整体解决方案供应商

全国统一服务热线:400-087-3337

成功案例
全国服务热线400-087-3337

食品酿造行业数字化工艺管理平台

作者: 金百利国际网址发表时间:2018-08-15 14:00:41

方案简介

方案说明:

行业背景

行业制造信息化水平普遍较低:传统工艺下,手工作业为主流,个别企业实现了部分自动化。

无成型的信息化方案及产品:工艺管理为核心的间歇式离散制造模式没有成型对应产品。

行业对信息化需要陡然提升:移动互联的飞速普及使客户对产品品质及个性化需求快速提升。

政府产业的政策调整和支持:政府对实体经济的支持力度空前。

需求分析

工艺质量管理需求:通过工艺的标准化和持续优化不断提升产品品质的高收率、一致性、稳定性。

集约化生产需求:变传统粗放式、经验式的生产方式为现代集约化、精准化的生产方式。

企业升级创新需求:对互联网技术尤其是移动互联普及之后市场对企业转型升级的需求。

企业智能酿造需求:基于“生产、工艺、质量”的大数据基础上工艺自适应及新品快速研发需求。

项目目标

l实现生产自动化和管理信息化高度融合的信息化管理平台(3.0)。

l实现以数字化工艺为核心的生产实时监视及工艺优化管理。

l实现食品制造的关键控制点管理和质量追溯管理。

l实现以制造大数据为基础的工艺质量建模分析。

l实现智能化制造。 

总体架构

系统设计思想

l以领域创新思路为前提。

l以最终实现智能制造为目标。

l以传统的工艺应用研究为基础。

l以“生产、工艺、质量”的批控为线索。

l以制造大数据的积累、挖掘和分析为手段。

l以生产自动化和管理信息化的高度融合为框架。

系统架构理念


理论基础(自上而下):

细分市场客户对单品品质一致性要求越来越高,对个性化产品需求逐渐显现。

企业要快速供给该市场需求,需要实现快速的工艺调整及设计。

通过智能化设计可以满足该快速设计要求。

智能化设计需要对历史的“生产、工艺、质量”进行大数据建模分析。

只有通过生产自动化与管理信息的整合才能获取该逻辑正确要素关联的制造大数据。

实现路径(自下而上):

首先:建立设备的数据化联网(CPS)及生产执行实时监视(RTDS)。

其次:建立制造执行管理系统(MES)并实现与CPS 的融合(3.0)。

再次:是在此基础上形成以“生产、工艺、质量”为核心的制造大数据。

最后:是对制造大数据进行建模分析发现“生产、工艺、质量”要素之间的关联规律,并在此基础上推动智能工艺设计及工艺优化(4.0)。

最终目标:

实现基于工艺质量大数据建模分析的“工艺自适应”及“快速工艺研发”,实现间歇式流程行业智能制造。

系统集成架构


系统功能架构


实时数据网络拓扑及应用架构

数据采集:支持高频率的数据采集,缺省配置为1秒/次,最快可达到毫秒级,实现远程数据应用与现场PLC同步。

过程监控:通过PC或移动客户端,管理人员可随时随地实时监控工艺的执行情况,系统也可通过阈值范围及预警规则设置及时推送预警信息。

远程用户:应用服务器为远程用户提供登录、管理,以及数据查询等服务功能。

实时数采网络架构

   


智能制造数据流程


数字化工艺管理

1、设备的数字化工艺改造

A:关键数据采集改造策略

新增采集点的扩充:利用现有工控资源通过PLC控制柜余量来扩展实现,如现有资源余量不足,则需要增加新的控制柜/控制模块;

新增采集点的组态:在现有组态金百利网址基础上扩展,也可为新增采集点独立组态;

工艺看板:基于实时数据,实现生产现场的工艺作业指导;

全厂监视:通过实时系统集成各上位数据,形成高、中层管理者可直接监视的全厂指标和报表界面;

新建产线:全新建设PLC控制系统及实时数据采集系统。

B:关键设备数字化改造

窖池可视:通过加装特殊装置对每一窖池进行物理定位,并记录作业过程以计算获取窖池的“空/占/挖/酵”信息,无线数传至监控后台并形成矩阵式可视界面;

流酒速度:在流酒口加装特制的流酒管道及涡轮流量装置,对超低压力、不均匀、不稳定的流速进行流量采集;

蒸甑压力:通过在各甑的蒸汽管道上加装特制的无线压力变送器,对装甑、流酒、追尾的压力进行采集;

工艺看板:在车间现场加装LED工艺看板进行现场作业指导。

     

 


2、工艺监视及报警

A全厂集中监视:能够远程监视整个制造过程中所有的工艺指标动态的生产统计分析。

B制曲工艺监视:包括麸曲、大曲等的工艺监视。

麸曲车间分为种曲、圆盘。对种曲关键参数、种曲机流程页面和液态曲以及圆盘的关键参数、圆盘设备进行检测、监视和报警。

大曲车间主要监控各个曲房及曲块的室温、曲温、湿度等。

C培菌工艺监视:监视已酸菌等的培菌生产,对培养时间、培养温度等过程工艺指标进行实时检测、监视和报警。

组态界面:

数据表格:

D发酵工艺监视

对窖池的入池温度、出池温度、发酵温度、发酵时间等过程工艺指标进行实时检测、监视和报警,并结合窖池的可视化作业管理,对作业流程和作业顺序进行规范和指导。

E流酒工艺监视:对流酒作业过程(润粮、装甑、蒸酒/流酒、追尾、出甑、摊晾、加曲、入箱、入池等)的工艺指标及变化进行实时监控和报警。

组态界面:

数据表格:

F实时报警监视

将系统中所有超标指标以PC报警、移动报警、邮件报警等形式进行实时推送。


针对制曲、发酵等长周期工艺过程的动态阈值控制报警。

3、现场工艺看板

通过工艺执行过程的数据采集,执行平台依据管理需要对采集数据进行整合、计算形成符合各种场景需要的车间看板、产线看板和作业看板等。如下图为车间看板:

4、质量结果检测

检测请求:生产人员在系统中发起质检请求,包括送检车间、检验项目、单据日期等;


检验结果:检验结果可以通过手工录入,也可以与检测设备集成获取;

5、指标趋势分析

单一指标分析:某一班次的单一指标在时间轴上的变化情况。

对比分析:同一指标在不同班次或不同时段的对比情况。

关联分析:同一班次同一时段关联指标之间的关联分析。

 

6、工艺统计分析

系统自动提取执行数据,形成统计分析报表;按统计期间分为日报表、旬报表、月报表、半年报表、年报表等,以批次(斗次、甑次)为跟踪线索对工艺执行情况、工艺超标情况进行统计分析。


7、工艺及管理流程持续优化

通过对关键控制点生产执行过程中产生的大量数据以及质量检验检测结果采集的数据进行分析优化后,将之前由人为管理导致的数据不严肃、数据录入滞后、缺乏对质量控制问题数据分析与跟踪指导等随意流程转变形成一个流程规范、数据真实、内部校验、纠错机制的一个刚性的流程,从而保障管理流程的落地,同时为技术优化(如:对品管人员、技术人员、生产人员生产作业的优化)提供实时的数据记录与分析,最终实现对生产质量的把控。

工艺指标优化

通过对生产中采集到的数据与技术中心检验检测到的数据,对不同酒类品种,不同时间段内的数据进行分析研究,以此获得更好的工艺参数标准,并在此后的生产过程中以最新的工艺参数标准作为参考值进行数据采集、分析,该过程是一个持续循环优化的过程,以此持续提升酒的品质。

管理流程优化

通过对一定周期的生产作业及执行结果的分析,发现执行过程的管理控制漏洞并提出整改建议,从而不断地优化过程管理流程。如针对制曲作业:

增加技术部门对生产过程工艺及质量的全程监视和报警统计;

增加技术部门对生产过程中不同工艺阶段的质量控制节点;

增加工艺及质量控制点及其观察测量要素;

增加生产或技术主管部门对操作工及生产班组生产作业的量化绩效考核等。

工艺大数据分析及智能酿造

1、酿造的数字化、信息化管理

实现从生产自动化到管理信息化系统的高度融合,实现白酒酿造过程的数据化、信息化,形成信息化制造应用架构,在实现酿造行业数据化工艺和制造执行管理的同时,形成涵盖“生产、工艺、质量”要素的工艺质量大数据,为工艺大数据分析建立有机关联的数据基础。

2、酿造的工艺大数据分析

通过对单一指标分析、指标间关联分析实现对工艺品质的持续优化、精准优化,并为智能酿造建立工艺质量之间关联关系的数据模型基础。


A:单一指标分析

工艺标准执行分析

O数据可视化

目的是直观获得工艺标准执行的总体状况,通过实时数据系统的监视界面已实现。

O描述性分析

对工艺执行情况进行定量展示。

分析方法:超标频数、超标频率、超标幅度定量统计。

分析工具:简单数学统计及偏离度计算。

O预警

当工艺标准未被执行时,进行实时预警。预警等级根据超标幅度并结合行业实际制定。

指标波动情况分析

O指标分布的可视化展示

可视化的目的是通过图形迅速、直观、全面地了解数据。

分析方法:数据的分布情况、密度曲线。

分析工具:包括直方图、核密度图;图形的绘制推荐使用R金百利网址的相应绘图包。

O动态分析(描述性统计量)

分析目的是使用数值描述指标的分布特点。

分析方法:指标的中心趋势、变化性和分布形状。

分析工具:常用统计量包括分位数、标准差、偏度、峰度等。

B:指标间关联分析

多个不同指标间的趋势曲线进行分析。

O关联度假设

假设生产指标与质量指标、生产指标与生产指标之间有关联关系。不同生产指标之间相互影响,同时对同一质量指标所产生影响的分析。

分析工具:散点图

O相关关系与关联程度

相关系数可以用来描述定量变量之间的相关关系,常用指标包括Pearson相关系数、Spearman相关系数、Kendall相关系数。其中Pearson相关系数用来衡量两个定量变量之间的线性相关程度,Spearman相关系数则衡量分级定序变量之间的相关程度,Kendall相关系数是一种非参数的等级相关度量。

O建立分析模型

分析方法:根据数据获得一个模型,定量刻画两指标之间的关系。通过获得的回归函数表达式,实现对关系关联的解释与预测。

分析工具:线性回归模型、非线性回归模型。

3、建立智能酿造规划模型

在该预测模型基础上,建立支持工艺快速设计、工艺动态优化的智能酿造规划模型。

4、建设智能酿造试验产线

在该智能酿造模型基础上,建设产业化智能酿造示范生产线,最终实现快速的新品研发和生产过程的工艺自适应。

价值分析

实现全厂监视报警

通过全厂集中实时监视及报警,实现中高管理层对工艺执行的远程监视、风险管控。

通过生产工艺执行的实时监视、实现生管人员对生产过程的实时监视、工艺监控。

通过生产工艺看板的实时监视、实现作业人员对生产工艺参数的实时管控。

实现工艺持续优化

通过工艺质量数据的统计分析,实现工艺由传统模式下的经验管理及模糊控制逐步提升到数字化精准控制,从而有目的的、精准地进行工艺改进,以优化和稳定产品品质。

实现工艺标准化

以工艺优化为基础,建立数字化、统一化的工艺标准;通过数字化平台对工艺执行和作业规范的实时监视、操作考核、分析反馈确保标准的严格执行。

实现数字化制造

通过现代物联技术,由传统经验化、模糊化生产提升为数字化生产,从而实现实时采集、实时监视、系统反馈、精准控制的数字化制造。

实现智能制造

通过工艺质量大数据的关联分析,结合领域行业基础研究理论及成果,借助大数据模型分析工具,不断完善指标间的关联关系及规律建立生产模型,从而实现生产过程自动优化、达到企业智能制造。




<友情连结> 金百利菲律宾真人ag/ 金百利菲律宾真人/ 菲律宾金百利国际/ 浙江欧诺达克有限公司/ 浙江欧诺达克工具有限公司/