從改革開放到現(xiàn)在已經(jīng)有40年了,中國的工業(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)在的中國智造,每個階段的成就都來之不易.雖然整體還算不上完全的世界一流,但已名列前茅,多項創(chuàng)新和技術(shù)問鼎世界第一,不得不說的是,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)設備儀器,幾乎都要用到各種各樣的晶體或振蕩器.中國智造已揚名海外,我國科研人員研發(fā)的超級計算機,多次比賽中位居NO.1,也是全球的汽車進出口大國,基礎(chǔ)建設方面更是令國外驚嘆,被譽為”基建狂魔”,目前也正在努力實現(xiàn)工業(yè)4.0計劃.

工業(yè)4.0用比較抽象的話來概括,就是生產(chǎn)環(huán)節(jié)的數(shù)字化,改變工廠的運營方式,提高生產(chǎn)效率.通過自動化和人工智能實時地解決生產(chǎn)問題.實現(xiàn)這個目標的重要一環(huán)就是IIoT(IndustrialInternetofThings),也就是工業(yè)生產(chǎn)設備都能夠接入網(wǎng)絡中,并且產(chǎn)生大量的數(shù)據(jù).所以將數(shù)據(jù)交給誰,還要在正確的時間和位置給出這些數(shù)據(jù),最終讓數(shù)據(jù)指導生產(chǎn).都是實現(xiàn)智能制造的核心所在.實際上云大數(shù)據(jù)以及AI,都為解決這個問題而存在.尤其AI是用于海量數(shù)據(jù)分析的大趨勢,將基于AI的實時監(jiān)控與數(shù)據(jù)分析工具,連接到IIoT設備和平臺.

工業(yè)4.0可以分成三部分,或者說三個階段.前兩者關(guān)乎IoT設備和工程系統(tǒng)(engineeringsystem),這兩者會與智能做融合,達到監(jiān)測、分析、預測生產(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設備設施、工程與企業(yè)級系統(tǒng)都完整互聯(lián),實現(xiàn)大數(shù)據(jù)流、知識庫的跨生態(tài)系統(tǒng)共享、管理和優(yōu)化.

第三階段可以認為是智能制造未來方向的某種共識.不過這么說似乎還是有些虛,在理論層面說得更具體些:目前智能制造著力的還在前兩個階段,即智能應用和智能系統(tǒng).這里的智能應用,也就是應對不同制造場景、部署在工廠中的具體應用,例如前文提到的HMP健康監(jiān)測與預測維護,再比如應用了AI的DFD動態(tài)故障檢測、CM新型腔室匹配等.而智能系統(tǒng)則強調(diào)將所有的應用串聯(lián)起來,構(gòu)成檢測、分析、預測的閉環(huán)結(jié)構(gòu),在閉環(huán)形成過程中,借在智能制造方面的數(shù)據(jù)經(jīng)驗積累,外加工廠本身產(chǎn)生的數(shù)據(jù),去強化閉環(huán)的每個環(huán)節(jié),并最終做到自適應,應用和系統(tǒng)能夠自主地發(fā)現(xiàn)、分析和解決問題.

根因分析、預測:

除了智能應用和智能制造,第三階段就是我們后續(xù)的藍圖了.將我們的生態(tài)系統(tǒng)和工廠內(nèi)部,所有的其他設備,其他的智能系統(tǒng)連接起來,通過設備乃至系統(tǒng)彼此間的溝通,真正實現(xiàn)自主解決問題.在我們的理解中,也就是在整個工廠構(gòu)成更大范圍的不同系統(tǒng)、組織間的互通和智能.實則也有著類似的藍圖.除了前文提到的數(shù)據(jù)范圍的擴展,資深解決方案架構(gòu)師VickyQiu在”智”動化與工業(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”.這個理念實際強調(diào)的,還將互聯(lián)和智能的范圍做了進一步的外延.

不過這些可能離我們還略顯遙遠.現(xiàn)階段正在落實的,如HMP這樣的應用講究的是獲取工廠和設備的追蹤數(shù)據(jù)(tracedata),進行數(shù)據(jù)分析,并實現(xiàn)根因分析與預測性分析,實現(xiàn)決策支持.比如說工廠生產(chǎn)了晶振,和良率不過關(guān)的石英晶體,部署數(shù)十萬傳感器,針對數(shù)百道工藝步驟做數(shù)據(jù)追蹤,借由AI針對這些數(shù)據(jù)做追蹤數(shù)據(jù)分析,獲得分級排序的根因結(jié)果,以及進行預測——對設備或生產(chǎn)做預測性維護、基于大數(shù)據(jù)分析即時優(yōu)化工作參數(shù)、借由模型實現(xiàn)系統(tǒng)和供應商的優(yōu)化等.這么說還是太過抽象,首先說一說這里的根因分析.

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

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

一般制造行業(yè)發(fā)生不同的fault時,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)曲線會是某一種表現(xiàn)方式,mis-alignment的時候數(shù)據(jù)又是另外一種表現(xiàn).通過歷史數(shù)據(jù)的不同表現(xiàn)方式,跟實際的fault,結(jié)合起來進行實時分析,系統(tǒng)就能初步判斷這可能是什么樣的問題.除了這種根因分析,借由追蹤數(shù)據(jù)還能實現(xiàn)預測,包括預測維護、工作參數(shù)優(yōu)化、系統(tǒng)/供應鏈動態(tài)優(yōu)化.比如HMP實現(xiàn)的就是預測維護(predictivemaintenance).預測維護的價值在于提高維護效率,減少成本.

打了個比方:比如你有一輛車,通常每5000英里需要保養(yǎng)一次,這是基于時間的維護(time-basedmaintenance),而預測維護則是condition-based,比如我可能會把發(fā)動機的轉(zhuǎn)速或者溫度數(shù)據(jù)等等,都結(jié)合起來,預測我下一次可能會出現(xiàn)什么問題.這種分析是實時的,可能會告訴你說現(xiàn)在汽車運轉(zhuǎn)良好,一個月以后需要進行一次維護.

固定一個時間,每隔一段時間做維護,可能會造成幾個問題,第一是過度維護(over-maintenance),第二是可能我們想到要做維護的時候,問題就可能已經(jīng)發(fā)生了.所以我們需要數(shù)據(jù)驅(qū)動的預測分析(data-drivenpreditiveanalysis),實時對關(guān)鍵參數(shù)做監(jiān)測和分析,做到更準確的維護.

本文首提到的案例就是典型的預測性分析,這里還是來看兩個具體的例子.首先是RUL分析(Remaing Usage Life,剩余使用壽命),上圖左側(cè)是生產(chǎn)設備各種參數(shù)的實時監(jiān)控,包括了壓力、溫度、振動等.根據(jù)所有的參數(shù),分析漂移趨勢,通過算法就能夠了解到當前機器的健康值,并且預測設備壽命.

除了設備健康分析,這類應用實則針對產(chǎn)品也是有分析預測價值的.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),實時分析在生產(chǎn)過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)會有風險;黃色表示現(xiàn)在有風險,但短期內(nèi)不會加劇…依此類推;甚至進行實時的質(zhì)量分析,給產(chǎn)品健康狀況預測打分.這些都是BISTel HMP的典型應用.

HMP解決方案的幾個功能特性能夠總結(jié)上面這些提到的智能制造的特性,包括工廠范圍內(nèi)的實時監(jiān)控,錯誤檢測,錯誤分類(Fault Classification,這個環(huán)節(jié)包含了設備問題的分析,減少排插、修復時間),以及最終的預測分析.減少非計劃停機,提升設備的資產(chǎn)利用率,維護成本降低,自然也就增加了產(chǎn)量.

與此同時,通過AI來持續(xù)改善解決方案的質(zhì)量.數(shù)據(jù)很重要,因為我們需要具備know-how的能力,就是在發(fā)生問題時參數(shù)數(shù)據(jù)是什么樣的.后續(xù)就能通過不斷的學習去改善AI模型.目前我們的發(fā)展藍圖,是集中在人工智能的自我學習、自我完善方面.智能應用本身已經(jīng)做得很完善了,下一步就是怎么讓它去實現(xiàn)自主性,自主學習、自主擴大知識庫、自主找出解決方案.

協(xié)力中國制造

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

實際上,HMP只是BISTel諸多智能應用中的其中一例,實則在監(jiān)測、分析、預測三個環(huán)節(jié)都有不同的應用.比如前面提到應用于監(jiān)測環(huán)節(jié)的DFD,應用于分析環(huán)節(jié)的CM,HMP在BISTel的智能系統(tǒng)中位處預測環(huán)節(jié).這些應用的核心都在助力智能制造.

一直以來,許多人都認為主要競爭對手實際是企業(yè)內(nèi)部的自己解決方案.但與此同時,也會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.比如在應對中國制造2025計劃時.中國制造2025計劃,中國期望開發(fā)自己的AI技術(shù),并且成為智能制造的No.1.許多中國企業(yè)都有自己的需求,想要建立自己的解決方案.所以我們會合作,根據(jù)客戶需求,在我們產(chǎn)品的基礎(chǔ)上,去實現(xiàn)一些產(chǎn)品的共有.

AI人工智能已經(jīng)是未來發(fā)展的大熱趨勢,不僅只是體現(xiàn)在語音,視頻,視覺效果方面,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,無論是尺寸,性能和功能方面,都更上一層樓.工藝復雜技術(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.