新能源在生產和生活過程當中，在扮演著越來越重要的角色。硅片生產行 業，作為新能源產業重要組成部分的，產能規模迅速擴張，同時也存在大 量的工藝參數優化、故障診斷、效益提升等全方位的優化需求。
硅片生產過程中核心是切片和檢驗，和硅片生產直接相關的數據和系統主 要包括：切片機有上千個參數可以通過PLC採集。分選機（檢驗）有上百 個檢測參數可以採集。MES系統按生產批次將切片機和分選機對應起 來，同時包括來料檢測、工藝參數、工作調度等數據，連同環境等數據一 起保存在DCS系統中。
如何通過有效的技術手段採集、匯聚生產過程中產生的各類數據，並基於 數據分析方法，定位異常、推介優化參數、提升良品率，是行業迫切需要 解決的問題。
行業解決方案整體概述
阿里雲將工業大腦應用於太陽能硅片生產製造領域，監控切片生產參數曲 線，推薦最優參數，提升良品率；同時，通過算法工具，分析造成次品率 的關鍵因素，對供應商和原料質量進行推薦，切實提升企業硅片生產效 率，同時結合圖像質檢等智能應用，向硅片生產企業輸出直接經濟效益。
組建工藝參數推薦解決方案
方案內容
光伏太陽能硅片生產過程工藝參數的設定，通常依賴於工藝技術部專家的 經驗及單變量實驗測試的結果表現。
阿里雲工業大腦，基於硅片生產過程海量歷史數據，深度挖掘和學習數據 關聯關係，找出潛在知識和規律；結合專家經驗、工藝參數設定信息、工 藝參數實際表現及批次分選結果，進行多變量綜合分析、建模，推薦一組 最佳的工藝參數，有效提升企業經濟效益。
架構特點
數據預處理：結合專家經驗與數據預處理技術篩選出關鍵可調參數；
數據建模及優化參數推薦：通過參數重要性排序、潛在類別分析等算法分 析過程，實現當前工況條件下的最優參數推薦；
核心價值
通過對太陽能硅片製造流程進行最優參數推薦，提升了切片良品率，從而 顯著減少太陽能硅片產品次品率，每年可直接產生客觀的經濟價值。
切片工藝優化解決方案
方案描述
切片是硅片生產過程中的核心，然而切片機監控、報警參數數量過多，誤 報較為嚴重，造成設備管理人員不能有效的利用報警信息，影響設備異常 處理效率。同時恆定閾值的監控，對機器的勞損、工藝參數的調整過於敏 感或過於遲鈍，不能及時、準確的發現異常。所以硅片生產企業存在強烈 的切片機異常分析和工藝優化需求。
阿里雲工業大腦通過機器學習算法，對全量監控、報警參數、分選結果進 行數據挖掘，並結合專家經驗篩選出最重要的監控、報警參數，以建立智 能監控預警系統，幫助設備管理人員提升切片機設備異常處理效率。同時 結合工藝技術部專家要求、工藝參數設定信息、工藝參數實際表現及批次 分選結果，進行多變量綜合分析、建模，推薦一組最佳的工藝參數。
架構特點
關鍵參數篩選：全面採集切片相關工藝、設備運行數據，結合專家經驗與 數據預處理技術篩選出關鍵影響參數；分析定位HCT和MB關鍵參數及權 重，為異常辨識及根原因分析提供數據基礎。
標準參數曲線：通過機器學習算法及統計過程控制方法論，對標準切割過 程建模，實現良品的標準參數曲線模型，以建立智能監控預警系統。
工藝參數尋優：結合工藝參數設定值與實際表現及批次分選結果，進行多 變量綜合分析、建模，推薦一組最佳的工藝參數。
核心價值
將阿里雲工業大腦應用於太陽能硅片生產製造領域，監控切片生產參數曲 線，推薦最優參數，提升良品率，分析造成次品率的關鍵因素，對供應商 和原料質量進行推薦。
通過對太陽能硅片製造流程進行最優參數推薦，可有效提升切片良品率， 從而大大減少太陽能硅片產品次品率。
客戶案例
協鑫是中國排名第一、全球排名第三的新能源企業 ，光伏材料、硅材料全 球規模第一、市場佔有率第一 。協鑫光伏太陽能硅片生產過程的切片次品 率過高，導致生產效率低，生產成本高。傳統的硅片切片工藝一直無法得 到有效突破。切片工藝過程對人為經驗依賴較大。
基於工業大腦，通過對太陽能硅片製造流程進行最優參數推薦，提升了 1%的切片良品率，從而大大減少太陽能硅片產品次品率，每年可節約數 千萬元。
電池片絲網印刷關鍵因素分析解決方案
方案描述
全面採集電池片絲網印刷產線MES、SPC、功率測試儀以及設備運行數 據，通過數據預處理技術以及參數相關性分析、決策樹、隨機森林等機器 學習方法。實現私網印刷設備參數優化提升A品比例以及為燒結 爐精準保 養提供準確的基礎數據支持。
架構特點
設備參數優化：
通過關聯因素識別、多維參數分析等算法模型，提供絲網 間距、印刷速度、下壓壓力等關鍵 設備參數的定位及尋優，可有效提高A 品比例；
燒結爐精準保養：
基於MES、SPC等數據信息，準確定位當前燒結爐參 數偏差信息，為精準保養提供可靠的基礎數據支持。
核心價值
提供面向電池片絲網印刷生產的全面的數據集成能力，支持多維數據分 析，對設備功率、A品比例的關鍵工藝 參數進行定位和優化值推薦，顯著 提升產線A品比例。
為關鍵設備燒結爐的精確保養提供有效的基礎數據支持，精準定位保養內 容，確保效果。
光伏表面瑕疵檢測解決方案
方案描述
模擬人類質檢員，首先收集帶有產品缺陷的足量圖片，上傳到算法服務器 中，通過訓練讓模型擁有識別缺陷特徵的能力，並能夠在新的產品上判斷 並定位到缺陷。再將模型本地化部署到客戶服務器上，通過對模型的調 用，可以對產線側EL質檢設備產生的圖像進行檢測。
架構特點
通過客戶收集的缺陷產品圖片，訓練出能夠檢測產品缺陷的模型。本地化 部署後，可供產線調用，實現ai質檢。程序簡單，易於操作。
核心價值
降低人力成本：質檢素來佔用較多的人力，質檢人員需要通過EL檢測設 備用肉眼尋找瑕疵判定產品等級，耗費較多的人力成本。使用ai圖像質 檢，可大大降低人力成本。
提高效率：人力質檢辨認每張EL照片一般耗時在2秒以上，遇到難以判斷 的圖片，甚至要花上更長時間。使用ai圖像質檢，實現了缺陷的毫秒級判 定，可以提高檢測效率。
效果穩定：人力質檢存在疲勞期，在人眼疲勞的情況下，可能導致檢測效 果不佳。ai圖像質檢準確度可達到97%，效果穩定。
客戶案例
浙江正泰新能源在面對光伏行業的困局時，希望通過利用AI圖像技術，在 素來由佔用人工較多的質檢環節，實現在降本增效的同時，提升產品出廠 合格率。
基於光伏的產品特點，阿里雲利用ai圖像技術提供上述解決方案。目前正 泰新能源與阿里雲工業大腦合作的AI質檢已投入到產線，穩定運行至今， 使得產線準確率穩定且高於人工，速度是人工的2倍以上，精細度是人工 的5倍以上。
