工業4.0 下的現代鑄造工廠

陳建華

（迪砂（常州）機械有限公司，上海 200051）

1 工業4.0 下現代鑄造工廠的建立

隨著全球制造業的飛速發展，作為制造業的重要基礎和主要產業之一的鑄造業也得到了全面提升。本文就現代鑄造工廠的規劃設計和智能化應用，闡述如何建立一個具有適應性、高資源效率等方面的智慧工廠，重點論述的是濕型砂機械化造型工藝的內容。

工業4.0 旨在利用物聯信息系統將生產中的供應、制造、銷售信息等數據化、智能化，最后達到快速、有效、個性化的產品供應。所以，一個現代化的鑄造工廠，當以具備順暢物流生產鏈、生產信息數據化和工藝過程智慧化為建設基礎。

一個鑄造工廠的建設，應該在符合環保要求的前提下，用盡可能低的成本生產出更多的近終形鑄件。本文不重點論述鑄造工廠設計中生產能力匹配的設備選型及生產節拍的穩定等基本問題，在這里著重講述的是，工業4.0 下鑄造工廠順暢的物流生產鏈與生產信息數據化的有機融合。

鑄造工廠生產的鑄件產品，大致可分兩大類，一是純鑄件（也包含部分機加工完成后）的單一品，二是組裝成部件的半成品。對于鑄件的生產任務單，大致分為訂單式和庫存式，即根據市場訂單或庫存數量來完成鑄件的生產。

1.1 訂單式生產

訂單式生產，大多采用流水式物流生產鏈。這種性質的鑄造工廠，生產任務的下達，基本取決于下游工廠的訂單，很少直接面對一級市場。所以工廠采用的是近零庫存生產模式，即根據訂單完成生產任務。舉個例子，當一個任務單是生產10000件產品，那么鑄造工廠就可以根據本產品的通用良品率，給車間下達具體的生產任務。但當鑄造車間在完成生產任務單時，如果出現由于某個單型因造型或澆注出現問題影響到產能數時，生產線就可以通過人工干預自動補加型數，以補足因生產缺陷造成的量缺，使生產任務完成。這是現代工廠數據化和智慧化的一個初步應用。

1.2 庫存式生產

庫存式生產，大多采用倉儲式物流生產鏈。如果鑄造工廠的產品，是相對標準的通用產品，比如各類管（附）件，工廠就可根據產品的市場需求量，下達全（季）年生產任務單，整個工廠的生產任務單則由中央立體倉庫來完成。中央立體庫記錄工廠所有的產品信息，可根據庫存狀態自動協調產品各工序的工作內容，各生產工序與中央庫之間由穿梭臺車（RGV 或AGV）完成產品的轉運和存儲。

無論采用何種生產方式，鑄造工廠的生產，應滿足順暢的物流生產鏈與生產信息數據化的有機融合?，F代鑄造工廠的建立和生產，應盡量減少物流彎路和人工參與，實現鑄件不落地、產品信息單件化，最終實現智能化鑄造生產。

2 鑄造工廠的數據化和智能化

一個鑄造工廠鑄件的生產管理和產品管控，在工業4.0 下應逐步建立數據化和智能化生產。

鑄造生產是一個相對復雜的系統工程，期間有物理、化學等的變化過程，參與作用的因素有很多。傳統的鑄造工藝生產，參與過程的工藝參數是一個相對寬泛的區間，同時與參與生產和管理人員的經驗作用也很大，所以我們的鑄造生產相對來講不是特別穩定。畢竟人的大腦關注的生產要素是有限的，還有因參與管理和生產的人員的不同造成個性差異化，所以在鑄造生產過程中由于某些因素的變化引起的產品質量波動，我們未必在第一時間內能精準發現和糾偏。這時候就需要AI 智能系統去做大量生產數據的收集、顯示、分析，從而在大量數據的基礎上，系統會開啟自我學習的功能，從而發現和糾偏發生改變的數據，而達到產品質量穩定的目的。

圖1 數據的收集

圖2 數據的顯示

2.1 數據的收集

對于濕型砂機械化造型鑄造工藝來說，全方位收集五個生產工部（熔化，造型，砂處理，清理和制芯）的生產數據。比如，砂處理工部，從開箱落砂開始：鑄件的開箱溫度，舊砂完成落砂后的溫度、濕度等。把這些數據收集起來，并按一定的標準格式進行存儲。當然，一些數據的收集不能實時和自動收集，如舊砂中的含泥量等，我們可以按一定的時間節拍人工收集并錄入這些數據。但更多的數據我們會通過安裝傳感器或者通過數模轉換的方式取得?？傊?，事關鑄造生產過程的數據我們先收集起來。數據收集的前期需要一個過程，在數據收集3～6 個月后，會逐漸形成數據庫，然后慢慢發揮它的作用。

所有收集的數據日積月累會形成一個龐大的數據庫，參數數據間還要進行比較、計算等數學運算，一般我們會把數據上傳至云端，在云空間進行數據存儲和運算。

2.2 數據的顯示

在云空間的數據是可以隨時訪問的，但并不是所有的人都有權限訪問所有數據，數據所有者可以根據使用群體類別設置訪問權限?；诰W頁的儀表板可實時顯示可視化數據，并可自動生成報告。訪問者可在有權訪問的權限內閱讀實時的和歷史的真實數據，系統也會在各種數據基礎上，自動繪制成表格、曲線等呈現形式，讓龐大數據直觀有效地顯示給訪問者，讓訪問者了解各個環節發展趨勢及對未來可能狀況給出研判。數據系統可支持各種便攜式通訊端口，使用者可便捷地隨時了解和掌握鑄造工廠的生產動態。

強大的數據庫支撐，為我們的鑄造生產提供了有力的保障。首先人工智能識別的過程數據會和產品質量數據之間建立起聯系，在云空間還有更加范圍寬泛和細微精準的數據基庫。

2.3 數據的分析

云空間數據不是簡單的存儲和顯示，它還具有分析和自我學習的功能。規?；蔫T造是以產品質量為基礎，鑄件的良品率為最終目的的生產模式，只有這樣，產品才具有更低的制造成本和更高的市場競爭力。具有分析和自我學習能力的數據化AI 智能系統，會讓收集的數據發揮效力，他能統籌所有的參數數據，處理無限復雜的邏輯關系，精準發現生產時采集的參數數據的變化及對產品質量的影響，并提出優化整體工藝的意見。

這種參數數據分析和優化的原理，依據的理論基礎依然是我們運用了很多年且是相對成功的鑄件形成理論，AI 數據智能系統的參與，是對這些存儲起來的影響鑄造生產的參數數據，進行比較和優化，能夠充分發揮其強大的分析和運算能力。而數據基庫也是一種動態的存在，我們生產中實時采集的數據也會不斷地加入其中，不斷豐富和完善數據基庫，使我們獲得的數據支持更加強大。

圖3 數據的分析

如圖4 示意，初工藝參數為游離在圓圈外的小點。

圖4 初始狀態

運用AI 數據智能系統，讓游離點逐漸優化進入圓圈中，如圖5 所示。

圖5 智能控制

2.4 智能控制

AI 數據智能系統的最終目的是智能控制，從而實現黑燈工廠?；趶姶蟮臄祿С?，系統會對鑄造生產中出現的問題列出最相關的所有參數，并對相關參數進行分析、修正直至回歸到圓圈中。在使用的設備不具備自動調節糾偏功能時，需要我們人工輔助糾偏，如果機械設備具備糾偏功能，系統會自動調節完成糾偏。舉一個例子，在混制濕型砂過程中，會實時檢測型砂的緊實率和濕壓強度，一旦出現型砂緊實率合格但濕壓強度偏低，系統會綜合舊砂含泥量，有效粘土和死粘土的占比，砂系統近期補加新砂比例，砂型強度和透氣性等與之相關的參數，做出自動糾偏調節：系統會下達指令調節除塵系統電動調節風門，加大風量去除更多的死灰；開動新砂添加系統補加新砂；調節型砂混制中粘土的配比補加等，讓出現的偏差參數趨向正常值。諸如此類鑄造生產中出現的影響鑄件質量相關參數的變化，都可以通過系統自動調節糾偏。

3 結語

本文簡單介紹了工業4.0 下的現代鑄造工廠生產中數據化智能系統的基本原理和應用，旨在讓鑄造生產的數據變為價值，為現代鑄造生產發展提供一個思路。