专利算法大幅提高操作员效率

以下内容简要介绍了罗克韦尔各个基地中的电子组装作业：

• 每年出品 4,000 种独一无二的电路板设计
• 每天装配的组件达到 900 万个
• 每天产生的焊点约 2,300 万个
• 每天生产的面板数量达到 14,000 个

特温斯堡基地设有 8 条生产线，是一个大型生产基地，与其他基地一样，内部有许多可能影响生产的过程。为试行解决方案，我们选择从模板印刷过程入手。

了解过程

模板薄片上有激光蚀刻的孔径，电路板会放置在孔径下方。随后，刀片将锡膏从模板的前端推向后端，填充孔径，使锡膏能够粘附在电路板上。这一过程结束时，电路板会转移并接受检查。下一个电路板会换用另一个刀片、并以相反方向涂布。这个过程的每个环节都会生成性能数据。

超乎想象的复杂性

正如其他看似简单的制造过程一样，这其中也存在隐藏的难题。首先，模板印刷过程受多种自变量影响，导致支持人员难以检测出模板和刮墨刀是否磨损或性能下降，肉眼尤其难以察觉磨损。此外，过程启动之初以及过程中的长时间暂停会影响锡膏的有效转移，进一步增加了分析模具长期磨损状况的难度。

此外，较薄或有特殊涂层的模板，使用寿命也有所不同，磨损情况因此更加不可预测。尽管过程的每个环节都会生成性能数据，支持人员却无法实时收集和分析如此庞大的、涵盖 IT、OT 和工程多个领域的数据。

因此，支持人员需要更有效的方式来收集和分析设备的实时性能数据，并在检测到设备异常或损坏时立即收到预警。这个用例与我们的异常检测算法非常契合，印刷检查几秒后便可通过 FactoryTalk^® DataMosaix^™ 进行计算和显示。

我们的项目工程师和软件团队运用算法来应对这一挑战。他们开发了一款由罗克韦尔自动化拥有的专利异常检测算法，能够实时监控模板印刷过程中的模具，并向支持人员发送性能数据。接下来，他们在该算法上实施了通知功能，使工厂人员能够即时接收异常预警，而无需进行繁琐的事后分析。

标签与传感器需求

首先，工程团队为每个模板和刀片添加了 RFID 标签，并配置了传感器来检测龙门架的移动方向。团队收集数据，并将数据与进入机器的已印刷电路板的序列号绑定，该序列号由现有可编程逻辑控制器 (PLC) 捕捉。他们还将数据与对应的模板和刀片关联，以收集关于异常、缺陷和锡膏检测的性能数据。

巧妙的数据收集和情境化

随后，我们启用 FactoryTalk DataMosaix。 这是一款精心设计的 SaaS 应用程序，能够从不同来源收集原始数据、对数据进行情景化处理再汇总到一个平台，供运营管理团队用于各类应用程序。  

为何为这个项目选择 FactoryTalk DataMosaix？常规的 BI 工具并未提供足够的数据关系建模能力，也无法实时执行这类情景化处理作业。例如，Power BI 需要人工进行分析。 

在特温斯堡工厂，这种分析通常是每月进行一次。有了 FactoryTalk DataMosaix 后，就可以实时执行分析，使工厂人员能够及时收到性能异常的通知。  

此外，FactoryTalk DataMosaix 还会在整个生命周期内跟踪刮刀和模板在车间内的移动。通常，当模板在某一条生产线上使用时，系统会跟踪该生产线的数据；  而当模板被移出并投入另一条生产线时，过去的运行数据和性能信息往往被忽略，这样会导致工厂人员错过潜在性能问题的风险进一步增加。 

借由 FactoryTalk DataMosaix，我们能够绘制数据图表，用以识别设备故障的风险。这种分析方法是一种“非常优雅的方式来观察生产线的性能”，罗克韦尔自动化软件架构师 Kai Lin 表示，“它能够明确指出生产线是变得更好还是更差。”

Teams 上的实时预警

最后，团队在 Microsoft Teams 上创建了一个频道，供工厂内部员工订阅，接收设备异常或缺陷的实时通知。预警以多种方式生成。我们选择使用 Microsoft Teams，是因为团队目前正好在使用这款业务系统。

之前的过程是这样的：当锡膏检测机检测到电路板存在问题时，操作员必须手动检查或清除问题，这往往导致判断延迟或出现错误。现在，算法能够监控模具加工设备（如刀片和模板）的性能，并针对电路板异常高的故障率触发预警，提醒操作员立即暂停并调查问题。

正是因为实施了这一解决方案，操作员才能快速确定导致故障的设备，而之前，由于生产环境的复杂性，确定问题的根源十分困难。

现在，我们来检验解决方案的有效性。工厂在 2023 年底启动了算法 FactoryTalk DataMosaix 和 Microsoft Teams 项目，收集了大概 70 天的数据。