聂贤勇 姚青山 陈淑琳 白梅

摘 要：传统制造业要实现智能制造，需要经历数字化、网络化和智能化几个阶段。作为传统制造业的建筑陶瓷行业想要实现真正意义上的智能制造，首先是要完成生产线的数字化改造和数据采集。本文结合笔者实施的实际案例，以建陶生产场景为基础，针对建陶行业生产线现状以及数据基础等方面的情况，提出了存量生产线的低成本数字化改造和数据采集方案，对数据采集方式进行了分类，并对数据分析、数据产品应用及数据呈现进行了阐述，为建陶企业向数字化工厂升级提供参考。

关键词：建筑陶瓷;数字化改造;数据采集;数字化工厂;智能制造

1 引 言

建筑陶瓷行业经历了40多年的发展，其生产线装备已基本实现机械化、自动化，但数字化水平较差。与主要发达国家智能制造战略，如德国工业4.0、美国智能制造路线图、日本制造业白皮书[1]提出的目标更是有較大差距。我国也提出了“中国制造2025”国家行动纲领指导企业转型升级。随着越来越多的企业意识到智能制造在未来竞争中所发挥的重要作用，纷纷开始探索智能制造的实现路径。

建筑陶瓷生产线数字化改造是建筑陶瓷行业实现智能制造的重要基础和前提，而数据化改造的实施基础就是使生产全流程的数据打通并在线。随着陶瓷行业的不断发展，陶瓷企业在生产自动化程度不断提升的同时，开始对设备的数字化精细管理、能耗精细化管理、资源优化配置、生产的柔性化及智能化等方面有了更多的诉求，想要全面实现全线设备数据、工艺数据、产品数据、质检数据、能耗数据等数据的互联互通，以数字化集成提高生产效率，进而对生产控制模式实现转型升级达到数字化、智能化工厂。

当前国内建陶行业总体信息化、数字化程度较低，部分企业都已经意识到了需要转型数字工厂或智能制造，并开始关注生产线的数字化改造。这部分改造的企业大部分属于资金实力雄厚的头部企业，采用的改造方法大多是更新换代数字化装备或整线引进数字化生产线，并将数据呈现在车间大屏上进行展示。但对于动辄几千万、上亿元的巨额投资，改造的资金压力太大，大部分陶瓷企业都是难以承受的。

从2018年开始，笔者通过对建陶行业智能制造情况的调研，研究一种存量生产线低成本数字化改造和数据采集方案，通过对存量生产线低成本的快速改造，提升建陶行业生产线的数字化水平，为建陶行业数字化转型升级，实现智能制造打好基础。

2建陶企业生产运行现状

2.1建陶生产线设备数字化程度较低、数据不全，数据端口标准不一

国内建筑陶瓷企业生产线自动化程度在逐步较高，但大部分设备还是相对老旧，数据化程度较差。部分老旧生产线甚至连窑炉工控机都没有，对于数据的存储和采集是非常困难的。

设备对数据采集的支持度有很大缺陷。设备商并没有把数字化作为智能化的前提来对待，在大多数设备上没有安装传感器、计算机或服务器采集数据。而且建陶企业大部分设备没有数据接口，即便部分设备有接口，但也没有统一接口标准，不同协议之间数据互联互通困难[2]。

生产线建设缺少数字化规划。企业决策者缺少对建陶生产线数据化或智能化的意识，在筹建生产线和设备选型过程中没有对设备数据端口的开放提出要求，导致在后续的设备端口开放中存在困难，尤其是国外设备。

2.2生产管理以经验为主，缺少数字化工具，导致管理困难和混乱，产生了一系列问题

（1）原料车间铲车配料不准确、配错料导致浆料配方成分波动大，造成粉料配方的质量波动，进而影响成型和烧成，最终导致生产工艺不稳定和陶瓷产品缺陷的产生;

（2）大部分设备仪表还是采用老旧机械式仪表，无法进行数据的采集;

（3）泥浆池浆料、粉料仓粉料计量常常存在计量不准确，过程损耗大而无法追溯的问题;

（4）产品工艺、产品质量等数据分析滞后，无法实现在线实时分析;

（5）过程质检数据和工艺参数是否正确匹配不能及时辨别和处理;

（6）管理者取数困难，无法及时进行管理决策和技术支持;

（7）生产异常不能及时预警和报警，大部分缺陷需要到成品才能发现，然后根据缺陷种类返回生产线寻找原因，无法及时提供有效处理建议和调试方法;

（8）瓷砖缺陷分类权属推诿扯皮现象等等。

2.3纸质报表是现有数据的主要采集工具

建陶企业大部分采用传统的数据记录和存储方式。在数据采集方面，企业最常用的是纸质手抄报表[2]，这对一个工序或工段了解当时的生产情况是有作用的，但是要真正做数据分析，困难程度就可想而知了。数据不在线，无法进行数据分析建模;靠人工进行数据录入，既不准确也有很多的盲点和瑕疵，使得数据工程师的前期数据处理有非常多的困难。

数据的存储与使用效率不高，容易形成数据孤岛。在生产线上即使个别环节进行了数据存储与沉淀，但是仍然存在着数据碎片化、数据不连贯、信息不完整的问题，形成数据孤岛。这些问题在企业的转产上表现地很明显。以往的转产时间长，设备调试主要靠经验，而不是靠数据分析和与之相配的生产线优化。

数据记录的有效性和准确性不足。某些数据的记录价值不高，有用的数据可能没有记录，没有用的数据记录了很多，结果就是数据的价值低，在进行数据分析建模时产生大量的干扰项。同时数据的准确性也存在不足，无论工控机数据还是手工报表数据，都存在数据记录不准确的问题。

即便选择采购国外全新数字化设备建设新的生产线，不但面临成本高，投入巨大，而且还不一定能够实现数据全线联通，先进设备水土不服的现象时有发生。

3建陶生产线数字化改造系统

3.1数字化改造系统设计原则

数据采集需要保证采集数据的及时性、完整性、准确性、稳定性以及安全性。数字化系统运营平台的建立需要一个技术先进适用、运行安全可靠的信息系统，系统具有良好的开放性与可扩充性的能力。因此，系统设计需遵循如下原则：

（1）整体性、扩展性：正确规划企业所需要的应用系统，确定各应用系统之间的界限，尤其要关注在不同阶段实施的应用系统之间的衔接关系。在制定总体规划时，应考虑各个部门对信息系统的需求。总体规划还需要具备较好的扩展性，可以根据需要增加或减少子系统而对整体不会产生负面影响。

（2）技术先进、成熟性：系统能够完全满足企业对数字化运营管理系统的要求，系统在技术上都能保持国内外领先水平，所选系统与硬件产品应采用技术先进、在国内外具有代表性的主流品牌，并在实际运行过程中被证明是有效的，在国内外有较多的成功案例，并具有良好的扩充性与互通性。

（3）技术前瞻性和开放性：系统在总体结构、设备选型上应遵行开放性的原则，便于扩展和新技术的应用。系统具有良好的与第三方软件与硬件系统、控制设备的衔接，能够便捷的实现网络间数据的通訊交换能力。

（4）稳定性：符合信息安全建设规范，充分利用企业现有产销网络信息安全设施的基础条件，设计中要考虑适当的冗余措施，对系统的开发具有详细严格的测试流程。硬件设备采用有质量保障的产品，软件采用工业级的组态软件与专业的数据采集软件，通信网络采用有线带屏蔽的通信方式，数据刷新时间达到秒级，保证数据传送的实时性。

（5）可操作性：先进且易于使用的图形人机界面功能，提供良好的信息共享与交流图形界面、信息资源查询、检索和分析等有效工具。

（6）完整性：包括功能的完整性、接口的完整性、信息的完整性。

（7）可查询性：应用系统将提供完善的数据归档和记录能力，确保运行及管理人员在授权下应用数据和信息的便利，并提供使用者对相关信息的操作和管理的功能。

（8）易维护性：网络系统、硬件设备、软件平台、应用软件等使用便捷，后期维护工作简单。

（9）安全性：采用多层结构的访问机制，数据库层只接受业务逻辑层的访问，任何用户都不可能直接访问数据库，从而保证了数据的安全性，系统的任何用户都必须经过密码验证才能访问系统。

（10）成本控制：系统的规划本着成本节约、高效率、低能耗的原则。减少对不必要的硬件或软件的购买和使用。

3.2数字化改造系统整体方案

数字化改造的目的是将建陶生产线全线数据进行采集并关联，打通全线数据链，再将数据传至工业互联网平台进行处理，最后将运算处理结果反馈至应用层。

基于此研发一套基于工业互联网平台的陶瓷生产线数据改造系统（见图1），系统包括设备层模块、数据采集层模块、基础平台模块、数据中台模块和应用层模块。设备层模块用于对陶瓷生产线上原料车间、成型车间、烧成车间、抛光车间、分级车间、质检系统、能源管理系统和工艺技术部进行硬件改造，通过硬件改造、系统改造、添加传感器、计量系统改造、终端录入系统改造等方式，使设备具有数据功能。数据采集层模块用于通过网关及网络协议对设备层改造模块数据进行采集，并将采集到的数据上传到基础平台模块上的本地服务器和云服务器。基础平台模块设置有本地服务器和云服务器，利用云服务器强大的存储及运算能力进行数据分析，并将数据分析结果分发至数据中台各模块。数据中台模块用于中台对数据分析结果的处理，将其分发到应用层各个板块进行应用。应用层模块调用数据中台数据进行应用。

3.3数据采集方式类型

根据方案设计要求，结合笔者在实际案例中工艺数据、检测数据等无法直接采集数据的情况，提出了将数据进行分类采集的处理方法。数据来源可以分成以下三类，对不同类型数据采用不同的数据采集方法。

第一类：自动采集数据。对原有设备进行硬件改造，使设备具有数据功能，并通过网关和网络协议自动采集数据至服务器。采集来自于DCS系统、PLC、在线质检系统、自动化巡检系统中的生产运行数据，这类数据采集频率高（秒级采集周期），采集点数（标签/变量）多，对采集数值与时间戳（timestamp）的对应性要求极高，数据量很大。

第二类：终端填报录入数据。对生产线检测数据、工艺数据、质检数据加装终端（PC、工业PAD），通过网关和网络协议采集数据。来自人工填报（PC、工业PAD、APP、移动终端扫码录入等）或EXCEL批量导入的数据，如离线质检数据、设备点检、巡检维护信息、产品批次数据等，这类数据输入频率低，对采集数据与时间戳（timestamp）的对应性要求不高。

第三类：信息化系统数据对接。企业信息化办公系统对接数据，如NC系统、ERP系统、OA系统、WMS等系统对接的数据，如BOM、生产计划、入库数量、排班表等数据，这类数据交互数据通常由时间或事件触发，输入频率较低，数据的准确性高，关联性较强，对采集数据与时间戳（timestamp）的对应性要求较高，数据量不大。

3.4构建数据拓扑，完成数据互联互通。

即便生产数据采集至系统平台并在车间大屏呈现，数据依然呈数据孤岛状态，无法满足数字化工厂的要求。其根本原因是数据间的逻辑关系没有理清，未能构建有效的全线数据链路。

数字化工厂的要求是将各工序数据通过数据拓扑，结合工艺专家的工业Know-How，将自动采集数据、手工填报数据与企业信息化数据进行对接，实现全线数据链的互联互通，形成完整数据链路，实现数据的可追溯性以及物理世界与信息世界的融合。

4数据分析与挖掘

建陶生产线数字化改造的目的是以数据为关键要素驱动建陶工业的转型升级。要通过数据产生价值，其关键在于对数据的有效使用，通过数据分析和数据挖掘实现数据的“增值”，形成数字资产[3]。

大数据是一种规模大到在获取、管理、分析方面大大超出传统数据库软件工具能力范围的数据集合，具有数据规模庞大、数据流转快速、数据类型多样和价值密度低四大特征[4]。建陶生产线所采集的数据是一种是典型的工业大数据。

面对海量的工业大数据，单纯采用一般统计方法进行分析具有较大的局限性。本系统的分析方法采用大数据及人工智能建模分析方法，可将数据分析与挖掘贯穿企业生产经营的全流程。

大数据分析：包括可视化分析、大数据挖掘算法、预测性分析等。可视化分析能够最直观的呈现大数据的特点，分析结果多为各类图表，方便直接阅读和理解，如设备用能情况分析、产品产量与质量、设备管理;大数据挖掘算法是大数据分析的理论核心，是基于不同的数据类型和格式呈现出数据本身具备的特点，深入数据内部挖掘出其中隐含的规律，如：峰谷平用电调配、球磨机球磨效率的提升;预测性分析是大数据分析最重要的应用领域之一，从数据中挖掘出特点，通过科学的建立模型，通过模型带入新的数据，从而预测未来的数据，如：通过大数据建模分析原料波动时，预测窑炉烧成的制度参数调整。

人工智能：基于工业互联网平台，建立在数据存储以及计算引擎上的程序，包含数据工程、数据科学以及机器学习平台。

数据工程是数据科学和机器学习的一部分，主要侧重于收集，存储和访问组织中数据的实际考虑因素，主要有数据管理、数据访问、数据标准化和数据存储几部分。数据科学实现对数据的探索和理解，结合工艺专家的工业Know-How，进行试验设计、决策科学以及A/B测试，利用机器学习、深度学习等人工智能算法，开展试验管理、模型训练、模型评估与分布式计算等，最后进行部署和运营。

5数据产品的典型应用场景

数据产品服务的功能与效用应直接部署在运营以及作业流程上。当前在建陶生产管理方面的数据产品应用主要体现在对生产线的生产监控与优化以及柔性制造方面。随着数据采集的维度增加和数据质量的提升，数据产品还可以应用到生产管理、供应链管理、研发与设计、营销管理、物流管理、企业管理等企业生产经营的各个环节。

（1）生产监控与优化

在生产监控方面，通过数据中台中的应用模块，对生产线状态进行监控，当生产出现异常时，系统发出告警提示。以原料车间球磨工序为例，图3中可以看到5#球磨机在启动的时候瞬时电流过大。监控预警模块发出警告，提醒管理者或技术人员设备处于非正常状态。球磨机启动出现瞬时电流异常升高的直接原因是操作工人在启动球磨机的时候没有先启动副机再启动主机，而是直接启动主机，属于违规操作。此类违规操作容易导致主电机烧毁降低设备正常使用寿命，影响生产计划的执行，系统及时预警帮助管理者解决工人违章操作的问题。

在生产优化方面，笔者在某建陶基地的实战案例中对原料车间40台间歇式球磨机进行了分析，将原料配方、球石级配、球石空高、减水剂加入量、加水量、球磨时间、泥浆性能参数等变量进行数据建模分析，结合生产车间的实际情况和排产要求，预测出球磨工序推荐工艺参数。浆料性能参数一次停球合格率由65%提高到90%，同时整体降低单球球磨时间2小时以上。经测算单这一项改进，一年可节约电费135万以上，系统应用效益十分明显。还不包括因泥浆质量的提升对产品质量的提升所创造价值。

受限于间歇式球磨机的作业方式和陶瓷砖产品种类对原料加工能力的影响，传统作业模式每月粉料产量约9万吨，经数据化改造后月产量提升至12万吨，产能增加了33%，大幅度提升了原料车间的生产加工能力，在一定程度上提高整线生产能力，为后工序窑炉产量的提升以及新增生产线提供了基础条件。

此外，原料车间作为建陶企业用电最大的工序，如何调配峰、平、谷用电负荷，将决定建陶企业的用电成本。笔者利用数采系统所采集的数据，结合工厂排产计划及产能需求，对原料车间球磨机峰、谷、平用电情况进行建模分析，调配用电需求进行，将平均电价由0.50元/kwh降低至0.47元/kwh，降低用电成本达6%，并有进一步优化空间。

（2）柔性制造

当前国内外建筑陶瓷市场需求已经开始发生深刻变化，大规模生产即将逐渐被“时装化”、定制化的订单驱动的小批量生产所替代。这种以消费者与订单为导向的生产模式，推动柔性制造的产生。在柔性制造中，考验的是生产线和供应链的反应速度。建陶行业经过系列的数据化改造与有针对性的智能制造升级后，可达到较高程度的柔性制造，其柔性可以表述为两个方面：一个方面是指生产能力的柔性反应能力，也就是建筑陶瓷砖等成品的小批量生产能力;第二个方面，指的是建陶产品供应链的敏捷和精准的反应能力。

数字化工厂利用全线数据链路搭建分析模型，将原料配方以及加工工艺变化，结合工业Know-How，建立分析模型对生产全流程的数据变量波动情况进行分析。对因生产线转换产品规格和产品种类（转产）、原料及配方变化（转料）、生产线产量提升（转速）、熟练技术人员离岗（转人）等情況造成的产质量波动进行建模分析，实现对窑炉烧成制度最优参数的预测。其预测结果可以辅助管理人员和技术人员进行决策，解决生产线产质量波动，以此满足柔性制造的要求。

6数据呈现

经数据分析模型研发完成的数据产品必须进行呈现以及部署，其实现的方式可分为数种，包括实时可视化、定时批量处理、持续集成、持续交付和持续部署。具体表现形式包括生产车间大屏展示（图表、数据）、统计报表输出、报表分析、技术工艺下达、设备故障预警、管理决策分发、工艺参数预测结果推送等具体形式。

7结语

建陶工业的作业流程大同小异，其改造路径亦是可以复制和参考的。本方案通过一套基于工业互联网平台的数据化改造系统，将数据进行分类采集，并对所采入系统的数据搭建其数据拓扑结构，形成完整数据链路，进行数据分析和应用，以此辅助管理者进行决策，提升工厂的数字化管理水平。数字工厂的建设不是一蹴而就的，随着陶机装备的数字化水平和在线检测水平的不断提高，结合边缘计算和5G技术的进一步应用，数采系统采集数据的完整性、可靠性、及时性以及准确性将得到进一步提升，数字化改造方案也会更加完善，建陶企业可以根据自身实际情况，选择适合自己的数字化转型之路。

參考文献

[1]郧彦辉.主要发达国家智能制造战略及启示[J].中国发展观察，2020（21）：61-62.

[2]盖普勒. 工业大数据之数据采集[N]. 中国信息化周报，2020-10-26（017）.

[3]魏凯.工业大数据应用的四大挑战[J].信息通信技术与政策，2019（05）：1-3.

[4]许宪春，王洋.大数据在企业生产经营中的应用[J].改革，2021（01）：18-35.

Research and Application of Digital Transformation of Building Ceramic Production Line

NIE Xian-yong，YAO Qing-shan，CHEN Shu-lin，BAI Mei

（Foshan Zhongtaolian Supply Chain Services Ltd，Foshan528300，China）

Abstract： The traditional manufacturing industry needs to go through several stages of digitalization，networking and intelligence to realize intelligent manufacturing.  As a traditional manufacturing industry，the building ceramic industry wants to realize the real sense of intelligent manufacturing，the first is to complete the digital transformation of the production line and data acquisition.In this paper，combined with the actual cases implemented by the author，based on the production scene of building ceramics，in view of the current situation of the production line and the data basis of the building ceramics industry.this study proposed a low-cost digital transformation and data acquisition scheme for the existing production line， classified the data acquisition methods， and expounded the data analysis， data product application and data presentation， providing a reference for the upgrading of building ceramics enterprises to digital factories

Keywords： Building ceramic;Digital transformation;Data acquisition;Digital factory;Intelligent manufacturing