數字大腦賦能、智慧工廠上線……疫情之下，工業智能化提升傳統制造業“免疫力”

　　紡織車間興起“新基建”，工人溫度仍不可替代

　　閱讀提示

　　智能機械火力全開，人工智能品控識別，數據挖掘深度改造……傳統紡織企業年產20萬噸錦綸，至少要1100名工人，在恒申控股集團，這個數字僅為420人，一場以大數據、人工智能、工業互聯網為核心的“新基建”在紡織車間里加速推進，助力傳統制造業在疫情之下“逆襲”。

　　運抵碼頭的上萬噸原料，無須裝卸、不用車輛，通過專用管道就可直達廠區；原料庫存多少、消耗多少、投放多少催化劑、有沒有“跑冒滴漏”……當不少紡織企業還在忙著尋找工人復工的時候，位于福建省福州市的恒申控股集團生產線上的各個環節都已實現“智能大腦”全流程操控。如今，該公司董事長陳建龍已經開始計劃下一階段的產能布局和生產車間的智能化改造。

　　綜合加權開機率92%、職工返廠率97.4%，產能恢復超過110%……看著“智慧中心”大屏上實時跳躍著的數據，陳建龍感嘆：“車間里興起的‘新基建’，讓恒申跑在了疫情前面！”

　　“智能化”化解復工難題

　　3月20日，在恒申控股集團旗下的力恒錦綸聚合生產車間，3條高速紡切片生產線正高效運轉，5000多平方米車間里的生產設備都通過中控室的操作人員控制和監控。現場，15名工人戴著口罩，利用智能化生產設備實現“零接觸”。

　　同**，在距離力恒錦綸聚合生產車間6公里之外的恒申合纖科技有限公司后紡車間里，紗線在機器間“拉伸、加捻、解捻、卷繞”，30名工人穿著防靜電服來回穿梭，傳統紡織車間里上百名工人大汗淋漓的場面在這里不見蹤影。

　　在恒申控股集團，自動纏膜機、機械手臂、自動包裝線等智能設備在生產線上得到廣泛運用，這讓疫情期間緊缺的勞動力迅速補充到生產缺口，保證生產線的平穩運行。

　　“是智能化幫助我們將恢復產能的勞動力需求降到了*低。”恒申合纖科技有限公司總經理梅震告訴記者，傳統紡織企業年產20萬噸錦綸，至少要1100名工人，而在恒申，這個數字僅為420人。

　　眼下，疫情雖然尚未解除，梅震已經著手推動智能化帶來的產能加速度。

　　上午9：30，在成品絲車間，梅震正忙著和一旁的技術人員討論剛剛立項的“新基建”項目——工業智能相機。該工業智能相機要加載數百萬種產品的品質外觀信息，實現產品外觀集中一體化檢測，以降低大量的人力投入。用梅震的話說：“產品過不過關，無須人工手檢，相機一掃便知。”

　　據介紹，這個即將上馬的智能化改造項目將用于絲餅外觀檢驗等原本需要投入大量人力的品控環節。梅震給記者算了一筆賬，項目建成后每年可節約人工成本480萬元，而改造后產品合格率預計將提高0.5%，每年將創造效益超過3500萬元。

　　“數字大腦”帶來全球協同

　　反向收購“世界**”的福邦特，晉升全球規模*大的己內酰胺生產商；**打通“環己酮-己內酰胺-聚合-紡絲-加彈-整經-織造-染整”全產業鏈……近年來，在全球擁有21家分公司、7個研發實驗室的恒申，儼然成為了一個“世界工廠”。

　　然而，面對跨越亞歐大陸的產業協同難題，這個由一家“蚊帳廠”起家的本土紡織企業并沒有太多現成可參考的經驗。

　　“就算擁有世界上*先進的設備，用機器代替人工，但并不意味著就實現了智能化轉型。”在恒申控股集團董事長陳建龍看來，只有把產業協同的網絡架到“天上”，通過“新基建”向“數字大腦”取經，智能工廠才能擁有靈魂。

　　陳建龍在平板電腦上向記者展示了恒申“數字大腦”智能管理平臺的“雛形”。這套基于“SAP ERP”框架的管理系統，實現“IoT(物聯網)+SaaS(軟件集成)+AI(人工智能)”的系統深化應用，將生產制造、研發設計、物流倉儲等各環節數據合為一體，實現了“產、供、銷、人、財、物”數據的實時獲取和智能挖掘。

　　記者發現，透過“數字大腦”，無論是位于福建長樂連江、江蘇南京的子公司，還是位于荷蘭馬斯特里赫特的工廠車間，陳建龍都能夠實時調取生產畫面和產能、庫存等各類數據并生成智能化報表，這讓疫情期間企業跨區域調節產能結構、分配生產指標、減少庫存消耗成為可能。

　　“過去歐洲研發中心每年投入研發資金約152 0173 3840萬歐元，現在通過‘數字大腦’，同樣的研發課題只需要投入850萬歐元，這就是協同帶來的效率。”據陳建龍介紹，以往跨地區的信息傳遞，要耗時五六天。有了“數字大腦”的智能分解，交貨周期從以前的一兩周，提速到現在的4天以內，生產效率大幅提升。

　　機械背后是不可替代的工人

　　每天上午7:45，在恒申合纖技術中心內，工程師楊越都要準時出現在電腦屏幕前，察看由前方6個后紡車間傳送來的產品指標數據。數據加載在8份表格內，記錄著車間里每臺機器生產產品的物性、染色、外觀3大類共計22個小項的指標參數。恒申集團擁有的后紡設備有110臺，平均每天需要楊越檢驗并處理的數據超過2200多個。他告訴記者：“看完并整理這些數據就需要花上半天時間。”

　　“產品毛絲率數據異常，開紡1天后仍然居高不下，檢查機械配件是否磨損老化？”“僵絲或緊點現象的頻繁出現，可能生產工藝需要微調。”有著9年紡織工作經驗的楊越要從這些數據之中找到異常，并通過分析這些數據為生產車間里的工人提供異常原因和改進建議，跟進整個過程。

　　在不少同事眼中，楊越所扮演的角色就像“智慧工廠”里的大腦，在海量的數據中挖掘數據的價值。為了提升數據挖掘的自動化水平，楊越和同事們正在研究異常數據的表達規律，試圖通過開發新的分析系統，讓生產線上的異常能夠更加快速有效地被發現，降低人工檢驗的差錯率。

　　“無論是智能機械還是‘數字大腦’，都是為了幫助工人實現更高質量的生產和勞動。”在楊越看來，他并不擔心自己會被這套自動化系統所取代，也不擔心工人會被生產線上的智能設備所代替。

　　他和技術中心內的另外兩名工程師都來自生產一線，分別對聚合、前紡、后紡的生產數據進行監控與整理。“我們能在這里，是因為我們擁有機器所不具備的能力和經驗。”楊越告訴記者：“工人的溫度不可替代。”