從改革開(kāi)放到現(xiàn)在已經(jīng)有40年了,中國(guó)的工業(yè)和技術(shù)也經(jīng)歷了多次浮沉,從模仿山寨,到自主制造再到現(xiàn)在的中國(guó)智造,每個(gè)階段的成就都來(lái)之不易.雖然整體還算不上完全的世界一流,但已名列前茅,多項(xiàng)創(chuàng)新和技術(shù)問(wèn)鼎世界第一,不得不說(shuō)的是,石英晶振在其中有著重要的作用.尤其在工業(yè)方面,小到工業(yè)產(chǎn)品,大到工業(yè)設(shè)備儀器,幾乎都要用到各種各樣的晶體或振蕩器.中國(guó)智造已揚(yáng)名海外,我國(guó)科研人員研發(fā)的超級(jí)計(jì)算機(jī),多次比賽中位居NO.1,也是全球的汽車(chē)進(jìn)出口大國(guó),基礎(chǔ)建設(shè)方面更是令國(guó)外驚嘆,被譽(yù)為”基建狂魔”,目前也正在努力實(shí)現(xiàn)工業(yè)4.0計(jì)劃.

工業(yè)4.0用比較抽象的話(huà)來(lái)概括,就是生產(chǎn)環(huán)節(jié)的數(shù)字化,改變工廠的運(yùn)營(yíng)方式,提高生產(chǎn)效率.通過(guò)自動(dòng)化和人工智能實(shí)時(shí)地解決生產(chǎn)問(wèn)題.實(shí)現(xiàn)這個(gè)目標(biāo)的重要一環(huán)就是IIoT(IndustrialInternetofThings),也就是工業(yè)生產(chǎn)設(shè)備都能夠接入網(wǎng)絡(luò)中,并且產(chǎn)生大量的數(shù)據(jù).所以將數(shù)據(jù)交給誰(shuí),還要在正確的時(shí)間和位置給出這些數(shù)據(jù),最終讓數(shù)據(jù)指導(dǎo)生產(chǎn).都是實(shí)現(xiàn)智能制造的核心所在.實(shí)際上云大數(shù)據(jù)以及AI,都為解決這個(gè)問(wèn)題而存在.尤其AI是用于海量數(shù)據(jù)分析的大趨勢(shì),將基于AI的實(shí)時(shí)監(jiān)控與數(shù)據(jù)分析工具,連接到IIoT設(shè)備和平臺(tái).

工業(yè)4.0可以分成三部分,或者說(shuō)三個(gè)階段.前兩者關(guān)乎IoT設(shè)備和工程系統(tǒng)(engineeringsystem),這兩者會(huì)與智能做融合,達(dá)到監(jiān)測(cè)、分析、預(yù)測(cè)生產(chǎn)挑戰(zhàn)的目的.而第三階段,則是將智能融入到企業(yè)中去,構(gòu)建完整互聯(lián)的智能工廠生態(tài)系統(tǒng),其中的IoT設(shè)備設(shè)施、工程與企業(yè)級(jí)系統(tǒng)都完整互聯(lián),實(shí)現(xiàn)大數(shù)據(jù)流、知識(shí)庫(kù)的跨生態(tài)系統(tǒng)共享、管理和優(yōu)化.

第三階段可以認(rèn)為是智能制造未來(lái)方向的某種共識(shí).不過(guò)這么說(shuō)似乎還是有些虛,在理論層面說(shuō)得更具體些:目前智能制造著力的還在前兩個(gè)階段,即智能應(yīng)用和智能系統(tǒng).這里的智能應(yīng)用,也就是應(yīng)對(duì)不同制造場(chǎng)景、部署在工廠中的具體應(yīng)用,例如前文提到的HMP健康監(jiān)測(cè)與預(yù)測(cè)維護(hù),再比如應(yīng)用了AI的DFD動(dòng)態(tài)故障檢測(cè)、CM新型腔室匹配等.而智能系統(tǒng)則強(qiáng)調(diào)將所有的應(yīng)用串聯(lián)起來(lái),構(gòu)成檢測(cè)、分析、預(yù)測(cè)的閉環(huán)結(jié)構(gòu),在閉環(huán)形成過(guò)程中,借在智能制造方面的數(shù)據(jù)經(jīng)驗(yàn)積累,外加工廠本身產(chǎn)生的數(shù)據(jù),去強(qiáng)化閉環(huán)的每個(gè)環(huán)節(jié),并最終做到自適應(yīng),應(yīng)用和系統(tǒng)能夠自主地發(fā)現(xiàn)、分析和解決問(wèn)題.

根因分析、預(yù)測(cè):

除了智能應(yīng)用和智能制造,第三階段就是我們后續(xù)的藍(lán)圖了.將我們的生態(tài)系統(tǒng)和工廠內(nèi)部,所有的其他設(shè)備,其他的智能系統(tǒng)連接起來(lái),通過(guò)設(shè)備乃至系統(tǒng)彼此間的溝通,真正實(shí)現(xiàn)自主解決問(wèn)題.在我們的理解中,也就是在整個(gè)工廠構(gòu)成更大范圍的不同系統(tǒng)、組織間的互通和智能.實(shí)則也有著類(lèi)似的藍(lán)圖.除了前文提到的數(shù)據(jù)范圍的擴(kuò)展,資深解決方案架構(gòu)師VickyQiu在”智”動(dòng)化與工業(yè)4.0論壇上還提到”企業(yè)現(xiàn)在都是互聯(lián)的企業(yè),不是孤立的,需要上下游生產(chǎn)商共同合作”.這個(gè)理念實(shí)際強(qiáng)調(diào)的,還將互聯(lián)和智能的范圍做了進(jìn)一步的外延.

不過(guò)這些可能離我們還略顯遙遠(yuǎn).現(xiàn)階段正在落實(shí)的,如HMP這樣的應(yīng)用講究的是獲取工廠和設(shè)備的追蹤數(shù)據(jù)(tracedata),進(jìn)行數(shù)據(jù)分析,并實(shí)現(xiàn)根因分析與預(yù)測(cè)性分析,實(shí)現(xiàn)決策支持.比如說(shuō)工廠生產(chǎn)了晶振,和良率不過(guò)關(guān)的石英晶體,部署數(shù)十萬(wàn)傳感器,針對(duì)數(shù)百道工藝步驟做數(shù)據(jù)追蹤,借由AI針對(duì)這些數(shù)據(jù)做追蹤數(shù)據(jù)分析,獲得分級(jí)排序的根因結(jié)果,以及進(jìn)行預(yù)測(cè)——對(duì)設(shè)備或生產(chǎn)做預(yù)測(cè)性維護(hù)、基于大數(shù)據(jù)分析即時(shí)優(yōu)化工作參數(shù)、借由模型實(shí)現(xiàn)系統(tǒng)和供應(yīng)商的優(yōu)化等.這么說(shuō)還是太過(guò)抽象,首先說(shuō)一說(shuō)這里的根因分析.

通常在發(fā)現(xiàn)晶振生產(chǎn)不良率高的問(wèn)題以后,工程師們通常要花很長(zhǎng)時(shí)間去找問(wèn)題的根源.如果能夠?qū)S中的不良品進(jìn)行歸類(lèi),追蹤這些不良品的所有參數(shù)、數(shù)據(jù),經(jīng)過(guò)系統(tǒng)分析后得出影響不良品的參數(shù),再按照關(guān)聯(lián)度大小對(duì)這些參數(shù)進(jìn)行排序,在短期內(nèi)找出問(wèn)題根源,工廠的效率就會(huì)提升很多.

在圖示的這一例遭遇的貼片晶振問(wèn)題中,出現(xiàn)了6個(gè)最優(yōu)關(guān)聯(lián)度的參數(shù)(左下位置).第一和第二個(gè)參數(shù)關(guān)聯(lián)性最強(qiáng),第一個(gè)參數(shù)是在Etch(蝕刻)這個(gè)流程的最后一步,電流發(fā)生顯著激增;第二個(gè)參數(shù),則是氦氣值的明顯降低.此處,etch流程的最后一步實(shí)際上也就是氦氣分離,電流激增很可能是分離過(guò)程中,托盤(pán)與晶振的邊緣接觸,產(chǎn)生了小范圍的火花,所以這里托盤(pán)可能放置不平衡,托盤(pán)某些氦氣口堵塞造成氦氣值降低.這就是追蹤數(shù)據(jù)在半導(dǎo)體制造中一個(gè)很好的例子.

一般制造行業(yè)發(fā)生不同的fault時(shí),數(shù)據(jù)表現(xiàn)都是不一樣的,像制造中unbalance軸承的數(shù)據(jù)曲線(xiàn)會(huì)是某一種表現(xiàn)方式,mis-alignment的時(shí)候數(shù)據(jù)又是另外一種表現(xiàn).通過(guò)歷史數(shù)據(jù)的不同表現(xiàn)方式,跟實(shí)際的fault,結(jié)合起來(lái)進(jìn)行實(shí)時(shí)分析,系統(tǒng)就能初步判斷這可能是什么樣的問(wèn)題.除了這種根因分析,借由追蹤數(shù)據(jù)還能實(shí)現(xiàn)預(yù)測(cè),包括預(yù)測(cè)維護(hù)、工作參數(shù)優(yōu)化、系統(tǒng)/供應(yīng)鏈動(dòng)態(tài)優(yōu)化.比如HMP實(shí)現(xiàn)的就是預(yù)測(cè)維護(hù)(predictivemaintenance).預(yù)測(cè)維護(hù)的價(jià)值在于提高維護(hù)效率,減少成本.

打了個(gè)比方:比如你有一輛車(chē),通常每5000英里需要保養(yǎng)一次,這是基于時(shí)間的維護(hù)(time-basedmaintenance),而預(yù)測(cè)維護(hù)則是condition-based,比如我可能會(huì)把發(fā)動(dòng)機(jī)的轉(zhuǎn)速或者溫度數(shù)據(jù)等等,都結(jié)合起來(lái),預(yù)測(cè)我下一次可能會(huì)出現(xiàn)什么問(wèn)題.這種分析是實(shí)時(shí)的,可能會(huì)告訴你說(shuō)現(xiàn)在汽車(chē)運(yùn)轉(zhuǎn)良好,一個(gè)月以后需要進(jìn)行一次維護(hù).

固定一個(gè)時(shí)間,每隔一段時(shí)間做維護(hù),可能會(huì)造成幾個(gè)問(wèn)題,第一是過(guò)度維護(hù)(over-maintenance),第二是可能我們想到要做維護(hù)的時(shí)候,問(wèn)題就可能已經(jīng)發(fā)生了.所以我們需要數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)分析(data-drivenpreditiveanalysis),實(shí)時(shí)對(duì)關(guān)鍵參數(shù)做監(jiān)測(cè)和分析,做到更準(zhǔn)確的維護(hù).

本文首提到的案例就是典型的預(yù)測(cè)性分析,這里還是來(lái)看兩個(gè)具體的例子.首先是RUL分析(Remaing Usage Life,剩余使用壽命),上圖左側(cè)是生產(chǎn)設(shè)備各種參數(shù)的實(shí)時(shí)監(jiān)控,包括了壓力、溫度、振動(dòng)等.根據(jù)所有的參數(shù),分析漂移趨勢(shì),通過(guò)算法就能夠了解到當(dāng)前機(jī)器的健康值,并且預(yù)測(cè)設(shè)備壽命.

除了設(shè)備健康分析,這類(lèi)應(yīng)用實(shí)則針對(duì)產(chǎn)品也是有分析預(yù)測(cè)價(jià)值的.根據(jù)這批晶振的歷史追蹤數(shù)據(jù),比如質(zhì)量數(shù)據(jù),實(shí)時(shí)分析在生產(chǎn)過(guò)程中每片耐高溫晶振所有流程的追蹤數(shù)據(jù).上圖是一個(gè)質(zhì)量看板,淺綠色表示正常且后續(xù)健康狀況良好;深綠色表示現(xiàn)在是好的,但后續(xù)會(huì)有風(fēng)險(xiǎn);黃色表示現(xiàn)在有風(fēng)險(xiǎn),但短期內(nèi)不會(huì)加劇…依此類(lèi)推;甚至進(jìn)行實(shí)時(shí)的質(zhì)量分析,給產(chǎn)品健康狀況預(yù)測(cè)打分.這些都是BISTel HMP的典型應(yīng)用.

HMP解決方案的幾個(gè)功能特性能夠總結(jié)上面這些提到的智能制造的特性,包括工廠范圍內(nèi)的實(shí)時(shí)監(jiān)控,錯(cuò)誤檢測(cè),錯(cuò)誤分類(lèi)(Fault Classification,這個(gè)環(huán)節(jié)包含了設(shè)備問(wèn)題的分析,減少排插、修復(fù)時(shí)間),以及最終的預(yù)測(cè)分析.減少非計(jì)劃停機(jī),提升設(shè)備的資產(chǎn)利用率,維護(hù)成本降低,自然也就增加了產(chǎn)量.

與此同時(shí),通過(guò)AI來(lái)持續(xù)改善解決方案的質(zhì)量.數(shù)據(jù)很重要,因?yàn)槲覀冃枰邆?/span>know-how的能力,就是在發(fā)生問(wèn)題時(shí)參數(shù)數(shù)據(jù)是什么樣的.后續(xù)就能通過(guò)不斷的學(xué)習(xí)去改善AI模型.目前我們的發(fā)展藍(lán)圖,是集中在人工智能的自我學(xué)習(xí)、自我完善方面.智能應(yīng)用本身已經(jīng)做得很完善了,下一步就是怎么讓它去實(shí)現(xiàn)自主性,自主學(xué)習(xí)、自主擴(kuò)大知識(shí)庫(kù)、自主找出解決方案.

協(xié)力中國(guó)制造

在HMP的基礎(chǔ)設(shè)施部署方面,解決方案的數(shù)據(jù)庫(kù)基礎(chǔ)設(shè)施主體可以是在工廠本地,也可以是在云端.當(dāng)前的案例主要是基于微軟Azure.但未來(lái)我們也會(huì)跟其他的云合作,比如在中國(guó)的騰訊、阿里巴巴,我們未來(lái)可能都會(huì)合作.

實(shí)際上,HMP只是BISTel諸多智能應(yīng)用中的其中一例,實(shí)則在監(jiān)測(cè)、分析、預(yù)測(cè)三個(gè)環(huán)節(jié)都有不同的應(yīng)用.比如前面提到應(yīng)用于監(jiān)測(cè)環(huán)節(jié)的DFD,應(yīng)用于分析環(huán)節(jié)的CM,HMP在BISTel的智能系統(tǒng)中位處預(yù)測(cè)環(huán)節(jié).這些應(yīng)用的核心都在助力智能制造.

一直以來(lái),許多人都認(rèn)為主要競(jìng)爭(zhēng)對(duì)手實(shí)際是企業(yè)內(nèi)部的自己解決方案.但與此同時(shí),也會(huì)與壓電石英晶體企業(yè)一起,定制化打造共有的定制化解決方案.比如在應(yīng)對(duì)中國(guó)制造2025計(jì)劃時(shí).中國(guó)制造2025計(jì)劃,中國(guó)期望開(kāi)發(fā)自己的AI技術(shù),并且成為智能制造的No.1.許多中國(guó)企業(yè)都有自己的需求,想要建立自己的解決方案.所以我們會(huì)合作,根據(jù)客戶(hù)需求,在我們產(chǎn)品的基礎(chǔ)上,去實(shí)現(xiàn)一些產(chǎn)品的共有.

AI人工智能已經(jīng)是未來(lái)發(fā)展的大熱趨勢(shì),不僅只是體現(xiàn)在語(yǔ)音,視頻,視覺(jué)效果方面,在醫(yī)療,工業(yè),軍事,商業(yè)等領(lǐng)域都有很大的應(yīng)用空間,少不了電子元器件的輔助,如今諸如石英晶振,芯片,傳感器這些主要的組件,較之以往,也有了明顯的提升和變化,無(wú)論是尺寸,性能和功能方面,都更上一層樓.工藝復(fù)雜技術(shù)要求高的石英晶體振蕩器,尺寸也已經(jīng)做到了1.6*1.2mm,大大縮減了空間,節(jié)省成本.