果具备丰富的现场经验，将有助于各种现场问题的解决和应对。由于经验的积累需要时间，因而直接借鉴前人的经验将少走很多弯路。

生产现场决策系统的主要数据来源该系统的主要数据来源有二：一是生产线过程数据的采集及大量现场真实数据的积累；二是专家知识（专家经验值）的固化和合理利用。

优点该系统具有以下三大优点。一是有利于对生产现场问题处理的优先级进行判断和排程。再者，有利于从整个生产线角度进行全方位考虑，对生产人员进行临时优化分布，从而提升工作效率。三是可为生产现场设备的简单维修处理和故障排查提供应对策略和基础技术支撑。

两片罐智慧工厂解决方案的基础与组成

两片罐智慧工厂解决方案的基础信息物理系统（CPS）是指从实体空间的对象、环境、活动中进行大数据的采集、存储、建模、分析、挖掘、评估、预测、优化、协同，并与对象的设计、测试和运行性能表征相结合，产生与实体空间深度融合、实时交互、互相耦合、互相更新的网络空间。

图2 CPS空间结构关系

图片来源：《工业大数据》，李杰(Jay Lee)等著

信息物理系统（CPS）的5C体系架构主要包括：智能感知层(Smart Connection Level)、数据信息转换层/信息挖掘层(Data-to-information Conversion Level)、网络层(CyberLevel)、认知层(Cognition Level)、配置层(ConfigurationLevel)。

图3 CPS的5C技术体系架构

图片来源：《工业大数据》，李杰(Jay Lee)等著

整个信息物理系统（CPS）是以输入的数据为载体，建立可以反映实体设备的“网络孪生(cyber twin)”。网络孪生可以实时反映实体系统的变化情况并预测可能发生的各种情况，这些情况可以真实作用于实体系统，从而达到预测使用寿命并且避免非预期的故障停机，实现无忧生产，为用户创造价值。

基于CPS的两片罐智慧工厂解决方案组成该方案包括建立在设备现场数据分析基础上的设备重要故障点诊断与健康管理系统（PHM系统），以及基于设备动态数据分析的过程产品质量跟踪分析系统，以下将分章节详述。

两片罐智慧工厂解决方案之一：设备重要故障点诊断与健康管理系统

图4 PHM的预测方法

图5 故障诊断和故障预测的流程

相关定义在故障预测与健康管理（Prognosticsand Health Management， PHM）系统中，健康是指与期望的正常性能状态相比较的性能下降或偏差程度；故障预测是指根据系统现在或历史性能状态，预测性诊断部件或系统完成其功能的状态(未来的健康状态)，包括确定部件或者系统的剩余寿命或正常工作的时间长度；健康管理是指根据诊断/预测信息、可用维修资源和使用要求对维修活动做出适当决策的能力。

设备关键点的故障诊断和预测可以将PHM技术用于诊断设备关键故障点的真实情况，预测昂贵设备上高价值配件的健康程度，解决设备维修中遇到的各种问题，从而避免各种不必要的突发维修，合理安排高价值备件的库存情况。在两片罐生产线上，有很多昂贵设备的关键器件如冲杯机导柱、拉伸机冲杆等都需要进行故障诊断和预测，它们均可使用该技术进行故障诊断和预测。这不仅保证了无忧生产和近似零意外停机，而且还为工厂管理提供了优化的生产计划和库存管理数据。

图6 设备PHM 的工程数据分析流程

图片来源：《工业大数据》，李杰(Jay Lee)等著

设备辅助关键点的故障预诊断在两片罐生产线上有很多细微、难以凭借肉眼和经验发现的问题，如果使用PHM技术进行预诊断，可以起到事半功倍的效果。例如在罐传送过程中，对一些设备的特殊调整会因铝材太薄而出现轻微凹罐的现象，这需要经验丰富的生产人员进行长时间的跟踪、分析来发现和解决问题。如果我们使用PHM技术对这些关键点进行数据分析和诊断，就可以预知类似问题，并提醒维修人员及时调整；同时还可以对调整后的效果进行跟踪和验证。

两片罐智慧工厂解决方案之二：过程产品质量跟踪分析系统

基于CPS系统的理论，我们对生产线上的关键设备进行数据采集和数据分析，建立可以反映实体设备的“网络孪生(cyber twin)”，由此来确定真实设备的实际情况。这个动态数据的分析结果对降低过程废品率和确定最终成品的质量波动意义非凡。导致过程产品产生质量缺失的肇因不外乎以下两种。

设备工作状态所致设备工作状态会直接影响过程产品质量，在两片罐生产设备上尤其明显，如：拉伸机工作状态不佳会直接导致白罐出现质量波动；缩翻机的工作情况不稳定也会直接导致罐的缩颈翻边参数波动……。

凭借设备关键部件的数据分析，可以准确了解设备的实际工作状态，甚至直接反映出过程产品的质量波动情况；同时，还可以提早做出响应并制定合理的应对决策，避免过程质量的波动影响到成品质量，或对下一工序的实施带来困难。

图7 利用数据分析制造系统隐性问题的原理

图片来源：《工业大数据》，李杰(Jay Lee)等著

模具的动态衰退所致模具都有一个逐渐衰退的过程。两片罐生产线上拉伸机模具的衰退尤其明显，作为两片罐生产线上更换最频繁的模具，拉伸机模具衰退的情况直接影响到白罐的质量参数。

虽然理论上可以使用总成型数量作为模具更换的量化数据指标，但实际上更多的还是依靠过程产品的质量参数和人为经验来进行判断。由于过程产品的质量参数需要依靠定时抽检确定，同时人的经验不好量化，因而通过设备动态数据分析来确定模具的衰退情况是一种非常实用的方法，可以避免模具的过度使用或模具的过早返修。

基于数据模型的生产线线控动态优化系统

现在很多两片罐生产线的线控调整都是基于经验。最好的快赢方式就是增加设备之间的储罐缓冲，具备大的缓冲空间和较长的输送空间基本可以解决问题。但这个方式也有一定的弊端，如：增加缓冲空间和输送空间必将增加设备的投入；缓冲设备过多、过长必将导致能耗增加；缓冲空间过大必将导致罐在缓冲空间停留的时间过长，会出现一些其他意想不到的问题。

那么是否有更好的解决办法呢？我们认为可以对整个生产线的线控过程通过模型来进行优化和控制。有关这方面的方法已经很多了，这里不再展开讨论，只是强调以下两个要点。

生产线动态瓶颈的分析和优化系统需要动态调整生产线各工序机台的运行速度（速度自动匹配）。首先，设定生产线标准运行速度；其次，设定单设备最高速度；第三，设定单设备最低速度；第四，设备实际运行速度动态调整；第五，平衡各工序设备的速度匹配；第六，使用缓冲来平衡生产线的动态节拍；第七，减少木桶效应。

设备瓶颈的数据分析系统可以动态分析出生产线各设备的设备瓶颈。前述模型的建立，让这个部分一样可以根据现场的数据采集和分析加以利用，主要包括以下三点：近期需要重点关注的设备；该设备经常出现各种数据的不稳定现象；处于生产关键环节的设备（冲杯、拉伸、彩印、缩翻）。

参考资料

《工业大数据》，李杰(Jay Lee)等著

版权所有，原创文章转载请联系编辑获得授权

转载需在显要位置注明作者姓名和来源