淺談陶瓷企業的數字化改造

白梅 姚青山 陳淑琳 聶賢勇 劉偉

摘 要： 建陶企業的數字化改造是建陶行業邁向智能化進程的重要一步，建陶行業的自動化程度已經很高，但是數字化程度還很落后。企業普遍存在著“轉產、轉料、轉人、轉速”后的產質量不穩定，出現大幅波動的情況。建陶企業在數字化進程中，應該采取什么樣的方法，有哪些難點需要克服，如何在現有設備不做大改造投入的情況下，完成數字化進程，本文提出了已經在建陶生產線實驗并證明是成功的改造方法和流程，供廣大建陶企業參考。

關鍵詞：數字化;數據采集;系統;數據使用

1 前 言

建筑陶瓷產業轉型升級，實施數字化智能化改造是近年來政府和企業都非常關注的課題，建陶生產企業和裝備制造企業都在不斷進行著積極有益的探索。

對于建筑陶瓷生產線的智能化改造，業界普遍認為首先需要實施設備的智能化改造，其次再進行產線的模塊化改造，最后將建筑陶瓷制造端體系與服務端體系打通，形成完整的智能循環體系。

眾陶聯供應鏈服務有限公司從2018年開始對建筑陶瓷企業智能制造進行調研，并聘請行業專家開研討會，在此基礎上撰寫了《關于建筑陶瓷智能制造的調研報告》。在學習了大數據人工智能技術和對國外的數字化改造之后，眾陶聯智慧智造平臺開始了對建陶生產線做智能制造的試點實踐。數字化改造是智能化改造的前提，沒有數字化就無法實現智能化。我們探索的關注點是，在生產線設備不是或不全是智能化設備的情況下，建陶生產線能否進行數字化智能化改造？

數字化改造試點通過數據采集、數據錄入和完整的產線數據鏈搭建，幫助生產線的數據全流程打通，使用云計算，大數據開展機器學習和深度學習，取得了初步成效。

本文對建筑陶瓷生產線數字化改造做概要論述。

2 建陶企業數字化智能化轉型現狀

建筑陶瓷企業是傳統制造企業，也是連續型生產企業，經過四十多年的高速發展，生產線的機械化自動化程度很高，但是信息化數字化改造還沒有完成。生產線的數字信息大多數沒有打通，有生產數據的設備形成“數據孤島”，企業的生產經營管理決策基本沿用了以經驗管理為主的管理決策體系。

2020年根據《陶業長征》的數據調查，與2017年相比，全國陶瓷企業數量從1366家下降至1155家，減少了211家，下降15.4%;生產線從3264條下降至2760條，減少15.4%;建筑陶瓷產能從每年136億平米下降至每年123億平米，下降了9.6%。

建筑陶瓷企業經過四十年的高速發展，在近幾年出現企業數量、生產線數量和產能同時下降的情況，值得我們深思。這既有市場經濟規律對過剩產能的調節，使其理性回歸;也有實施供給側結構性改革之后對一部分落后產能的淘汰，還有被淘汰企業自身經營管理落后等多種因素堆疊交叉的多重影響。

本文僅從建陶生產普遍存在的問題做如下分析：

2.1企業生產普遍面臨“四轉”難題

陶瓷企業在高度機械化自動化的同時，信息化和數字化轉型并沒有同步跟進，生產線的產能從幾千平米提高到2-3萬平米，主要是靠設備的投入拉動產能增加，而生產線的工藝管理更多地是靠有經驗的技術人員和老師傅經驗進行調整。因此，企業經常出現“轉速”、“轉料”、“轉產”、“轉人”之后的產品質量下降，生產不穩定現象。

（1）“轉速”就是企業為了提高生產效率，將日產8000平米的生產線拉快到日產12500平米時，出現了產品不穩定，質量時好時壞的情況，這個過程有時高達半年之久，在不斷地摸索調整后，才能穩定生產。

（2）“轉料”，陶瓷企業的生產原料都是大自然的礦物質：黏土、石英和長石，這些物質在生成和挖取的階段，內部的化學成分是在不斷變化的，因此在企業的生產過程中，原料也是在不停地變化著，即使是一個礦挖出來的原料，也會發生很多變化，更何況在生產過程中的粉碎、球磨、均化、造粒階段的各種工藝波動和工藝參數變化，都會影響到最終的陶瓷磚質量。

（3）“轉產”，在十幾年前，陶瓷磚花色品種還處于大眾流行時代。一個花色品種可以生產一年甚至兩三年都不變化，但是到了現在，隨著消費者年輕化，潮流化、個性化的迭代，企業的轉產越來越頻繁，過去陶瓷企業的老話是“轉產如破產”，說明轉產之后生產不穩定帶來的損失相當于破產，現在是“不轉產就破產”。跟不上消費者的需求和發展，不轉產就沒有市場，就會破產。

（4）“轉人”，瓷磚在窯爐燒成過程中，有諸多的不可控因素，整個燒成過程的調節主要是靠有經驗的老師傅和技術人員，他們憑著在行業里的多年爬摸滾打練就了一雙“火眼金睛”，看到問題，做出基本判斷之后，再對窯爐的溫度、氣氛和壓力進行調節，但是也有相當多的試錯成本。當這些人員一旦“跳槽”，企業就會再次出現生產不穩定的過程，還要靠培養出新的老師傅做主管。這是陶瓷企業普遍存在的情況，智能化水平比較低，沒有傳承，靠單個人而不是群體的智慧。

企業在“四轉”中出現的不穩定是常態化的，無論企業大小都有這樣或那樣的問題。如果不盡快實施數字化轉型和智能制造，這將是長期困擾企業發展的瓶頸。

2.2企業的數字化轉型難點

陶瓷生產線是連續生產過程，一旦開啟窯爐就不會停工，一般只在年底大修時才會停窯。一條生產線上，有幾十至上百臺設備，這些設備都出自不同的設備廠家，國產的占大多數，還有西班牙、意大利和德國的設備。近十年來，設備廠商開始重視設備的智能化應用，很多設備增加了工控機，并有數據傳輸記錄。但是由于設備的通訊接口不一致，通訊協議不一致，設備的數據基本是“孤島型”存在，陶瓷企業并不重視數據的輸出與記錄，因為這些數據沒有給企業帶來生產管理和效率的提升。結果是造成有數據的設備，數據無法輸出，沒有數據的設備，長期“盲打”運作。

在2015年前后，有相當多的科技創新企業關注到陶瓷生產線的信息化問題，開始陸續幫助陶瓷企業實施數據采集，搭建數據通道，呈現數字化成果。在一定程度上助力了陶瓷企業數字化轉型。眾陶聯在《關于建筑陶瓷智能制造的調研報告》中提及了部分企業的科技成果及產品。

2.3數字化轉型的數據使用問題

許多人認為，數字化轉型就是將生產線上的各種設備數據信息采集下來，做成看板，在車間展示;或者建設一個中控室，在中控室里可以看到各種設備的運轉情況和相關記錄。當設備出現問題時，會有報警功能，提醒當班工人及時進行處理。以為這就是智能制造了，因為體現了信息化與工業化的高度融合。

根據景德鎮陶瓷大學韓文教授在《建筑陶瓷智能制造與綠色制造》一書的描述，這屬于建筑陶瓷工業3.0階段，“將自動化的機械設備進行數字化改造，可實現機械設備的遠程調試、控制、維護等目的。”

但還不是智能制造，書中提出“建筑陶瓷工業4.0的特征為智能化，具有自感知、自學習、自決策、自執行、自適應等功能的新型生產方式，形成一種高度靈活、個性化、數字化的產品與服務新生產模式。”

我們認為，把數據采集到服務器上，與大屏幕的生產看板連接，實時顯示設備的運轉情況，這些動作最多就是數據呈現，這只是數字化改造的初級階段，離真正形成智能制造還有很大的差距。因為僅有數據呈現，沒有數據的有效利用，其實無法達到真正意義上的人工智能。現在，這似乎已經成為了建陶企業數字化改造的時尚，很多企業都在熱衷于上數采設備，做看板呈現，實際上，只是數字化改造的初級階段。

眾所周知，只有數據發展到足夠多，且計算機的算法和算力快速發展，在足以支撐大數據運算的情況下，人工智能才能脫穎而出，這就是華為創始人任正非先生提出的“計算機與統計學就是人工智能”。

采集后的數據如果只做簡單的統計和看板呈現，然后束之高閣，再也不使用了，其實是對數據的浪費。這樣的數據積累并沒有形成數據資產，也沒有支撐企業的數據化向人工智能轉型，還會造成數據庫內存不斷增加，最后形成數據垃圾予以清除，這也是為什么許多企業家對數字化改造持懷疑冷淡態度的原因。

僅有數據搜集而沒有對數據的有效利用，是無法實現智能制造的。

3如何開展建陶生產線的數字化智能化改造

3.1實施數據采集，并對數據采集進行分類

開展數字化改造的第一步，首先是數據采集。根據陶瓷生產線的實際情況，我們將數據采集分成兩類：第一類是設備的數據采集，簡稱機采;第二類是手工的數據采集，簡稱手采。這是根據陶瓷生產線的特征而決定的。

實施數據采集機采的主要設備有喂料機、球磨機、漿池、噴霧塔、粉倉、壓機、干燥窯、施釉、噴墨打印機、窯爐、拋光、分級檢測等。

機采數據是在設備有PLC接口的情況下，增加傳感器，通過有線傳輸，將數據傳到服務器，再以規定格式上傳至云端或與大屏幕連接。

由于設備生產的制品半制品無法在線檢測，都是當班工人和質檢人員采樣后送檢，再將檢測結果進行登記記錄;設備運行情況，生產的產品規格型號等數據也不能通過機采數據記錄下來，只能以當班表格形式記錄。

手工采集數據將原來的報表做成電子表格，工人的手寫報表變為電子表格，以數據平臺方式采集，形成結構化數據再上傳至云端。我們在試點企業的數據采集，機采數據多達100多張表2000多個變量，手工采集數據的電子表格也有30多張，變量達到1200多個。

機采和手采的數據都非常重要，可以達到互相印證，互相輔助的數據使用效果，因此在策劃數據采集時，應該通盤考慮，通盤設計，不能厚此薄彼。

3.2數據鏈路的搭建

數據采集之后的重點是數據鏈路的搭建，與建陶業務流程圖對應的是數據流程表。要把與生產流程對應的數據串聯起來形成多個工序的數據流程表。數據流程表詳細地記錄了每一個環節的數據，并將所有孤立的數據表串連起來，還原出整個業務流程。

所有的數據在沒有經過數據鏈路搭建時，都還是數據孤島，只有通過數據鏈路的搭建，才能形成有價值的數據鏈條。陶瓷企業的連續生產特性決定了數據的關聯有時間節點和工序節點，重點是各個數據節點的相關性和數據之間的邏輯關系。這是在數據處理中耗時最多也最困難的環節。

數據鏈路的搭建是為后期的數據分析和數據計算打好基礎。

3.3打通數據鏈要靠行業專家

數據要做鏈路搭建，必須由經驗豐富的陶瓷行業專家來講解工藝的特性，沒有行業經驗的人是無法解讀建陶生產業務流程的。大部分建陶企業的業務流程是沒有數據的。這時候，需要行業專家指點迷津并要與項目團隊深入到生產線上了解各個工序的工藝要求，工藝標準，工藝參數以及制品半制品在該工序停留的時間。行業專家主要有兩個作用：一，對生產線進行分析，講清楚行業的“痛點”是什么;二，幫助搭建數據鏈路，理解所有的數據表背后的業務流是什么樣的，它們是一種什么樣的先后關系。據此搭建出來的數據鏈路才有生命力，才能夠為數據分析和數據挖掘環節提供可靠的數據支撐。

由于建陶生產受到多種因素的影響，因此數據鏈路的搭建不能只考慮單一因素，有時需要考慮多重因素的影響，例如，窯爐燒成就要受到溫度、氣氛、壓力、粉料的化學物理成分、釉料的化學物理成分等多種因素的影響，同時，還要根據燒成出來的產品檢測指標對燒成結果進行評價。因此，僅一個窯爐的數據鏈路搭建就會和10幾種因素進行配合。這也需要行業專家的指導和解釋才能搭建成功。

4企業實施數字化改造需要注意的問題：

企業進行數字化改造的目的應該明確，就是為了使用分析數據，為智能化改造奠定數據基礎。在改造過程中，通過數據呈現展示一部分成果是可以的，但絕對不是最終目的。明確了數據的使用是整個數字化轉型過程中最重要的內容，就可以解決在數字化改造中遇到的一系列問題，并克服其中的困難。

4.1數據采集的原則

數據采集應該堅持這樣幾個原則：

（1）數據聯通的原則

數據聯通的兩個重要原則：一是要按照工序的工藝流程，將此工序的機采數據和手采數據統一做鏈路搭建;二是按照設備和制品兩部分數據設置可控變量、不可控變量、約束變量和目標變量。即把所有本工序的數據內容厘清，用途厘清和制品檢測含義厘清，才能做好數據連通。

同時要考慮的是我們前面談到的產業痛點，在“四轉”過程中最容易發生變化的數據有哪些，設備數據的重要參數及上、下限，制品檢測數據的參數及上、下限，做出數據標簽，再結合生產線的瓶頸問題做下一步的分析挖掘。

（2）根據數據使用的維度，確定采集數據的點位

數據采集點位是非常多的，有的設備的數據點位達到幾百個，例如窯爐的數據采集點有580多個，但是許多數據的用處并不大，特別是傳動設備的變頻電流、變頻電壓等數據實際用途并不大，這樣的數據點位就不建議采集。在數據使用中數據并不是越多越好。一些沒有用處的數據會形成數據垃圾對實際應用數據形成干擾和噪聲。

（3）堅持數據的準確性和真實性

數據采集的準確性和真實性是必須堅持的原則，應該注意到無論機采還是手采數據都會有很多數據缺陷，有的是出現空缺值，有的是出現異常值。相比之下，機采數據的狀況稍好一些，因為其除了設備本身的原因或者通訊線路不暢之外，不會受到人為因素的干擾。但是手采數據與工人的文化素質，考核內容相關，凡是在崗位考核范圍之內的，數據的填寫就會認真一些，不在考核之內的數據填寫就相當隨意，有時一個班的數據都一模一樣，沒有任何變化，但是實際對照設備時會發現數據的抄寫是隨意的也是錯誤的。

誰對數據的真實性負責，其實是一個很有意思的課題，在實踐過程中，我們發現：

1）制造數據的設備商對數據的準確性并不關心，數據出現錯誤之后，設備商總是找出很多理由進行責任推諉，在實在推諉不掉時，才會做出修正和優化。

2）數據的采集商也不關心數據是否準確，他們只關心數據沒有掉線，可以正常傳輸就行了。

3）生產線的技術管理人員因為沒有體驗到數據對生產可以起到幫助推動作用，他們也不關心數據是否準確，從生產工人漫不經心填寫的額數據上，就可以看出他們的態度。

真正對數據準確性關心的其實是我們使用數據建模的技術人員，因此隨著數據使用的不斷深入，我們跟著數據的使用進度在一點點檢驗并排查數據的準確性，真實性，并不斷對數據采集提出更有實踐意義的要求。

4.2數據使用的原則

（1）數據清洗，在數據清洗過程中去除空值、異常值等等。

（2）數據描述性統計分析

數據清洗之后要做數據統計性描述，對數據的均值、方差、中位數和四分位數等等進行描述分析。可以借助可視化軟件，將數據的分布做成散點圖、柱狀圖、折線圖和氣泡圖等。

幫助技術人員通過數據描述找出一些規律性的內容，如產品的合格率，設備運行的參數誤差等等。

（3）數據分析與挖掘

建陶企業的數據采集特征是數據量非常大，數據的變量也非常多，

因此數據的分析使用必須通過數據軟件建模才能實現。有關數據的機器學習和深度學習等各類論文均有詳細論述，本文不做表述。

4.3數字化改造應該堅持循序漸進不斷優化的原則

（1）第一階段——只采不控

數字化改造的前期，我們對生產線的數據采集是“只采不控”，即把數據采集下來做數據分析和數據建模挖掘。數據建模出來的結果，要到產線實驗，不能夠不斷進行優化迭代。

（2）第二階段——“最小化侵入”

根據數據建模的結果在生產線上設置一臺“人機對話大腦”，大腦把模型的運行結果反饋到產線技術人員或當班工人的臺面上，技術人員和工人根據模型提供的參數進行工藝參數調整。

（3）第三階段——數字孿生，仿真控制

在模型優化迭代和工藝能夠完美對接的基礎上，可以考慮通過數字孿生技術，進行設備的反控。但是進入這個階段，各個基礎模塊的技術要求更高，通信技術的精確度也很高，需要不斷嘗試和進行設備改造才能完成。

5 結語