HuaweiMate40产线直击之华为云IoT智能制造助力工厂数字化转型

  【云驻共创】HuaweiMate40产线直击之华为云IoT智能制造助力工厂数字化转型   【摘要】 数字孪生？在数字世界找到物理世界的设备！Part 1：智能化工业4.0时代的数字孪生一、工业0，智能化时代已来回顾人类历史，我们共同顺利经历了三次工业革命：第一次是蒸汽机时代，开创了以机器代替手工劳动的时代；第二次是电气时代，自然科学的发展和工业紧密结合，科学在推动生产力方面发挥了更为重要的作用；第三次是信息化时代，科学技术转化为直接生产力的速度急速加快。而今，我们迎来了第四次革命，即，工业4.0：智能化时代。“工业4.0的本质，就是通过数据流动自动化技术，从规模经济转向范围经济，以同质化规模化的成本，构建出异质化定制化的产业。对于产业结构改革，这是至关重要的作用。”作为新一轮的工业革命，工业4.0的核心特征是互联。工业4.0代表了“互联网+制造业”的智能生产，孕育大量的新型商业模式，真正能够助力实现“C2B2C”的商业模式。 二、当前工厂数字化转型痛难点当前，大家都还在“工业4.0”的摸索阶段。大量的工厂已经开始自己的智能化转型之路，比如通过构建应用来讲采集的数据可视化，讲数据价值最大化。但是，在这个实践过程中，问题不断涌现，诸如：1. 数据/信息孤岛，烟囱林立一家工厂，在不同的阶段，因为项目的不同，有可能找不同的供应商去承接。分段式的项目供应商，导致的是不同的系统应用。形象点说，多系统不互通，就是像独立的“烟囱”，每个“烟囱”都有“烟”，但是却不互通。在工业4.0阶段，不互通，意味着信息孤岛，也就意味着企业的数字资产分布零散，维护成本高，使用效率低下；2. 应用上线慢，耗时耗力正如第一点所说，不同系统之间的不互通，导致的是新的应用上线会“重复造轮子”：每个应用上线，都有大量的重复工作，浪费人力物力，且耗时长。更重要的是，新的应用带来的数据处理问题：由于缺乏统一的建模，每个应用在处理原始数据时，都需要重复处理。两个“重复”让本就高昂的成本，更加“雪上加霜”；3.数据分析门槛高工厂，或者企业，有着一颗想要降本增效的心，比如想要通过分析现有的数据找到规律，从而优化流程，但却因为数据分析的门槛高，望而却步。这其中最关键的原因，是其业务场景不明确，没有找到一个好的数据平台。三、找对平台，是成功的一半以上痛点难点，是大部分工业领域的厂家在“工业4.0”摸索过程中都会遇到的，而贯穿其中的是“应用”。也就是说，软件开发者未做到足够的分层解耦是造成上述问题的重要原因之一。以“应用”为基础，工厂经历了三个时期的三种模式：1. 模式一：“烟囱式”应用在工业4.0之前，由于缺乏应用和实践，大部分厂家的应用，如上所述，都是“烟囱式”的：这样便导致，一是缺乏整体规划，各应用独立部署，数据各自基于业务需要单独进行采集和使用；二是效率低下，比如重复采集数据，对生产有较大影响。2. 模式二：平台解耦统一数采平台在“平台”概念提出之后，工厂管理者们逐渐意识到，或许，在生产线和应用之间，需要有一个“平台”，这样的解耦，能让应用和生产线，应用和应用之间互联互通。而这，就是工业4.0的一个基础模型。模式二的产生，让专业的数据采集团队完成尽可能多的数据采集，并集中统一开放，让整体效率有所提升。但是我们可以发现，即便是这样，数据的使用仍然是独立的，没有实现真正的融合。在产线或者生产设备取得的数据，仍然是元数据，应用在取得数据之后，仍然需要单独对数据进行二次加工处理使用，进而导致应用间对数据的处理仍然存在大量重复工作。3. 模式三：数据处理统一孪生模型如何同步解决“应用解耦”和“数据统一处理”问题，华为IoT有自己的方法。在物联网领域，有“孪生体”这样一个概念。通过“孪生体”把设备的感知和设备的认知，进行统一的处理。同样以工厂为例，工厂里面是有非常多的生产装备、生产产线以及其他各式各样的物理设备的，那我们能不能帮助工厂把所有的这些物理设备，通过统一的建模，对这些设备一一进行处理，抽象为数字化的形象呢？答案是，可以。通过把物理对象一一进行数字化处理，那么应用和物理设备的交互，就转变成了应用和数字孪生体的交互。相对于前两种模式，这种模式的开发方式有了一个非常大的变化：我们可以无视最底层的物理设备，或者物理接口，将数据建模部分的工作，交由IoT的“统一孪生模型层”完成。“孪生”这一概念，意味着我们在建模的时候，首先需要对模型有清晰的认知，也即广泛的数采能力，毕竟在工厂里面，会有各式各样的设备，这些设备同时又有各式各样的一些协议；其次，需要有非常高的抽象能力，你需要将物理世界的设备，抽象成数字世界里的模型，并且能进行交互。数采能力和抽象能力，是目前开发物联网应用过程中，非常关键的两个能力。基于华为云IoT带来新的开发模式，帮助用户快速构建数字化转型的基础平台。接下来以华为自己的工厂为例，来简单说明华为云IoT是如何使用新的开发模式，助力工厂数字化转型的。正如大家所知道的，华为本身也是一个制造型的工厂，华为云IoT的能力首先是在自己的工厂进行实践。我们以南方工厂，也就是Huawei Mate 40 生产工厂为例，把工厂的手机贴片过程通过数采、建模在数字世界中构建出一个数字化的产线的孪生体。基于华为云IoT的能力，在南向完成一个统一的孪生体，并在上层构建可视化、智能化的应用，具体架构图见下：        在南方工厂实际数字化进程中，有以下几个挑战：· 产线设备厂家/种类/型号多种多样，涉及超过30+不同应用层协议需要对接，采集难度大；· 一条产线上超过上千条测点数据，缺乏数据建模手段，导致数据处理低下。        那么，如何站在开发者的角度，去省时省力地完成数字化呢？华为云IoT正式登场。       四、以多维模型为核心，构建数字孪生在一个数字孪生体的实际应用背后，是有很多的模型的，比如产线的模型，设备的模型，质量缺陷的模型等等。而在建模过程中，从看待一个工厂物理世界当中的物理对象的角度，可以把工厂的孪生体分为两类：制造的数字孪生和产品的数字孪生。制造数字孪生：· 定位：将工厂的制作环节进行数字化的镜像，能够实时反映工厂的制造过程；经过对制造过程的统一抽象，不同应用可以基于同样的语义进行交互；· 建模内容：生产装备、产线、生产工艺流程、质量缺陷、物理结构等等；产品数字孪生：· 定位：从工厂在制产品维度，组织生产过程中产生的各种数据，并预留通过与数字主线对接能力打通产品设计阶段、产品维护阶段的数据；· 建模内容：产品的各种属性，生产过程数据，质量数据等。以上，就是工厂数字孪生的两个非常重要的数字抽象维度。通过将产线生产过程透明化，实现生产有序可控，让应用上线时间从原来的6-9个月，缩减至3个月；同时，孪生建模+智能分析，用数据去驱动智能生产，让数据的开发效率能提升70%。通过华为云IoT，我们可以快速实现工厂的全要素联结，并通过构建工厂数字孪生模型，大幅度提升数据利用效率。 Part 2：基于南方工厂的数字孪生实践        回到我们的主题。南方工厂，即是生产Huawei Mate 40的产线。手机产量的暴增，让产线的数字化需求迫在眉睫。通过整个产线的数字化，可以提升生产过程、优化制造工程厂商的管理，以及质量控制的管理，让产线的效率得到大大的提高，同时能够降低运营的成本。        上图是一个工厂孪生体的多维模型。我们可以看到在产品模型中，包括了设备模型和产线模型，更上层还有制程能力模型、质量缺陷模型以及设备物理/结构模型和设备故障预测模型。        通过应用华为云IoT数据分析服务建模和分析能力，可以快速构建的电子工程产线和设备孪生体。那么本文我们就来介绍一下如何构建一个数据分析服务建模。 一、基础概念介绍（一）OEE概念简介        在进行建模讲解之前，我们先普及一个基础的概念。OEE，即设备综合效率（Overall Equipment Effectiveness）。一般来说，每一个生产设备都有自己的理论产能，要实现这一理论产能必须保障没有任何干扰和质量损耗。OEE就是用来表现设备是的生产能力相对于理论产能的比率。        在计算OEE的时候，会涉及到以3个维度：· 时间利用率：时间利用率=实际运行时间/计划开机时间*100%。用来评价停工所带来的损失，包括引起计划生产发生停工的任何事件，例如设备故障，原材料短缺以及生产方法的改变等等；· 性能利用率：性能利用率=产出数量*一个产品在设备应有状态下加工的周期时间/实际运行时间*100%。用来评价生产速度上的损失。包括任何导致生产不能以最大速度运行的因素，例如设备的磨损，材料的不合格以及操作人员的失误等；· 合格率：合格率=合格产出数量/产出数量*100%。用来评价质量的损失，它用来反映没有满足质量要求的产品（包括返工的产品）；那么最终的计算公式就是，OEE=时间利用率*性能利用率*合格率*100%，这就是衡量设备综合运营效率的一个关键指标，也是很多电子制造工厂以及其他类似厂房里的一个关键性指标。一般来说，国内厂家OEE的数值都不会太高，一般只有70%，或者80%，少的甚至只有40%左右。（二）工厂孪生体产线和设备建模分析效果图工厂孪生体产线和设备建模分析，可以通过一些可视化的管理后台进行查看。以下分别三个不同功能的效果图。Picture 1：图上共有3条产线，可以进行适当地拖放。图里可以看到每个设备的OEE数值。通过资产建模和分析能力可实时计算出产线和设备的OEE，各设备关键指标实时监控，同时可查看历史数据。Picture 2：设备建模图。通过设备上报故障消息和设备模型相结合，实时监控设备运行状态。Picture 3：资产分析图。通过资产模型分析能力，可实时分析和监控上报的设备数据是否存在异常。比如说，湿度正常情况下是到45%63%，如果上报的数据不在这个范围内，则属于不正常数据。界面就会显示一个黄色的点，表示这里的设备上报的数据有异常。可以看出，数据分析是可以实时计算，实时监控的，如果有些严重异常的话，甚至可以推送到运维人员。 （三）工厂数字孪生Demo数据处理和分析流程        要实现上述的效果图，我们需要经过如下几个步骤（因为不是真实工厂，所以采取的是模拟设备）：· 设备模拟器：基于标准物模型，模拟器定时5秒通过MQTT协议自动上报设备属性数据，可模拟手动出发上报消息，比如设备告罄消息。· IoT设备接入服务：通过配置设备数据转发规则将设备属性数据和设备消息到IoTA（数据分析）服务。· IoT数据分析服务：基于数据管道接收设备数据，并通过资产建模和计算分析能力，实时计算生成产线和设备OEE相关数据，判断数据是否存在异常信息。· 3D应用：通过调用IoTA的API获取数据，以3D的形式展示产线和设备，可查看产线和设备OEE，设备关键指标，告罄等故障信息，同时可查到相关历史数据。这也就是第二部分的效果图。（四）IoT数据分析内的分析过程接下来，我们来重点讲解一下“IoT数据分析服务”内部的流转过程。第一步，数据管道。我们通过数据管道把数据接进来，同时本地也会进行备份；第二步，对设备进行建模；第三步，建立设备资产；第四步，把模型实例化之后的设备，及灌进来的数据，通过设备资产分析这个计算引擎，完成实时计算相关的分析任务；第五步，把数据存储到IoT内部；第六步，把这个数据通过API开放给第三方使用。具体见下图：在这个过程中，我们需要详细讲解一下第二步以及第三步是如何操作的，也就是，我们如何创建模型和资产呢？ （五）IoT数字