二、项目主要实施内容

（一）项目实施的主要内容

本项目的主要建设内容包括三维智能工厂应用、智能生产管控、自动化生产物流系统、先进控制及大数据分析。

（1）三维智能工厂应用。建立工厂的三维智能模型，打通公司从研发、设计、规划、工程至技改和生产的全生命周期过程管理，融合展示、安全、状态控制、设计工程变更、培训等各类业务，拓展开发仿真模拟等业务，真正做到“所见即所得”的全生命周期过程可视化。

（2）智能生产管控。完成智能生产管理集成生产实时数据、过程数据和流媒体数据，实现虚拟仪表技术、能耗平衡和物料平衡，达到生产调度管理数字化和辅助运营决策效果；完成 EAM 系统项目，通过设备管理、运行管理、仓储管理、固定资产管理一体化建设，实现设备资产全生命周期管理。

（3）自动化生产物流系统。完成自动化改造和升级，解决自动破碎、自动运输、自动包装、自动仓储的相关改善，大幅降低人工投入，从根本上解决人工处理过程可能造成的不稳定的二次污染问题，提升产品质量控制能力和水平。

（4）先进控制。完成装置智能先进控制系统建设、智能点检、生产指标优化、运行指导，完成智能调度与安全环保管理，融合生产管理、调度管理、地图定位、安全管理、质量管理，实现光伏智能化安全生产；针对生产过程中的工艺控制特点，引入大数据解决策略，重点攻坚还原电耗控制，以及工艺控制过程中的生产异常控制，进一步提升公司的核心竞争力。

（5）大数据分析。通过大数据应用平台对生产过程进行跟踪、管理、分析及应用，实现改进生产工艺、建立生产过程虚拟模型、优化能耗、质量事故分析的效果，从而优化生产过程控制、突破生产瓶颈。

（二）项目采取的主要措施

1．进行总体规划和建设

中能硅业智能制造项目以云计算中心为信息基础框架，结合生产营、管理、决策建立分层次、有针对性的信息系统一体化解决方案，围绕生产装置自动化水平的提升、生产管理水平的提高以及公司的经策支持。

如图 5-1 所示为中能硅业基于大数据的分析与预测系统模型。

图 5-1 中能硅业基于大数据的分析与预测系统

2．信息子系统建设和完善

在中能硅业智能制造项目建设之前，已经进行了信息系统总体规划（见图 5-2），已经建成并在建的信息系统架构如图 5-3 所示。

（1）DCS/PLC/ECS。

中能硅业的 DCS 为 Honeywell 公司的 TPS，上位机与 DCS 的接口为采用 OPC 技术（利用集散控制系统供货商提供的与上位机通信的基于 OLE forProcess Control 标准）。中能硅业的智慧控制网络结构如图 5-4 所示。

图 5-2 中能硅业信息系统总体规划

图 5-3 中能硅业信息系统架构

图 5-4 中能硅业智慧控制网络

此外，作为模块组件控制的电气控制系统（ECS）以及 PLC 系统可以通过接口集中到 TPS 进行显示和数据收集。

（2）制造执行系统（MES）。

中能硅业建设的 MES 架构如图 5-5 所示，该系统可以实现装置管理、生产调度、能源管理、进出厂管理、仓储管理、生产统计、集成平台等功能。

图 5-5 中能硅业 MES

MES 的生产统计模块主要包括物料统计平衡、三剂辅料消耗统计和ERP 支撑三个功能。统计平衡功能依据生产平衡推量后的生产数据进行归并汇总，按照逻辑节点量和逻辑移动关系与物理节点量和物理移动关系之间的对应，实现统计层逻辑节点拓扑模型的动态生成，通过模型平衡计算，达到企业的车间、MES 工厂、公司三级物料统计原始日平衡。基于实物库存和进出厂计量单实现 MES 工厂和公司物料统计实物平衡。基于销售结算数据实现物料所有权转换，实现物料统计所有权平衡。实现基于装置的物料投入与产出平衡，基于统计物料的原料、成品、半成品的“收、发、存”平衡及“产、销、存”平衡，为基础统计报表、技术经济指标统计和 ERP 系统提供数据支撑。三剂辅料消耗统计功能依据采集的每套生产装置三剂辅料日消耗数据，通过平衡工具完成平衡，生成三剂辅料消耗统计报表，实现对每套装置三剂辅料消耗情况的动态跟踪与监控，为生产装置绩效考核、成本跟踪、生产统计提供数据支撑。

（3）企业资产管理（EAM）系统。

该系统结合企业设备检修管理的业务流程，实现设备检修计划编制和修改、审批工作流程，确保检修计划的准确合理。设备管理系统可以实现设备点检制管理、设备定修管理、故障管理、缺陷管理、备件管理、两票（工作票、操作票）管理、档案管理、专业管理、日常管理、状态管理、报表管理、综合查询、设备在线状态监测管理、设备移动状态监测管理。

3．系统数据集成

（1）ERP 系统与 MES 集成。

ERP 系统与 MES 的集成从核心业务功能上讲，包括 ERP 四个业务模块与 MES 对应功能的集成，分别是物料管理与 MES 功能集成、产品入库与MES 功能集成、生产管理与 MES 功能集成、条码管理与 MES 功能集成。

（2）SAP 系统与 MES 集成。

SAP 系统与 MES 的集成是 MES 与 SAP 系统基础数据同步的，主要包括组织架构、物料、工作中心、成本中心、BOM、线边仓、仓库/罐、作业类型等。项目中的 PI 根据数据流向采用不同的策略进行处理：ERP 传输至MES 的数据通过 RFC 直接发送给 PI，PI 通过 WebService 传递给 MES；MES将需要传输给 ERP 的数据通过 WebService 将数据推送至 PI 系统，PI 调用RFC 系统将数据推送至 ERP 系统；MES 与 SAP 系统的主要接口数据涵盖生产数据、生产成品数据。

4．数据库建设和大数据分析

（1）大数据在生产过程控制中的应用。

通过 MES、工业控制系统、还原整理自动化系统等构建大数据应用平台，对生产过程进行跟踪、管理、分析及应用，达到改进生产工艺、建立生产过程虚拟模型、优化能耗、质量事故分析的效果，从而实现优化生产过程控制，突破生产瓶颈。如图 5-6 所示为中能硅业生产过程管理示意图。

图 5-6 中能硅业生产过程管理示

改进生产工艺：分析整个生产流程中每个环节的执行情况，当某个流程偏离标准工艺时，通过对大数据进行分析能够快速地发现错误或者瓶颈所在，使问题更容易解决。

①建立生产过程虚拟模型：利用工业大数据技术对产品的生产过程建立虚拟模型，仿真并优化生产流程，以减少实际生产过程中的风险。

②降低能耗：在生产中对所有流程进行分析与控制将会大大降低能耗。利用传感器集中监控所有的生产流程，能够发现能耗的异常或峰值情形，由此可为企业优化生产过程中的能耗提供参考数据。

③质量事故分析：帮助企业追溯产生质量事故的环节及原因，从而做出分析与改进，降低再次出现质量事故的概率。

（2）大数据在质量控制过程中的应用。

通过 MES、QM、LIMS、SPC、阿里云等系统，收集光伏全产业链生产制造数据，根据生产产品的加工工艺过程，对产品质量相关数据按层次进行组织，实现全产业链制造过程产品和物料质量追溯。从技术应用上，学习产品加工过程中产品质量数据的相互作用，从海量数据中识别关键质量参数；研究产品故障相关性分析、聚类分析，以及产品可靠性预测，并以此制订切实可行的持续改进方案，进而对将来一段时间的质量状况进行预测。

（3）大数据在销售与生产预测模型中的应用。

销售预测：通过历史数据的多维度组合，可以看出区域性需求的占比和变化、产品品类的市场受欢迎程度及最常见的组合形式、消费者的层次等，以此来调整产品策略和铺货策略；通过大数据提前分析和预测各地商品需求量，从而提高配送和仓储的效能。

生产预测：在生产预测中，工业大数据可以发现历史预测与实际的偏差概率，考虑产能约束、人员技能约束、物料可用约束、工装模具约束等，通过智能的优化算法，制订排产计划，并监控计划与现场实际的偏差，动态调整排产计划。

（4）大数据供应链优化模型应用。

通过 SCM、WMS 等系统对供应链大数据进行采集、管理、分析与应用，可以实现仓储、配送、销售效率的大幅提升和成本的大幅下降，并帮助企业持续进行供应链的改进和优化。

①精确的需求预测：大数据能够帮助企业预测市场的整体需求情况，并据此制定合适的销售预测、库存策略及生产安排。

②敏捷、透明的寻源与采购：通过数据分析找到合适的供应商，建立良好的供应商关系，通过供应商绩效评估和合同管理，使采购过程规范化、标准化、可视化、成本最优化。

③库存优化：成熟的补货和库存协调机制可消除过量的库存，降低库存持有成本。通过对需求变动、安全库存水平、采购提前期、最大库存设置、采购订购批量、采购变动等方面大数据的综合分析，建立优化的库存结构和库存水平设置，消除过量的库存，降低库存持有成本。

④物流效率优化：建立高效的运输与配送中心管理，通过大数据分析合理的运输管理、道路运力资源管理，构建全业务流程的可视化、合理的配送中心间的货物调拨，正确选择和管理外包承运商和自有车队，提高企业对业务风险的管控力，改善企业运作和客户服务品质。

⑤有效可靠的供应链计划：包括需求预测、库存计划、资源配置、设备管理、渠道优化、生产作业计划、物料需求与采购计划等。

（5）大数据设备故障预测模型应用研究。

通过 EAM 系统、阿里云平台等分析来自生产设备中所安装的传感器振动、温度、电信号等大数据流，设立预测模型为设备故障诊断和预警提供支撑。具体来说，可通过以下方法实现设备故障预测：

①通过获取 EAM 系统中的历史故障记录以及缺陷数据分析，得到造成设备故障的主要因素；

②对设备故障因素进行关联性分析，通过对历史经验、基础数据以及因素之间关联的关系构建风险评估模型；

③进行设备的应用场景选型，并根据场景进行数据准备、数据筛选、数据挖掘；

④通过决策平台对分析后的数据进行图形化展示，并对数据进行验证。

工业大数据可以准确预判设备发生故障的趋势，并发出预警，降低设备发生故障的概率，确保设备运行的可靠性。

（6）大数据产品研发与设计模型应用研究。

通过 PLM、PDM 等系统采集、管理、分析与应用产品全生命周期中所产生的大数据，实现企业和用户协同研发，大大提高产品功能、性能和市场竞争力。

工业大数据主要通过关注以下两个方面来实现其在产品研发与设计过程中所发挥的价值： 一是通过大数据分析在新产品开发前充分考察其性质、用途及可替代性，保证其独创性；二是通过大数据分析在产品研发与设计过程中充分考虑消费者需求变化的速度与方向、用户体验数据等，使其成为产品创新和新产品开发活动的重要参考，并把这些分析结果及时反馈至 PLM/PDM 等系统，及时应用这些分析结果优化产品研发与设计。