基于项目案例的智能制造实战培训
此文应某杂志邀请而作,按照正式发表论文的体裁。
一、前言
目前中国智能制造的培训在两个方面较弱:(1)现场案例不多:很多培训依然停留在智能制造重要性的讲解,以及各大公司在智能制造方面的一些作为,即“做了些什么”?而我们的培训,一来是基于自己完成的智能制造案例,二来是侧重于说明在智能制造方面“如何做?”。(2)对于工程建摸、机器学习和智能系统开发涉及较少:这三点是智能制造与其它制造比如数字制造的关键区别。在目前中国特定的智能制造历史阶段,虽然基础自动化和数字化对制造业仍然有很大的帮助,但这些毕竟不是智能化,而只是智能化不可缺少的的基础。我们的培训侧重于智能制造这三大主体领域,尽管也对其它领域比如MES做一些简单的介绍。
中国智能制造技术基础目前很薄弱。在从机械化向自动化、数字化和智能化转型过程中,补课占比较大。企业目前发展阶段主要居于自动化和数化。在以工程问题建模、机器学习和智能系统开发为主要持征的智能化方面,目前多集中在智能制造外围比如智能仓储等。对制造过程核心领域的优化工作,目前主要集中于几大平台开发商。
但是中国的智能制造发展较快。继两化贯标后,政府对智能制造的支持力度较大。可以预见,在未来2到3年,智能制造环境会显著改善,由目前用于看板的数据,转向基于模型建立机器学习和智能系统开发所需要的高质量数据,将逐渐得到较好保障。目前本团队在为制造执行系统MES安装已开发成熟的缺陷预警系统以提供生产指导和降低次品的同时,正大力进行智能制造培训;同时在条件成熟时,进行一些设备软件(智能系统的设备版)的开发。
由于中国在制造过程优化所需要的工程建摸、机器学习和智能系统开发方面实际案例不多,本团队也借助于自已在德国、美国、和韩国已完成的案例,除了团队在中国大型企业的案例(比亚迪和南钢等)之外。基于案例的教学深入到了“如何做”的层面,比市面上更近一步。未来几年中国将进入智能制造“如何做”的主战场,因此现在提供这方面的培训正当时!
二、基于案例和资源的培训
主培训师早年在德国做博士课题时完成了国家级DFG德国科研技术协会的总投资达100万德马克的大型项目,并著书一本。毕业前夕,主培训师受聘于美国摩根建设公司(今西门子)的高级工程师,主管其模型开发。主培训师利用该公司100多年来所积累的大量数据,开发了三组100多套模型。此后主培训师带着这些模型到工厂第一线开发智能制造系统;在作为软件工程师/软件顾问期间,完成了为期八年的30门计算机课程,开发了五万页的大型网站和几十个APP,并实现了面对对象编程、SOA和企业版WINDOWS等一系列计算机理论的突破,达到了美国计算机博士的水平。
考虑到中国目前技术基础的薄弱以及对智能制造技术的渴望,我们决定利用本团队在德国,美国,韩国,中国等国家200余智能制造的现场案例,以及在世界各国整理收集的百万页资料,进行一系列的技术培训,提高中国制造业智能制造的水平。
本团队几十年来一直在用智能制造的方式解决制造业问题,即使在早先智能制造这一术语尚未在世界范围流行,我们就已经在做高端制造业的数据采集、工程建模、机器学习和智能系统架构开发,通过智能软件产生出生产过程中的最佳参数组合,转给基础自动化执行。早年主要在欧美,之后也在亚洲(中国和韩国等)特别在中国的一些大公司。
表1:主培训师的德国工程博士和美国软件博士经历
国别 |
时间 |
研发内容 |
德国 |
1990-
1995 |
-
有限元人工智能模型开发 (德国DFG一百万DM)
-
书出版:材料大变形温度/力学有限元模拟(1996,
德语版)
-
开创了有限元模拟在复杂断面生产方面工厂应用的先河 |
美国 |
1995-
2005 |
-
摩根,一百多套生产过程模型(1995-1999)
- 8年30门计算机课程,包括在职培训
(1998-2005)
-
软件工程师 (凯斯凯特)+软件顾问+5万页网站+智能软件
-
计算机理论的突破:OOP+SOA+企业版Windows等等 |
表2:主培训师个人所完成的项目
主培训师:模型/智能系统项目 |
数目
(120个) |
自动化智能系统/金通技术库/金通质量包开发
材料加工基础自动化及模型/工艺智能系统支持
产品力学性能改进
材料加工应用软件开发
材料加工生产率提高
加工过程及加工工艺规程开发
加工过程模型开发 – 数值模型
加工过程模型开发 – 经验模型
材料加工产品形状/产品性能及成品率改善
网路,材料加工网上软件及材料技术资源开发 |
(24
项目)
( 5 项目)
( 4 项目)
(15 项目)
( 4 项目)
(11 项目)
( 9 项目)
(28 项目)
( 5 项目)
(15 项目) |
表3:美国金通所完成的项目(包含主培训师指导或参与的项目)
美国团队:
材料加工项目 |
数目
(116个) |
智能系统开发
智能系统咨询与优化
镀锌、涂覆和精整生产线
酸洗线
加热炉
连铸机工段
精加工生产线
冷却除鳞系统
标记和探测系统
钢轨厂
型线材厂
中厚板厂设备
轧制设备厂
板坯厂 |
(11
项目)
(14
项目)
(13
项目)
(6
项目)
(13
项目)
(7
项目)
(4
项目)
(4
项目)
(9
项目)
(4
项目)
(10
项目)
(4
项目)
(10
项目)
(7
项目) |
同时,本团队在过去30年,在德国、美国和加拿大等国各大图书馆收集整理了大量的智能制造相关资料,达百万页之多!将这些资料融合进大量智能制造项目而进行的案例培训,对学员是一个绝好的学习机会!这使得学员能够真正学会如何做智能制造。试想一个讲员如果自己不知道如何智能制造,自然没法教会学员;而如果讲员手头的技术资料不够全面,学员所能学到的东西也会大打折扣!
表4:培训所调用的主要技术资料
组 |
技术资料 |
万页
(等同) |
1 |
2019年11月在德国亚琛大学图书馆下载的200多本工业4.0/智能制造的相关书籍(PDF版) |
8 |
2 |
2007年夏天在科罗拉多某图书馆四天所下载/收集的相关资料 |
12 |
3 |
从德国带到美国的某15年研究成果包括40多篇博士论文及相关模型 |
3 |
4 |
多年间从美国卡耐基梅隆大学图书馆、匹茨堡大学图书馆和著名的匹茨堡市属卡耐基图书馆所收集到的大量技术资料(主培训师可借阅所有图书馆的书籍),比如卡耐基梅隆大学的各年世界某自动化年会会议录就有几十本 |
20 |
5 |
从美国麻省理工和哈佛大学相关图书馆所收集的技术资料 |
10 |
6 |
从美国俄勒冈州几所大学比如波特兰大学及OGI研究中心所搜集到的相关资料 |
10 |
7 |
从加拿大温哥华大学 (UBC)
三天所收集的相关技术资料 |
3 |
8 |
五万页金通网上技术咨询部分关于产品质量及优化技术的一整套解说 |
1 |
9 |
五万页金通网上3000多自动化控制/智能控制软件的主要技术 |
1 |
10 |
五万页金通网上几万条技术数据及相关模型(数据以模型的方式给出,误差通常低于1%) |
4 |
11 |
五万页金通网上的其它技术资料,比如几十个工业APP、几十篇发表的欧美论文和三本在欧美发表的书籍(比如某本合著在中国售价2541元) |
5 |
12 |
美国摩根资料室大量的技术资料,以及该公司一百多年间从世界各地客户所收集的大量技术数据 |
10 |
13 |
其它总计 |
20 |
三、工程建模、机器学习和智能系统主体技术
目前中国的智能制造主要在制造过程的首尾两端,比如智能仓储来料及成品的运送等等,而对智能制造的主体过程,比如生产过程的优化,涉及的不是很多。我们认为智能制造的主体首先应该是工程建模,将生产过程中的主要工艺参数和主要产品问题进行建模,以便于优化解决;其次是机器学习,将工程建模所得到的模型,基于现场数据通过机器学习以优化模型系数,使得模型与生产线充分绑定;第三是智能系统架构与开发,要把大量的现场工程模型整合起来,再加上大量的现场场景用例,整合起来编入智能系统。所谓场景用例,主要是现场各个工程师所要解决的所有现场问题。从理论上说,基于智能系统的生产使得现场不再需要用人工的方式去解决这些问题。当然,这些工程师/技术人员将转到后台,持续优化此智能系统;优化后的系统将由现场人员操作以完成生产。同时经理人员注重观察此系统生产的成果以及可能的问题。这样大家劲往一处使,生产持续优化!所用的这类控制系统便是我们所说的智能制造系统。在智能制造头尾部分的优化固然也重要,但是最核心的应该是生产过程方面的智能制造优化。
四、三种尝试试探中国企业及学员智能制造基础
1、现场项目
经过几年与某大型企业的合作,虽然完成了项目的第1、2和3期工程,但是也明显感觉到现场提供智能制造层面的高质量数据很吃力,尽管这些数据基本满足以数据看板为代表的数字化制造。比如企业的MES系统,没有刀具信息,因此,关于刀具使用情况的相关数据,只好到检片机数据库中寻找,而检片机经常与生产线连不上网;本来这是个小问题,但是现场表示必须由第三方网络维护商来解决,这样总是拖很久,而且检片机的供货商也很不愿意我们从检片机中取得数据。尽管每家在台面上都声称自己有海量的数据,但是真正满足高质量智能制造需求的数据却很少,而且往往拖上很久!这样智能系统供货商的成本就巨大。企业对于现场遗漏数据的问题没有明确的惩罚制度,导致现场数据完整性较差。小企业往往根本无法采集所需要的高质量数据。感觉到数据问题是目前中国智能制造的最大障碍!
2、五次基础培训之后的“怎么做”
首先我们进行了十讲五次课程的初级培训,这一培训重点是教给学员在智能制造中要做什么?因为我们发现中国行业中因为误解而造成的一系列损失相当大,比如在建设智能制造产线时,因为不明确什么是智能制造,而将只建成了基础自动化控制、MES和ERP等的产线,误认为是智能制造产线,缺乏智能制造核心智能系统。这类产线只有工程师可以运行,因为工程师自己具有生产过程的智能,但是操作工人,因智能有限,在操作中很难将大量数据变成智能,操作起来相当的困难。由于此类智能产线问题较多,产生效益较慢,甚至出现了投入则快死,不投入则慢死的两难境地!因此,我们第一阶段的培训侧重于让学员知道智能制造应该“做什么”?
但进入第二阶段,要教给学员“如何做”时,却发现需要解决的问题非常多。回想起自己所走过的路程,经历了几十年!智能制造其实需要在工艺、产品、设备、自动化、数据采集、模型和软件等一系列领域,都要有极强的背景,最好都在现场实际工作过!由此可以判断出,仅凭几次课程,很难让学员迅速达到如此高的级别。为此,我们决定在新的一年内,举行几十次智能制造讲座,努力为中国培养出一批智能制造的专家。
3、招聘的应聘情况
最近本团队发出了招聘智能制造技术总监和智能制造专家等总计几十人的广告,明确要求招收具有工程建模、机器学习和智能系统架构开发背景的人员,专注于制造过程的优化。只有个别正式应聘者,仍不满足要求!中国声称搞智能制造的人很多,但是面对智能制造连应聘都不敢,这说明中国在此领域真的很弱,急迫需要智能制造培训!
五、全年培训的主要内容
国内目前在智能制造主体领域(制造过程优化)方面的培训较少,此次培训侧重于此方面,而略去了制造过程之前和之后的领域。首先对企业现场工艺、设备和产品质量等问题进行工程建模;其次,基于所建模型与现场所采集的在线数据进行机器学习;再次作为重点,基于上述两阶段进行智能系统的架构与开发。智能系统所包含大约1/3的工程模型和大约2/3的场景(Use
Cases) 和用例 (User Scenarios)。在上述每个领域都有很多课程。所有讲座的技术点都基于已经完成的智能制造项目。然而,在上述三部分之外,各个标杆项目及其它项目,单独列于一组,称为智能制造之现场问题分析。此外,还有大量课程属于智能制造背景基础,不属于上述任何一组,可列入概述与需求组。
表5:课程内容详述
组 |
类别 |
课程主要内容 |
次数 |
I |
智能制造概述与需求 |
智能制造中除了下述各专门领域之外的基础技术,包括多级计算机控制,基础自动化,MES,
ERP,以及学习方法等 |
11 |
II |
智能制造(生产过程优化)之工程建模 |
工程的问题包括各个工艺参数之间的协调,主要关键参数的计算,来料的参数和各类工程参数对产品质量的影响等等。讲座基于传同行业和新兴行业各100多套模型的实际案例,以及主培训师为某大学和某公司所进行的三天建模讲座。 |
8 |
III |
数据采集、数字制造、机器学习,及现场状况 |
首先基于数字制造收集现场各动态数据,然后对已经建立的工程模型进行机器学习,用大量的在线数据反校工程模型中的模型系数,使之与现场的工艺、产品、设备等充分绑定;随着设备和生产情况的变化,模型系数跟着变化,因此模型是与生产线充分绑定的。讲座基于现场的实际案例,以及自学逻辑问题的解决方案等。 |
7 |
IV |
智能系统(生产过程优化)之架构与开发 |
基于已形成模型(大约1/3)和生产线的各种场景用例(大约2/3)。场景用例主要是各个工程师所解决问题的解决方案。场景用例也包括一些产品的独特问题方案,比如当厚材加工成薄材时,由于材料两端温度较低,进行同样压下时头尾部因温降较快而比中间部分厚,需要场景用例的解决方案。通常先应架构出相应的软件,再由编程团队进行编程。 |
12 |
V |
智能制造之现场案例分析 |
除了上述各处调用现场案例分析的各个技术点之外,此处的案例分析综述各个项目;此外团队正在研究的各个智能系统内容分享。 |
14 |
六、智能制造培训标杆项目介绍
主培训师早年在德国完成的热学加力学的有限元人工智能模型,开创了此模型技术在工厂层面大型复杂断面最终形状预报和生产过程优化的工厂应用先河。在美国摩根建设公司(今西门子)的模型开发,完成了三组100多套模型,包括材料变形模型系列、材料的力能及功率需求模型系列、以及材料微观组织和力学性能预报的模型系列。此后带着模型到工厂第一线开发智能系统,为凯斯凯特公司主导开发了金属冶炼的电炉、精炼炉和连铸三套二级系统(智能系统)。见表6。
表6:标杆项目
标杆客户 |
标杆项目 |
弗莱堡实验室 |
(德)德国科研协会项目,人工智能+离线模型 |
摩根公司 |
(美)制造过程一百多套模型开发/离线模型开发 |
凯斯凯特 |
(美)三套二级系统开发/在线模型开发 |
俄勒冈公司 |
(美)模型要求↑,开发了新一代二级系统 |
浦项公司 |
(韩)生产线工艺/设备优化←网上的智能设计软件 |
南钢/太钢等 |
(中)二级系统优化:新一代二级系统的应用 |
太原科大等 |
(中)制造业/锂电池智能设备研发 |
比亚迪等 |
(中)锂电池制造二级系统开发,软测量技术 |
特斯拉公司 |
(美)锂电池极片缺陷模型(内华达超级工厂+加州研发) |
在之后主培训师依着德国工程和美国软件双博士的技术基础和坚实的模型背景,在世界各国任职智能系统开发的技术顾问,先后完成了美国俄勒冈公司、韩国浦项公司、中国南京钢铁和比亚迪,还有美国特斯拉等大型国际标杆项目。
俄勒冈公司传统高端材料项目:硬而薄产品生产过程中原来每天都有次品,完成后到半年回访时被告知这半年都未曾有同样的次品。
图1:毛刺长度通过模型预报和实际测量(影响因素有十几个,包括刀具质量和使用,工艺参数和来料质量等)
比亚迪锂电池智能制造相关项目:毛刺缺陷是引发锂电池着火的主要因素(三星手机锂电池爆炸事件、比亚迪锂电池事件)。合作之初,该厂用此极难建模的极片分切毛刺预报模型对本团队模型水平进行严格考察,要求模型命中率
85%,本团队达到了 98%命中率;目前项目二期(毛刺预警和项目三期(刀豁口测量)已完成,并针对中国制造业数据采集能力较弱的现状,成功应用行业难度极高的软测量技术。软测量就是在某参数难以直接测量时,利用高精度模型将待测量的参数预报出来;此缺陷预警系统基于比亚迪MES和质检数据。按照比亚迪内部对此项目合作的评估,目前市场上仅有金通一家能提供此结合了设备和自动化的工艺/产品模型系统。图1展示了基于锂电池极片运行参数所预报出的毛刺长度,与实测毛刺长度的比较,命中率在98%以上!
电子制造相关项目:诸如创维和TCL,还有广业等十余家企业。此外尚有大量的网上资讯项目:工业4.0国网Meta4-0.com
上的几十个APP,数万页数据和几十个类别的技术资料等等。
七、培训作为聚拢人才的重要途径
智能制造人才需要既在工程的工艺、产品、设备和自动化领域,又在软件工程(架构和开发)和数据采集等领域,有较强的技术背景。如果需要在相关领域都有工作经验的话,至少20年方可成熟;特别是中国,目前在这些综合领域里运作的企业不多,而且因过于追求业务模式创新而使得多年在技术领域专注的高质量人才相对不多,因此真正的智能制造人才极为紧俏。我们的培训侧重点在于将这些多专业的高质量人才聚拢在一起,并对其技术水平进行进一步提升,以满足本企业及相关企业智能制造的需求。
由于培训所采用的国际项目和国际资源收集所涉及的成本巨大,我们仅以实际成本的1/10作为培训费用,而且如果是学员自费的话,又再可以减半。
八、综述
正在进行为期一整年的智能制造技术培训。培训基于自己及团队在德国、美国、中国和韩国等已经完成的200余智能制造项目,以及基于在德国、美国和加拿大等主要图书馆收集的百万业技术资讯。培训的目的主要是聚拢人才以及对其技能的进一步提升,因此,培训费仅为实际成本的1/10,且如果学员自费的话,培训费减半。
另见:
此文的PDF版
工业4.0元宇宙网
(Meta4-0.com) 案例培训相关资源
培训总述,
相关论文,
近期课程,
课程总述,
培训资源,
培训师,
授课经历,
学习方法,
现场项目,
案例实战培训
=========
报名咨询:请扫描下图加微信,或加 myQQfriend,备注
智能制造培训;全年报名
(报名后获得每次培训/免费讲座的通知)。若有各类问题需要免费咨询,也请报名,参与我们的智能制造诊断/规划/咨询答疑。
|