你的位置:首页 > 新闻动态 > 行业新闻

物联网时代,如何实现企业高效生产制造?

2021-6-9 11:05:21      点击:

中国工程院院士、04专项总体组组长卢秉恒,在第五届世界智能大会严厉的强调:像生产汽车一样生产机床,绝对是错误的!同时,卢院士还表示,高端数控机床加工效率、动态精度和先进水平还有一定的差距,这方面需要加强基础研究,包括机床动力学、机电控制、伺服系统、智能控制系统深入发展,他表示,智能控制是解决这些问题的重要抓手,也是主要路线,是我们未来的主攻方向。”

在广大的人群肯定隐藏着很多工厂管理的高手,不知道大家有没有这么一种共识:传统工业化系统中信息技术(Information Technology,IT)与工业操作技术(Operation Technology,OT)之间有很深的隔阂,以至于产线中关键流程的执行、重要数据的采集和反馈变得相当的低效无序。

而我们目前各个工厂广为推广的智能制造,其目的就是要在生产过程中实现更高的互操作性、灵活性和无缝性。说白了就是要洞察来自海量的物联网设备的数据,使数据的传递更具效率。

咱们看一个实际的案例:在5G时代越来越受大家关注的同时,大家都以为只要把5G应用到企业生产中,就能提升各方面的性能,其实不然,在物联网时代,除了网络速度的提升,也需要相应备件处理能力的提升,才能满足智能制造生产的需求。比如,聚焦智能制造领域多年的富士康工业互联网 (以下简称“工业富联”) 与深圳市卓信创驰技术有限公司 (以下简称“卓信创驰”) 一起,借助基于英特尔®架构的处理器、英特尔®以太网控制器、英特尔® FPGA (Field Programmable Gate Array,现场可编程逻辑门阵列)等硬件设备提供的强劲处理能力,以及其对时间敏感型网络(Time Sensitive Network,TSN)的良好支持,引入基于TSN 网络的智能制造解决方案,并在实际生产场景中获得了良好的效果。物联网时代如何消除数据通信隔阂,实现网络融合?

我们在企业数字化、网络化生产转变过程中,我们是不是经常碰传统工业 OT 系统中常用的总线、工业以太网等互联方式,因不同的接口协议导致带来兼容性差等问题,使产线中不同厂商设备之间通常需要进行复杂的协议转换才能相互连接;以及出于系统稳健性和可靠性考虑,OT 系统往往与 IT 系统相互分离,造成两者间的数据隔离的问题?

其实,在当前的网络时代,上述出现的问题都能够得到解决,比如工业富联等制造企业将丰富的控制、传感和数据采集设备部署到产线边缘,从而为缺陷检测、预测性分析等人工智能(Artificial Intelligence,AI) 应用提供有效的数据支持。

比如我们日常加工生产中常见的计算机数字控制(Computer Numerical  Control,CNC) 加工,如何解决传统离线检测方式带来的不良率高、生产效率低等问题呢?

以前面提到的工业富联工厂为例,它基于英特尔产品与技术,构建了以计算机视觉 (Computer Vision,CV) 系统和运动控制 (Motion Control,MC) 系统相配合的自动化不良品检测系统。其典型工作流程如图1所示,当产品被工业相机捕获后,图像会被送往部署在边缘服务器或云平台中的视觉处理系统中进行实时处理,基于 CV 算法或深度学习方法构建的检测系统会快速判定产品是否符合质量要求,并下发控制指令给产线,执行停机等后续操作。


图1   基于计算机视觉系统和运动控制系统的自动化设备

在图1中,如果由于 OT 系统 (机械臂控制、产线调整)与 IT 系统(高清图像采集、传输和分析) 之间出现数据拥塞、网络延迟等,会导致各设备之间无法做到精确同步,就可能导致机械臂或流水线无法根据检测结果进行精准联动,进而提升了产品的不良率,降低生产效率。

但是,我们可以通过借助TSN来解决这一问题,它可以通过优化方案促进IT和OT系统的融合,使来自产线不同设备的实时数据能够通过统一网络进行集中,在统一的数据平台进行数据处理与分析,并将结果下发到各个产线设备上执行。

其有以下优势:

1)TSN 网络作为一种开放的协议标准 (IEEE 802.1),可消除不同厂商设备间的兼容性问题,不仅使工业物联网在连接性上更为便捷,同时在数据传输带宽等方面也更具优势。

2)TSN 网络打破了传统制造业产线中控制系统与分析系统的界限,让 AI 应用更易于部署在生产第一线。同时,由硬件设备带来的优先级控制、数据安全机制也能对产线所需的高可靠性提供保障。

但是,想将TSN网络融入既有的生产工艺流程,打造出新一代的工业物联网智能制造工厂,也会出现比较大的难题。首先,在空间相对狭小的产线环境中部署大量的控制器、传感器和数据采集器等设备并实现互联互通,必然导致运维难度的提升,因此,这些都需要进行详细的整合,使生产线周围的灵敏度提升;其次,要充分展现出 TSN 网络的优势,选择的各类硬件基础设施,如处理器、以太网控制器等需要具备工作负载整合和数据加速能力,同时 I/O 灵活性和功能安全性也能够满足制造行业的需求。借力先进硬件基础设施,基于 TSN网络实现工作负载整合和 AI 加速

在前述的工业富联工厂中,引入一系列基于英特尔®架构的产品,通过对TSN网络的良好支持,进一步提升在生产中实施异常检测、预测性分析的效率,从而有效提高了良品率和生产效率。

以 CNC加工举例,如图2所示 (图中设备下方标识 TSN 网络 符号均表示该设备支持 TSN 网络),通过在刀柄、主轴以及电源等关键位置加装各类传感器的方案,解决了CNC设备在加工过程中,时常会出现断刀、错位等异常情况。这种方案可以利用数据采集器进行实时数据采集,上传到可编程自动化控制器(Programmable Automation Controller,PAC),并根据算法模型进行快速推理,然后再对异常情况进行相应的反向控制,形成异常检测的闭环网络。图2    工业富联基于 TSN 网络的智能制造解决方案在图2中的生产流程中,由于TSN网络提供了一系列的时间同步和流量调度机制,因此可以使上述系统的信息传递更加精准、高效、可控。当闭环网络内因数据量过大而可能造成拥堵时,各设备之间的数据流传输能够根据既定规则,保证优先级高的数据,如控制指令等可被更快地传递。如果生产线中的更多的设备能够支持TSN网络的话,那么,TSN的优势将更加的明显。另外,在图2中,通过交换机等设备,来自边缘设备端的数据可以上传至 Fii 中专门的 Fog AI (雾小脑) 服务器来进行模型训练,并将得到的模型再经由交换机下发到边缘端进行推理和执行。

比如,在CNC加工过程中,刀头有一项重要的参数对产品精度起着关键作用,它就是刀具的“黄金寿命”,当刀头超过其黄金寿命时,就无法保证产品的加工精度。刀头的黄金寿命取决于加工方法、产线温度、电流等一系列因素,因此,我们可以通过上述的方案通过一系列传感器对刀头的振动曲线、温度、电流等数据进行采集,并通过 TSN 网络实时上传至 Fog AI 服务器进行训练,得到刀头使用寿命的预测模型。通过这个预测模型就可以对CNC设备中刀头的寿命、使用情况等进行预测性的分析判断。通过这种预测判断,就可以让刀头在到达黄金寿命时被及时替换,从而保证了产品的加工精度,也使工程师能根据产线中数以千计刀头的不同情况,设计出最优的替换排班表,以最大程度地避免因停机替换刀头而带来的生产效率下降。

另外,TSN 网络在应对繁重的流量负载时,由于对海量数据的定时、调度、同步、转发、排队、无缝冗余以及流预留等操作,即成为帮助系统控制端到端时延,加速消息传输,进而实现高速通信的根本保障。因此,TSN 网络对处理器、以太网控制器以及FPGA 等硬件基础设施提出了更高的要求,而由英特尔提供的一系列硬件产品,以其出色的负载整合性能、强劲数据处理能力、良好的可扩展性以及可靠的安全特性,能够为上述需求提供卓有成效的助力。


以图2中起核心作用的 PAC 设备为例,其不仅肩负着数据采集、预处理、模型推理等工作,也需要根据AI推理结果对机械臂等设备进行实时操控。

同时 TSN 网络要发挥作用,对时间敏感流量提供保障,也需要 PAC 设备有能力承载配置信息解析、状态信息上报、时钟同步以及 IP 数据帧分片与重组等任务。为赋予新一代 PAC 设备强劲的性能,可通过选择英特尔®酷睿™ 处理器作为其动力引擎。以英特尔最新发布的第十一代酷睿处理器为例,它不仅能以第三代 10 纳米微架构、更高的单线程/多线程性能以及更先进的图形、媒体和显示功能,满足 PAC 设备在高速数据预处理、AI 模型推理等低延迟确定性计算上的需求,同时还可针对产线等苛刻环境进行了专门优化。

更为重要的是,针对 TSN 网络,全新英特尔®酷睿™ 处理器(见图3)加入了专门的英特尔®时序协调运算 (Intel®Time Coordinated Computing,英特尔®TCC) 技术,可最大程度地减少网络或系统延迟,满足制造业对关键实时计算应用的需求。


图3   对 TSN 网络具有良好支持的英特尔®酷睿™ 处理器系列

兼顾效率与可靠性,多方位推动制造行业提升效能

基于英特尔®架构硬件产品的优异性能,TSN 网络解决方案能够有效推动工业 OT 系统与 IT 系统的融合,确保工业物联网在保证高效率数据传输的同时,也能兼顾工业级的稳健性和可靠性,从而为工业富联带来以下优势:

•  提升制造业产线良品率:通过将物联网设备部署到生产一线,再借助 TSN 网络提供的高效传输能力,既可以在产线出现异常时进行有效管控,也可以利用预测性分析等 AI 方法对设备使用情况进行预测。在一些场景中,新方案通过对温度或压力数据的采集与分析,使产线良品率提升了8%左右1。

•  增强工业物联网传输效率:在一些场景中,过去经常出现数据量过大等原因造成的网络拥塞、数据包丢失或重传等现象,数据传输效率低于90%。而在采用基于TSN网络的新方案后,数据丢失问题得到了有效控制,数据传输效率提升到99%以上2。

•  降本增效、提 高生产效率:TSN网络对异常检测、预测性分析等AI应用的良好支撑,使产线能够有效降低停机检测的次数,并基于更为科学的设备管理方案来提升生产效率。在一些场景中,原先每个机台必须配置一名操作员工,引入新方案后即可实现一人多机操作。