苏州协鑫：数据智能开启“工业互联网”中国路径
苏州协鑫：数据智能开启“工业互联网”中国路径
“云栖奖”获奖人：苏州协鑫信息管理部经理 周小栋
作者：阿里云研究中心 田丰
当美国制造业回归，日本机器替换匠人，德国研发“工业4.0”智能工厂之际，“中国制造2025”应运而生，虽然中国工业普遍面临原材料成本上升、劳动力老龄化、高端技术不足、经济增长放缓等现实挑战，但“新制造”、“新市场”也为中国企业带来了赢得全球核心市场的机会。截至目前，中国已经连续三年成为全球第一大光伏市场，并且超过德国（市场饱和）成为全球光伏累计装机容量最大的国家，中国(20.5%)、日本(15.9%)、德国(15.8%)、美国(10.8%)处于光伏发电市场主导地位，处于全球光伏累计装机容量前四名(2016年分析数据）。
协鑫集团从上游的硅、硅材料、硅片制造到中游的光伏电池，组件研发、生产，系统集成、优化设计，再到下游的光伏电站投资、开发、运营等，已形成了全球光伏行业最为完整的一体化产业链条，在技术研发、产品智能制造、电站系统集成与运维管理等方面，均居世界领先地位。今天，太阳能在全球的普及利用，与协鑫的大力推动有着直接关系，全世界至少30%的高效光伏材料，都是“协鑫智造”；不管是多晶硅还是硅片，全球范围内每一次的价格下降，都与协鑫的科技进步密不可分——来自协鑫的全闭环、零排放的GCL法多晶硅生产工艺及精工切片技术，让光伏全产业成本下降了90%以上，伴随协鑫在硅烷流化床法制备颗粒硅技术上实现的重大突破，这一成本还将进一步大幅下降。
协鑫集团旗下保利协鑫上市公司是中国首家突破年产万吨级以上多晶硅产能和产量的企业， 赢得国内市场70%的流通硅片生产，是全球最大多晶硅生产企业之一，也是全球硅片产能最大的企业。2015年，多晶硅年产量达7.5万吨，硅片年产能达15吉瓦。协鑫肩负着“把绿色能源带进生活”的使命，在光伏材料制造、光伏电站开发等清洁能源领域始终保持行业的领先地位。
光伏产业初期，由于全球产能过剩导致各国削减产业补贴，硅片生产企业唯有创新产品、降低成本才能“杀出一条血路”。协鑫光伏一直注重引入高新科技，采用与同行不同的技术路线，研发出“鑫多晶”、“鑫单晶”、“N型单晶”等系列多种高效硅片产品，在过去五年，通过技术革新将产能提高了1.5倍，依靠自动化改造、减少各环节浪费、优化原材料价格、寻找可循环的替代物料，显著降低成本，持续减少对环境的影响。利用人才优势（协鑫大学）、成本优势扩大光伏上游市场规模，先后在徐州建立硅料场，在苏州、无锡、常州、扬州、太仓、阜宁建立切片厂，其中苏州协鑫切片厂是全球单体切片能力最大的厂子，协鑫光伏切片承担全球近1/3的生产任务。但在能源行业中，新能源与化石能源的“硬碰硬”竞争焦点就是发电成本，所以光伏产业的成本竞争异常激烈。协鑫光伏在已经领先全球的基础上，为自己制定了一个超前的“小目标”：通过供给侧改革，推动2020年实现中国光伏发电平价上网。这意味着在居民用电领域，从现在0.6元/千瓦时降低到0.45元/千瓦时，比国家能源局制定的2025年光伏平价上网提前5到6年。光伏产业上游生产成本对下游企业发电、居民用电价格影响很大，在较高的良品率水平上进一步提升改进的难度很大，因此极富远见的协鑫管理层，决定抓住“工业互联网”的战略机遇，鼓励团队大胆探索尝试，运用工业大数据技术融入“新制造”工艺改良，并给予创新项目试错空间和时间，探索数据化降本增效的有效革新路径，协鑫管理层明确指出：“这个项目成不成功，不在于阿里云，而在于内部技术团队与用户团队。阿里云的大数据技术在工业领域，不论复杂度、规模都是绰绰有余，而应用工业大数据改良生产是我们的重要任务。”
苏州协鑫在快速发展中非常重视数据分析，从早期分析市场数据，到人员、物料、工艺等数据纳入MES系统管理，系统数据分析采用在线报表、邮件、移动App、大屏，车间看板等，这些数据化管理手段保证分布在苏州、太仓、扬州的切片厂生产管控高度标准化，每个月报表中的所有指标都会在十个车间中横向对比，利用精益制造、六西格玛等方法促进品质与效率双提升，因此赢得“数字企业”、“互联网提升企业”、“智能制造” 、“两化融合试点示范企业”等诸多奖项。据协鑫光伏信息管理部周小栋经理说，很早我们就期望用大数据来做高价值的多变量分析，所以项目初期主要需求集中在以下三个方面：
1）数据关联关系：生产中获取的大量数据，因为维度太多并没有足够能力深入分析；我们期望借助阿里云大数据工具，在全量数据之间将上千个维度关联性建立起来。
2）数据价值流失：工业数据量不在于“大”，而在于富含“高”价值，我们都知道“数据是资产”，但因为数据分析速度、数据应用程度低、现场存储成本高规模小等因素，随着生产环节接入的联网设备数量持续增长，存储规模小，获取长期生产数据后，无法长期积累留存，部分数据被有意或无意丢弃了，期望找到好办法、好技术来发挥数据的全部价值，大数据资源积累是协鑫的主要目标。上云前，针对持续变化的大量生产数据，本地服务器与应用软件的计算能力有限，达到TB级处理时就变得很慢，上云后数据响应很快、系统体验很好。
3）数据技能培养：设备控制层数据处理分析过程，也是对协鑫技术人员技能培养、数据观念转变的契机。协鑫IT人员与现场工艺技术人员全程参与云上系统开发过程，与阿里云技术专家面对面现场交流，从生产经验化分析向数据量化分析转变，有效提高整体执行层的组织竞争力，这是系统改造、云模式建设的真正着力点。
针对实际生产问题，苏州协鑫工业专家与阿里云大数据专家、人工智能专家反复摸索工业大数据解决方法，逐步创新出一套工业互联网“6M模型”。 工业的发展一直围绕生产问题的发生与解决，传统工业是以经验丰富的产业工人为中心，针对生产问题从“人机料法环”(5M模型)出发，凭借工业专家经验解决问题，而工业互联网在“人-问题-5M”链条中加入了“数据”和“模型”两个新要素，首先在智能工厂中收集5M数据（建立“数字双胞胎”），在线监控完整生产过程的数据细微变化，能够比人更快、更早发现（预测）生产问题，融合人类专家智能与工业数据智能快速定位、诊断、找到解决方法，以工业大数据在线训练智能分析模型，循序渐进形成“数据闭环”提升工业智能水平，以经验配合模型解决生产问题、明确改进方向。工业互联网“6M模型”，是在机器(Machine)、材料(Material)、工艺(Method)、测量(Meature)、维护(Maintain)的基础上，增加了模型(Modeling)。工业机器人解放人的体力，工业数据智能解放人的脑力，不是“机器换人”，而是“机器助人”，更快地发现问题先兆，自动化地定位根源、提出改进方案，人机共同解决复杂问题，是工业智能的未来发展方向，“数据智能”模式在国防、金融、交通、电商等领域应用较广。世界各国在下一代工业上创新路径略不同，日本依靠匠人精神、德国依靠设备（工业4.0）、美国依靠工业互联网、而中国应依靠工业大数据。
工业互联网通过传感器、智能终端、摄像头等触点持续不断地收集设备、环境、产品的状态变化数据，而人类专家无法快速处理大量工业数据、在多维度复杂数据因子间找出关联关系，没有数据支撑的情况下，有时短期看不到效果就放弃了正确的解决方向。协鑫在工业云上汇聚生产中采集到的大量生产过程数据，实时监控产品质量、建模分析如何优化流程环节，提升产品质量，预测设备故障情况，优化备件供给。生产大数据分析为生产品质提升提供了清晰路径，这让协鑫人看到了机会，2016年苏州协鑫正式与阿里云合作，筹划通过云计算、大数据等新技术推动内部管理升级，显著提高市场竞争力。协鑫上云项目的主要目标是采用透明化生产、数据化管理最终实现良品率提升，具体实施内容包括：
1) 数据上云：生产现场主要设备上云，包括切片机、分选机、DCS、MES等主要设备与生产系统迁移到云端，利用海量公共云计算资源，低成本长期保存协鑫生产过程所有数据；
2) 良品率改良：收集大数据资源，建立良品率分析模型，指导生产改良；
3) 生产监控报警：基于大数据分析，建立良品率参数曲线模型，对生产过程监控，采用钉钉APP在移动端报警；
4) BI统计分析：BI系统上云，对协鑫生产数据做多维度统计分析；
5) 生产数据大屏：通过云上“数据大屏”技术，建立车间和事业部生产大屏看板等多方关联内容。
在光伏切片生产过程中，数千个生产参数都会影响切片良品率，例如硅锭品质、砂浆温度、砂浆密度、设备零配件健康程度等多变量组合的细微变化，都可能直接改变生产成本、产量。基于阿里云的大数据分析算法，对硅片生产过程中采集到的全部变量进行完整分析，找出与良品率密切相关的重要关键变量，采用关键变量为协鑫搭建生产参数曲线模型，在生产过程中关键变量一旦超出模型范围，监测系统就会报警。经过阿里云在车间试点、一期项目实施，协鑫团队不断总结生产干预措施，每天开会分析数据，向数据决策转变，项目实际效果超过了协鑫管理层预期，良品率降低1%以上，每年节省数千万生产成本，采用“工业数据智能”的新方法逐步实现着一个又一个小目标。正如阿里巴巴秉承的“一切业务数据化，一切数据业务化”的DT理念，苏州协鑫上云的长期目标不是提升良品率，而是真正把“活”的生产数据用好。
“协鑫大数据平台”架构体系如上图所示，分为车间源数据、大数据存储分析区、业务区三个部分，具体实现功能包括：
1） 数据上云：保障单车间15天全量数据批量上云；全车间切片机、分选机、MES数据准实时上云。
2） 良品率关键参数筛选：通过大数据对全量参数的分析以及生产经验，提出待分析的重要关键参数。
3） 关键及全量参数标准曲线模型：通过数据建模，给出关键和全量参数生产过程中各时段曲线变化范围，实现算法模型的自动运行与更新。
4） 生产过程监控报警：生产过程数据流式上传，通过流计算服务实时监控。并基于参数曲线模型，遇到异常情况报警。
5） 良品率预测：对影响良品的关键参数做多变量分析，给出可调节参数的建议值。
6) 备件损耗分析：通过聚类分析、深度学习等算法，监控关键参数，实现备件损耗提前预警。
7) 大屏看板：在每个车间、事业部建立大屏看板，如下图所示。
8) BI分析：30个主题多维度统计分析，支持自定义时间、参数，分析参数间数学相关性，BI分析示意图如下。
中国制造行业整体从“粗放式”向“精细化”转变，众多工业企业正在从“劳动密集型”向“技术密集型”转移，以工业大数据为代表的“新制造”技术，成为支撑制造业转型升级的中坚力量。苏州协鑫领先全球的中国制造企业代表，正在跨界混合式创新中为工业同行摸索出了一条“工业互联网”的转型路径。数据成为企业发展的重要战略资源，公共云为转型企业提供普惠计算资源与数据分析服务，专家经验与数据智能融合一体，在数据闭环的正反馈中持续提升生产效率和产品品质。
协鑫的“工业智能模式”能够复制到国内外很多同行企业。协鑫负责获取数据，提出生产问题、分享生产经验，而阿里云提供工业云服务、大数据分析建模等工作，让制造企业在“数据-经验-模型”的机器学习周期中持续改进，采用互联网架构打造工业级数据分析平台。
工业与大数据、云计算、物联网的“跨界重混”，助力协鑫集团向“两条主线，四网一云”的总体战略大步迈进，在云上逐步实现绿色可持续健康发展。“两条主线”之一指协鑫从硅材料到光伏装备制造、系统集成、太阳能电站建设运营的光伏一体化产业链，之二是从天然气开发到液化、储运最后供给天然气发电的清洁能源一体化产业链。“四网”即协鑫集团的电网、热网、天然气管网、信息网。“一云”即协鑫构筑的大数据能源互联网云平台。协鑫集团的“数据加速器”已在云端激活，正在唤醒光伏上下游产业链中的每一家企业。