大数据赋能A铝厂首个五层一体钎焊板工艺开发落地

田增产,刘欢欢,郑 伟,李 娟,苏尧臣,魏静东

(上海交通大学 机械与动力学院,上海 200030)

因铝材具有的轻量化和环保可回收性的特点,被广泛用于汽车、航空和建筑等行业。A铝公司自1888年起创立制铝至今,拥有3万多项制铝专利,是铝加工行业奠基人和领导者,一直致力于轻量化材料开发和工艺研制。A铝厂技术中心研发的厚度小于0.2mm五层钎焊板新材料较常规三层板材料在耐腐蚀性和结构强度上大幅提升,市场前景广阔。但由于新工艺技术参数复杂,生产难度大,试验成本高,公司管理团队决定引进大数据技术,即以新工艺成熟落地为导向,实施大数据项目,采集生产、设备、工艺和质量数据,建立工艺数据库,通过神经网络算法训练新工艺参数质量预测模型,并且进行持续学习训练,加快新工艺落地,降低开发成本。

1 研究背景和需求分析

铝材制品近年来被广泛用于汽车、航空和建筑等行业。与钢相比,铝合金的密度约是钢铁密度的1/3,具有质量轻、耐腐蚀性好、易于加工等特点,是近年来汽车上使用最多的轻量化材料[1]。研究表明,用铝合金代替低碳钢、铸铁或者高强钢,可以实现30%～60%的减重效果,汽车各项性能得到大幅提升,且每千克铝合金的使用可以减少13kg～20kg温室气体的排放,具有显著的环保特点[2]。

A铝昆山工厂属于有色金属压延行业,专于生产高附加值的复合铝新材料。工厂占地12万m2,拥有钎焊板全流程加工生产线,工厂生产的钎焊板铝合金为汽车散热器、空调冷却器和工业冷却器提供原材料,直接客户为电装、丰田通商、爱斯达克等汽车部件生产商,终端客户为丰田、大众、宝马、塔塔等。在中国区占据市场的份额20%左右,还有日韩、印度和东南亚市场的出口业务。在与竞争对手对比分析中,A铝昆山工厂目前已失去绝对领先优势,为加强核心产品竞争力建设,需开发差异化产品重回行业领先地位。并且目前国家大力发展新能源汽车产业,而铝合金与汽车行业关联紧密[3,4],因此提高铝合金产品品质及生产效率,既有利于提高企业核心竞争力,也符合“低投入、高产出、低消耗、少排放、能循环、可持续”的提质增效绿色发展策略。

铝合金钎焊板的生产一般采用三层板一体复合技术,即上下为合金,中间包含芯锭合金在加热到一定温度后保温3h出炉经热轧工序进行轧制生产。五层钎焊板技术是在三层的基础上增加了两个中间层,工厂热轧段将厚510mm×宽1460mm×长5000mm的复合板材经过热轧机往复轧制成厚3.5mm×宽1400mm×长700 000mm的铝卷,使多层板的不同金属均匀延展融合在约700m的卷材上,并经过冷轧持续轧制到0.2mm以下,保持五层复合状态。

新复合的材料在耐腐蚀性和结构强度方面较三层板材料更加优异,能够显著降低材料厚度和延长产品寿命[3,4]。五层和三层的复合都是在热轧工序完成,结合面的增加使得复合难度提高,因此难点也集中在这个工序。五层板复合的主要问题是复合率不达标、气泡增多、错层等,需要通过工艺参数控制进行解决。三层和五层钎焊板合金结构对比如图1所示。

昆山工厂具有钎焊板合金三合一高度成熟工艺,下单后交付周期57d,产能5万t,其制铝技术在国内属于前沿,享有良好市场口碑。但国内行业竞争激烈,利润率不高,且国内多家公司也有三合一铝合金生产线,具有较高的铝合金制造水平,给昆山工厂带来强烈的竞争压力。

因此A铝昆山工厂亟需进行产品升级,从三合一产品的竞争红海中突围,以提高竞争优势,保持利润增长。五层板因质量轻,具有较高的耐腐蚀性,考虑到亚太区市场巨大的需求量,A铝集团总部期望在昆山工厂实现新工艺量产以提高企业竞争力。然而实现五层板一体复合技术的新产品量产绝非易事,昆山工厂三合一量产水平的设备、技术、人员、工艺等诸多因素都成为新工艺落地的限制因素。

2 新五层板工艺落地问题分析

2.1 工艺缺陷问题分析

五层钎焊板的在北美工厂成材率仅为65%,远低于目前三层板90%的成材率质量水平,如果直接投入生产,报废的铝材将会产生巨大损失。提升成材率是衡量工艺开发是否成功的标准,于是公司组建专项小组进行新工艺开发,目标成材率目标设定为90%。开发小组成员先通过对制造过程中三层板产品缺陷的统计,发现导致产品缺陷的原因中,复合层脱落缺陷占比57.91%,严重影响成材率。五层板复合层脱落及缺陷形态如图2所示,其缺陷占比分析如图3所示。

图3 钎焊板缺陷占比统计

对三层板工艺控制进行过程潜在失效模式及影响分析(PFMEA)(图4),锁定缺陷发生位置多位于热轧工序。但热轧工序工艺参数较多,过程复杂,无法直接锁定造成产品缺陷的原因。因此公司决定以工艺成熟的三层钎焊板工艺历史数据及开发经验规则为切入点,对五层板钎焊工艺进行开发。

图4 板材复合脱落缺陷的潜在原因分析

通过对缺陷中占比近58%的板材复合脱落缺陷进行分析,将潜在的失效原因根据其特点提出解决方案。其中“复合板轧制力/厚度/温度”等关键参数采用实时在线监控控制,捕捉最优工艺参数的设置,将基于三层板成熟工艺参数下构建复合板轧制工艺模型,预测五层板生产过程中问题,不断进行迭代优化;然后进行参数锁定和小批量生产验证,采集生产过程数据,通过神经网络算法拟合五层板工艺质量预测模型,再进行试验迭代优化工艺参数直至实现目标合格率。

2.2 难点分析

五层板因其材料接合面的增加,对工艺控制难度成倍增加。工厂目前现行的生产制作流程包含熔铸、焊合、热轧、冷轧、剪切、包装等(图5),其中热轧是五层板结合成功与否的最关键工艺。

图5 五层钎焊板生产工艺流程

基于昆山工厂现有加工设备及工艺技术的基础,开发五层板工艺存在以下挑战:

(1)开发周期长。五层板工艺相较于三层板,对工厂加工设备、工艺等过程参数的控制要求更高,尤其是对于热轧工序,需要对铝合金轧制道次的生产参数实时监控调整,以更精密的轧制力、厚度、温度以及板形响应补偿等控制来确保板材轧制的质量。而现有三层板加工工艺设备无法提供实时设备、工艺反馈参数,五层板生产过程对于加工参数有连续记录监控要求,缺乏生产数据监控能力将使五层板的开发时间大大加长。

(2)制造成本高。昆山工厂缺乏开发五层板工艺的经验,缺乏开发实验的历史数据,更多时候只能通过尝试生产参数来进行实验,开发过程的试验报废率高。原材料的大量报废也会给工厂研制成本带来压力,并且在测试过程中会占据现有生产时间,很多加工设备会因配合五层板的开发导致停机,无法正常投入生产,影响工厂运行效率。

(3)成材率低。五层板生产受铝合金轧制道次的设备、工艺、生产参数影响大,较小变异都影响五层板品质,其中复合率不达标、气泡增多、错层、起皮等质量缺陷将直接导致产品报废。昆山工厂直接进行工艺实验成功难度大,废品率高,成本不可控。

(4)对技术人才依赖高,技术资源需求大。五层板一体复合新工艺生产过程中,涉及的设备状态复杂,输出数据量大,需要在海量生产大数据中及时发现异常并有效应对,这将对相关专业技术人员的数据处理分析效率提出更高要求,只有大量资深的技术专业人才快速分析并发现异常,才能避免异常波动导致后续产品报废。

2.3 研究目标

A铝昆山工厂对于车间大数据采集和利用的数字化进程尚无成熟方案,在策划阶段对数据需求及逻辑尚无法确定,而工厂数字化前期的投入偏大,短期收益较小,所以在实施时需更加谨慎。因此各部门前期从调查需求数据着手,收集整理工段生产、设备、工艺质量等数据需求,以数据需求为起点方向,驱动整个项目向前滚动进行。期望在大数据的驱动下,工厂将实现可实时监测产生的海量数据,并且对数据进行快速筛选,将有用的信息形成可视化看板,具有报警反馈,并且利用神经算法拟合功能,对五层板的工艺开发建造仿真模型。最终目标是可以将五层板的工艺开发周期降低50%,制造成本下降30%,成材率接近90%,释放机台试验产能。

3 解决方案与关键技术

3.1 技术路线

为了实现新工艺开发项目的目标,根据项目问题前期可行性分析结果,制定实现技术路线。(1)数据采集。对五层板所需的实时连续生产数据,升级设备软硬件并采用精密传感器等监测设备,实现各类设备、工艺参数的数据采集,为五层板工艺实现打好基础。(2)数据筛选整合。对每批产品所采集到的各阶段设备大量生产数据、控制数据进行预处理,包括数据的清洗、编码与关联特征提取,并整合到同一平台进行保存。(3)数据分析、建模仿真。充分利用三层板生产的历史数据,对其中各参数以及产品各阶段品质进行分析,确定相互关系并建立全过程的生产模型,并且利用神经网络算法拟合出最优参数,为五层板工艺参数确定进行模拟轧制,找到高品质产出的复杂工艺参数集合。(4)数据智能决策及可视化。对各设备输出数据与状况进行持续追踪和分析,综合历史数据形成智能决策,异常提前预警并提供应对计划,进一步可视化最大程度减少控制作业难度,降低对技术人员的依赖程度,实时关注制造过程中产品质量,提高产品成材率。

在制定技术路线后,需要对实现新工艺最重要的机台热轧工段的特点进行分析。五层板新工艺的开发需要从多个方向来优化现有制程质量管控,包括生产规划、质量管控、设备监控及制程优化,与之对应的是完整的生产工艺设备流程的数据化,这些作为热轧产品的基础数据,通过对基础数据的分析和持续改善提高热轧产线宽度、厚度、板型、全线温度、表面质量、产能等制程控制效果,不断制造出优异的产品。在产品生产的过程中会产生大量的生产数据,再通过热轧生产大数据,借助神经网络算法对热轧工艺参数进行持续优化。建立热轧工艺参数优化逻辑,如图6所示。

图6 热轧工艺参数优化逻辑

3.2 解决方案

3.2.1 生产工艺数据采集

在五层板制造过程中,关键工位热轧线包含许多设备,设备上配备大量的传感器,同时制造生产过程还使用了多种信息系统,这些传感器和生产信息系统会产生大量的数据。这些数据来源不同,结构类型也不同,为了能充分利用数据,并为后续生产预测做决策,需要对这些多源异构数据进行采集、集成和分析。

首先,需要实时和准确的采集生产现场产生的原始数据,将采集到的数据通过现场总线、RS232、RS485和工业以太网与控制器相连,并传输到数据存储中心,从而实现对现场生产设备的实时监控,辅助管理部门做出及时、准确的决策。因此需要对不同的生产过程多源异构数据,根据其特点采用不同采集工具,其中有针对离散型数据的RFID(射频识别)技术;有针对流程型生产数据的DCS(分布式控制系统)和PLC(可编程逻辑控制器)采集的方法;还有以计算机为基础的数据采集和控制系统SCADA[8]。

其次铝板生产过程属于流程型生产,因此决定采用可编程逻辑控制器(PLC)和SCADA系统对生产过程数据采集。五层板的SCADA系统是对生产制造过程的数据进行采集和监控,SCADA系统收集从轧制设备、加热设备、冷却设备、卷取设备、传感器等传输来的数据,同时通过工业以太网实现铝板生产过程监控的互联。五层板的数据采集系统主要是面向制造执行系统的SCADA系统构建,并使制造执行系统通过接口与ERP、PLM、CRM等系统交互,实现车间生产整体互联。PLC主要是在生产过程中完成设备、环境、能耗等数据监控和采集,通过在热轧产线上安装测量温度、厚度、宽度、板形凸度、轧制力等工艺参数的检测传感器,以及采集状态信号的卷径检测装置、板头翘度检测装置、料头跑偏检测装置以及夹送辊表面检测装置等,全面感知热轧产线工艺状态。关键工艺和质量实时采集点见表2。同时为了闭环反馈控制,通过可编辑逻辑控制器(PLC)、边缘处理工控机等将这些数据进行采集与预处理,生成连续采集信号曲线(图7)。

表2 工艺参数采集项

图7 PLC采集原始数据形态

其中,数据采集时产品质量状态数据的连续性非常重要。以振动、温度、红外、视觉等监测为例,系统对产品复合层脱落、气泡、黑线等不良现象的数据进行连续采集,通过自动学习降低误判率,通过连续监测的方式,有利于生产状态及时决策和工艺参数及时调整等。如图8所示。

图8 产品质量数据连续收集

3.2.2 数据的预处理

新五层板生产轧制过程参数连续采集的数据量大,如何对采集后的数据筛选和整合到一个界面上,在同一时间上进行比对分析至关重要。

通过三层板的生产过程跟踪,发现影响板材复合率因素为温度、道次进给量、轧制力、轧制速度、自动厚度控制模型、弯辊力、辊形等相关参数,这些生产实际数据经传感器采集后集中存储到工厂数据库。在五层板试验时,我们需要把这些参数筛选出来,并整合到同一界面进行实时跟踪,试验完成后将每卷产品的这些参数整合生成一份产品报告,简化多数据手动查找过程和降低对数据工程师依赖,便于工艺工程师对试验数据库进行特征提取和对异常点改善分析。部分生产过程对工艺监控的关键数据进行汇总整合,并分析其与质量的关联特征,如图9所示。

3.2.3 数据分析、建模和仿真

原有工艺优化采用人工分选出每天产品质量最好的五组进行参数记录取均值,并选出质量最差的五组进行问题分析,记录一个月中每天最优参数进行比对和优化,找出最优参数范围,并在后期批量生产中进行校验和修正。由于产品单体庞大,参数众多,生产环境恶劣,因此原人工分选存在数据滞后性、劳动强度大,出现问题不能及时发现,造成报废率较大。同时人工分选存在疲劳等因素产生的误选、误判情况。因此,需要通过升级设备形成在线监测和数据分析上进行创新优化才能避免上述问题。

通过前期数据的预处理,数据筛选方法仍模拟原人工分选方法,采用数字化快速实时检测记录,并自动分选出质量前五和后五的数据,前五进行参数优化,后五进行简单分析发送给工程师进行深度研究,提升过程管控能力。A铝厂生产过程工艺数据采集需要毫秒级不间断获取,由于产品单体较大,生产时间较长达25min～30min,存在采集数据庞大问题。通过对各种算法的比较,采用卷积神经网络算法(CNN)对数据进行初筛,简化数据结构与数量,可显著提高数据筛选速度,处理逻辑如图10示。

图10 CNN数据网络处理逻辑

处理完成后,新工艺开发前期再运用卷积神经网络算法编辑以成熟的三层板工艺历史数据进行逻辑分析和训练,将精度达到90%以上后,进行批量三层板数据验证算法的稳定性。运用成熟的算法模型进行五层板的工艺参数优化,快速预测最优参数范围。

在实施上首先依据批量生产的三层板的生产制造过程数据库,经过数据的预处理后,依照这些大量的历史数据建立三层板轧制工艺模型,并进行试验运行优化和持续改善。三层板轧制每道次厚度、速度、轧制力等特征参数关联模型如图11所示。

图11 三层板每道次部分特征参数关联模型

其次根据五层板试验数据库在三层板模型的基础上进行优化建模,对五层板工艺模型进行仿真,通过单参数改变的不断模拟试验,来对五层板工艺模型进行参数修正。质量稳定后再通过产品试制进行参数收集PDCA优化工艺模型,后续通过对生产过程大数据的持续收集、生产过程关键数据特征提取、神经网络算法拟合优化,对工艺参数进行深度学习和预测分析,这种模式加速了新工艺落地的速度,降低了试验废料的成本。工艺道次参数设置界面模型如图12所示。

图12 工艺道次参数设置模型

3.2.4 数据可视化、智能决策

随着五层板生产数据的不断增多,需要对生产过程的产品质量进行预测和过程控制,对生产过程的轧制数据进行可视化和智能实时决策,预测和防范质量问题的发生。通过升级设备在线监测和构建热轧工艺过程控制可视化看板(图13),实时自决策或者通过报警等方式避免上述问题的发生,及时控制和反馈优化推动产品质量持续改善和成品率提升。

3.3 关键技术

3.3.1 多源异构生产工艺数据感知技术

由于五层板新工艺相较于三层板会更复杂,在生产制造过程中,控制参数更多,进而会产生大量的工艺参数数据,包括了温度、厚度、宽度、凸度、轧制力等,关联热轧生产线中的许多设备。这些设备上存在大量的传感器,同时制造生产过程还使用了多种信息系统,而生产现场的传感器和生产信息系统会产生大量的数据,这些数据来源不同,且数据结构类型也不同,为了能将数据利用并为后续预测做决策,需要对这些多源异构数据进行感知采集、集成和监控。

结合五层板新工艺对采集系统的实时性和确定性的高要求性,数据安全性和保密性,与采集装置的兼容性等特点考虑,A铝厂选择WinCC作为数据采集和监控系统的上位机软件,并基于以太网通讯技术和VB来完成软件开发。WinCC支持数据库SQL和VB编程,可以实现数据库的直接操作,数据可以写入SQL数据表中,通过VB编写的数据处理程序来实现数据采集、查询、归档、显示等功能,最后通过TCP通讯实现数据传输[7]。

3.3.2 基于CNN的工艺质量预测模型

通过多源异构生产工艺数据感知技术和数据统计预处理,对生产工艺数据进行采集和集成,实现生产大数据实时采集、监控和统计分析,然后基于CNN构建工艺质量预测模型进行工艺参数的预测和自优化。打造热轧生产设备与CNN工艺质量预测模型的实时交互实现设备智能监控、生产质量过程控制、工艺控制参数预测优化等智能化能力。以CNN工艺质量预测模型驱动优化产品质量控制、工艺参数优化,产品工艺与生产过程仿真验证等过程,缩短新工艺开发周期,同时支持后续自学习优化持续提升产品质量。

4 大数据效益分析

4.1 成功保障五层板项目落地

A铝厂智能制造一期聚焦于车间设备软硬件的升级,利用精密传感技术采集设备状态监控数据、生产数据、工艺质量数据,并结合实际运行情况进行评价、校准、筛选和优化,引入数据采集与监测控制系统(SCADA)[9]。该系统要实现数据采集分析,以及基于人机界面的远程控制,其中远程控制包括生产监控、质量监控、设备监控和环境监控等,能帮助热轧车间更好的监控生产状态,保证工艺验证、质量稳定和设备最大化利用[10]。通过一年对这些生产和设备数据的采集和监控,让工艺工程师、设备工程师和生产人员能够更快的发现新工艺试制中的问题,发现了五层板复合主要在前三道次的温度、道次进给量、轧制力、轧制速度和温度等参数之间的匹配关系,通过算法优化预测建立了五层板轧制工艺模型和并持续进行生产自优化,加快了新工艺的试验开发进度。最终仅花费一年的时间完成了新工艺在两种五层合金FGK3和FGK5的量产应用,项目实施时间缩短2/3,成品率达到65%。

智能制造二期项目目标在于数据采集后的挖掘和利用,通过开发工厂智能制造系统MI,实时统计并监控采用新工艺的多种新材料合金的生产控制状态,实现提前预警、参数优化、智能决策等,这样就减少了对专业工程师的依赖性,让生产现场人员可以实时监控质量和应对处理,为实现新工艺在大规模生产下的成熟应用提供有效支持,推动新工艺技术持续在另三种新合金(FGX系列)开发中的优化调整生产。二期项目推动成品率持续,成品率达到89.57%,超越兄弟工厂水平,接近预设项目目标。至此,五层板新工艺技术在昆山工厂取得完全应用。

A铝公司作为全世界铝加工行业的标杆企业,一直不懈追求研发并应用先进技术,领先世界时代发展潮流。通过工厂数字化转型,提取制造大数据,再通过算法优化加快工艺开发的实践,不但使公司获得差异化的竞争产品,也给公司后续产品开发、工艺优化、质量提升、企业管理等方面提供技术借鉴意义。以数据驱动和算法优化助力的管理变革创新正在引领公司的发展方向和发展速度。

4.2 经济效益

(1)缩短了新材料新工艺项目—国内首个五层钎焊板一体化板项目的成功上线时间(1年时间),使昆山工厂提早两年拥有差异化的领先产品,获得市场竞争优势;

(2)此技术推广应用在其他多种新产品量产上,通过PDCA对工艺进行持续优化,实现了企业产品息税前利润率由10.7%升至25%,按此类产品销售额10亿元/年,预估每年能增加1.4亿元/年的税前利润;

(3)利用制造大数据持续推动工厂的精益化管理,提供决策依据。如电子点检节省巡检人员,能耗管理系统对大功率设备无功优化管理降低单耗,智能排产交期由57d缩短为45d等,这些正在为绿色工厂和“智能制造工厂”的建设发挥建设性作用。

4.3 社会意义

A铝厂在完成新工艺开发项目过程中,开发的智能制造系统MI,将工厂各部门业务单元进行了信息串联互通,包括订单跟踪、安全监控、DM交期及需求、AGV小车物流跟踪、工段KPI可视化,同时还可以根据需求制定个性化定制看板来提高决策效率,使工厂的智能化水平得到了很大的提升。A铝厂也因此荣获“江苏省智能制造示范企业”称号,获得政府专项资金补助和广泛宣传提高的企业名誉。