电子信息产品是指涉及电子信息的采集、获取、处理或控制方面的电子产品，如电子元器件、电子信息材料、手机、电脑、视听产品、网络及通信设备等。今天通过这篇文章给大家分享电子信息行业的工业互联网平台应用案例。为电子信息行业的企业转型升级提供参考。
电子信息行业
基本情况及生产特点
行业基本情况及生产特点
电子信息产品是指涉及电子信息的采集、获取、处理或控制方面的电子产品，如电子元器件、电子信息材料、手机、电脑、视听产品、网络及通信设备等。电子信息产品属于知识、技术密集型产品，其科技含量较高；产品注重质量、节能和环保，并遵循行业标准及国际标准；产品竞争激烈，升级换代迅速。
中国电子信息产业是经济总体中的朝阳行业，总体规模位居世界第二，仅次于美国。中国在手机、电脑、网络通信设备及产品方面世界总量第一，并在固定电话、移动电话和互联网的用户数量上领先全世界，同时拥有全球最大的信息通讯网络。
2017年9月，工信部发布《中国电子信息产业综合发展指数研究报告》，该报告显示，2016年中国电子信息产业主营业务收入达到17万亿元，是2012年的1.55倍，年均增速11.6%；2016年电子信息产业利润总额达到1.3万亿元，是2012年的1.89倍，年均增速17.3%。
电子信息产品细分种类众多，产品间差异大，不同产品其制造工艺过程不尽相同，但一般都遵循模块化设计与模块化生产制造理念，涵盖模组、部件到整机的生产全流程。电子信息产品制造一般工艺流程如下：
图 电子信息产品制造工艺流程
一般工厂根据产品生产订单量、产品生命周期、工艺过程特点等因素，综合考虑生产效率及投资效益，确定产品生产制造模式的基础上建设产品生产线。整体上看，电子信息产品制造呈现出3种不同的制造模式：面向大规模产品的流水线制造模式、面向订单拉动产品的单元生产制造模式、面向单一高价值产品的手工生产制造模式。
面向大规模产品的流水线制造模式，指的是采用工业机器人、自动化专机、特定生产装备等，组建自动化生产线，实现各个工序的自动化、无人或少人化生产作业。采用自动化流水线制造方式，可以大幅提高劳动生产率，缩短生产周期，减少在制品占用量和运输工作量，降低生产成本。但是自动化设备初期投资大，而且设备多为专门定制，不能及时地适应产品产量变动、品种升级和技术更新。所以，自动化作业方式，主要适合于种类单一、产量大、寿命持续时间长、工艺简单稳定的产品的大规模产品的制造。
面向订单拉动产品的单元生产制造模式，是指生产线按照流程布局成一个完整的作业单元，作业员在单元内进行目标为“单件流”的作业，也称之为单元生产方式。该生产模式，通过单件生产、Cell单元化布局、多能工培训、减少中间在制品、消除批量周转、追求零故障等措施，可以大幅缩短生产交付周期，节省不必要的材料和中间组装环节，实现产品的快速转换，可以根据产品需求情况调整Cell单元数量，从而迅速适应市场订单品种和数量的变化。所以，单元生产制造模式，非常适合基于订单拉动的多品种、小批量、短交期的产品制造。
面向单一高价值产品的手工生产制造模式，就是基于人工作业方式。主要特点是以人工生产为组合，生产效率低，产品质量和交付周期受到工人技能水平、工作状态、工艺复杂程度等多种因素影响。但是，对于单一高价值产品，特别是在产品加工、组装、检验等环节，无法采用自动化装备实现，必须人工主观判断或检验的节点，都需要采用人工作业。所以，人工作业，主要适合产量小、产品加工装配工艺复杂，或者需要人工进行主观判断分析的场合。
流水线生产、单元生产、手工生产这三种制造模式，在电子信息产品制造中广泛存在，都具有各自的应用场景和具体需求。但是，仅仅只是生产方式的调整和升级，还远远无法实现电子信息产品制造的根本性的变革。只有所有生产设备、过程环节与资源，和工业互联网的充分结合，消除信息壁垒，实现所有要素的互连互通，才能为电子信息产品的智能化生产提供坚实的基础。
电子信息行业
对工业互联网实施的业务需求
工业互联网是由智能机器、网络、工业互联网平台及应用等构成的系统，能够实现机器与机器、机器与人、人与人之间的全面连接与交互。这种互联不仅是数据信息流的简单传递，而是融合了智能硬件、大数据、机器学习与知识发现等技术，使单一机器、部分关键环节的智能控制延伸至生产全过程。工业互联网为生产数字化、网络化、智能化发展提供支撑，是实现智能制造的关键基础，也是生产制造发展的新阶段。
传统工业企业的生产过程协同只能在企业内部各个部门之间、不同车间之间实现小范围协同。工业互联网突破了时空界限，集成了供应链、客户关系、制造执行、企业资源等系统，为整个供应链上的企业和合作伙伴搭建了信息共享平台，将生产过程协同扩大到了全供应链条甚至是跨供应链条上，实现了全生产过程资源的网络化配置，可实现社会化协同生产。传统工业生产极大地依赖固定生产线，能源、原材料、机器、设备组和其他生产设施均按照最大生产需求配置，在闲置生产时段易造成极大浪费，生产过程中也无法灵活调整分配。在工业互联网条件下，通过互联将智能控制链条延伸至生产的各个环节，推动生产流程向可通过软件定义、管理和执行的智能化方向转变，实现生产动态调整。
传统电子信息产品制造中自动化生产、单元生产、手工生产方式与工业互联网相结合，将通信信息技术与电子信息产品制造相融合，实现机器设备健康管理、人机一体化协同作业、生产过程质量追溯、产品生命周期质量管理，从而优化对装备和资源的使用，推动生产和运营的智能化，创造新的经济成效和社会价值。
流水线生产中的设备健康管理
在电子信息产品制造中，自动化流水线制造模式，实现大批量、标准化、持续不断的生产，需要依赖于大量生产装备进行，其对设备运行状态、维护状态、保养情况等，都需要进行严格的管理和监控；一旦因设备管理不善导致生产停机、贵重设备提前报废、产品质量隐患或安全事故对企业造成的损失往往是巨大和难以承受的，为使这些设备保持健康运行状态，帮助企业降低生产制造成本和提高产品质量，实现企业的可持续和健康发展，就需要对设备进行健康管理。
通过工业互联网采集设备运行状态信息，对设备运行状态进行实时监测，并结合采集到的设备故障信息，实现对设备的健康管理和可预测性维护，以较少的投入，大大延长设备的技术寿命、经济寿命和使用寿命，为企业产生检修效益、增产效率和安全效益，使企业保持良好的经济效益。
单元生产中的人机协同一体化
电子信息产品制造目前呈现出复杂化、非结构化、柔性化和随时可能改变尺寸形状等特点，在自动化流水线生产或单元作业方式中，单纯依靠机器来实现产品自动化生产，其解决方案难度和成本将会是巨大的；另外在高精密装配上，无论机器怎样发展，都有它的局限性，远不及人的灵活性。即便是那些已有大量操作依赖机器的企业也发现，机器灵活性不足以也难以适应不同的生产作业以及意外情况，仍需要人员针对不同的任务或花费昂贵的离线时间对机器进行重新设置。通过工业互联网人机数据交互，在确保安全的前提下，可以消除人与机器的隔阂，将人的认知能力及灵活性与机器的效率和存储能力有机地结合起来，以人机协作方式，提升整个产品制造的生产力及质量，将成为当前企业智能生产的一个重点研发和突破领域。
流水线生产中的质量管理和追溯
电子信息产品的生产加工过程中，从来料、配送、生产、装配到发货各环节，整个过程经人为分割，导致各环节业务数据无法有效衔接及利用。
基于工业互联网技术，可获取全生产过程的材料质量数据、工艺参数及自动化生产设备的状态业务数据，经数据挖掘技术，可进行质量问题的根因分析，发现并消除质量管理环节中存在的漏洞，也可运用大数据分析工具建立质量预测模型，实现质量问题的提前预警，为生产提供决策服务。
通过工业互联网技术、RFID及二维码等技术与电子信息产品制造过程的结合，可实现对全生产过程关键工艺参数、设备参数及操作情况等数据的标记及采集，从原材料供应、生产的各工艺环节直至产品的最终交付，使整个链条的所有环节数据彼此建立关联关系，在任意环节出现质量异常时，均可精确追溯到前段任意工艺环节数据，并进行分析，来获取异常原因。可运用大数据分析工具建立质量预测模型，主动分析原材料质量数据、生产设备工艺参数及设备状态数据变化等，发现潜在质量问题，提前进行预警及解决。
实施案例：高产能的全自动化生产线马达健康管理实例整条产线包括机台上的36台伺服马达、传送带上的20台交流马达以及多路径传送带上的5台交流马达。如下图所示的产线传送带的一小段为例，传送带上有6台马达，每台马达都有独立的配电装置，内含电压、电流侦测装置，通过电压电流转换器，将信号发送给网络通讯主机(E-Gateway)；每台马达上都安装温度、振动传感器，将温度和振动频率转换为数字信号，然后传送到同一台网络通讯主机(E-Gateway)。每一台马达都配有独立的网络通讯主机，这样马达之间的信号不会受到干扰，无论是SCADA系统还是手机，都可以接收到马达运转的实时信息。具体系统架构如下图所示。
图 马达健康管理实施案例通过这套智能马达系统，可以实时监控马达的温度和振动频率，从而显示出马达低额运行的状况、故障次数和日/月用电报表并发出告警信息。综上所述，运用设备健康管理系统，实现设备数据可视化，工作人员提前得知设备的健康状态，提前购买、准备设备及其零组件，在设备出现问题之前就对其进行维修、更换，避免因设备突然出现问题而造成的产能损失，提高设备稼动率，达到提质增效的目的；也能提前安排工作人员的工作，提高人员工作效率，进而降低人力成本。
细化应用场景一
设备健康管理
设备健康管理是通过整合设备管理的规章制度和管理流程，紧密围绕设备状态的监测、维修、使用和工厂环境等信息，运用智能现场系统对涉及设备健康的因素进行全面分析和管控，运用智能排程系统对维修活动进行优化排配。设备健康管理通过更好的信息可视化、可预测性和简化作业流程来提高设备的可靠性和绩效，减少设备停机造成的生产延误，提高生产线性能；通过预测和认知分析加快设备维修进度。
因此，设备健康管理主要有以下两个功能：
1）故障预测：预计、预警、诊断部件功能的状态（包括确定部件的剩余寿命和正常工作的时间段）;
2）状态管理：根据诊断、预测信息、可用资源以及使用需求对维修活动做出适当的决策，确定是否更换设备、更换其零组件或者正常维护。
设备健康管理主要分为四个层次：边缘层、Iaas层、Paas层和应用层。如下图所示：
图 设备健康管理实施架构
边缘层包括设备现场作业、设备参数的修改和硬件维护；Iaas层、Paas层包括FA/MES/SCADA等智能现场管理系统、大数据平台和APS智能排程系统；应用层包括ERP系统，设备在线采购以及实时监控。
设备健康管理的流程如下：
1&2）智能现场系统通过在设备上安装的传感器，实时收集设备产生的数据；一方面，通过手机或显示器接受智能现场系统发送的数据，工作人员可实时监控设备状况，另一方面，将设备数据发送到大数据平台；
3&4）大数据平台进行数据分析和仿真模拟；大数据平台会根据分析结果，将预测预警设备需要更换的排程信息发送到APS系统；若只是设备参数需要调整，大数据平台会发送指令到智能现场系统，系统通知工作人员远程修改参数；
5）APS系统收到设备预警的排程信息后，实时发布维修计划到ERP系统；
6&7）ERP系统根据维修计划制定采购计划，采购人员通过云平台购买设备零部件，并在ERP系统里维护设备交期；
8&9）ERP系统将设备交期回复给APS系统；APS系统根据设备交期调整维护排程并发送到智能现场系统；
10&11）根据智能现场系统显示的设备维护排程，技术人员进行维护工作；智能现场系统实时发送设备维护进度给APS系统；
12）设备维护完成后，APS系统会发送完工报告给ERP系统，维护结案。
细化应用场景二
人机协同一体化
随着中国工业进程的快速推进，产生了一系列超大规模的电子加工企业，这些企业多覆盖冲压、注塑、烤漆、PCBA、组装等不同加工制程，因原材料或组件的物理形状和材料特性不同，及产品迭代周期大部分在半年到一年半左右，无法实现或实现全自动化生产的设备投入往往较高，产品迭代又需要全新投入或部分改造，所以一定时期内，人机协同工作符合这类企业的投资策略。
该类企业的特点人力相对密集，辅以代替人进行简单重复劳动的半自动化设备，以人机协同加工作为主要的作业方式。企业特点要求人和机实现高效协同，实现生产节奏的同步。保证生产的稳定、高质、高效是这类生产组织模式的核心能力需求。
为此，施耐德导入了EcoStruxure架构。
图 施耐德EcoStruxure架构
EcoStruxure是一个技术框架，涉及互联互通的产品，边缘控制，以及应用、分析与服务等方方面面。互联互通的产品构成了物联网的基础，通过边缘控制帮助客户连接控制平台，支持客户进行简单的设计、调试和监控操作。
总体实施架构分成四层，为别为：物理设备层、核心网络层、制造运营层和企业管理层：
图 人机一体化协同实施架构
企业管理层：以企业级平台为基础，管理企业级服务，企业管理层采用3A的统一认证方式，实现企业级系统应用统一认证，企业管理层采用负载均衡，保障企业级服务高效安全的运行；企业级平台以企业服务总线为数据介质，将企业管理层内部以及与制造运营层的数据打通，让企业管理层具备横向的数据交互，也为企业层提供了可靠的底层数据来源；企业计算中心以应用现代化计算机信息技术，对企业层数据进行多样化分析，对企业级的数据进行扩展和转换，为企业决策提供更多的依据。依托企业级平台，生成实现各项业务需要的服务，为企业级客户提供业务支撑。制造运营层：以生产管理为核心，集所有生产管理系统为一体，提供独立的运营级平台，运营级3A可以继承企业级3A体系但独立于企业级，运营级平台主要有服务管理、计算中心、数据中心和数据总线，制造数据中心以统一架构为指导思想，让整个运营级别的基础数据、生产数据、质量数据、监控数据和运营数据可以发布部署，有效集合，增强运营级别数据的处理能力和扩展能力；制造计算中心以现场运营管理为模型，对数据进行分类、分层计算，给运营管理提供可靠的运营数据；数据总线可以让运营级服务内部及和上层企业级、下层进行高效的数据交互，数据总线支持负载均衡。所有运营级服务基于运营级平台为运营级客户提供服务支撑。核心网络层：以为制造运营层提供网络支撑的核心网络为中心，以为分布式数据采集提供网络支撑的汇聚层网络为分支，以连接各现场设备和接入层网络为终端，实现网络的分层和区域控制，整个网络拓扑可以通过数据中心的管理端进行管理。物理设备层：以控制单元为核心，控制单元连接感知元件及执行单元，通过控制单元实现现场设备控制和回路调节。实施案例：施耐德精益数字化实现高效人机协同施耐德第一个小型断路器生产厂，到2004年一直保持年销量15%的增涨，同时老厂房面临租期将近，且延续了17年的生产运营方式，效率提升已经达到一个瓶颈，如果不进行变革式的改变，将面临市场和内部的双重挑战：工厂人员众多，管理成本较高；产能需求加大，工厂厂房不足以应对未来市场需求造成的产线扩张；质量等记录以纸质记录为主，难以实现质量追溯；经验数据无法有效积累，指导未来持续改善；效率损失是一笔糊涂帐，无法形成有针对性的解决方案；设备状态及维护情况没有记录，异常停机频发。工厂认识到，一方面需要通过系统性的工作，优化工厂的布局。通过对布局的挑战，节约22%的生产空间。另一方面，必须实现运营方式的转变，下定决心实施变革，对产线进行改造，上马精益数字化系统，实现精益思维下的数字化运营。为了实现数字化精益运营，实施了包括计划与排程、工艺与作业规范、生产执行与追溯、及时绩效与响应、过程质量管理、电子物料看板、设备数据采集等功能的精益数字化系统。通过三个产线优化及三个月的数字化系统实施，实现了效率从65%提升至80%，生产周期从78小时降低18小时，仓库效率提升了25%。不仅如此。透明化的改造为企业持续改善形成了良好的土壤和企业文化，突破了原有瓶颈的束缚，至今，已经连续12年实现了每年超10%的生产率提升。
细化应用场景三
生产过程质量追溯
数据是一个企业的核心，在电子信息产品生产加工过程中会产生很多数据，包括生产数据，销售数据，物料来源等不同类型数据。这些数据随着企业生产不断累积，变得臃肿而庞大。如果利用好这些数据就可以更好的为生产服务。
生产过程质量追溯聚焦数据，基于工业互联网技术，实现对整个产品生命周期的所有数据的采集，通过构建生产质量模型进行实时分析，实现异常品快速响应和全过程品质监控。挖掘企业生产全过程中影响产品质量的关联因素，发现潜在质量问题，消除质量管理环节中存在的漏洞，提前进行预警及解决。
生产过程质量追溯收集的数据包括供应商物料数据、生产流程数据、生产制程参数、生产搬送历史数据、物料使用情况数据、仓库在库信息数据以及产品销售信息等数据，从所有的可以接触的维度，直接记录产品的生产流程，基于数据整合与分析，实现全生产过程质量追溯。
生产过程品质追溯是采集整个生产制造过程的实时数据，实现生产全过程实时质量监控。通过整合各个系统的信息记录和工业物联终端采集的数据，从来料信息，来料投入，制程机台参数信息，产品流向信息，产品出货信息等各个维度对产品进行监控和全过程记录，并通过质量分析模型与预测模型进行实时分析，实现全过程品质可追溯。
图 生产质量追溯实施架构
如图是所有的记录生产流程中生产数据的相关系统和设备，在全过程品质追溯中，通过集成或采集QMS（质量管控系统）、仓储系统、MES系统、底层设备、搬送设备等系统和设备所有与生产相关的数据，通过对全生产过程数据的处理与模型分析，实现生产全过程品质监控以及质量问题的实时处理。
实施案例中国电子集团某液晶面板企业随着公司业务的成长和生产技术的升级,产品质量问题越来越多,异常品处理也越来越频繁,原有的产品追溯查询及处理流程已经不能适应当前客户的需求,急需一套完善的品质追溯系统及时解决规避产品质量问题。如下为中国电子下属企业中国信安为该企业实施的全流程品质追溯系统的案例。通过工业互联网相关技术，实现对车间制程设备、检测设备和搬送设备的数据采集，同时在数据处理层通过对应用系统的数据集成，串联各个系统各个生产车间的数据，包括生产前段的FAB MES（在洁净室中的生产数据）数据、MOD MES（在模组厂的生产数据）数据、Report（报表）数据、OEE（全局设备效率）数据、WCS中的在库和销售等数据。在整合上述全生产过程数据的基础上，依托液晶面板行业的相关知识，建立质量分析相关模型，实现对产品生产全过程的质量分析与预测，支撑应用服务层的相关应用来解决该企业产品的生产质量追溯问题。
图 中国电子下属液晶面板企业生产质量追溯案例实施架构该案例实施的重点在于“全过程”管理，通过工业互联网相关技术记录与监控产品生产过程中的所有数据，是实现实时监控，实时响应，实时管控的基础条件。通过实施全过程品质追溯，帮助该企业梳理了作业流程，改善了作业模式，避免了作业的疏漏与问题，实现产品高效安全生产。实施全过程品质追溯后，达到了以下效果：品质异常快速反应，由1-7天缩短为1-4个小时；品质异常处理接口统一化，所有跟品质相关的异常处理都在品质追溯应用上处理，方便人员操作；提升公司产品品质以及公司效益，通过实施全过程品质追溯，加快异常处理，降低公司产品质量异常率，减少了质量异常导致的损失；通过实施全过程品质追溯，能够快速定位异常品分布，通过追回或者降级处理等措施，减少用户的损失，提升该生产企业的信誉。
细化应用场景四
生产质量智能管理
表面贴装技术是电子信息制造中使用最为普遍的组装工艺，具有组装密度高、重量轻、可靠性高、高频特性好及易于实现连续化自动生产等优点，同时表面贴装特性决定了如果某一环节出现问题，将造成整批在制品的报废。据统计，表面贴装工序造成的不良占产品质量60-70%。因此需要实时、灵敏地监控关键生产参数并定位出错位置，给予正确的报警提示信息。同时，对部分重要参数进行自动回控调整。
表面贴装技术使用印刷机、贴片机、回流炉等自动化设备，基本都采用工控机进行控制。但由于设备厂商数据接口和格式各不相同，设备信息不能集中共享，形成很多“信息孤岛”，无法实现统一数据分析及处理。
按层次划分，实施架构主要包含3个方面：现场设备层、内部质量管理层、外部质量管理层，整体实施可以包含10个步骤。
现场设备层：首要对工厂内的生产设备进行联网基于工业以太网、工业总线等工业通信协议，以太网、光纤等通用协议，3G/4G、NB-IOT等无线协议将工业现场设备接入到数据存储平台。同时对设备和产品进行对象标识：通过扫条码、RFID、以及机器视觉等技术手段，解决待加工产品的唯一标识问题。内部质量管理层：现场质量管理通过对现场人、机、料、法、环五大关键要素数据实时采集，建立产品全流程的生产质量管控体系，从质量大数据预测，质量过程控制，缺陷分析（SPC/CPK）等方面，提升现场质量管理能力，预防产生质量缺陷和防止质量缺陷的重复出现。外部质量管理层：外部质量管理集中在上游供应商的质量监控，和下游产品在客户质量问题闭环。对供应商质量管理方面，加强IQC来料控制，提供统一质量计算服务平台，与供应商质量系统数据对接，从被动检验转变到主动控制,将质量控制前移。
在海量生产质量大数据基础上，通过对关键指标特征多维关联分析，建立产品质量关于相关联特征的分类模型，从而实现产品制造质量预测。同时结合遗传算法和图像智能识别技术，实现工艺流程自主优化、节约制造资源、保证产品质量、提高生产效率、降低制造成本。
图 生产质量智能管理实施架构
实施案例：中兴通讯机顶盒类终端产品中兴生产质量管理基于中兴自研DAP大数据平台上，建立基于生产大数据中心。生产数据层层汇聚到DAP集中管理。采用通用生产流程管控框架，对生产流程、测试流程、维修流程、返修流程等上下工序的移交进行严格控制，严把质量关，做到质量产品“不流出”。通过机器学习、数据挖掘等技术对历史数据进行分析，构建工艺专家知识库和模型库，实现各生产工序的闭环控制和参数优化。通过关联分析，实时调控生产线关键参数（如设备工艺参数等），对生产过程进行实时监控和主动维护，实现产品质量和效率的提升。