数字化在浮法玻璃冷端生产线中的应用

邹宁波，刘 锐，葛 淼，杨 坤

(中国建材国际工程有限公司，蚌埠 233010)

随着新一轮科技革命和产业变革的迅猛发展，数字化成为驱动企业高质量发展的重要“原动力”[1]。浮法玻璃生产线存在数字化程度低、生产方式落后的问题。数据能够真实地反映生产过程，包含着生产工艺之间的内在联系。数据分析是智能制造的核心。对数据进行分析处理，根据处理结果进行相应的决策、执行，可以形成科学的冷端生产管理方式，为生产线提质增效提供有力支持。

近些年，浮法玻璃生产水平不断提高，生产线上引入了很多信息化设备，比如缺陷检测仪、优化切割系统、视觉检测仪等。这些设备由不同工段的操作者使用，缺乏统一的管理，产生了数据孤岛和数据断层的问题。冷端切裁工段、质检工段、堆垛工段相互独立、缺乏数据共享；
各单机设备或子系统之间没有足够的信息交互，将大量数据留存在自己的硬盘中。数据孤岛造成了冷端生产在水平方向的阻断，阻碍了整个生产线的协同生产，限制了生产线的产能提升潜力。公司级的业务无法及时准确的下发，也无法获取实时精准的生产状态。销售部和生产部之间的数据依靠纸质文档或电话微信传递，效率低下；
生产部和仓库缺乏数据交互，导致库存积压，生产与市场脱节。因此有必要为冷端引入数字化技术，为企业生产决策提供支持。

制造业企业的数据贯穿于企业采购、生产、销售、服务全生命周期中，很多企业已经采购了很多运营系统，如企业资源管理计划(Enterprise Resource Planning，ERP)、企业资产管理系统(Enterprise Asset Management，EAM)、能源管理系统(Energy Management System，EMS)、客户关系系统(Customer Relationship Management，CRM)、制造执行系统(Manufacturing Execution System，MES)等[2]。冷端没有相应的生产管理系统，各类数据存放于每台单机设备之中。

冷端的数据来源有缺陷检测仪、板摆检测仪、优化切割系统、生产线控制系统、完整性检测系统和机器人堆垛系统，各系统包含的数据如表1所示。缺陷检测系统会获取无限长玻璃带上的缺陷信息，包括缺陷的大小、位置、种类等。板摆检测仪获取玻璃板在垂直于玻璃流向方向的坐标。优化切割系统根据缺陷和玻璃订单信息进行优化决策，确定价值最大的切割方式，并指挥切割机进行切裁。生产线控制系统根据玻璃的目的地信息将玻璃输送至指定的工位上。完整性检测系统检验玻璃的长宽是否符合要求以及是否破损。机器人堆垛系统将玻璃抓取到工位上。

表1 冷端各系统数据

冷端分布有大量的可编程逻辑控制器PLC、工业计算机、视觉设备以及光电开关等传感器。它们产生的数据已经具备了大数据的基本特点，即规模性、多样性、高速性、价值密度低。同时制造业的数据还具有多来源、多维度和多噪声等特点[3]。

3.1 数据采集和处理

数据是提高生产线能力的核心手段，很多业务都需要数据来驱动。生产线上有大量的自动化设备，每天都会产生大量的数据。如何将有效数据从大量数据中筛选并采集起来，并进行实时的处理，是首先要解决的问题。

冷端数据采集的方式有多种。第一种是由生产线PLC将数据以TCP/IP的方式传输给数据采集软件，第二种是由数据采集软件根据PLC的地址通过西门子OPC协议直接读取，第三种是通过射频识别技术(RFID)进行读写[4]。

数据处理是数字化技术中最重要的一步，数据的处理过程包括数据清洗、数据分析和数据存储。

制造业的数据经常存在很多的噪声、异常和干扰，这些无效信息可能是由于设备异常或者人工输入错误导致，而这些异常数据会导致采集到的原始数据杂乱无章，不可分析。数据清洗就是对数据的预处理，将大量无效信息和干扰过滤掉，获取到真实需要的数据。通过填补缺失值、去噪、异常检测、数据变换和规约等方式把数据变为可分析的高价值数据。

数据分析的过程是用适当的数据统计方法对数据进行分析汇总以及概括总结。传统的数据分析方法有列表法、作图法、时间序列分析法、聚类分析法和回归分析法。近些年深度学习方法开始逐渐出现在制造业数据分析中。

数据存储是将数据以某种形式存储在硬盘或数据库中的过程。为了保证高效的存储或查询，通常采用分布式存储的方式。制造业数据量大，尤其是冷端生产线上存在多种视觉检测系统，这些检测系统获取了大量图像数据，数据通常以文本形式存储于硬盘中或存储于关系型数据库中[5]。

3.2 智能生产控制

冷端生产是连续化的生产过程。智能生产控制主要体现在智能生产算法上，通过智能生产算法，保证冷端的优化切割。算法通过模仿自然界和生物界的规律，实现生产过程的自适应。

优化切割算法采用遗传算法实现，根据玻璃表面缺陷和订单建立问题模型，确定个体的编解码方式和适应度函数。根据订单的数量和优化长度确定种群规模、终止条件和搜索空间。根据玻璃排布的优先级大小确定个体的适应度。依据适应度进行选择，适应度低的被淘汰，留下适应度高的个体。从父辈群体中随机挑选两个个体交换基因信息。依据概率将个体中某一位基因进行编译运算形成新的种群，不断迭代直至达到终止条件[6]。算法流程图如图1 所示。

智能算法的引入使切割机能够最大化的将缺陷避开，切出需要的订单，从而达到最大化价值生产的目的。

3.3 数据驱动决策

通过对冷端数据的分析处理可以实现信息资源共享，探索生产数据与生产工艺之间的潜在关系，实现跨工艺的生产协同能力。如获取玻璃板面的缺陷后，可根据需要查询不同种类、大小的缺陷在不同时段内在玻璃带上的分布情况，可以反向推导出热端工艺调节的优劣，从而针对性的改进生产工艺流程。

浮法玻璃冷端数字化管理系统在多条生产线上实施应用，以数据可视化的手段为生产操作人员提供了操作指导，为生产线管理提供了数据支持，有利于形成科学的生产管理体系。未来有更多的生产线需要做数字化转型，具有广阔的推广价值。