以下內(nèi)容簡要介紹了羅克韋爾各個基地中的電子組裝作業(yè)：

• 每年出品 4,000 種獨一無二的電路板設(shè)計
• 每天裝配的組件達到 900 萬個
• 每天產(chǎn)生的焊點約 2,300 萬個
• 每天生產(chǎn)的面板數(shù)量達到 14,000 個

特溫斯堡基地設(shè)有 8 條生產(chǎn)線，是一個大型生產(chǎn)基地，與其他基地一樣，內(nèi)部有許多可能影響生產(chǎn)的過程。為試行解決方案，我們選擇從模板印刷過程入手。

了解過程

模板薄片上有激光蝕刻的孔徑，電路板會放置在孔徑下方。隨后，刀片將錫膏從模板的前端推向后端，填充孔徑，使錫膏能夠粘附在電路板上。這一過程結(jié)束時，電路板會轉(zhuǎn)移并接受檢查。下一個電路板會換用另一個刀片、并以相反方向涂布。這個過程的每個環(huán)節(jié)都會生成性能數(shù)據(jù)。

超乎想象的復(fù)雜性

正如其他看似簡單的制造過程一樣，這其中也存在隱藏的難題。首先，模板印刷過程受多種自變量影響，導(dǎo)致支持人員難以檢測出模板和刮墨刀是否磨損或性能下降，肉眼尤其難以察覺磨損。此外，過程啟動之初以及過程中的長時間暫停會影響錫膏的有效轉(zhuǎn)移，進一步增加了分析模具長期磨損狀況的難度。

此外，較薄或有特殊涂層的模板，使用壽命也有所不同，磨損情況因此更加不可預(yù)測。盡管過程的每個環(huán)節(jié)都會生成性能數(shù)據(jù)，支持人員卻無法實時收集和分析如此龐大的、涵蓋 IT、OT 和工程多個領(lǐng)域的數(shù)據(jù)。

因此，支持人員需要更有效的方式來收集和分析設(shè)備的實時性能數(shù)據(jù)，并在檢測到設(shè)備異常或損壞時立即收到預(yù)警。這個用例與我們的異常檢測算法非常契合，印刷檢查幾秒后便可通過 FactoryTalk^? DataMosaix^? 進行計算和顯示。

我們的項目工程師和軟件團隊運用算法來應(yīng)對這一挑戰(zhàn)。他們開發(fā)了一款由羅克韋爾自動化擁有的專利異常檢測算法，能夠?qū)崟r監(jiān)控模板印刷過程中的模具，并向支持人員發(fā)送性能數(shù)據(jù)。接下來，他們在該算法上實施了通知功能，使工廠人員能夠即時接收異常預(yù)警，而無需進行繁瑣的事后分析。

標(biāo)簽與傳感器需求

首先，工程團隊為每個模板和刀片添加了 RFID 標(biāo)簽，并配置了傳感器來檢測龍門架的移動方向。團隊收集數(shù)據(jù)，并將數(shù)據(jù)與進入機器的已印刷電路板的序列號綁定，該序列號由現(xiàn)有可編程邏輯控制器 (PLC) 捕捉。他們還將數(shù)據(jù)與對應(yīng)的模板和刀片關(guān)聯(lián)，以收集關(guān)于異常、缺陷和錫膏檢測的性能數(shù)據(jù)。

巧妙的數(shù)據(jù)收集和情境化

隨后，我們啟用 FactoryTalk DataMosaix。?這是一款精心設(shè)計的 SaaS 應(yīng)用程序，能夠從不同來源收集原始數(shù)據(jù)、對數(shù)據(jù)進行情景化處理再匯總到一個平臺，供運營管理團隊用于各類應(yīng)用程序。??

為何為這個項目選擇 FactoryTalk DataMosaix？常規(guī)的 BI 工具并未提供足夠的數(shù)據(jù)關(guān)系建模能力，也無法實時執(zhí)行這類情景化處理作業(yè)。例如，Power BI 需要人工進行分析。?

在特溫斯堡工廠，這種分析通常是每月進行一次。有了 FactoryTalk DataMosaix 后，就可以實時執(zhí)行分析，使工廠人員能夠及時收到性能異常的通知。??

此外，F(xiàn)actoryTalk DataMosaix 還會在整個生命周期內(nèi)跟蹤刮刀和模板在車間內(nèi)的移動。通常，當(dāng)模板在某一條生產(chǎn)線上使用時，系統(tǒng)會跟蹤該生產(chǎn)線的數(shù)據(jù)；? 而當(dāng)模板被移出并投入另一條生產(chǎn)線時，過去的運行數(shù)據(jù)和性能信息往往被忽略，這樣會導(dǎo)致工廠人員錯過潛在性能問題的風(fēng)險進一步增加。?

借由 FactoryTalk DataMosaix，我們能夠繪制數(shù)據(jù)圖表，用以識別設(shè)備故障的風(fēng)險。這種分析方法是一種“非常優(yōu)雅的方式來觀察生產(chǎn)線的性能”，羅克韋爾自動化軟件架構(gòu)師 Kai Lin 表示，“它能夠明確指出生產(chǎn)線是變得更好還是更差。”

Teams 上的實時預(yù)警

最后，團隊在 Microsoft Teams 上創(chuàng)建了一個頻道，供工廠內(nèi)部員工訂閱，接收設(shè)備異常或缺陷的實時通知。預(yù)警以多種方式生成。我們選擇使用 Microsoft Teams，是因為團隊目前正好在使用這款業(yè)務(wù)系統(tǒng)。

之前的過程是這樣的：當(dāng)錫膏檢測機檢測到電路板存在問題時，操作員必須手動檢查或清除問題，這往往導(dǎo)致判斷延遲或出現(xiàn)錯誤。現(xiàn)在，算法能夠監(jiān)控模具加工設(shè)備（如刀片和模板）的性能，并針對電路板異常高的故障率觸發(fā)預(yù)警，提醒操作員立即暫停并調(diào)查問題。

正是因為實施了這一解決方案，操作員才能快速確定導(dǎo)致故障的設(shè)備，而之前，由于生產(chǎn)環(huán)境的復(fù)雜性，確定問題的根源十分困難。

現(xiàn)在，我們來檢驗解決方案的有效性。工廠在 2023 年底啟動了算法 FactoryTalk DataMosaix 和 Microsoft Teams 項目，收集了大概 70 天的數(shù)據(jù)。