数字化工厂中数据采集应用的研究

数字化工厂中数据采集应用的研究

0数字化工厂数据互通2013年，德国提出了“工业4.0”的概念，第四次工业化以两化融合为特征的趋势变得越来越明显。智能工厂的建设前提是数字化工厂中从顶层到底层的系统集成和数据贯通，将数字信息结合人工智能的算法，深度挖掘数据内涵，才能逐步形成智能化的应用。全面实现数字化是通向智能制造的必由之路，“数据”是智能化的基础，数据的应用关系到数字化工厂的质量、效率和效益，也是迈向智能制造的必经之路1精益管理平台在管理中的实现数字化工厂的基本特点是业务流与信息流的融合，一是从产品设计（产品数据管理系统TC）、资源配置（企业资源计划系统ERP）、制造执行（制造执行系统MES）及底层生产线的业务流全部实现数字化的格式实现和传递根据精益管理的“七零”项点，按照设备、安全、质量、交付和成本五大方面（S2数据应用方案2.1设计数据的连接设计数据的贯通包含企业层级的信息化平台之间数据的互通，同时设计数据向生产线执行工位传递的数据能够自动识别，不需二次转化2.1.1工艺设计和质量检验文件企业制造环节的数据源头是以产品构型为基础设计形成的工艺设计，质检策划要基于工艺设计进行检验信息的策划。工艺设计和质检策划数据包含的工艺流程、物料、工艺文件、检验要求等信息，以此为依据向ERP、MES、WMS、QMS等系统传输一整套统一的数据，作为指导生产的数据，以此保证数据流上下传送时，同一数据的共享和利用。作为企业规划的整体信息平台，企业数据总线要将各系统连接起来。（图3)2.1.2设计后体系管理生产线执行工位需要以工艺设计数据在企业信息化平台一次设计后，经过审核及版本管理，作为根本依据指导生产和制造过程，同时规范体系管理的执行。其中生产线与企业信息平台的数据贯通需按类梳理接口数据。（图4)2.2制造底层产线中的数据获取当工艺设计的文件、程序等下发到产线后，人员、质量、生产和设备等过程管理的数据就需要从制造底层的产线执行中采用数据采集与控制系统（SCADA）获取2.2.1控项点和工艺执行根据工艺设计进行的质检策划要求，其质量管控项点和工艺执行过程同步，在工位执行工艺要求时进行质量数据的采集，同时质量数据可以用于质量检验文件的填写，取消人工填写作业。2.2.2管理数据的使用为满足工艺、生产、质量、设备和人员等管理需要，生产过程采集的数据需转化成管理语言才能使用，单纯的数据无法表达管理内涵和暴露问题。在基础数据收集上来以后，必须进行管理逻辑的处理，形成指标数据，如设备利用率、工位节拍等。（图5)2.3精益管理数据的收集、整理采集的工位数据，其包含的内容和类别是最全面的，工位、产线级的管理数据采集完成，产线、区域及企业不同层级的需求筛选和归集后，按照精益管理的需求转化成所需要的管理数据2.4事件防治全责任单元管理制造过程数据收集完成并初步加工形成管理指标，规范指标管理要求后，生产线运营过程中，就需对超出管理指标阈值的“异常事件”进行按责任单位分配，各责任部门对超阈值指标和异常事件实施关闭，分析原因制定整改措施，形成管理提升，达到闭环管理目的。（图7)3当前问题和建议数字化工厂的建设涉及基础设施建设、工艺装备升级、信息化平台，甚至企业管理职责及组织架构的更改3.1基础网络建设对数字化工厂数据重视程度制造型企业一旦开始业务流与数据流的融合一体运行，数据上传下达的实时性要求很高，工厂车间设备设施对网络影响较大，尤其是基础有线网络，特别是无线网络的应用，事先需要进行信号强度的评估，必要时需建设5G网络。3.2基础数据的采集制造型企业涉及专业较多，一般来说焊接、加工、组装、测量等交叉组合形成完整生产线，数据类型有扭矩、线性尺寸、图片、时间、人员信息等，仅线性尺寸的采集也因工件尺寸、测量能力等限制各有不同。固对于底层数据采集需事先进行调研，自动和手动收集合理匹配。建议人工成本不高、节拍要求不严的，可提高人工采集的比例，降低建设成本3.3系统平台功能划分当前提供企业信息化平台的公司提供软件功能模块界限重合度越来越高，企业要根据自身特点提前规划信息系统平台的功能划分；涉及多系统的，要规范数据接口、形成标准，防止重复建设和多次投资3.4管理模式和组织职能要根据企业管理流程进行调整，以养数字化工厂数据应用将改变一线的操作模式、质量管理模式和企业管