乐趣区

关于iot:直击Huawei-Mate-40产线背后的华为云IoT智能制造

摘要:数字孪生?在数字世界找到物理世界的设施!

本文分享自华为云社区《【云驻共创】Huawei Mate 40 产线直击之华为云 IoT 智能制作助力工厂数字化转型》,原文作者:启明。

Part 1:智能化工业 4.0 时代的数字孪生

一、工业 4.0,智能化时代已来

回顾人类历史,咱们独特顺利经验了三次工业革命:

第一次是蒸汽机时代,创始了以机器代替手工劳动的时代;第二次是电气时代,自然科学的倒退和工业紧密结合,迷信在推动生产力方面施展了更为重要的作用;第三次是信息化时代,科学技术转化为间接生产力的速度急速放慢。

而今,咱们迎来了第四次反动,即,工业 4.0:智能化时代。“工业 4.0 的实质,就是通过数据流动自动化技术,从规模经济转向范畴经济,以同质化规模化的老本,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 的外围特色是互联。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,真正可能助力实现“C2B2C”的商业模式。

二、以后工厂数字化转型痛难点

以后,大家都还在“工业 4.0”的摸索阶段。大量的工厂曾经开始本人的智能化转型之路,比方通过构建利用来讲采集的数据可视化,讲数据价值最大化。然而,在这个实际过程中,问题不断涌现,诸如:

2.1 数据 / 信息孤岛,烟囱林立

一家工厂,在不同的阶段,因为我的项目的不同,有可能找不同的供应商去承接。分段式的我的项目供应商,导致的是不同的零碎利用。形象点说,多零碎不互通,就是像独立的“烟囱”,每个“烟囱”都有“烟”,然而却不互通。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散布零散,保护老本高,应用效率低下;

2.2 利用上线慢,耗时耗力

正如第一点所说,不同零碎之间的不互通,导致的是新的利用上线会“反复造轮子”:每个利用上线,都有大量的反复工作,节约人力物力,且耗时长。更重要的是,新的利用带来的数据处理问题:因为不足对立的建模,每个利用在解决原始数据时,都须要反复解决。两个“反复”让本就昂扬的老本,更加“雪上加霜”;

2.3 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,比方想要通过剖析现有的数据找到法则,从而优化流程,但却因为数据分析的门槛高,望而生畏。这其中最要害的起因,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,是胜利的一半

以上痛点难点,是大部分工业畛域的厂家在“工业 4.0”摸索过程中都会遇到的,而贯通其中的是“利用”。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起因之一。以“利用”为根底,工厂经验了三个期间的三种模式:

3.1 模式一:“烟囱式”利用

在工业 4.0 之前,因为不足利用和实际,大部分厂家的利用,如上所述,都是“烟囱式”的:

这样便导致,一是不足整体规划,各利用独立部署,数据各自基于业务须要独自进行采集和应用;二是效率低下,比方反复采集数据,对生产有较大影响。

3.2 模式二:平台解耦——对立数采平台

在“平台”概念提出之后,工厂管理者们逐步意识到,或者,在生产线和利用之间,须要有一个“平台”,这样的解耦,能让利用和生产线,利用和利用之间互联互通。而这,就是工业 4.0 的一个根底模型。

模式二的产生,让业余的数据采集团队实现尽可能多的数据采集,并集中统一凋谢,让整体效率有所晋升。然而咱们能够发现,即使是这样,数据的应用依然是独立的,没有实现真正的交融。在产线或者生产设施获得的数据,依然是元数据,利用在获得数据之后,依然须要独自对数据进行二次加工解决应用,进而导致利用间对数据的解决依然存在大量反复工作。

3.3 模式三:数据处理——对立孪生模型

如何同步解决“利用解耦”和“数据对立解决”问题,华为 IoT 有本人的办法。

在物联网畛域,有“孪生体”这样一个概念。通过“孪生体”把设施的感知和设施的认知,进行对立的解决。同样以工厂为例,工厂外面是有十分多的生产配备、生产产线以及其余各式各样的物理设施的,那咱们能不能帮忙工厂把所有的这些物理设施,通过对立的建模,对这些设施一一进行解决,形象为数字化的形象呢?

答案是,能够。通过把物理对象一一进行数字化解决,那么利用和物理设施的交互,就转变成了利用和数字孪生体的交互。绝对于前两种模式,这种模式的开发方式有了一个十分大的变动:咱们能够忽视最底层的物理设施,或者物理接口,将数据建模局部的工作,交由 IoT 的“对立孪生模型层”实现。

“孪生”这一概念,意味着咱们在建模的时候,首先须要对模型有清晰的认知,也即宽泛的数采能力,毕竟在工厂外面,会有各式各样的设施,这些设施同时又有各式各样的一些协定;其次,须要有十分高的形象能力,你须要将物理世界的设施,形象成数字世界里的模型,并且能进行交互。

数采能力和形象能力,是目前开发物联网利用过程中,十分要害的两个能力。

基于华为云 IoT 带来新的开发模式,帮忙用户疾速构建数字化转型的根底平台。

接下来以华为本人的工厂为例,来简略阐明华为云 IoT 是如何应用新的开发模式,助力工厂数字化转型的。

正如大家所晓得的,华为自身也是一个制作型的工厂,华为云 IoT 的能力首先是在本人的工厂进行实际。咱们以北方工厂,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,在南向实现一个对立的孪生体,并在下层构建可视化、智能化的利用,具体架构图见下:

在北方工厂理论数字化过程中,有以下几个挑战:

  • 产线设施厂家 / 品种 / 型号多种多样,波及超过 30+ 不同应用层协定须要对接,采集难度大;
  • 一条产线上超过上千条测点数据,不足数据建模伎俩,导致数据处理低下。

那么,如何站在开发者的角度,去省时省力地实现数字化呢?华为云 IoT 正式退场。

四、以多维模型为外围,构建数字孪生

在一个数字孪生体的理论利用背地,是有很多的模型的,比方产线的模型,设施的模型,品质缺点的模型等等。而在建模过程中,从对待一个工厂物理世界当中的物理对象的角度,能够把工厂的孪生体分为两类:制作的数字孪生和产品的数字孪生。

制作数字孪生:

  • 定位:将工厂的制作环节进行数字化的镜像,可能实时反映工厂的制作过程;通过对制作过程的对立形象,不同利用能够基于同样的语义进行交互;
  • 建模内容:生产配备、产线、生产工艺流程、品质缺点、物理构造等等;

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买通产品设计阶段、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,品质数据等。

以上,就是工厂数字孪生的两个十分重要的数字形象维度。通过将产线生产过程透明化,实现生产有序可控,让利用上线工夫从原来的 6 - 9 个月,缩减至 3 个月;同时,孪生建模 + 智能剖析,用数据去驱动智能生产,让数据的开发效率能晋升 70%。通过华为云 IoT,咱们能够 疾速实现工厂的全因素联结,并通过构建工厂数字孪生模型,大幅度晋升数据利用效率。

Part 2:基于北方工厂的数字孪生实际

回到咱们的主题。北方工厂,即是生产 Huawei Mate 40 的产线。手机产量的暴增,让产线的数字化需要火烧眉毛。通过整个产线的数字化,能够晋升生产过程、优化制作工程厂商的治理,以及品质管制的治理,让产线的效率失去大大的进步,同时可能升高经营的老本。

上图是一个工厂孪生体的多维模型。咱们能够看到在产品模型中,包含了设施模型和产线模型,更下层还有制程能力模型、品质缺点模型以及设施物理 / 构造模型和设施故障预测模型。

通过利用华为云 IoT 数据分析服务建模和剖析能力,能够疾速构建的电子工程产线和设施孪生体。那么本文咱们就来介绍一下如何构建一个数据分析服务建模。

一、根底概念介绍

(一)OEE 概念简介

在进行建模解说之前,咱们先遍及一个根底的概念。OEE,即设施综合效率(Overall Equipment Effectiveness)。一般来说,每一个生产设施都有本人的实践产能,要实现这一实践产能必须保障没有任何烦扰和品质损耗。OEE 就是用来体现设施是的生产能力绝对于实践产能的比率。

在计算 OEE 的时候,会波及到以 3 个维度:

  1. 工夫利用率:工夫利用率 = Σ 理论运行工夫 / Σ 打算开机工夫 *100%。用来评估复工所带来的损失,包含引起打算生产产生复工的任何事件,例如设施故障,原材料短缺以及生产办法的扭转等等;
    2. 性能利用率:性能利用率 =Σ[产出数量 一个产品在设施应有状态下加工的周期时间]/ Σ 理论运行工夫 100%。用来评估生产速度上的损失。包含任何导致生产不能以最大速度运行的因素,例如设施的磨损,资料的不合格以及操作人员的失误等;
    3. 合格率: 合格率 =[合格产出数量]/[产出数量]*100%。用来评估品质的损失,它用来反映没有满足品质要求的产品(包含返工的产品);

那么最终的计算公式就是,OEE=[工夫利用率][性能利用率][合格率]*100%,这就是掂量设施综合经营效率的一个要害指标,也是很多电子制作工厂以及其余相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,个别只有 70%,或者 80%,少的甚至只有 40% 左右。

(二)工厂孪生体产线和设施建模剖析效果图

工厂孪生体产线和设施建模剖析,能够通过一些可视化的治理后盾进行查看。以下别离三个不同性能的效果图。

Picture 1:图上共有 3 条产线,能够进行适当地拖放。图里能够看到每个设施的 OEE 数值。通过资产建模和剖析能力可实时计算出产线和设施的 OEE,各设施要害指标实时监控,同时可查看历史数据。

Picture 2:设施建模图。通过设施上报故障音讯和设施模型相结合,实时监控设施运行状态。

Picture 3:资产剖析图。通过资产模型剖析能力,可实时剖析和监控上报的设施数据是否存在异样。比如说,湿度失常状况下是到 45%~63%,如果上报的数据不在这个范畴内,则属于不失常数据。界面就会显示一个黄色的点,示意这里的设施上报的数据有异样。能够看出,数据分析是能够实时计算,实时监控的,如果有些重大异样的话,甚至能够推送到运维人员。

(三)工厂数字孪生 Demo 数据处理和剖析流程

要实现上述的效果图,咱们须要通过如下几个步骤(因为不是实在工厂,所以采取的是模仿设施):

  • 设施模拟器:基于规范物模型,模拟器定时 5 秒通过 MQTT 协定主动上报设施属性数据,可模仿手动登程上报音讯,比方设施告罄音讯。
  • IoT 设施接入服务:通过配置设施数据转发规定将设施属性数据和设施音讯到 IoTA(数据分析)服务。
  • IoT 数据分析服务:基于数据管道接管设施数据,并通过资产建模和计算剖析能力,实时计算生成产线和设施 OEE 相干数据,判断数据是否存在异样信息。
  • 3D 利用:通过调用 IoTA 的 API 获取数据,以 3D 的模式展现产线和设施,可查看产线和设施 OEE,设施要害指标,告罄等故障信息,同时可查到相干历史数据。这也就是第二局部的效果图。

(四)IoT 数据分析内的剖析过程

接下来,咱们来重点解说一下“IoT 数据分析服务”外部的流转过程。

第一步,数据管道。咱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,对设施进行建模;

第三步,建设设施资产;

第四步,把模型实例化之后的设施,及灌进来的数据,通过设施资产剖析这个计算引擎,实现实时计算相干的剖析工作;

第五步,把数据存储到 IoT 外部;

第六步,把这个数据通过 API 凋谢给第三方应用。

具体见下图:

在这个过程中,咱们须要具体解说一下第二步以及第三步是如何操作的,也就是,咱们如何创立模型和资产呢?

(五)IoT 数字孪生的基本概念介绍

在进行创立模型和资产解说之前,咱们先介绍一下“IoT 数字孪生”的基本概念。

咱们认为,物理世界的物,在数字世界中是有一个实时的、精确的一个映射的,它能够把理论的设施数据和一些其余的数据组织起来,组成 jason 模型,成为一个载体。

上图是咱们数字孪生的一个概念图。

首先数据孪生体,能够分为模型和资产两局部。其中模型相当于开发过程中,Java 的类,示意一个类的一个模板。在实例化之后生成一个资产,就相当于 new class,那么也就生成了一个对象。一个对象对应一个资产。

同时,模型又分为两种,第一种是属性,属性还能够往下分还要分三种:

第一种是动态配置属性,此类属性不须要设施上报,也不怎么会有变动,比方产品型号,设施类型等等;

第二种是测量数据属性,测量数据属性是须要设施上报的。艰深一点说,就是,数据分析本人是没法失去的,须要他人给零碎的数据。包含设施上报的属性,也有可能包含从第三方的业务零碎读到的属性,零碎都认为是一种测量属性;

第三种是剖析工作属性,此类属性在数据上报之后,是须要去进一步计算的。

针对最初一种工作分析属性,有相应的工作去配置,去计算。在这个过程中,相当于算法的加载及配置:先去剖析这个数据,而后后盾的计算引擎就去加载配置的业务逻辑。剖析工作属性目前有分三种:

第一种是转换计算:举个简略例子,假如创立的时候蕴含了两个属性,a 和 b,而咱们要求在这个过程中,a+b=c,那么这就是一个转化计算。转化属性要求是实时的,且 ab 两个值的数据工夫戳是雷同的;

第二种是聚合运算:聚合是一个工夫维度的计算,假如要求过来五分钟的一个平均温度,如果设施每五秒钟上报一次数据,那么就须要对五分钟内的所有上报的数据做一个均匀,相当于在工夫维度下,做聚合运算;

第三种是流计算:流计算次要是用在比较复杂的场景,逻辑不能用简略的一个 if /else 表达出来的时候,就须要应用到流计算。举例来说,当资产将很多参数上报之后,零碎须要通过这几个参数计算出一个后果,再返回资产,那么流计算在其中的作用就相当于一个计算器。流计算的性能十分弱小,在工厂数字化模型中,大部分的场景都能实现,比方滑动窗口、数据过滤、加属性等等,是比拟通用的一个能力。

以上就是一个整体的建模的概念,基于上述的这些概念,咱们能更好地了解前面的内容。

二、资产建模实操

(一)设施建模:SMT 产线印刷机设施

对物理世界事物构建数字资产模型时,必须先定义好资产模型,而后再创立资产。一般来说,一个产线有 7 种设施,咱们以其中的印刷机为例,来解说一下设施是如何建模的。

首先,是属性的配置。针对于印刷机,咱们三种属性别离为:

动态配置属性:产品现实印刷时长、设施型号

测量数据属性:印刷速度、脱模速度、印刷高度

剖析工作属性:工夫利用率、性能利用率、合格率、OEE

而剖析工作属性同时又有以下计算配置:

转换计算:计算工夫利用率、计算性能利用率、计算 OEE 以及判断温度状态

聚合计算:计算理论工作时长、计算理论工作工夫、计算合格率

流计算:SMT 场景暂未应用

下图为属性编辑的页面,包含动态配置、测量数据以及剖析工作,可供参考。

下图为所有参数都装备实现之后的残缺样例。在这外面能够看到大略有 70 个左右的属性,这些属性都是模仿了实在产业的一些属性。下图所有的数据,包含样本和格局都是来自于北方工厂理论的生产数据,所以是绝对比拟实在的。

通过上面的截图,咱们心愿可能阐明印刷机的剖析工作是怎么配置的。以“转换计算”为例,只须要读取上报的温度值,并做一个表达式判断,比如说温度大于 25,小于 35,那么就认为是失常温度。把判断的后果复制给利用,利用就能间接应用这个后果。

下图为配置好的剖析工作。能够看到,咱们目前配置好了 11 个剖析工作,包含计算资金利率、性能利用率、合格率、OEE、以及各种状态的判断等等后面所说过的品种。

(二)产线建模:SMT 产线

后面说完了“设施建模”,接下来咱们解说一下“产线建模”。

产线建模实际上也和设施建模的概念雷同,模型相似。然而动态属性和测量数据属性临时没有配置,因为产线绝对简略一些,次要是求 OEE 的值,也就是剖析工作属性,包含 OEE 相干的四个指标,以及转换计算、聚合计算和流计算。

剖析工作属性的配置和设施产线是统一的,就不再反复解说。

下图为印刷机的设施资产配置图示例:

接下来,咱们来看看产线资产是如何构建的。如下图,产线资产一共分三层:

第一层是工厂(父资产);

第二层是产线(子资产);

第三层是设施(子资产)。

产线和设施同样有模型,三层模型形成了一个“父子关系”的资产数。资产来自于模型,由模型实例化而来,同时,模型实例化为资产时能够依据业务场景来指定层级关系,且资产之间互相独立。

下图是构建好的资产树。相比于上一张图的逻辑图,这是一个示例图。图中表明一个电子工厂有三条 SMT 产线,每条产线有 7 个 SMT 设施

(三)、OEE 相干指标配置(设施 & 产线)

咱们再来看看设施的每个指标是如何计算的,如下图。咱们以“产品合格率”(下图灰色局部)为例。

如前文所述,合格率 =[合格产出数量]/[产出数量]*100%。表格中“TS_Sum”示意时序求和,即能够把产量在一个工夫范畴内求和,比方,对五分钟内的产量进行求和。其余指标的计算形式和合格率相似,就不一一赘述。

产线和设施的指标计算过程类似,差异在于数据的起源。产线的数据来源于子资产,而非产线本人产生的。因为资产“父子之间”的数据是能够互相援用的,而产线自身是不上报任何数据的。

(四)资产运行监控

所有的产品创立、属性配置都实现之后,即可点击“公布”,将模型公布并运行。模型在定义的时候,自身是一个动态的过程,一旦公布,就会激活。依据前序定义的任务分析逻辑,零碎将会主动计算,并得出实时后果,进行上报。所有的数据都能够在下图中察看看到。

除了上述的数据展示模式,还能够依据业务的须要,将数据展现成折线图、热力求、曲线图等等,更易进行剖析的图形展现形式,得出你想要的后果。示例图如下。

想要体验一个产线模型建设的过程,能够返回华为云 IoT 数据分析服务(https://www.huaweicloud.com/p…

三、小结

从上述的解说和介绍,咱们能够得出以下论断:

  • 物理世界的物在数字世界中的实时精确映射,组织数据 & 模型的载体,是 IoT 畛域的数字孪生;
  • 围绕一个具体的物理对象,组织数据 & 模型,定义一个数字化的模型,即是 IoT 畛域的数字建模过程;
  • 设施数字孪生模型由属性和任务分析两局部组成;
  • 对物理世界事物构建资产模型时,须先定义模型,再创立资产
  • 面向对象建模思维带来的益处:封装、继承、组合,晋升复用效率和可扩展性。

华为云 IoT 数据分析服务基于物联网资产模型,整合 IoT 数据集成、荡涤、存储、剖析、可视化,为 IoT 数据开发者提供一站式服务,升高开发门槛,缩短开发周期,疾速实现 IoT 数据价值变现,让工厂数字化转型降级“触手可及”。

来一起体验一下吧~

点击关注,第一工夫理解华为云陈腐技术~

退出移动版