【质量管理】工业互联网正确打开方式系列(十二):质量优化

产业智能官2018-11-27 12:54:22


工业互联网正确打开方式系列(十二):质量优化


工业互联网正确打开方式系列(一):RPA机器人流程自动化

工业互联网正确打开方式系列(二):AI产品经理

工业互联网正确打开方式系列(三):微服务 VS ESB

工业互联网正确打开方式系列(四):边缘计算

工业互联网正确打开方式系列(五):云计算PAAS

工业互联网正确打开方式系列(六):两化融合

工业互联网正确打开方式系列(七):工业物联网

工业互联网正确打开方式系列(八):工业大数据

工业互联网正确打开方式系列(九):预测性维护

工业互联网正确打开方式系列(十):机器视觉

工业互联网正确打开方式系列(十一):数字孪生

 

质量闭环优化管控领域问题与需求通常是:


产品质量稳定性是否需要提高?产品合格率是否有提高的空间?缺陷产品返工成本是否高?废品的损失是否大?质量检测的准确率是否需要提高?是否需要实现在线质量检测?是否需要根据工艺和过程优化调整参数?是否需要对产品质量进行全过程追溯?


工业互联网解决方案为:


  1. 智能质量检测判定或分类——提高质量检测的准确性和效率,降低检测成本。


  2. 缺陷产品原因的挖掘——降低缺陷或废品率。


  3. 在线质量检测或预测——动态寻优调整生产过程,中断废品生产流程。


  4. 实现工艺、物料、过程和质量的闭环关联——综合性地优化工艺参数,并对物料品质的控制提供反馈。


  5. 提供在线质量数据 ——实现对产品质量的全过程追溯。


  6. 提供在线质量数据——支持在线成本核算和绩效预测与评估,提高生产管理水平。


以下内容由产业智能官整理学习使用,商业用途请联系作者本人和公众号。



一、大数据与质量管理


企业质量大数据的应用


       目前我国制造企业已逐步实现生产自动化,管理信息化,正在向着制造智能化迈进,需要重视数据价值,懂得数据使用。企业要从质量入手,建立质量数据中心,以此进行全过程质量数据分析,让企业从信息系统中使用数据,挖掘数据的价值。建立“互联网+”的企业大数据平台,是企业通往智能制造的必经之路。

       在新的市场条件下,企业能否取得经济效益,能否在激烈的市场竞争中立于不败之地,满足不同用户的需求,提高产品质量是其中的关键所在。为了有效的降低生产成本、提高产品质量,企业不但要在生产装备能力、生产工艺技术、生产过程控制等方面做大量工作,还需要科学的建立一体化质量管理体系,从全局角度了解产品在所有生产过程中的质量情况。将以前只关注结果转变为既关注结果也关注过程,通过追溯生产过程来优化生产工艺,从而将质量管理形成闭环网络。钢铁生产是一个连续、高温、长流程、跨工序的生产过程,其产品及中间产品的质量不仅取决于工序过程质量,而且与前道甚至更前的工序有关,因而在整个生产过程中各工序原料质量情况、过程操作参数的取值、设备运行状态、操作和检验人员的经验及其工作状态直接决定了产品及中间产品的质量。通过收集各工序影响产品质量的关键参数,形成质量大数据,及时、准确掌握各工序在制品的质量情况,将传统的结果型质量管理模式变为事前预测的过程型质量管理模式。为此,构建企业的质量数据中心势在必行。

1质量数据中心

       构建企业的质量数据中心,首先收集与质量相关的数据,其中包含来自于自动化系统的生产过程数据、来自于表面检测系统的缺陷数据及部分缺陷图片、来自于设备系统的设备状态数据、来自于检化验系统的检验数据、来自于ERP系统或MES系统的生产标准数据、来自于销售系统或ERP系统的质量异议数据、来自于点检系统或人工的点检数据、来自于各个系统记录的操作数据等等。这些数据之间的采集频次差别很多,有毫秒级别的数据,有每天记录一次的数据,而且钢铁制造的工序长,从炼钢的板坯到热轧、冷轧,数据之间并不是一一对应的关系,因此,简单的把数据收集起来并不能建立数据中心,要建立数据中心,必须进行数据的重新组织。


1.1大数据的技术应用

      在质量数据中心的建设中,使用业界流行的大数据技术——HADOOP技术进行海量明细数据的存储,解决了以前数据存储速度慢、实时性低的特点。

采用大数据技术进行分析相比于传统的数据仓库应用,具有数据量大、查询分析复杂等特点。大数据的4个“V”,其特点有四个层面:第一数据体量巨大。从TB级别跃升到PB级别;第二数据类型繁多。第三处理速度快,1秒定律,可从各种类型的数据中快速获得高价值信息,这一点也和传统数据挖掘技术有着本质的不同。第四只要合理利用数据并对其进行正确、准确的分析,将会带来很高的价值回报。大数据核心价值就是在于对于海量数据进行存储和分析。


1.2数据采集

      数据的采集是实现质量中心的关键。在生产过程中会产生大量的工艺数据,从对产品质量有影响的数据入手,利用各种技术实现机器之间的通信,将海量数据通过网络及软件方法自动传送到质量数据中心。数据采集的方式很多,以下几种采集方式可以作为参考:

1)电文通讯:在源系统中对数据进行组织,通过TCP/IP协议,将数据以电文方式发送给数据中心。

2)数据库通讯:对于专用的源系统的数据采集机,如果其用数据库存储数据,则采用数据库方式通讯,在质量数据中心服务器上建立一个客户端,连接主机的服务器,把数据采集过来。

3)日志抓取:基于日志的结构化数据复制软件,通过解析源系统数据库在线日志获得数据的增删变化,再将这些变化应用到质量数据中心服务器数据库,实现源系统数据库的数据抽取。日志抓取软件只读取数据库的日志,不直接对数据库进行操作,所以对源系统的影响可以降到最低。


1.3实时性

       对于质量数据中心来说,数据的采集、计算都需要有一定的实时性。通过特定的技术能保证数据采集和计算的实时性。


1.4数据组织

       在质量中心中存有大量各工序、各机组的生产工艺数据,必须将前后工序的数据联系起来,使工艺数据与实际产品在各个生产环节的工序一一对应,才能最终实现质量分析诊断的目的。

       数据重新组织步骤。首先要建立钢铁生产跟踪的物料树,通过材料跟踪号勾联出生产时各机组的卷号,包括板坯号、热轧卷号、冷轧相关的卷号、成品卷号、炉号及合同号等明细;再由各卷号勾联相应子集库中满足条件的各类数据,在此基础上,考虑钢卷的开卷、卷取、方向情况、翻卷情况(因为涉及到表面检测的数据),形成能够跟踪整个生产流程的物料树主线。

       按照物料号,业务属性(温度、速度、设备、缺陷等)、数据粒度(毫秒、秒、米)重新组织数据,形成各个层级的数据模型,这些数据模型按照时间区间进行存储(分结构化数据和非结构化数据,表面检测涉及到图片),便于未来的使用和检索。

       数据组织时要判断数据的合理性、过滤掉噪声数据、从时间轴转换为位置轴、板坯数据定位,子母卷同步、协调不同数据的采样频率、二次计算、长期存储。

2全过程质量数据分析

        在质量数据中心的基础上建立全过程质量分析系统,通过对影响产品质量的关键输入/输出工艺变量及中间过程进行监控,实现全过程统计控制,保证生产过程稳定受控,支持现场操作人员及质量技术管理人员高效监控、诊断分析和改进生产过程,从而稳定生产过程,减少产品质量波动,最终实现产品质量的持续改进。

2.1质量预警

       过程质量预警是将过程工艺参数纳入到过程质量监控体系,统计关键工艺参数的违规记录、异常原因。

2.2过程监控与分析

       利用统计分析工具,监控生产过程是否处于受控状态,判断过程质量的稳定状态。

2.3质量评价

       按照给定的原则对工艺质量指标进行统计分析,做出综合工序能力评价,以便后续工作的改善。

2.4统计质量判定

       通过统计分析和业务经验进行离线质量判定。

2.5制造履历追溯

       根据物料走向,进行物料全过程的生产履历追溯。可查看、分析每个关键工序影响质量的关键工艺参数的分布;质量检验特性及判定结果的追溯;各批次生产过程设备运行状态追溯;指定缺陷数据追溯;通过多维度,多角度将用户关注的数据进行整理展现,可任意拖拽,选择数据范围,快速查看360度的质量/产品信息。

2.6质量报告

       从数据中心中读取数据,并以图形、表格的形式显示,实现重点质量报表展示功能,反映业务管理信息。并能以预定义的格式通过Web、Email或文件服务器发布。系统根据质量诊断、质量判定、违规报警等为每个产品出具质量报告。

系统按照下游工序针对上游工序的过程质量数据要求提供完整数据接口;根据过程数据,过程质量预警、在线质量判定结果等信息生成质量统计报表。可定制各种过程质量统计分析报表包括产量、产品合格率、内控率、降级原因、违规记录,指定工艺参数/质量指标的最大值、最小值、平均值、标准方差、Cp值、Cpk值等。系统提供钢种、客户、订单、产品用途等不同分类的报告。

3企业大数据平台

        生产过程、检验、表检等数据信息都是企业内部的数据信心,在这些数据信息的基础上建立质量数据中心,对于一个企业来说,仅是对内部质量数据的分析是不够的,还需要把内、外的数据结合起来,建立质量的大数据。


         在企业内部,质量数据中心的基础上,对生产、成本、库存、能源建立相应的数据中心,形成企业内部的大数据平台,再结合企业外部的行业标准、市场行情、销售(电商)、采购(电商)、客户要求、研发公关信息,形成企业外部的大数据平台,内部与外部数据的结合,形成企业的大数据平台。企业大数据平台按照客户、产品、业务方向从多个角度进行数据组织,建立企业的数据模型。

         企业的大数据平台,支撑企业转型智能制造。建设智能工厂/数字化车间,通过大数据分析,加快人/机智能交互、工业机器人、智能物流管理、增材制造等技术和装备在生产过程中的应用,促进制造工艺的仿真优化、数字化控制、状态信息实时监测和自适应控制。

       利用企业的大数据平台,支撑智能管控。通过大数据分析,加快产品全生命周期管理、客户关系管理、供应链管理系统的推广应用,促进集团管控、设计与制造、产供销一体、业务和财务衔接等关键环节集成,实现智能管控。

       利用企业的大数据平台,传播先进的质量管理技术和方法。通过大数据平台的信息积累,普及卓越绩效、六西格玛、精益生产、质量诊断、质量持续改进等先进生产管理模式和方法。

       利用企业的大数据平台,加强质量监管体系。通过大数据平台的信息收集,建立消费品生产经营企业产品事故强制报告制度,健全质量信用信息收集和发布制度,强化企业质量主体责任。将质量违法违规记录作为企业诚信评级的重要内容,建立质量黑名单制度。

总之,企业的大数据平台优化了企业内部的信息共享与传承,将在企业的转型中起到关键性的作用。


来源:中国质量俱乐部 



工业大数据,把控质量与成本


来源: 兮易强企

这张图是企业质量端到端的业务模型。



质量管理是制造企业像生命一样重要的核心业务流程。从最前端看,这个核心业务流程整个端到端的质量管理大概有11个主节点:从用户的质量投诉、索赔开始,一直到对供应商的质量控制,以及到质量成本分析。


所有这些流程到底和你的价值链是什么关系,这又是这个业务模型的一个难点:比如说内部配套件的质量涉及到我供应链里面的组装,最优成本结构涉及到我的质量目标,我的设计质量涉及到整个研发和设计,里面流程间有非常强的逻辑关系。



这个模型我们已在运用到一家汽车制造企业,目标是通过落地的大数据项目,能够形成最优的质量模型和导致这个质量提升之后所带来的最优的成本模型,现在这个项目正在进行当中。


二、质量检测与机器视觉


IBM认知视觉检测技术全方位赋能质量检测!

来源:e-works 数字化企业

随着企业规模和产量的扩大,采用机器视觉系统替代人来完成产质量检测工作具备极大的应用优势。在此背景下,IBM针对企业的这一应用需求推出了一系列面向不同行业应用的认知视觉检测技术解决方案。

相对于人工质检来说,机器视觉检测能够更加精准的把关产品质量、降低生产成本,同时还可以24小时不间断的工作,甚至可以在各种不适合人类工作的恶劣生产环境下实现高速在线检测,检测的准确度可以接近100%。


因此,随着企业规模和产量的扩大,采用机器视觉系统替代人来完成产质量检测工作具备极大的应用优势。在此背景下,IBM针对企业的这一应用需求推出了一系列面向不同行业应用的认知视觉检测技术解决方案。



01

面向电子制造行业

近年来,由于电子组装的小型化,产品生产工艺要求更高,产量却不断增加,使得在电路板装配和电子产品组装过程中仅仅依靠人眼进行检测操作已经不能保证生产线的质量和效率,机器视觉技术正在代替人进行全自动的产品检测、工艺验证,甚至实现生产工艺的自动控制。


▲电子制造行业


在电子制造业,为保证电子产品组装生产线装配出的产品质量,检测和监控几乎分布在生产线的每一个工序中。如果向电子制造的上游看,在晶圆制造、器件封装、甚至电子连接器等零配件产品的生产中,也都大量使用了视觉检测技术进行测量、检测和控制。


IBM认知视觉检测技术的优势是显而易见的。与人眼相比,机器不仅不会疲劳,具有人所不具有的一致性和重复性,而且IBM认知视觉检测技术能够通过高精度的摄像头放大产品表面细节,在细微层面进行拍照和分析,能检测人眼不能发现的质量问题,如PCB板缺陷、手机部件缺陷、液晶缺陷、晶片缺陷、光学镜片缺陷等。


02

面向汽车制造行业

随着汽车行业自动化水平的不断提高,一些传统的检测方式已不能适应高节拍、柔性化的生产需求,具有实时监控功能的机器视觉在线检测技术逐渐在主流生产厂家得到应用,并取得了良好的效果。


▲汽车制造行业


在自动化汽车生产线中,视觉系统必要时需要同机器人匹配应用,并与生产线的PLC控制系统建立联接,以实现测量、检测、定位和识别的功能。视觉检测系统具有如下特点:采用非接触式检测方式,提高了响应速度,对生产线影响小;具有长时间的稳定、可靠地重复工作的性能,适用于汽车连续化的流水线作业;适合在安全风险高、人机工程恶劣和环境差的区域工作。


目前,IBM认知视觉检测技术已经在汽车行业得到了应用实践,帮助领先的汽车工厂实现对汽车零部件、焊接、喷漆等工艺过程的高精度检测。IBM认知视觉检测系统可以根据车型的3D数据制定出机器人手臂的行动路径,配合矩阵式工业相机和辅助光源,完成全车360度高清尺寸的拍照,然后实时数据分析系统通过部署在产线边的缺陷识别系统对所拍摄的照片进行实时分析,识别出照片中缺陷位置和缺陷类型。


此外,在汽车零部件检测中,IBM认知视觉检测系统可以对汽车棘爪、铰链、托架、条形销等进行检测。在汽车棘爪缺陷识别应用方面,可以实现平整度、长度、厚度和高度的检测,而且准确率大大的提高,提升了企业的产品的合格率。


03

面向装备制造行业

在航空航天、重工船舶、工程机械、工业机器人等装备制造行业,由于设备体量较大,零部件较多,设备都处于长时间高负荷运行状态,任何由质量问题导致的事故都会造成重大的经济损失和人员伤害。因此,企业在关键零部件生产过程中对质量检测的要求都非常高。


▲装备制造行业


随着智能制造的推进,装备制造业作为产业中最具竞争力的行业正在引领整个制造业的智能化转型。装备制造企业中以往采用人工检测和机器视觉结合为主的方式正在被更为高效和智能的机器视觉检测系统替代。IBM认知视觉检测系统能在充分满足装备制造业对产品质量检测高标准和高要求的基础上,还赋予了质量检测系统更高的智能。IBM认知视觉检测系统能实现自主化的缺陷标记和反馈,不断优化质量检测分析模型,提高质检过程的效率和产品合格率。


04

面向精密仪器行业

机器视觉以其检测精度和速度高并且有效的避免人工检测带来的主观性和个体差异的优势受到了企业的广泛关注。在精密制造行业,已经被应用于对精密加工零件表面划痕、凹陷进行检测,是实现优质产品生产以及降低成本的理想选择。


▲精密仪器行业


精密零部件对零件表面的质量要求都比普通零件要高,更加光滑的零件表面能提升精密仪器的耐磨性和腐蚀性以及抗疲劳能力。对于精密零部件的检测,一般是由人员用手通过放大镜来观察零件表面,以此来判断零部件表面的粗糙程度。由于这一过程人员的主观性比较强,很容易造成较大的误差。现在普遍采用的是非接触型检测,即用光电信号进行检测,物体表面所反映出来的就是图像特征,通过对图像特征的提取来进行分析和判断,这就是通常说的机器视觉检测。但由于有非常高精度检测要求的行业,如医疗器械、精密检测仪器等精密制造领域,很多非常细微的细节无法通过检测出来,也会导致检测结果的不准确。


针对高精密检测要求的行业,IBM认知视觉检测系统通过高精度的工业相机和基于神经网络的智能分析技术,通过不断放大零部件表面特征,给零部件表面的细节进行拍照,通过实时的数据分析能力来检测任何传统检测手段无法发现的缺陷。



机器视觉+AI的产品质量检测解决方案

来源: 航天大道 


离散制造智能工厂的内涵

智能制造系统是一种由智能机器和人类专家共同组成的人机一体化智能系统,它在制造过程中能进行智能活动,诸如分析、推理、判断、构思和决策等。通过人与智能机器的合作共事,去扩大、延伸和部分地取代人类专家在制造过程中的脑力劳动。它对制造自动化的概念进行了更新,扩展到柔性化、智能化和高度集成化。


离散制造业与流程工业相比较,在底层制造环节由于生产工艺的复杂性,对制造装备的智能化要求很高,要构建更加高效、精确、快速反应和智能化的生产方式。


离散制造业的智能工厂系统框架







       智能工厂通过物联网、务联网将工厂设施、设备、组织、人互通互联,集计算机、通讯系统、感知系统为一体,实现对物理世界“感”、“联”、“知”、“控”。无论是快速诊断残次的产生原因、对成品进行精确等级分类、快速改进生产流程或明确组织责任,都以追求提升客户满意度,实现更低成本、更高质量的产品和更优化的生产流程为最终目标。

机器视觉作为智能工厂的“智造之眼”,是离散制造智能工厂实现柔性制造生产模式的重要推手。机器视觉将在智能工厂的自动化、智能化生产进程中起到越来越重要的作用,尤其是在质量检测领域。面对离散制造智能工厂的质量检测需求,机器视觉专业产品厂商必须用新的思维指导视觉检测设备的研发和生产,并围绕智能工厂的生产工序和流程进行市场定位、开展市场推广。另一方面,机器视觉检测设备需要实现像PC产品一样的模块化和标准化,为客户提供超高性价比的产品。


智能制造框架下的机器视觉质量检测解决方案



对于机器视觉专业产品厂商而言,具备高质量满足客户需求能力和快速交付能力是公司生存发展之本,行业内领先的专业厂商需要将最新的人工智能技术和成熟的产品化能力相结合,快速满足工业现场复杂的柔性制造生产需求。

在质量检测场景中,经典的机器视觉算法会出现技术瓶颈,尤其是需要识别的对象存在很多种形态变化、而且特征难以人为定义的时候,使用基于深度学习网络的智能识别算法来训练和识别、进而做出“类人”决策,能够得到理想的结果。



在2012年深度学习网络第一次成功应用于图像识别(即AlexNet)之前,算法工程师通过设计特征提取算法、目标识别算法、目标判定器、误检鉴别器等系列算法,从而实现对目标的检测和判定。基于这种方法能够批量化解决的问题大多数是比较简单的图像识别问题,只有少数几个针对较复杂问题的成功案例,比如指纹识别、基于Haar特征的人脸检测、基于DPM算法的物体检测。这种算法设计方法指导下的机器视觉工程,要达到工业级的精度要求难度很大,因为手工设计特征需要算法工程师积累大量设计经验,需要对特定应用领域和数据有深入的了解,设计完成算法之后还需要大量的调试和迭代更新算法的工作。这种工作方法导致传统机器视觉系统的研制成本居高不下、研制周期长,成为阻碍机器视觉系统在工业中大批量应用的关键因素。同时,用这种方法设计出来的是一种需要大量假设前提、结构复杂、难以操作的算法,从科学思维的角度看这种方法不是解决问题的最优方法。


传统机器视觉算法设计框架


在高性能GPU算力支持下,基于深度学习算法的“云+端”解决方案帮助语音识别、图像识别等长期停滞不前的工业应用场景实现了技术突破。深度学习算法的基础是卷积神经网络,即CNN,这种网络结构模拟了人脑的抽象和递归迭代过程,让算法具备了“感知智能”。语音和图像都是感知类问题,数据类型都是连续变化的数据,允许数据中包含适度的噪声扰动而不改变数据自身的意义。


航天大道公司依托自身在大数据技术和机器视觉技术两方面的积累,为客户提供“云+端”机器视觉解决方案。在“云+端”机器视觉解决方案中,需要消耗大量计算资源和时间的工作都运行在离线的“计算云”中;离线训练模型工作完成后,将模型文件和映射规则部署到在线分析终端,提供智能图像分析服务。

 

航天大道“云+端”机器视觉算法设计框架



航天大道DaoEyes在多项航天军工的机器视觉质量检测系统中,成功应用了“云+端”机器视觉解决方案。为某国际知名珠宝品牌企业提供的DaoEyes表面瑕疵检测机器人中,由于金饰的背景比较复杂,而且字印区域大多存在畸变,采用传统算法难以获取字印区域,故采用了基于深度学习的金饰字印区域检测算法。该设备是传统珠宝加工制造企业实现智能化质量检测、实现生产柔性自动化的关键环节,在光学成像、智能检测算法、柔性上下料三个方面实现了技术和产品上的重大突破。



航天大道公司研发的DaoEyes表面瑕疵检测机器人



航天大道即将推出的新产品“工业X光片智能评定设备”,使用基于深度学习的智能检测算法,能够有效提升焊缝缺陷评定的准确度,通过持续收集和输入新的缺陷数据可以实现对缺陷检测模型的不断提炼和进化。



随着计算机处理能力的不断提高和越来越多的数据积累,基于深度学习的机器视觉检测算法的精度和能力也将越来越高,从而大幅提升离散制造工厂的柔性制造能力。成功的机器视觉质量检测产品将会同智能工厂一起进化发展,助力智能制造!



视觉检测系统在钣金加工中的应用

来源:钣金与制作


随着信息技术的高速发展,视觉检测技术已越来越成熟,应用领域已非常广泛。采用视觉检测技术进行工业缺陷检测具有非接触、高效、低成本、自动化程度高等优点,在检测缺陷和防止缺陷产品方面具有不可估量的价值。

 

视觉检测系统的应用优势

 

视觉检测通过一次拍摄可自动检测多种规格尺寸、角度、面积等数据,具有检测速度快、检测精度高等优势,同时数据可自动上传到生产执行系统,便于后续大数据分析和质量改善。应用图像分析和自动扫码识别技术等,根据视觉系统判别的结果来智能控制现场工件定位和设备动作,可提高生产线的柔性和自动化程度。

 

视觉检测采用非接触方式拍摄物体的图像,对其进行检测并转化为数据供系统处理和分析。图像通过 A/D转换,转变成数字化信号,图像处理系统对这些信号进行各种运算来抽取目标的特征和几何尺寸,如长度、面积、平行线、角度、圆度、位置等,输出检测结果,对比预设标准条件计算出产品特征数据差异,从而实现自动识别、检测、预警功能。

 

视觉检测系统除了应用在产品尺寸数据测量外,还可取代人工定位和装配作业。结合生产执行系统和工业控制软件,能快速完成零件的自动识别与柔性定位,实现全自动生产。例如,利用视觉检测系统检测图像中二维码,可快速识别工件的件号名称及规格,利用图像处理系统对加工零件孔的特征识别,按其相对位置来自动修正安装位置偏差,可消除零件加工误差带来的位置度偏移,实现生产装配线的柔性化和自动化。

 

视觉检测系统在西奥电梯的应用

 

杭州西奥电梯公司已在日常钣金加工中推广应用视觉检测系统,结合电梯厅门、轿底、托架与上梁钣金生产线的自动化改造升级项目,将视觉检测系统融入到生产线自动作业检测环节,作为数冲与折弯工序的尺寸检测与分析,完全取代人工检测,如图 1所示。


图 1  折弯工序的尺寸检测与分析


SPC软件与视觉检测系统的集成


用 SPC软件与图像数据采集系统集成,完成加工数据采集、质量统计分析、数据报警监控。以 SPC质量分析软件为基础,将每一个检测数据导入到加工数据库内,SPC可自动对产品检测数据做统计与分析,展示数据分布图、运行控制图、差异统计表、工序加工能力指数,并对超出控制线的数据实时预警,对超差数据实施自动停机,达到控制和提高产品质量的目标,SPC电子看板如图2所示。


图 2  SPC电子看板 


SPC质量分析软件将制程及产品中的大量数据转化为有价值的智能化信息,将西格玛方法论应用于生产的整个制程,让工厂的管理、技术及操作人员运用软件实施细化管理、精益操作,实时、详尽地了解生产状况,及时查找造成制程不稳定的特殊原因并采取措施加以消除,确保制造过程受控以及检测结果的准确性和可靠性。从根本上实现产品抽检模式到过程控制模式的改变,提前预测制程的可能变化,避免问题的发生。产品加工SPC控制如图 3所示。

 

图 3  产品加工SPC控制


通过电子大屏幕实时反映生产过程波动状况,以透明的质量管理方式鞭策质量管理人员,及时查找并消除制程不稳定因素,同时将良好的受控质量状况直接展示给客户。


视觉检测系统在自动化改造中的应用


钣金零部件加工环节多,受设备加工精度、折弯系数、原材料材质、厚度变化、人工操作偏差等因素影响,产品在多道折弯工序后,尺寸公差变动相对较大。尤其是零件的累计误差波动更大,导致后续装配工序找不到合适的定位基准,无法实现产品的装配作业自动化。为解决装配定位误差大的难题,我们在产品自动在线检测经验的基础上,也开始尝试将视觉检测系统应用到产品的装配定位作业中。利用视觉检测系统快速、实时、准确、高效的优势,首先识别产品零件的特征和相对位置测量,将测量数据与理论尺寸做比较,计算出两者的偏差和修正量。然后用工控机控制产线机械手自动定位到实际产品装配坐标位置。

 

下面以图4所示电梯厅门部件的实际生产为例,介绍视觉检测系统在电梯厅门铆螺母生产中的自动化改造。从图4可以看出,厅门右侧有4颗M6铆接螺母需要装配,为保证拉铆螺母的铆接强度,铆接螺母与零件预冲孔的单边间隙要求不超过 0.05mm。


图 4 电梯厅门部件 


厅门经过剪板、数冲和多道折弯工序加工后,在折弯边上的拉铆螺母预冲孔的累计误差比较大。经过实际批量检测,拉铆螺母的预冲孔位置度累计误差一般在 0.15mm以上。由于零件加工精度误差问题很难改善,在先前规划设计厅门自动化组装线时,考虑到铆接枪与工件干涉会引起产品返工报废,铆接螺母这道工序只能安排人工来操作。但在厅门自动装配线改造运行后,操作工人为了跟上自动流水线的生产节拍,只能一刻不停地连续进行铆螺母作业,由于劳动强度太大,人工不仅拖累整条线的正常生产节拍,而且作业环境不安全。所以厅门拉铆螺母工序改成自动作业模式刻不容缓。

 

我们的改进方案是增加辅助视觉检测系统,通过拍摄厅门图像获取拉铆孔特征位置信息,检测并计算拉铆孔位置尺寸和角度,让自动控制系统控制机械手和拉铆机枪头作动态位置修正,确保拉铆枪与预冲孔的中心位置重合,实现自动铆螺母作业。自动铆螺母装置如图 5所示。


图5  自动铆螺母装置 


自动铆螺母装置包括基座、输送装置、厅门定位夹紧装置、铆螺母枪以及驱动铆螺母枪三维运动的伺服驱动机构,还设有向铆螺母枪供给铆螺母的送料机构。

 

应用视觉检测系统后,好比给生产设备安了一双眼睛,让机器能自己看准厅门上预冲孔的位置,让其自主按产品装配位置实时变化,相应调整机械手位置消除变动误差,保证每一次动作,都能将铆螺母自动精确移动至实际厅门预冲孔正上方。铆螺母枪在拾取螺母后将其铆定在板件上,从而消除了零件尺寸累计误差导致的铆螺母卡死现象。

 

在厅门板件上铆螺母的主要作业内容:首先应用振筛器输送软管,将铆接螺母持续不断地向供料筒输送,然后机械手将铆接螺母从供料筒底部的出口,转移至铆螺母枪的枪头正下方,通过视觉和自动控制系统定位到厅门预冲孔上方,同时移动铆螺母枪并定位至同一条轴线上,铆螺母枪下移、拾取螺母后,将其铆定在厅门板件上,完成铆螺母作业。

 

动作步骤:该设备使用时,当电梯的厅门板进入自动铆螺母装置的作业范围内后,触发光电感应装置,控制系统发出指令控制夹紧装置将厅门定位到固定位置,视觉检测系统拍摄厅门定位图像,读取检测图像特征,利用图像处理系统转化为数据进行位置分析,计算拉铆枪位移修正量并自动补偿,以消除零件加工误差造成的定位偏差。本厅门设有左右两套的自动铆螺母系统,位置偏差可分别检测、自动计算。自动控制执行系统根据偏差修正值和位置数据,控制直线气缸和伺服系统驱动铆螺母枪精确定位至实际孔正上方。

 

铆螺母枪就位后,触发传感器,工控机控制直线气缸和摆动气缸驱动气动手指下降和旋转,直至位于收放机构的下方,收到传感器到位信号后,控制气动手指夹持铆螺母,工控机接收到传感器夹持完毕的信号后,控制驱动气动手指下降和旋转,直至位于铆螺母枪的下方,铆螺母枪拾取铆螺母后,气动手指张开后复位,铆螺母枪将铆螺母铆定在预定位置。

 

厅门自动铆螺母装置应用视觉自动识别和控制后,替代了以前由人工来完成的工作,保证铆螺母的准确率,大大提高了生产效率和生产的自动化程度。

 

随着“中国制造2025”持续推进,智能制造领域机遇与挑战并存,特别是视觉检测与自动控制技术综合应用前景广阔,通过视觉智能检测、分析、判断、推理,并和智能机器融合起来,持续应用到加工、装配和质量改善等环节,可实现生产设备高度柔性化和自主控制。该技术非常适合在钣金加工行业中应用,通过综合运用上述方法,作用非常明显,是一种极大提高生产效率和产品加工质量的先进制造技术。


机器视觉检测技术在防止PCB板制造缺陷中的应用

来源: 维视图像

在现代电子产品世界中,PCB(印刷电路板)是组成电子产品的重要环节,很难想象在一台电子设备中有不采用PCB的,所以PCB的质量如何将对电子产品能否长期正常可靠工作带来非常大的影响。提高 PCB的质量是电子产品制造厂商应引起足够重视的重要课题。


优良的焊膏印刷工艺实施可以引发电子线路的连接问题,为了能够有效地解决这一问题,许多筛网印刷设备制造厂商采用了在线机器视觉检测技术,下面维视图像予以简单的介绍。

工业相机定位和检测

在一般常规的在线视觉检测应用中,工业相机被安置在电路板的上方,用以获取印刷位置的图像,并且能够将有关的图像发送到视觉检测设备的处理系统中去。在那里,图像分析软件将对所获取的图像与存贮于设备存储器中相同位置的参考图像进行对比。这样,系统可以确认所施加的焊膏是多了还是少了。同样,系统也可以揭示出在焊盘上的焊膏位置是否对准了,它可以发现在两个焊盘之间是否有多余的焊膏形成象桥梁样的连接现象?这个问题也就是许多印刷电路板制造厂商所俗称的“桥接”现象。

检测印刷模板隙缝的工作是在一个相同的形式之中。当多余的焊膏被堆积在印刷模板的表面上的时候,视觉系统可以被用来检测隙缝处是否被焊膏所堵塞,或者是否产生了拖尾现象。在发现了缺陷以后,设备可以马上自动要求对下面的筛网进行清洗系列操作,或者警示操作者有问题存在需要进行修复。对印刷模板的检测也能够提供用户有关印刷质量和一致性方面的非常有用的数据。

最先进的在线视觉系统的一个关键功能是能够对具有高反射性的PCB电路板和焊盘表面实施检测,以及在不均匀的光环境下或者在干燥的焊膏结构造成差异的条件下进行检测。举例来说,HASL电路板一般会呈现出不均匀平坦的、表面轮廓易变和具有反射能力的特点。要获取最高质量的图像,合适的照明也扮演着一个非常重要的角色。光线必须能够“瞄准”电路板的基准和焊盘,转而使其它的不易察觉的特征变为清楚可识别的形状。这样下一步可以使用视觉软件规则系统(vision software algorithms),以充分发挥出它们的潜在能力。

在一些特定的场合,视觉系统能够用来检测焊盘上焊膏的高度或者体积的大小,有时可能仅采用离线的检测系统来做这些事情。采用该程序意味着在给定的印刷模板中形成一个相应的堆积度,以确认在相同的焊盘上焊膏的体积是否缺失。

在实际检测中,具体可分为对PCB上焊膏的检测和对印刷模板上的焊膏检测二大类:

1、对PCB的检测

主要检测印刷区域、印刷偏移和桥接现象。对印刷区域的检测是指在每个焊盘上面的焊膏面积。过量的焊膏可能会引发桥接现象的发生,而过小的焊膏也会引发焊接点不牢固的现象产生。对印刷偏移的检测是针对位于焊盘上的焊膏数量与规定的位置是否有不同。对桥接现象的检测是针对在相邻两个焊盘之间所施加的焊膏是否超过了规定的数量。这些多余的焊膏可能会引发电气短路现象。

2、对印刷模板的检测

对印刷模板的检测主要为针对阻塞和拖尾现象的检测。对阻塞的检测是指检测在印刷模板上的孔中是否堆积了焊膏。如果孔被堵塞住了的话,那么在下一个印刷点上可能所施加的焊膏会显得太少。对拖尾的检测是指是否有过量的焊膏堆积在印刷模板的表面上。这些过量的焊膏可能会施加在电路板上不应导通的位置上面,从而引发电气连接问题。

在线的机器视觉系统能够以不同的方式使PCB制造厂商收益。除了确保焊点的高度完整性以外,它能够防止制造厂商因为电路板的缺陷以及所导致的返工而产生的费用浪费现象。也许最重要的是,它能够提供接连不断的工艺过程反馈,这样不仅能够有助于制造厂商优化筛网印刷工艺流程,而且也在工艺操作过程中能够增添人们更多的信心。


三、质量工艺参数优化



海尔 COSMO Plat 空调噪音大数据智能分析


应用领域:家电行业、智能制造 

应用背景:海尔胶州空调互联工厂部署有国内唯一的分贝检测设备,当空调测试分贝大于标准分贝时,系统判断为不合格并将结果输出至 COSMOPlat-IM(MES)系统,但此设备无法识别空调运行中的异音,如摩擦音、共振音、口哨音等。此外,每天快节拍、高强度的空调装配流水线工作导致检测工人听取噪音时间过长,易产生疲劳和误判,偶尔有不合格品流到下线,影响产线整体检验的可靠性。因此,急需找到新式噪音识别方法,解决企业当前痛点。

核心方案:基于标准化思路的核心问题研究:COSMOPlat 是海尔自主研发、自主创新的共创共赢工业互联网平台,通过整合平台上的软件及硬件资源,与美林数据共同开发了空调噪音智能检测系统,有效地解决了无法准确、可靠识别异音的痛点。解决方案包括非结构化音频数据实时采集与存储、分析建模与智能识别、结果输出与可视化展现三大部分,核心过程如下: 

阶段 1:模型搭建的标准化研究 

针对生产线采集的大量历史检测音频,利用端点检测技术对产品运转过程中起、停机阶段的音频区段进行智能切割,利用数字滤波技术自动对音频进行降噪。通过特征自动提取与样本标定,利用机器学习技术构建智能分类模型,模拟人工判断行为,构建标准化的模型研究思路。 

阶段 2:参数调优的标准化思路 

智能分类模型需通过大量音频数据进行模型训练与优化,并验证其准确性。算法专家利用历史音频对模型进行验证与参数调优,通过不断扩充训练样本及模型自学习,确保识别准确率满足生产线质检精度要求,最终形成一套基于标准化思路的调优方法。

阶段 3:上线实施,技术标准研究成果的应用 

构建音频采集系统,实现产品分贝检测产线对音频的实时同步采集与型号关联。智能识别模型自动完成音频文件的接入、特征提取、智能判别等工作,输出对应产品条码号的实时判别结果,对异音自动报警,并针对识别结果对产品异音原因进行智能分类,辅助返修排故。系统将智能检验结果实时反馈至企业COSMOPlat 工业互联网平台,支持产线质量问题在线统计与分析。

系统核心思路

项目实施过程中参考了《信息技术 大数据 术语》《非结构化数据管理系统技术要求》《信息安全技术 数据库管理系统安全技术要求》等大数据相关标准,并与海尔工业智能研究院有限公司一起,结合项目具体实施过程中的现场问题和解决过程为《信息技术 大数据 存储与处理系统功能测试规范》《非结构化数据访问接口规范》《实时数据库通用接口规范》等在研以及拟研制的大数据相关国家标准反馈了标准立项诉求和标准内容建议。 

实际效果:海尔 COSMOPlat 空调噪音大数据智能分析项目通过传感器、分贝检测系统、业务系统、模型算法的集成与交互,在企业解放人力、减少误判、提高检验可靠性等方面均有了极大提升。此项智能检测系统的实施充分利用了设备端的嵌入式智能计算技术,以分布式信息处理的方式实现了设备端的智能和自治,通过服务器、业务系统间的交互协作,实现了检测系统整体的智能化。项目的实施为海尔集团在旗下其他分厂生产线部署基于声音检测的空调状态智能识别系统积累了丰富经验,为行业内公司在产线智能化改造与转型升级等方面做出了示范


冲压件质量检测及工艺优化


一、项目背景:

在机械制造中,冲压 成形已成为非常重要的塑性加工方法,广泛应用于汽车、航空航天、电器等工业领域。众所周知,汽车车身的大部分覆盖件和结构件均为薄板冲压件,冲压工艺水平与冲压质量的高低对汽车制造企业至关重要。

某知名汽车制造企业,汽车产销累计已突破1000万辆。该企业某生产基地冲压车间建有三条冲压生产线,主要生产侧围、翼子板、车门、引擎盖等轮廓尺寸较大且具有空间曲面形状的乘用车车身覆盖件。在冲压生产过程中,部分侧围在拉伸工序中易产生局部开裂现象,需反复进行参数调整与试制;在生产线线尾,需配备大量质检人员进行冲压件表面缺陷人工检测。

 

二、问题与挑战:

1.      冲压产线线尾现有检测方式为人工手动检测,需在有限生产节拍时间内,快速分拣出带有开裂、刮伤、滑移线、凹凸包等表面缺陷的冲压件,检测标准不统一、稳定性不高、质检数据难以有效量化和存储,不利于企业数据资源收集、质量问题分析与追溯。

2.      在冲压生产试制过程中,影响侧围在拉伸工序中产生局部开裂的因素很多,如设备性能、模具状态、板材性能等;调整参数与反复试制的方法,具有一定的盲目性,成本大、效率低。

3.      影响因素多、数据形式差异大,且分布在车间不同业务系统中,既有设备实时性数据,又有非结构化的图像数据,对数据采集、管理与存储的要求极高。

三、解决方案:

通过建设大数据平台实现对工厂冲压车间的所有设备、模具、材料、制造过程数据、质检数据的集成、存储与统一管控,并借助基于机器学习的数据挖掘、基于机器视觉的智能检测技术,实现对侧围冲压开裂的预测与产品件表面缺陷的智能识别。

 

解决方案思路

  • 依据冲压设备加工参数、板材参数、模具性能参数及维修记录等,通过数据挖掘机器学习算法,建立冲压工艺智能预测模型。通过样本积累与模型训练调优,准确预测冲压件开裂风险。最后,确定制造过程影响因素间的相关性,制定生产过程参数组合控制策略,为冲压制造过程工艺优化和质量把控提供支持。

  • 基于机器视觉的冲压件缺陷智能识别检测,立足生产线现有条件,设计图像采集系统,通过图像实时采集与智能分析,快速识别冲压件是否存在表面缺陷,并自动将所有检测图像及过程处理数据存储至大数据平台。通过质检数据、生产过程工艺参数、产品设计参数间的关联,借助大数据分析技术,形成冲压产品质量问题分析管理的闭环连接,实现冲压产品质量的精确控制和优化提升。

项目实施总体框架如下:

四、应用价值:

1.      通过预测冲压件开裂风险,极大提升企业新车型冲压件加工参数设计效率,试制次数减少约70%,年节省试制成本200多万元。

2.      通过快速智能检测冲压件表面缺陷,提高生产线检测的稳定性、可靠性,降低质检工人劳动强度,企业三条生产线年节省人工成本100多万元。同时,产品质检数据被有效存储,为实现质量闭环分析与追溯提供重要数据支持。

3.      该项目为企业的智能制造转型推进探索出一条切实可行的示范道路,并为工业大数据、人工智能等技术在同行企业中的推广与应用积累了宝贵经验。

来源:《大数据标准化白皮书(2018版)》


关注知识星球“产业智能研究院”,下载《基于BP神经网络的铝合金表面处理工艺参数优化》、《基于CAE和神经网络的注射成型工艺参数优化》



四、质量追溯


可追溯数据模型不仅可以完整记录生产过程数据,还可以扩展到质量追溯、采购追溯等方面,对企业制造过程控制和制造过程改进具有重要意义。


怎样做好产品质量追溯?

来源: 鼎捷智造


近年来,汽车、手机等行业频频爆出质量问题,企业不得不启动召回程序。


比如:丰田因安全气囊问题向全球召回226万辆汽车、三星note7爆炸向全球召回所有问题手机。虽然售后过程中才爆出问题实在令人遗憾,但召回也算是最大程度的补救措施了。


其实,对产品的质量追溯,应该从追溯前端做起。


我们大多数的制造企业,产品生产时存在品种多、批量小的客观情况,一个批次零部件往往用在多个产品型号、不同批次订单生产中。当制造过程或市场质量异常时,当调查出某批次元器件存在问题时,你怎样锁定问题零部件具体用在什么订单?哪几个批次?产品条码号明细?



如果采用手工对现有大量的纸面产品流程卡、领料单等信息展开过滤、清查,需要多少人力及时间?造成异常发生后能不能快速响应?估计等调查清楚时,存在潜在风险的产品已经发货了,那企业必将在召回与不召回中做出艰难选择。


如果没有强大的产品质量追溯系统,产品信息追溯和召回也将是千头万绪。


借助完善的产品质量追溯系统,帮助企业及时准确的追溯产品质量信息是很有必要的。


那么,系统如何进行质量追溯?


全程追溯系统说明 

一、正向追溯:


1、定义:

依产品料号+批次号从上而下进行追溯,追溯其构成部件和原料、基本信息、生产过程、库存交易出入库、检验信息等。


2、使用场景:

1)来自客户的要求,客户验厂需求或客户对产品投诉。

例如:当客户提供给你一个产品及其批次号的时候,你必须要能够根据这个信息告诉你的客户,这是什么产品,并且能提供给你的客户一个精确的产品组成关系、生产监控过程、检验情况等。


2) 企业内部发现产品异常时

例如:在生产过程中发现某批次产品有异常,想快速查询此产品批次生产过程所使用的设备、人员、刀模具、用料情况及出入库情况时。


3. 使用人员:

业务人员、售后服务人员、品管人员、生管人员、生产主管


4. 详细功能说明:


进行前端查询,输入料件编号、批号即可,不仅呈现该料件编号+批次号所生产领料的料件及批次号,还可追踪到所用半成品的下阶材料。


(放大查看)


可追溯内容包括:产品结构、 产品信息、交易信息、生产信息、检验信息、现有库存。


二、反向追溯   


1、定义:

依产品所用部件或原料及批次号自下而上追溯,追溯所有用到此批次部件或原料的产品及批次、涉及到的各料件批次号的基本信息、生产过程、库存交易出入库、检验信息、现有库存信息等。  


2.使用场景:

供应商或者企业自己的失误 

例如:某一批零件被发现存在缺陷或者存在严重的质量问题时,你必须能够找出这一个或一批零件究竟被用在哪里,出货到哪里,以便缩小召回范围。


3.使用人员:

品管人员、生管人员、生产主管


4.详细功能说明:

通过料件编号批号、批次条码,可呈现该料件编号+批次号被哪个料件及批次号所领用,也可追踪最终生产为哪个批次号的产成品。可追溯内容包括:产品结构、 产品信息、交易信息、生产信息、检验信息、现有库存。


(放大查看)


(说明 :正向追溯和反向追溯可以实现批次料号的全程追溯和一览式查询追溯,实现批次料件的来源可查、去向可追、责任可究。)


三、思维导图


1. 定义:

依产品料号+批次号对其从生产加工过程进行纵深追溯,可追溯产品经过工单或RUNCARD产生的,各工单及RUNCARD加工经过了哪些作业站、进行了哪些工序、工艺、使用了哪些设备、作业者、作业时间、投入了哪些材料批次等。并对其投入的半成品批次可以进行再下一级的纵向追溯。


2.使用场景:

来自客户的要求,客户验厂需求

例如:当客户提供给你一个产品及其批次号的时候,你必须要能够根据这个信息告诉你的客户,这个产品的生产加工过程被严密监控的,有据可查的。


3.使用人员:

售后服务人员、品管人员、生产主管


4. 详细功能说明:

通过批号、料号,可追溯:

1)查询呈现内容可以导航方式由用户点选节点后步步展现;

2)查询 首次呈现内容为 料号+批次号节点 及其由哪些张工单/runcard生产出来的工单/runcard节点;

3)当该工单/runcard节点可点击后,呈现其加工生产过程所经历的工艺项次有哪些;

4)点击某工艺项次节点后,可呈现出在此工艺项次使用的设备、人员及所投入的材料信息节点;

5)点击设备、人员及所投入的材料信息节点后,可呈现具体详细设备、人员、料件批号信息;

6)对于所投入材料信息为半成品的料件批号 点击节点后,可以进一步按此半成品料件及批次进行呈现其生产加工来源工单/runcard, 具体详细设备、人员、料件批号信息等信息。

(放大查看)


(通过思维导图的追溯查询可使企业某批次料号的整个生产加工过程被监控,可追踪。)


四、全程追溯系统的运用效益



A 事后反馈

可以提高对问题产品的发现能力和处理能力,找出质量问题所在,追责、持续改进;
B 监督预防

可以对每个关键环节进行监控与记录,则事后可追查问责到人

C 售后服务
可以解决来源追溯难、去向查证难的问题,方便企业快捷查询和响应。
D 快速召回

当产品出现质量缺陷时快速确定召回范围、影响大小,快速处理应对;
E 企业信誉

有了追溯信息,可以提高质量意识、服务意识,为企业赢得好口碑,提升企业信誊和竞争力!


基于物联网RFID技术的质量追溯系统

来源:MES百科



实践证明,该系统利用RFID技术跟踪与追溯生产质量信息,是一种具有过程透明、数据实时准确以及技术可行的MES集成解决方案。


一、物联网RFID技术

    物联网(The Internet of Things,IOT)是指将物体通过传感设备、通信手段实现全面互联的网络,包括物与物之间的互联互通,也包括人与物之间的互联互通。物联网是应用信息通信技术的最新产物,可实现智能化的实时管理和控制,已成为国际新一轮信息技术竞争的关键点和制高点。据美国权威咨询机构FORRESTER预测:到2020年,世界上物物互联的业务,跟人与人通信的业务相比,将达到30:1。因此,“物联网”被称为是下一个万亿级的通信业务,将成为继计算机、互联网之后,世界信息产业的第三次浪潮。我国物联网技术和标准的发展与国际基本同步,《国家中长期科技发展规划纲要(2006-2020)》在重大专项、优先主题、前沿技术三个层面均列入传感网的内容,正在实施的国家科技重大专项也将无线传感网作为主要方向之一,对若干关键技术领域与重要应用领域给予资助。

    物联网通过RFID技术、红外传感器、全球定位系统或激光扫描器等信息传感设备,按约定的协议,把任何物体与互联网相连接,进行信息交换和通讯,以实现对物体的智能化识别、定位、跟踪、监控和管理的一种网络。物联网技术的关键在于数据采集环节,其中RFID技术是当前物联网的主流应用形式。

    RFID系统是利用射频信号通过空间耦合(交变磁场或电磁场)实现无接触信息传递,并通过所传递的信息达到识别目的。RFID系统通常由标签、阅读器和数据管理系统三部分组成(图1)。标签包含天线、芯片、调制器、编码器以及储存器等单元;阅读器由天线、射频收发模块和控制单元等部分组成;控制模块通常包含放大器、解码和纠错电路、微处理器、时钟电路、标准接口以及电源电路等。

    RFID技术具有无线交换数据、数据读写无需接触、标签可小型化和多样化、耐环境性、可重复使用、穿透性、数据的记忆容量大、安全性以及便于数据管理和分析等优点,目前典型应用于交通运输、智能电网、电信运营、现代物流、制造业(实时监控,质量追踪)、产品防伪、环境监控、食品药品监管、馆藏管理等领域。

图1 RFID系统组成与工作原理图

二、现状与需求

    随着制造业信息化工程的实施,企业完成了由最初的MIS、CAx提升到MRPII/ERP、PDM/PLM等系统,这些系统基本覆盖了产品设计、工艺设计与经营管理等过程,满足了企业大部分需求。企业也从“甩图板、甩图纸、甩账本”与“数字化样机”等实施应用中受益匪浅。 然而,制造过程自动化与ERP(Enterprise Resource Planning)融合不够,主要是生产过程控制和质量控制的应用深度不够,制造过程的信息采集、处理、分析、展现等方面还需要进一步精细化,具体情况表现为:

    (1)数据共享与系统集成:各车间的协同作业和各业务部门数据不能共享,无法确保企业内部数据一致、准确,且仍需大量人工重复录入。

    (2)生产数据采集:车间管理层需要对生产过程信息进行现场采集,及时掌握每个工单对应的操作者、机床设备、加工物料、额定工时、工位数据,以实现对产品生产过程跟踪。

    (3)生产过程跟踪:需要对关键零部件(如中墙板、罗拉、主轴等)加工过程中的设备运行状态、加工时间、质检情况、安装状况进行实时跟踪。

    (4)质量分析与追溯:在数据采集基础上进行质量统计分析,实时了解生产过程中的质检信息,通过追溯某批零件使用的毛坯批次、子装配中的零件批次以及每个零件具体批次的生产过程,找出影响加工质量的主要原因。

    由于企业现有信息系统还覆盖不到生产制造的最前端,无法得到制造过程的全局数据以展现给决策者进行分析,导致企业缺乏供应链内的生产同步;缺乏评估生产绩效和生产跟踪的统计数据;无法及时动态调整资源规划等。这些问题往往会造成生产线上出现诸如制造过量、库存浪费、次品多、等待时间长、加工时效低以及大量的冗余移动作业等现象。为此,企业急需利用物联网技术,来满足生产跟踪和可追溯性等诸多需求,进一步提高离散制造企业的信息化精密度。

三、系统总体目标与架构

    基于物联网技术的质量追溯系统是建立在企业制造执行系统UniMax MES(Manufacturing Execution System)平台上,采用RFID技术实现生产过程数据采集,解决生产过程中的质量控制难题,同时运用精益化管理思想优化加工流程,形成完整的产品跟踪和质量追溯系统。该系统的总体实施目标见表1。

表1 系统总体实施目标

图2 系统总体架构

    在系统硬件平台部署中,充分考虑系统架构的可用性、数据安全性与扩展兼容性,采用系统集群技术,通过负载均衡和双机热备(一主一备双机自动切换)方式实现系统高稳健运行。在车间层,采用多种数据采集终端,如手持RF、工控机终端、RFID等控制手段以及LED大屏展示看板,对车间进行综合管控。

    该系统通过接口管理模块和通讯协议实现与SAP(Systems,Application and Products in Data processing,德国企业管理解决方案软件)/SFC(Shop Flow Control,车间控制系统)系统无缝集成,即通过不同类型接口从上层管理系统读取数据,用作车间生产的参考依据;同时将收集到的生产和设备数据及时反馈到上层管理系统,作为分析与决策参考依据。

四、系统主要业务模块功能

    为了确保生产过程处于受控状态,系统对直接或间接影响过程质量的因素进行重点控制(分析、诊断和监控),并制定实施控制,确保产品制造过程质量。本文以纺织机械典型控制零件之一中墙板为例(图3),具体说明该系统业务功能与特点。

图3 中墙板质量追溯系统业务流程

    1.生产计划模块

    车间层的生产计划来源于外部系统(SAP/SFC)根据销售订单按照排产规则生成的生产计划。生产计划主要是参考SFC系统内下达的《月度生产进度要求》和《月份缺件清单》,结合SAP系统产生的《月度产品均衡装配计划》,来确定车间生产的主计划,进而排出周生产计划,最后确定生产班次、机床设备与操作人员。该系统通过数据接口模块从外部系统导入生产工单,并同步调整更新外部系统的订单以及撤单信息,以便及时调整车间实际业务、实时查询或反馈现场信息。

    根据企业生产计划的特点,系统通过数据库自动定时获取主生产计划,然后在系统中自动编制排序生产计划;也可通过访问系统Web页面手动导入Excel生产计划或根据系统中已经维护的基础数据,人工编制生产计划。生产计划模块实现功能如下:

    (1)统筹生产计划,实现生产计划的统一规划、可控和可追溯;

    (2)实现与外部系统(SAP/SFC)主机生产计划的同步,提供生产计划的导入功能;

    (3)提供生产计划的实时查询、导出Excel文件功能;

    (4)提供调整、拆分后生产工单的同步更新功能;

    (5)通过与外部系统的集成和信息交互,实现计划调整和车间执行情况的快捷查询(图4)。

图4 生产计划调整与导出功能


 2.生产执行模块

    中墙板需要经过六道工序,根据其材质与加工工艺特点,系统采用抗金属RFID进行跟踪(图5)。按中墙板工艺路线,分别设置8个RFID的数据采集点和1个RFID写入点。在中墙板的工艺起始点,设置RFID写入点,写入内容包括中墙板编号、写入时间等信息。

图5 中墙板加工工序与RFID采集点设置

    在中墙板生产过程中,系统采用无线固定RFID设备自动采录生产加工信息。具体生产跟踪流程(图6)是:车间计调室根据生产计划信息和操作人员信息下达生产指令后,在中墙板上线前进行产品初始化关联;操作员在每块中墙板上安装RFID标签,然后读取RFID信息,关联生产计划和产品编号;在中墙板加工过程中,系统自动扫描RFID标签,记录产品编号、加工时间以及操作员信息;在所有工序完成后,触发ERP报工和生成中墙板加工过程质量档案。

图6 中墙板生产跟踪流程

    生产执行模块具有以下特点:

    (1)生产过程关联多样化:支持初始工单关联产品的生产;支持按产品类型进行生产,在生产过程中/完毕后进行工单关联。

    (2)信息录入灵活:支持单工位多工序报工;工作信息批量录入。

    (3)报工方式灵活:支持RFID自动报工,同时支持手持终端报工。

    (4)信息查询便捷:支持按人员、机台、产品、时段、工序等进行实时信息查询(图7)。

图7 按中墙板加工工序查询信息

    3.质量管理模块

    质量管理主要记录、跟踪和分析产品及过程质量数据,用以控制产品质量,确定生产中需要注意的问题。质量管理模块功能分两部分完成,一部分是数据采集客户端,主要进行质量数据的录入(检验员在检测零件时,通过布置在车间的数据采集终端或手持终端上报质检结果);另一部分是系统Web页面,主要进行质量数据的基础信息维护,补录未在客户端及时录入质量数据以及质量信息查询等。

    质量管理模块提供对质量基础数据的维护,使质量数据格式标准化,便于进行质量数据录入和查询,具体功能如下:

    (1)数据录入:支持各道工序产品检验结果信息的录入,包括工序加工量、机台型号、合格数量、报废数量、操作者及检验者等。系统将信息自动计入相关操作者的质量档案中,便于对生产质量进行总结评估。

    (2)信息查询:通过用户界面输入姓名、工号、批次号、时段、型号、检验项目及处理方式等条件或组合条件,查询加工量、合格量、报废量、返修量等数据,方便管理者分析决策。

    (3)质量追溯:通过扫描加工后的中墙板RFID标签,现场显示器可显示该中墙板型号、已加工工序、每道工序的操作者、合格或报废信息。

    (4)报表统计:支持指定时段内(月、周、日)常规质量报表的定制与输出,包括每个操作员及各型号中墙板各工序的加工数量、合格数量、报废数量,以及车间日生产完成情况、月度废品考核报表、班组或操作员生产合格率统计等报表,为生产绩效管理提供基础数据。

    (5)提供决策依据:管理者可实时跟踪生产线主要指标,监控产品生产及质量情况,及时发现异常问题,方便生产调度。信息统计分析提供最新的实际制造过程结果报告,便于对当前生产绩效进行评价与指导。

五、结语

    该质量追溯系统基于网络数据库统一集中安全管理,通过规范并完善企业制造规范、制造工艺、制造资源、制造过程等基础数据,利用RFID技术跟踪产品生产过程中的加工、人员信息和产品安装情况以及质量追溯信息,彻底解决了企业运营管理与实际生产执行过程中的协同问题,实现了生产计划和生产制造系统之间的数据一体化集成管理,提高了企业生产经营管理与控制决策能力,在纺机制造行业尚属首次应用。提升产品质量,提高设备效率,降低维护成本以及通过质量追溯完善售后服务,物联网为我国现代制造业带来创新模式和服务手段,将全面带动制造业技术创新,提升制造业信息化的管理水平,加速我国制造业从“中国制造”向“中国创造”转变。

原创声明:本文系e-works数字化企业网原创


延展阅读:

一文彻底搞懂质量管理

质量管理基础知识(全套PPT)

SPC:统计过程控制

工业互联网




产业智能官  AI-CPS


加入知识星球“产业智能研究院”:先进产业OT(工艺+自动化+机器人+新能源+精益)技术和新一代信息IT技术(云计算+大数据+物联网+区块链+人工智能)深度融合,在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的机器智能认知计算系统实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链




版权声明产业智能官(ID:AI-CPS推荐的文章,除非确实无法确认,我们都会注明作者和来源。涉权烦请联系协商解决。联系、投稿邮箱:erp_vip@hotmail.com




Copyright © 温县电话机虚拟社区@2017