輪胎製造應用大數據探討

這是一個大數據的時代，部分輪胎製造商已開始應用探索，例如玲瓏輪胎與海軍航空工程學院、復旦大學聯合承擔的「輪胎產業大數據關鍵技術研究及應用示範」項目，結合智能製造，共同研究輪胎產業大數據應用模式。

- 01-

輪胎行業很早就已經應用大數據，應用場景主要有：

1）消費終端：輪胎信息追溯、智能胎壓監測及補壓系統、溫度監測及反饋、智能磨耗檢測

2）研發：PLM、雲設計平台

3）財務：EPR系統

4）質量：DB&UF系統、次廢品追溯系統（通常集成在MES系統中）

5）生產：MES系統（基於條碼或RFID，建立輪胎生產過程追溯體系）、EMS系統（跟蹤能耗數據分析如何減少能源浪費）

當前存在的問題主要是工廠里這麼多的信息系統都是一個個的信息孤島，並沒有連在一起，難以發掘出數據的價值。

- 02-

輪胎生產過程中會產生大量數據，工業4.0工廠會自動採集數據，但大部分工廠還是採用人工紙質記錄，部分數據會輸進電腦中變成電子數據，用於追溯、傳播和特定的分析。這就帶來很多問題，例如某工廠：

1）大的生產線設置專人記錄數據，但主要是用來對審核（財務要求），且強調為紙質文檔，不接受電子數據，無法減員。這裡存在一個問題，其他公司工業4.0生產線無紙質文檔怎麼應對的？

2）有用的數據少，尤其是成型及之前工序，記錄之後束之高閣。比如成型車間空調控制溫度波動少，但每日要記錄多次，增加了工作量，是否有必要？

3）數據記錄不規範，數據類型也不一樣。

4）數據分散在各部門，有價值的數據沒有共享，導致重複收集和分析。

正因為上述數據記錄存在的問題，僅僅針對製造過程來說，若不把所有數據集中在一起（前提是規範的電子數據），談不上分析，何況若無條碼追溯系統，也不能關聯所有數據。

- 03-

那麼對於一個老舊工廠，若無條碼追溯系統，大數據我們做不到，可以從「小」數據著手。例如下面兩項工作都屬於數據類工作：

1）半成品工序：流水線的運行一定程度上靠工人手動操作，螺桿速度、機頭壓力等參數是以操作員經驗為依據進行調整，由於不同操作人員習慣不同，對同一半成品設置的參數也不相同，因此對過程參數進行信息採集，並對數據進行分析、比較，以尋找合適的生產操作方式，提高尺寸穩定性。

2）成型工序：對滾壓參數標準化，出問題後方便查找。

數據分析的結果是標準化，是經驗的總結，可以固化到作業指導書或程序中。例如分析出胎體稀線跟卷取溫度的相關性後，可以確定合適溫度固化成為標準。

數據分析的結果是為了預防，例如夏季氣泡類次廢品偏多，如何預防是一個課題。

- 04-

製造過程「小」數據是一個系統工程，起步方向可以是:

1）梳理數據記錄內容，只記錄有價值的數據。還可以考慮哪些數據可以自動記錄，比如成型車間溫濕度。同時可起到減員增效的效果。

2）規範數據記錄，具有高度共享性。例如阿米巴、持續改善項目都會收集材料消耗數據，只是數據處理方式不同，源數據可以做成通用格式並放在共享文檔中，減少重複收集和分析。

3）實時獲取需要的信息。例如產量信息、次廢品信息。若無MES系統，可以先做次廢品資料庫，相比Excel表格記錄，因可以存儲更多，可以添加成型工號等信息，從而可以形成一定程度上的追溯，另外起規範數據錄入的作用。

實際上，當前大數據僅僅是收集技術的發展，數據分析方面行業仍用統計學抽樣方法。我們實際工作中可以發現，數據分析的目的是為了解決問題，抽樣能解決的問題，可以不必用大數據（成本高）。大數據不是萬能的，例如溫濕度等各種因素對氣泡類缺陷的定量甄別，因為大數據處理必須依賴於合適的數據處理方法；當然，統計學也很難做到，統計學中的相關性要求一一對應關係，而實際上輪胎的缺陷受多種因素影響，很難界定識別，只能是具體問題具體分析，比如可能是某個規格的設計問題，也可能是成型滾壓問題等。這就要求我們某些情況下可以實時獲取信息，通過數據分析快速找到問題。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！