小硅片与大数据的结合 ——协鑫光伏的新制造之路

更多深度文章，请关注云计算频道：https://yq.aliyun.com/cloud

生产品质提升的最后一公里

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，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。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，然而，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。

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，建立良品率分析模型，指导生产；通过大数据分析，建立良品率参数曲线模型，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，例如上部砂浆温度、下部砂浆温度、上部导轮温度、下部导轮温度等等，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60个关键变量。“根据这些关键变量为苏州协鑫搭建生产的参数曲线模型，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。” 阿里云相关负责人说，“通过这一手段能够提高光伏切片的良品率，而良品率每提高千分之一点，就可以节省上千万的生产成本。”

技术框架

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，具体包括一下几方面：

关数据上云

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。

良品率关键参数筛选

通过大数据对全量参数的分析以及生产经验，提出待分析60个关键参数。

（此图片经特殊处理）

关键及全量参数标准曲线模型

通过数据建模，给出关键及全量参数生产过程中各时段曲线变化范围。并实现算法模型的自动运行及更新。

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。并基于参数曲线模型，异常情况报警。

良品率预测

对影像良品的关键参数做多变量分析，给出可调节参数的建议值。

备件损耗分析

通过大数据分析，找出HCT/MB设备几个备件相关参数变化与备件损耗的关系，并给出备件损耗算法模型，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。

（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。

（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。

鸣谢

阿里云高级专家高飞，欧阳克非等，协鑫光伏信息部经理周小栋。

来源：阿里云研究中心 作者：刘云璐