中科白癜风抗复发治疗 https://mjbk.familydoctor.com.cn/bjbdfyy_zx/58574/
来源：数字化企业物联网智库转载二次转载请联系原作者导读虚拟量测由于成本低、部署快、收效明显，已经在半导体、光电、能源、化工行业得到了大量的应用。虚拟量测由于成本低、部署快、收效明显，已经在半导体、光电、能源、化工行业得到了大量的应用。背景手机、平板等电子产品的普及，造成关键的原材料之一，即电子玻璃的需求激增。电子玻璃不仅包括手机盖板玻璃，还广泛应用在液晶基板、OLED基板等关键环节。电子玻璃的制造分为两种，即浮法和溢流法。溢流法相对于浮法，有着如有较高的玻璃应变点；有较低的密度；更佳的耐化学性；更高的机械强度等优点，因此得到了美国康宁、日本旭硝子和电气硝子等三家主流玻璃厂家的采用，其电子玻璃已广泛应用在包括苹果、华为、三星、魅族等的高端手机上。但是由于其生产过程对工艺和质量的要求非常高，因此国内很多厂家，如彩虹、东旭和华映，虽然也采用了溢流法的工艺，但是在质量和产能上一直没有办法保持高品质稳定生产，因此全球市场份额90%以上主要被美国康宁、日本旭硝子和电气硝子所占据。基于溢流法的电子玻璃的生产过程大致如下图所示：电子玻璃前面部分是流程性生产，将原材料放置于池炉中，通过高温熔化，形成半液态胶状体，再通过马弗炉的溢流砖，在受重力影响、胶体下溢的过程中，通过两边装有热电偶的冷凝管进行淬火成片，到了马弗炉低端再使用机械臂进行切片。后半部分是离散制造，即对成片后的玻璃进行传输、磨边和在线的检验（检验结石、气泡等缺陷），最后进入按小时抽样的离线检测环节。在玻璃的离线检验环节，质检工程师会使用专业的光学仪器测量玻璃片在不同位置的厚度，对厚度进行对比。如果不同区域的厚度差值超过一定范围，就会影响电子玻璃的成色，导致色差，这类质量缺陷叫做翘曲。翘曲产生的原因一般都是因为马弗炉里的热电偶控制出现了偏离。在马弗炉溢流的过程中，马弗炉里面有数百个呈栅格状分布的热电偶，在重力下溢的过程中，对胶状体进行淬火，虽然不同的热电偶控制参数都会设置容忍的工作范围，超出门限会告警。但是为了保证在不同环境和产品生产过程中的鲁棒性，这些控制门限往往都是静态门限，不会自动调整，而且通常会设置得较为宽泛，因此会导致在不同产品的工艺要求下，即使工作在容忍限以内，仍然会出现翘曲的缺陷问题。翘曲一旦出现，传统的解决方案是基于翘曲产生位置的离线报告，由技术人员手动挑选出来厚度数据，再根据专家的经验去调整马弗炉特定位置的热电偶控制参数。同时，热电偶控制参数的调整范围也是根据专家的经验，并没有明确的量化值，只能不断去尝试增大或者减少热电偶的功率反复尝试。同时，因为温度调整和最终的质检质检，相隔了几个小时，因此即使温度出现了偏差，也只能在后期几个小时的光学检验中才能知道，因此调整工艺参数到发现问题改进之间隔了几个小时的时间，因此每次尝试都会花很长时间。正是因为这些问题的存在，导致一旦出现翘曲，产线就有可能几个星期都无法正常生产，非常影响综合的良率和产量。方案寄云科技与中国电子彩虹集团特种玻璃的技术人员，联合开发了针对翘曲的虚拟量测系统，并且取得了不错的效果。系统主要工作内容如下：①自动采集质检数据，并且将其和热电偶控制参数进行关联分析翘曲的质检数据是以csv格式的文件，保存在检验仪器内置的ftp服务器上；而实时的热电偶控制参数数据，则是保存在马弗炉的DCS系统中。通过自动的文件提取和格式解析，寄云提取了玻璃片不同区域的厚度数据，并为其打上时间标签；同时，通过OPC接口，读取马弗炉DCS的实时数据。将厚度数据和实时数据都保存在寄云时序数据库中。②根据翘曲厚度数据，自动定位发生异常的热电偶将不同时间段（正常和出现翘曲）的工艺数据进行对比，确定正常和异常时间段哪些热电偶的控制参数发生了变化。针对玻璃片并没有批次号码，因而无法按照批次进行质量追踪的问题，寄云开发了基于相关性搜索的算法，通过分析确定了跟翘曲变化规律相似度最高的若干个控制变量，并确定了工艺参数变化到翘曲检测之间的时间差。基于以上的分析，自动的定位了导致翘曲的特定的、有最大嫌疑的热电偶控制参数，并得到了工艺工程师的确定。通过以上的分析，帮助工艺工程师实现了问题原因的快速定位。③根据历史的热电偶数据和质检数据，建立起翘曲值和热电偶控制之间的模型在大量正常工艺数据和质检数据的基础上，构建了热电偶的历史数据（因）和质检数据（果）之间的回归方程，得到一个表征了因果关系的映射函数。在映射函数上可以做两件事情：1)量化调参：在翘曲发生的时候，根据特定翘曲的目标值，反推出对应的热电偶控制参数对应的调整范围，进行精确调参；2)虚拟量测：根据热电偶控制参数的当前数据，基于映射函数，实时预测未来数小时之后的翘曲值，一旦当翘曲超过预设的门限，立即告警，甚至需要停产。应用效果通过与彩虹特种玻璃工艺工程师的联合开发，实现了自动化的工艺数据和质检数据的集成，提高了问题分析和问题产生原因的定位效率，并首次实现了基于实时工艺数据对未来数小时之后的翘曲缺陷的精准预测。应用场景推广“只要能测量，就一定能改进”。这句话虽然不假，但是在很多生产过程中，确实存在着无法测量的现象。首先，在自动化连续生产过程中，由于控制参数和环境变量太多，导致中间环节半成品的产出会有很大的不确定性。而大量中间环节的半成品是没有办法在当前阶段直接测量的，只有到了阶段性的检验或者最终检验环节，通过特定的质量检测仪器，才能确定是否出现了问题。这种滞后的检测会产生缺陷的时间窗口现象，即从产生问题的点到检验环节之间的延迟会引起大量缺陷产品。其次，在一些生产过程中，由于测试成本、安装部署物理条件的限制，有大量关键的生产参数，如高温炉中心温度、材料的化学成分、液面高度等，都无法直接测量。而为了取得这些参数，往往采用人工监视、经验判断，或者采集样本、离线检验的方式，或者采用抽检而不是全检的方式，都会极大的影响产能和质量。虚拟量测(也有人称软测量)是最近几年广泛应用在连续生产（半导体、光电、能源、化工等流程行业）的数据分析技术，它的原始是通过大量的设备实时数据和质检数据的采集，通过数据分析建模构建因果关系之间的映射关系，通过当前的可以直接测量的参数，在当前计算出来未来在检验环节才能发现的异常和缺陷；通过当前的测量值，间接推测出无法直接测量的指标，如前述的高炉中心温度、材料成分等。由于成本低、部署快、收效明显，已经在半导体、光电、能源、化工行业得到了大量的应用。版权声明：“物联网智库”除发布原创干货以外，致力于优秀科技/研究/投资类文章精选、精读。部分文章推送时未能与原作者取得联系。若涉及版权问题，或由于二次转载标错了转载来源，敬请原作者联系我们。联系方式：

转载请注明:http://www.aideyishus.com/lkcf/6382.html