成都阿普奇科技股份有限公司

1 目標和概述

在“自動化+信息化”的產業升級的大背景下，針對個性化定制類的生產企業的發展依然存在很大的制約，面向個性化定制場景的柔性制造一體化方案期望解決的問題包括：

（1）小批量、多訂單混合生產管理柔性化不足。

（2）生產數據多、數據維護工作量大。

（3）產品非標準程度高、經驗依賴性強。

（4）行業特性顯著，智能化改造缺乏匹配的AI能力支持。針對以上問題和痛點，本方案需要針對該細分場景提供全流程的解決方案，提供前端訂單系統、生產管理系統、產品運維、質量檢測系統等，達到訂單全流程透明、車間管理數字化、產品在線追溯的全流程覆蓋，同時針對工業中的AI需求提供算力和算法平臺支持能力，為個性化定制類企業提供了一體化的解決方案。

2 方案介紹

2.1 總體架構

系統總體提供一體化的柔性化智能工廠服務能力。核心流程和功能如圖1所示。

圖1 系統核心流程和功能

系統采用多層軟件體系結構，提供分布計算環境及對應用的通用服務；同時采用面向對象及構件技術在框架上靈活組成應用系統。體系架構支持線性平滑擴展，可動態地增加系統組件服務器來滿足用戶不斷增加的需求，不同系統組件可以部署到不同服務器上，多臺服務器同時處理、均衡負載，而系統性能基本與硬件的投入成線性關系。

該項目采用B/S架構，支持服務、應用端、移動端等多個節點，完全基于瀏覽器操作。系統采用J2EE框架，應具備良好的兼容性和跨平臺性，支持當前大多數操作系統平臺，如：Windows、Unix、Linux等。整體系統架構圖如圖2所示。

圖2 系統架構圖

主要包括：

（1）設備感知層：主要完成數據、傳感信號的采集。

（2）網絡傳輸層：完成異構數據的接入、冗余數據的清洗等邊緣計算。

（3）平臺PaaS層：基礎平臺能力的構建，包括設備、用戶、過程、數據、系統的管理。同時完成計算引擎、數據引擎等能力支撐。

（4）應用SaaS層：提供業務過程定制集成、大數據分析呈現、用戶交互等能力。在應用上提供產品商城、訂單流轉、智能車間、產品運維、視覺引擎等應用模塊。

2.2 主要內容

系統提供了在線商城、訂單流轉、智能車間、算法引擎等核心能力。提供端到端的整體一體化解決方案。實現訂單整體在線流程透明化，同時提供個性化產品的擴展定義能力和行業擴展能力，主要功能層面包括：

（1）在線商城系統

·為客戶提供包括產品展示、購物車、配置定制、報價計算等功能；

·提供后臺管理配置功能，包括商品定義、上架、銷量數據分析等。

（2）訂單管理系統

·提供訂單透明化管理能力，包括下單、審核、進度狀態（生產排單計劃、生產狀態、生產入庫、計劃發貨、發貨審核、確認發貨、物流狀態等）；

·合同管理功能，包括合同制作、自動生成、電子簽章、合同審核等過程。

（3）數字車間系統

主要功能包括：

·提供生產排產和產線管理（設備、人員、工位、標準作業程序（StandardOperatingProcedure，SOP）資料等）；

·過程管理（生產準備、執行、老化管理等）；

·生產匯報、大屏看板、質量分析；

·產線設備檢測。

（4）產品運維系統

·針對IT服務商，提供運營級管理能力，包括租戶管理、用戶管理、消息管理、資源管理等功能；

·針對集成商場景，提供產品管理、模板管理、設備管理等物聯功能，同時針對運維業務，提供故障定義、報警管理、處理預研、工單管理等；

·針對終端用戶，提供自定義服務、消息定制、任務管理、工單派發等功能；

·同時提供運維大數據分析、知識庫、故障預測等功能和能力。

（5）AI算法引擎

主要功能包括：

·算力加速SDK和算法插件接入平臺；

·統一的算法模塊注冊、調用接口；

·基礎算法和算子實例；

·神經網絡運行基礎環境和平臺；

·針對細分行業（金剛石加工工具行業等）的行業化算法模塊。

2.3 突破的關鍵技術

（1）邊緣大數據清洗技術。工業現場協議繁多、數據量巨大，需要在邊緣端實現數據初步整合和清洗。

目前大多數工業物聯平臺針對不同行業都需要定制開發，本項目采用了“模型化”設計理念，將不同行業的產品抽象成由屬性、服務、事件所組成的數據模型，使得本系統可以適配于不同行業。

（2）高性能計算技術。在實際應用的數據中，除了結構化數據，也存在大量視頻、音頻等非結構化數據，需要提供對于數據的分析、識別、訓練、推理等服務能力，高性能計算技術成為項目可實施性的關鍵。對于算力的構建，在微觀算力優化上支持指令集優化、CPU/GPU等并行計算技術；在宏觀技術架構上，支持單機、邊緣側、外部云等算力架構。采用分布式計算方式，把一部分計算任務，遷移到CPU之外的部件進行計算，把解碼任務整體遷移到核芯顯卡中進行，核芯和CPU共享內存能夠帶來更小的系統開銷，從而提升整體性能。同時也降低了成本和整體能耗。

（3）操作系統層之下的遠程運維技術。在智能制造領域中，計算機節點是現場系統的信息中樞，在出現操作系統損壞等情況下，提供修復和控制能力的意義重大。市面上主流運維系統都是基于操作系統進行開發的，運行在操作系統之上，本系統采用了硬件級的技術手段，在脫離操作系統的情況下，用戶可以對設備進行硬件級的維護。

（4）邊緣AI計算能力。提供AI計算框架和引擎。支持算法的插件式集成。支持卷積神經網絡深度學習算法模型的無縫導入。并為工業質量檢測中切割盤等典型加工行業場景提供了定制化的算法模塊，實現了AI算法的行業精確適配。

（5）工業異構數據支持。阿普奇網關套件定位于解決工業網絡中協議、規約復雜多樣，數據通訊接口不暢及設備上云的問題，采用高性能嵌入式硬件平臺，內嵌工業數據采集和處理系統，具有多種通信規約庫，可以實現對不同工業設備的數據采集、預處理、協議轉換和復用轉發。

3 代表性及推廣價值

本項目提供如下服務：

（1）項目設計和建設，為客戶提供整體智能工廠系統的設計、開發、實施等。

（2）平臺運營服務，為客戶提供數據分析、產品運維等服務。為客戶提供長期持續服務。

當前已經應用的實踐案例：

3.1 工業邊緣計算設備制造商

3.1.1 解決的問題

工業邊緣計算設備，包括了常規的工業計算機和AI邊緣算力設備等，該行業個性化、小批量、定制多，導致訂單管理復雜、生產過程復雜、質量管控難度高等。

3.1.2 應用情況

典型的場景包括：

（1）采用該柔性化智能工廠系統解決了該行業商品訂購信息精確匹配的問題。

（2）訂單過程透明化。

（3）完成了工序的結構化定義和生產防呆管理，

圖3為SOP呈現工位面板運行界面。

圖3 SOP呈現工位面板運行界面

（3）解決了生產信息實時呈現問題，圖4為生產實時大屏。

圖4生產實時大屏顯示

（5）提供了產品出廠后的遠程運維能力。

3.1.3 成效總結

（1）完成了整體訂單透明化管理，實現了訂單狀態的實時反饋和管控能力。

（2）提升了業務處理的在線處理效率，通過在線合同管理、審批、簽章，極大提升了處理的響應速度。

（3）提升了生產過程智能化程度，通過設備監測、SOP結構化、質量管控等一系列功能，提升生產效率和質量水平。

（4）提供了完整的產品監測、運維、追溯能力。減少了現場維護成本，提升了服務的及時性，同時增加了客戶粘度。

3.2 切割片行業質量檢測

3.2.1 解決的問題

金剛石加工工具行業是一個非常傳統的行業，這個行業最為重要的特點就是工藝流程長，包括了制坯、沖孔、印刷等九個流程，在各個環節，對于檢測的缺陷類型和應用條件都差異很大。該行業具有工藝流程長、檢測需求多、精度高等特點，此外還存在切割盤金屬拉絲背景的干擾，用標準算法不能完全滿足部分工序下的檢測需求，比如印刷環節的印刷檢測、燒結環節的裂紋檢測，因此提供了整套定制算法以及完整的技術解決方案。

3.2.2 應用情況

基于本項目平臺，除了物聯平臺功能、數字車間功能外，重點在現有AI算法引擎的基礎上進行配置擴展，提供了以下產品質量視覺檢測能力：

核心功能包括：

（1）工程管理

·工程增刪查改，系統化集中管理；

·支持工程復制，相似型號產品只需微調算法參數即可適用；

·支持工程數據完整備份與遷移；

·同一設備支持多機位同時運行工程，性能最大化；

·工程運行數據統計，支持設置合格率警報線來進行報警，并自動停止工程運行。

（2）工程配置

·引導式算法配置流程，無需編程，經過簡單培訓即可獨自進行工程配置應用；

·相機、算法插件化管理，支持標準GigEVision、USB3.0Vision系列工業相機；

·圖像采集，支持軟件、硬件、外部信號多種觸發方式；

·智能算法庫，滿足識別、定位、測量、檢測等多樣化視覺需求；

·算法參數實時修改驗證，無需來回切換；

·支持工業以太網、RS232、RS485、I/O接口等標準外部設備連接，實現數據外傳。

（3）運行監控

·工程檢測結果實時查看；

·多機位同時運行，同時查看結果數據；

·歷史NG（不通過）結果圖片查看。

（4）統計分析

·工程檢測數據統計匯總查看，為工業生產維護提供數據支持；

·支持合格率、NG率、實時檢測結果多維度圖表數據統計；

·支持工程歷史結果追蹤；

·支持工程總體檢測結果及各算法單獨的結果統計。

3.2.3 成效總結

（1）該方案的實施，整體提升了該行業的數字化水平；

（2）用智能化手段解決了切割盤行業的質量視覺檢測的問題，解放了人力，整體提升了產品品質。

摘自《自動化博覽》2022年2月刊