您现在的位置是：首页 > 文章详情

【云栖号案例 | 制造】协鑫光伏上云为提供企业稳定高效的大数据存储、分析能力

日期：2020-03-15点击：501收藏

云栖号案例库：【点击查看更多上云案例】
不知道怎么上云？看云栖号案例库，了解不同行业不同发展阶段的上云方案，助力你上云决策！

公司简介

我们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。企业风格踏实、谦逊，如何提高效率，提升产品品质始终是我们放在肩上的责任。通过多年对生产流程的优化，我们公司的生产效率和产品品质始终保持着行业领先，然而，我们渐渐感到以传统的方法，优化的空间越来越小。对于我们公司来说，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。我们公司苏州分公司总经理曾表示：“未来苏州协鑫的继续突破还是要靠新技术和新产品。”

项目背景

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，这让我们看到了新的契机，2016年我们公司正式与阿里云合作，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，建立良品率预测模型
通过大数据分析，建立关键参数监控模型，对生产过程监控和报警
通过阿里云BI系统，对我们公司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，例如砂浆温度、砂浆密度等，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，就可以对我们公司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重要关键变量。根据这些关键变量为我们公司搭建生产的参数监控模型，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，我们公司的监测系统就会及时预警。经过项目一期的实施，实现了每年数千万的成本节省，小目标并不遥远。

解决方案

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。

关键参数监控模型：

通过大数据对全量参数的分析以及生产经验，提出待分析的关键参数，并建立监控的模型。

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。并基于监控模型，实现异常情况报警。

良品率预测：

对影响良品的重要参数做多元统计分析，实现良品率的预测。

备件损耗分析：

通过关联规则，聚类分析，深度学习等方法，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（图片数据经特殊处理）。

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。

上云价值

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。我们公司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。我们公司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。