Rudolf Harney 1 , Jan Jung-König 2 , Peter Fath 2 & Nicolai Mallig 1
1International Solar Energy Research Center (ISC) Konstanz e.V., Germany; 2RCT Solutions GmbH, Konstanz, Germany
摘要
业界时常会就工业4.0对光伏产业的促进作用进行深入探讨。许多工业解决方案需要为整个制造过程以及原材料信息建立一个复杂且完整的系统。制定这样复杂的解决方案往往是非常困难的，尤其是对于已有的制造业务或是产能爬坡的过程。因此，本文将致力于讨论数字化领域的哪些方法可以快速方便地应用于加速生产爬坡、分析重复数据以及手动或自动地改进生产等。本文提出了一种可扩展的、严格模块化的系统概念，该系统可与任何硬件一起工作，并将应用的选择权留给用户。所有数据都将保存在数据库中，并可使用Excel、jmp或其他统计/监测或管理软件进行数据检索。此外，本文还提出了一套硅片跟踪标准，并提出了一种与现有数字孪生标准进行融合的方法，使该系统易于扩展。上述概念是FlexFab系统的一部分：RCT和ISC共同作用于能同时进行制造不同电池和组件设计(本文是双面n型背面接触ZEBRA和PERC)的工厂概念中。在生产过程中，可以根据需要不断改变不同电池的比例。
前言
数字化和工业4.0如何使光伏行业受益？本文将讨论一种能实现实用数字化光伏工厂的有机方法，该方法将数字孪生或最小数字孪生安装在设备、测量装置和环境传感器上。这些虚拟信息载体通过业界公认的开放标准进行自主通信。几乎任何软件都可以访问这些数据。这里的“最小”指的是只收集必要的数据，并且可以很容易进行扩展。
对产能爬坡的好处
产能爬坡过程可以说是每一家光伏工厂都会经历的最复杂的操作。每个工厂在刚启用时都会遇到自身的难题：例如，此时的通风、净水和自动化等基础设施刚刚建立，相比于运行一段时间后的状态更容易出错。操作人员也需要经过培训，在完全合格之前可能会经常出错。鉴于这些情况，一个稳定且尽可能高效率的太阳能电池生产流程需要在产能爬坡和系统磨合期期间达到复杂的平衡。
尽管如此，许多工厂的产能爬坡通常仍然是人工完成的：各个系统的设置和测量结果，例如方块电阻、子栅宽度和I-V参数信息等都会被记录下来，然后存储到Excel表格或直接从各个系统中读取出来。然后，工程师们费力地分析各个工艺步骤和环境影响之间的依赖关系。
例如，在某个项目中，产线人员观察到电池电压和效率出现大幅波动：起初，引起这种情况的原因并不明了，直到一位技术人员发现，每当降雨后电池生产结果就会有所改善。这才明白过来，原来是通风系统中的过滤器存在缺陷，导致室外金属颗粒能够进入到洁净室中(图1和2)。当雨水净化了外面的空气后，洁净室的空气也变得洁净了，生产结果也明显好转了。
寻找问题根源是需要付出巨大努力的：在问题最终解决之前，必须收集所有的数据，并进行许多其他的假设性实验。因此，如果所有的数据都在升级之初就可以自动获得，比如测量结果、设备参数以及看似异常的环境数据，这将是一个巨大的帮助。此外，如果使用统计方法自动检查数据之间的相关性，就有可能提前发现这个问题。
当然，上述步骤可以使用制造执行系统(MES)来完成，前提是这样的系统已经过调试，并且在产能爬坡开始之前就已经完全运行。或者，每个单独的工厂、每个测量设备和每个传感器都可以在调试时配备一个数字接口，并创建一个“最小数字孪生”，允许对每个设备进行统一查询。数据可以写入数据库或直接由客户选择的程序使用，例如Excel或统计分析程序。这样，数据使用端就可以与数据提供端隔离开来。
制造报告的好处
在可操作的光伏生产设备中，不同的操作部分需要不同的信息，生产主管必须对设备产出和最重要的电池参数有一个持续和实时的概览；他们必须至少能发现来自产线上的电流误差，并最好能根据需要看到更多的参数。操作工则需要看到任务分配相关的信息，而管理人员则应该能够随时查询到任何时间的电池或组件产量、正常运行时间和质量等信息。
上述三个操作层次中的每一个都可能希望使用不同的软件。例如，质量保障人员要求开发一个Excel工具，将数据输入其中。操作人员可能会在他们的手机或智能手表上使用内部开发的APP，从而能够自动建议他们随时前往特定的产线位置。会计部门可能希望将生产结果直接整合到会计软件中。
当然，MES可以满足各种各样的软件需求；然而，这种类型的系统涉及复杂的、集中式的软件。数字孪生技术以及工业4.0技术的使用将意味着有更多自组织的存在：一个工厂的每个数字孪生可以单独处理，也可以单独报告，具有最小的高层次结构。
有机生产线改进的好处
如果使用标准接口或数字孪生接口，数据可以以标准格式提供，设备可以很容易地连接起来，然后使用用户选择的软件进行分析。用户选择的外部专家可以快速提供帮助，因为他们可以使用自己的工具统一处理线上的所有数据。
数据的范围可以很容易地扩展，如果需要，还可以由用户自己的数字专家进行扩展。这些数据将为人工智能的应用打下良好的基础，无论是用于误差分析还是用于自学习算法。解决方案必须尽可能简单，即使是针对不同的系统：大型机器和小型机器(如传感器)必须易于连接。
最小数字孪生和扩展
数字孪生几乎可以精确地对设备进行复制：包括计算机辅助设计(CAD)图纸、所有部件、重要工艺参数、手册等等(图3)。或者只存储最小的信息，例如车的方向和当前速度，或者湿法化学机台的蚀刻量和测量的反射率等。如果只需要警报、蚀刻去除和反射率，则只需要提供这些数据。如果以后有更多的数据可用，数字孪生必须在适当的时候进行快速扩展。
对于所有光伏制造的参与者来说，上述工作的执行和协调难度似乎非常大。所以需要一能整合现有数据库的数字孪生标准。
光伏数字孪生一使用跨行业的统一标准
制造业中的数字孪生概念可以追溯到2003年，当时Michael Grieves[1]在他的产品生命周期管理课程中介绍了这一概念。Grieves指出，数字孪生模型由三部分组成：1)真实的产品；2)真实产品的虚拟副本；以及3)真实产品与虚拟产品之间以数据和信息形式的联系。
数字孪生包含的信息量可以很广。在频谱的一端，是一个丰富的数字孪生，其中包含所有可用的产品信息。在另一端，还有一个轻量级的数字孪生，它只携带实际任务所需的信息，从而减小了模型的大小从而使处理速度更快。
数字孪生被用于可视化和模拟产品和系统，但也用于在供应网络中的信息共享。在物理侧，所收集的物理产品数据越来越多。为了利益最大化，真实产品和虚拟产品应该在产品的整个生命周期中不断地交换信息。在这种情况下，可以使用数字孪生构建一个工厂的虚拟副本，它不断监视和显示真实工厂的状态。
Grieves对数字孪生的定义相当宽泛，它包括一个真实的产品、一个虚拟的数字实体以及两者之间的连接。因此，属于数字孪生的呈现是相当多样化的。更糟糕的是，还有其他概念，比如“数字影子”[2]，与Grieves的定义存在重复的地方。Kritzinger等人[3]注意到这种多样性和歧义容易导致误解，因为不同的人对这些概念有不同的理解。
因此，Kritzinger等人根据物理对象和数字呈现之间的结合程度差异对数字呈现进行了分类，共分为三类：数字模型、数字影子和数字孪生。根据以上分类，数字模型是物理对象的表示，数字表示和物理对象之间没有任何自动数据交换。而数字影子是物理对象的数字表示，具有从物理对象到数字对象的自动数据流动。如果自动数据流动是双向的，从物理对象到虚拟对象，反之亦然，那么这种数字表示称为数字孪生。
要在工业4.0中广泛引入数字孪生，不仅需要对术语有一致的理解，而且需要有数字孪生的实施标准。在德国，平台工业4.0[4]正在为数字孪生开发这样一个标准，称为资产管理壳(AAS: Asset Administration Shell ) [5]。然而，在这种情况下，“数字孪生＂一词的使用相当广泛；具体来说，数字孪生被定义为“数字表示，足以满足一组用例的要求”[6]。因此，这个定义涵盖了Kitzinger等人定义的所有三个类别，从纯数字模型到完全成熟的数学孪生。
AAS概念用统一建模语言(UML)以技术中立的形式描述，其中每个资产都有一个相关的AAS。资产可以是物理资产，如机器或产品，也可以是非物理资产，如工艺流程或计算机程序等。
AAS由头部和主体组成：头部包含标识AAS和资产的信息，而主体包含有关资产的数据。主体的结构以所谓的子模型为特征，代表资产的不同方面。子模型可以包含属性和操作，这些属性和操作可以是层次结构的。原则上，设备供应商或用户可以根据需要自由定义子模型，但一定程度的标准化是有益的。到目前为止，平台工业4.0标准化了铭牌子模型，其中包含有关资产的基本信息，如制造商、序列号和建造年份[7]，以及技术数据子模型，其中包含标有一般信息、产品分类和技术特性的部分[8]。图4显示了在ISC康斯坦茨实验室实现的一个在线湿法工作平台的数字孪生系统。
子模型不必包含在相应的AAS中；它们可以在外部托管，并且只能引用存储在AAS中的每个子模型。除了子模型之外，AAS概念还定义了一个注册表，可以注册AAS和子模型。此注册表允许轻松查找已注册的AAS和子模型。
AAS标准附带了一个参考实现，它是Eclipse BaSyx工厂自动化平台的一部分[9,10]。 BaSyx是Eclipse公共许可2.0 (EPL 2.0)下的一个开源平台。BaSyx为AAS提供Java和c语言的软件开发包(SDKs)；此外，还有一个可用于C++的SDK，但这仅用于集成现有设备。
根据Kritzinger等人定义的分类，AAS标准[6]的第1部分定义了数字模型。AAS标准[11]的第2部分定义了与模型交互的APl；这个API提供了从AAS读取数据的功能，因此它可以用作数字影子。此外，API还提供了调用AAS上的操作的功能，因此充当了一个数字孪生。然而，为了完全定义数字孪生，AAS和实物资产之间的交互还需要标准化。Eclipse BaSyx平台弥补了这一差距，它已经包含了必要的功能。因此，通过使用BaSyx，AAS可用于操作设备[10]。
每台设备的孪生
每一个设备制造商和测量仪器制造商都应该提供数字孪生作为他们产品的标准。由于孪生可基于任何接口，因此设备制造商只需在其PV2、OPC-UA或基于XML的接口上创建孪生。根据上述“平台工业4.0”，建议将光伏制造中数字孪生的AAS作为标准。一个最小的孪生包含铭牌、最重要的警报和最相关的工艺参数。
出于演示目的，ISC康斯坦茨实验室的所有电池制造设备目前都配备了数字孪生，作为FlexFab 2项目的一部分。这是为了演示不同电池概念的柔性制造控制。
光伏制造数字孪生的额外收益
有了数字孪生，生产数据可以读取，工艺配方可以改变。但是，通过标准化的结构，还有更多的应用程序可用。例如，可以定期调阅使用手册和其他文件，并在工厂对操作员或工程师进行虚拟培训。如果允许远程维护软件访问数字孪生系统，远程支持也会变得更容易。
如果数字孪生相互连接形成一个了虚拟工厂，那么工厂就可以通过虚拟操作实现产能提升。此外工厂可以作为一个“无声工厂”来运行：任务、警报和信息直接发送给负责人，例如操作员的手机或值班经理的智能手表，并且可以轻松设置升级和转发。
MES供应商提供相应但不同类型的系统：这是一个个“简单”的系统，连接所有设备，访问测量数据和生产工厂的数据。这可以使制造业、数据分析、人事规划、企业资源规划(ERP)等实现完全联网的程度。
无MES的产能爬坡和试验
如果没有MES，生产线上的爬坡和试验必须完全手动完成，使用运行表并传输到Excel电子表格或统计过程控制(SPC)工具上。如果没有为新产品购买MES、现有工厂没有MES或者工厂调试时MES尚未完全发挥功能，则可能需要这样做。然而，通过接口和数据库的最小集成，无MES的数据收集所需的工作量可以显著减少。对于爬坡或在线试验，使用(例如)100、1000或10000块硅片样品。所有数据尽可能自动存储在一个中央数据库中，该数据库可以采用简单的SQL数据库的形式。
- 所有设备和传感器必须同步其时钟时间，如果它们都连接到互联网，这很容易自动完成。否则，必须定期检查工厂的时钟时间。
- 所有产生重要数据(如I-V测量数据)的设备应配备数字接口。然后可以使用脚本轻松地将数据传输到数据库。
- 设备的装卸必须与时间戳一起存储。对于将数据传输到数据库的设备，可以用这种方法分配给试验。否则，可以在之后进行数据分配。
- 手动测量值通过手动传输到数据库，并分配给试验和小组。
- 每个操作员可以在平板电脑上运行的应用程序处理测量结果，包括传输以及分配给工艺/试验的时间。ISC康斯坦茨为此开发了一个应用程序，可以在爬坡过程中使用(图5)。平板电脑和硅片一起流动，也可以称为一个数字表单。然而，应用程序必须是非常易用的；否则，工厂中的操作人员将无法执行任务；或者可能因为粗心大意导致数据一文不值。如果硅片盒配备了射频识别(RFID)标签，平板电脑可以立即读取这些标签，从而避免分配错误。
基础MES
功能有限的基础MES选项可用于爬坡和试验；这些简单的系统比手动解决方案工作得更快，更可靠。工厂操作员必须愿意投身于MES，并且MES必须在调试时可用、准备就绪并可工作。
这样一个基本的MES必须具有所有系统和测量设备的接口，并且能够将采集的数据集中存储在用户可以自由访问的数据库中。一些类型的MES已经在最简单的版本中提供了虚拟硅片跟踪，这可以有效加速和改进爬坡和试验。此外，还可以实现自学习算法和自动试验规划。
当设备投入运行时，MES的工作是非常重要的。为确保这一点，在购买设备时，最好同意设备与MES接口一起验收和调试。
本文将在后面的模块化部分讨论提供完全成熟MES的可能性。
必要的标准
如果光伏工厂的所有设备都能以标准方式访问，那么读取数据所需的工作就不会很困难。理想情况下，每个设备制造商都会以标准格式提供其工厂的数字孪生设备。该标准必须得到整个行业的认可，因此建议采用基于“平台工业4.0”的AAS。数字孪生可以是一个最小的孪生，通过它只能访问重要的结果和有关设备的信息。
当数字孪生格式不是标准格式时，至少应定义数字接口属性：除了PV行业标准的PV SECS/GEM外，还可以参考OPC-UA或MQTT协议。
此外，可以为重要数据指定数据库模式，这将再次大大简化与用于评估目的的工具的连接。
应用
无论数据是如何提供的，客户都应该可以自由选择访问数据的应用程序。此应用程序必须只能与数据库通信。然后，客户可以使用Excel、jmp、一个自编web应用程序或其他任何程序，甚至并行使用多个应用程序，总之是以最有利于制造、评估或升级的方式。
增长，亦或用今日的技术在光伏生产中可以实现什么
在接下来的两部分章节中，将讨论光伏制造业数字化在技术上的可能性。为此，将研究目前可用的各种可能性。此外，还将考虑可用于优化制造工艺的最新数字化概念。
图6显示了太阳能电池制造中MES的核心，包括设备连接和手动输入的可能性，以允许过程控制和整体设备效率(OEE)。这样做的好处是实现对硅片中心材料的跟踪。最初的扩展是基于核心的质量控制(QC)和SPC，这可以完成更详细的报告。其他组件可以后面添加或通过接口作为模块连接。
从简单的数据收集系统(上面讨论了“基础MES”)扩展出来的可扩展性和灵活性，以及用于中央报表需求的粗略数据输出，适合于完全数据驱动的业务[12]。对于太阳能行业的新来者或新工厂，需要在成本、努力、资格、时间和投资回报之间取得平衡。而对于新来者，生产控制的复杂性常常被忽视。
虚拟工厂部分最好是与真实工厂同步建造。然而，管理者通常认为与设备相比MES不那么重要，因此没有充分发挥其潜力。因此，作为太阳能电池MES的核心方面，即从每一台生产设备收集SPC和OEE相关数据，应该是最初的工作重点。由于传统的单体应用MES与数据库强耦合，数据库和数据库系统的选择至关重要，因为数据库结构的局限性不太可能在后期得到克服。不过，在现代的模块化软件开发方法中，数据库的初始选择不那么重要，因为抽象层将应用程序与底层数据库解耦。
由于完整的MES解决方案不仅仅是SPC和OEE监控，每个供应商和行业都有自已的定义，即MES内各个模块之间的有益附加组件和划分，上面是ERP系统，下面是监控和数据采集(SCADA)系统。在完全模块化和数据库分离的情况下(将在下一节中讨论)，可以在这些系统之间切换软件模块，或者在以后根据个别需求添加模块。其基础是可以分别运行每个模块或者至少是核心模块，并在它们之间提供标准化的接口。
反对这种方法的主要理由是人们常常相信的所谓异构IT环境。在虛拟化、接口库和外包的时代，这一论点被推倒了，例如，不管每个单独的目的如何，都采用最好的数据库。
模块化一光伏生产数字化能走多远？
当前IT系统的一个基本要求是在面对快速发展、项目开始时资源有限以及无法预见的新需求时具有灵活性。MES的传统方法是由单个供应商提供的封闭系统，具有开箱即用的功能。从表面上看，这样做的好处很明显：一个供应商独自承担系统的风险和责任，考虑到众多供应商已经是联合体和项目的一部分，这样做更可取。另外一方面，单一供应商方法会迅速导致供应商锁定。更可能的是系统锁定，因为很明显，如果供应商切换到使用新的体系架构，就没有简单的方法将整个MES从同一个供应商转移到一个新系统。
仔细检查数据路径后，会发现这些路径已经包含了几个不同的供应商和接口。在经典的MES中，数据最有可能最初由模拟传感器生成。这些信号被数字化并通过机器内部总线传输到可编程逻辑控制器(PLC)中。PLC通过一个附加接口(内置在PLC内部或作为外部附加数据卡、盒子或单独的HMI PC安装)与供应商特定的线路控制器进行通信，或直接与MES进行通信。然后，MES向ERP系统报告。这些处理级别中的每一个都与数据缩减和过滤阶段密切相关。
经典MES的核心是特定供应商的关系数据库系统(RDBOMS)。灵活性和可扩展性受到数据库、现场服务器容量和MES平台特性的限制。输出很可能仅限于SPC和中央控制，从而减少现场人力。根据具体任务的不同，可以从数据中获得更多的信息：如果外部数据分析专家能够以自由选择的格式访问数据，他们就可以提供支持。最近在数据科学和分析领域的发展(如人工智能)是复杂的，需要一个特殊的方法。
图7展示了模块化MES：当中央MES数据库提供压缩的核心信息时，每个设备在注册表中进行注册。注册表存储有关数据类型、连接类型和数据存储位置的信息。其他设备可以从注册表请求数据源的详细信息，并直接与数据源通信。延迟、网络和服务器负载都是最小化的。
可以确定模块化数字光伏制造的四个领域。在第一个领域，模块化MES将单个的中央MES分解成更小的模块，这些模块之间有标准化的接口，并且比单一的软件更独立地工作。单个MES选择并提供数据以允许数据处理。
软件部分在独立的模块中编程，可以在虚拟环境中运行。这里的模块可以是一个带有接口的设备、一个数字孪生、一个数据处理引擎、一个人工智能、一个SPC系统、一个报表系统或一个工业物联网(IIOT)设备。作为模块化MES的一部分，每个定义的模块独立于硬件基础，在虚拟机中运行。模块通过标准化接口连接，该标准独立于供应商，最好是开源的。MES作为一个中央系统，必须在本地或云中提供硬件和存储池。标准化接口允许简单地替换相同类型的单个模块，甚至可并行处理和比较。该接口还允许轻松替换其背后的数据源。
第二个领域包括模块化数据转换步骤、数据缓冲系统、数据预测等；它们可以是原始数据源和无限行中的最终接收者之间的中间模块。在附加模块中，用纯软件代码修改、转换、预测或替换来自功能更复杂的传感器的数据。分析模块不直接访问传感器数据，而是预先使用转换后的数据。然后，数据源模块同时是数据路径上的源和接收者。因此，无论是运行物理或虚拟生产设备，还是通过SPC模块从人那里获得反馈和优化，或者通过AI接收每批的工艺配方调整，甚至在加工过程中，都不再重要了。
在第三个领域，向前迈出的一大步将是从一个中央数据库转移到一个真正的基于云的系统。这个概念利用了以下部件。以单个MES数据库为核心，将其划分为多个数据库，在一个数据库网络中连接在一起。微服务是具有模块的独立软件实例，在许多IT系统中是最先进的[14]。云概念并不一定意味着完全或部分地从三个主要云服务商中的一个(AWS、Azure或Google cloud)获取资源。它也可以是一个可扩展的、虚拟化的、灵活的硬件和软件资源系统，在本地托管，但它是可扩展的，独立于硬件和软件。
从传感器到ERP系统的生产序列的层次结构由此被打破。参与生产的每个模块既可以是接收者，也可以是数据源。工业lloT概念描述了这种小步骤的转换。每个模块都是相等的，是更大网络的一部分。数据被网络中的每个玩家平等地转换、修改或生成和使用。大型、跨所有行业、活跃的大数据专家(如Palantir)和/或大型云计算公司已定义了接口和数据结构，以应对数据挖掘的挑战。
第四个领域则是处理数字孪生的身份。在未来，一台设备与一个数字孪生一起交付，将是一件理所当然的事情。数字工厂将认识到这一点，人们将能够很容易地执行一个数字产能爬坡，将迅速确定整个工厂可能的配置错误。
目前太阳能行业的标准(如SECS/GEM、EDA或OPC-UA)仍然主要针对SPC作为最终数据输出，这对于手动数据挖掘来说是很好的。然而，大数据方法需要更进一步。除了当前的接口外，还必须定义数据源和接收者之间的直接路径。
MES完全转变为模块化系统，使设计和数据流更加自由。一个模块化的虚拟化系统不仅包括现有的
扫一扫关注微信
