虹欧PDP：基于MES大数据的制造过程数据挖掘MES管理信息化文章中国最具影响力的企业信息化门户网和在线社区
http://articles.e-works.net.cn/MES/Article113579_1.htm
三、参评信息化项目详细情况介绍
这是一个快速发展的时代,各类新兴技术的不断涌现给企业带来持续发展的良机（云计算、物联网、大数据、移动化、社交媒体……）。数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。以传统制造业为主的长虹如何在创新大数据应用迈出坚实的第一步，如何高效的利用大数据提升长虹整体竞争力，目前已成为公司经营层关注的焦点。
** 1.项目背景介绍**
在长虹诸多大型制造工厂中，虹欧公司不仅拥有国内最大的八面取等离子显示屏生产线，也拥有先进的等离子显示屏制造MES系统，对先进的生产设备、复杂的生产流程、较高的环境控制进行数据采集与统计分析。等离子显示屏制造过程中，单台产品涉及的过程参数超过1.1万个，每天的系统数据存储量10G以上，在数量、维度和数据产生速度上具有海量大数据特征。
等离子显示屏制造过程因设计、工艺、设备、环境、物料、检测和员工素质以及管理等各种要素交织、叠加，使产品良品率和生产效率改善难度很大，迫切需要创新研究基于MES系统大数据的等离子显示屏制造过程数据挖掘模型和应用平台来促进制造过程品质效率的快速提升。
该项目旨在综合运用人工智能、计算智能、模式识别、数理统计等最新的数据挖掘研究成果和技术，基于MES系统形成的大数据，挖掘出等离子显示屏最终品质特性与制造过程参数之间的关联关系，建立面向等离子显示屏制造过程的数据挖掘应用模型。运用有效的挖掘成果，指导相关人员快速解决品质问题，提高对策效率，缩短对策时间，达到聚焦资源、集中精力解决主要矛盾和主要问题，从而尽快提升产品良率和生产效率，降低成本浪费，进而提升公司整体经营业绩；同时，通过评估、验证和不断完善，建立、完善等离子显示屏制造过程特有的数据挖掘平台，最终使数据挖掘指导生产过程改善工作常态化。
该项目的成功应用，将对先进制造做出新的诠释，树立前沿技术转化为现实生产力的活典型，开创制造信息技术在制造业新的应用里程。
[图片上传中。。。（1）]
图4 数据丰富，信息贫乏
** 2.项目目标与实施原则**
项目目标：通过本项目的实施，基于MES大数据，利用数据挖掘技术研究等离子显示屏最终特性与制造过程中参数之间的关联关系模型，建立面向等离子显示屏制造过程的数据挖掘应用平台，指导快速解决品质和技术问题，缩短对策时间，提高对策效率，达到通过有效管控关键参数和参数值来提升等离子显示屏制造品质的目的，通过本项目实现制造综合良品率提升2%以上。
实施原则：解决“数据丰富、信息贫乏”的问题，在MES系统大数据中，寻求最能提升制造品质的规律，达到化繁杂数据为简单逻辑的目的，为制造过程控制提供决策依据；注重数据挖掘学术理论与制造生产实践的结合，关注成果的长期稳定使用、优化及可移植性。
** 3.项目实施与应用情况详细介绍**
** 3.1 技术路线**
图5 技术路线
为实现本项目的目标，项目分三个步骤、有节奏地推进数据挖掘技术的研究与应用。
第一步：基于等离子显示屏MES系统，运用5M1E（人、机、料、法、环、测）的结构，建立并完善基于大数据的等离子显示屏制造过程数据仓库的数据采集渠道与存储模式。
第二步：运用单个工序/全线工序过程参数值与产品最终特性的关系数据，收集某月的历史数据，进行数据挖掘算法的研究，建立参数关系分析模型并通过经验评估与产线验证，反复进行优化调整以达到模型的适用性。包括：工序参数重要性确定模型、最佳工艺参数组合模型、工序并行参数模型、动力参数值的优化模型等。
第三步：搭建IT硬件服务器与网络，建设基于Linux操作系统下的Hadoop数据挖掘集群开发应用平台，通过软件开发集成以上单工序/全线工序参数关系模型。建立面向等离子显示屏制造过程的数据挖掘应用平台。利用数据挖掘平台进行参数项与参数值的常态化螺旋式提升管控。
** 3.2 技术难点：**
难点一：海量制造过程信息数据（数据的整合与结构化）
解决方案：基于分布式Hadoop开发平台，设计制造过程大数据仓库。通过DB开发接口整合信息系统离散的数据并结构化。
难点二：制造过程数据的超高维属性（数据预处理与非常规挖掘方法）
解决方案：运用数据挖掘算法技术、JavaWeb+Tomcat开发语言.Python开发语言、Weka调用配置技术、Hadoop分布式集群技术开发数据探索、差异对比、时间维度分析功能，研究开发适用于PDP制造的数据挖掘分析模型并集成至数据挖掘应用平台。
** 3.3 技术成果：**
通过本项目的实施，完成两大类技术成果：
基于MES系统大数据，研究开发出最佳工艺参数组合的确定模型、参数重要性的动态确定与优化模型、动力参数的确定与优化模型、参数值分布特性的快速量化模型、参数取值的确定与优化模型、工序并行参数的确定方法模型等6组数据挖掘分析模型。
图6 数据挖掘分析模型应用
基于大规模数据处理程序设计方式，运用JAVA，Python，SQL等编程语言在Linux操作系统下的Hadoop集群上进行开发，搭建PDP数据挖掘平台，将以上核心挖掘模型算法和数据探索、对比分析、时间维度等功能集成在平台中方便技术人员快捷易用数据挖掘技术。
图7 数据挖掘平台功能
** 3.4 技术创新点：**
创新点一：首次基于MES系统大数据在显示器件制造行业采用大数据挖掘技术。
创新点二：研究开发出适用于PDP制造过程的数据挖掘分析模型，经过产线应用，促进了制造良率和产效的快速提升。
创新点三：通过软件开发集成面向PDP制造过程的数据挖掘应用平台，实现了数据挖掘技术的人机应用。
本项目取得计算机软件著作权一项、发明专利7项（已受理），2013年经四川省科技厅组织业内专家进行科技成果鉴定：项目技术成果达到国际先进水平，具有极好的推广应用价值。
图8 相关技术成果知识产权
** 4.效益分析**
4.1 生产经济效益
该项目成果已在虹欧PDP生产线的三代及四代产品生产中得到成功应用，有效促进了PDP产品综合良率提升3%以上、A级良品率提升近5%、月产能提升1万/月以上，综合生产经济效益提升1.17亿元/年，取得了良好的生产经济效益。
4.2 社会推广价值
本项目的成功，拓展了数据挖掘技术在基于MES制造过程大数据的应用，将对先进制造做出新的诠释，树立前沿技术转化为现实生产力的活典型。
填补了国内电子信息乃至其它制造行业全面信息化集成管理高端应用的空白，解决了大多数企业拥有先进的制造信息化系统却很少能够成功应用的问题，具有信息技术应用创新方法上的借鉴性和推广性，对于推动国内电子信息乃至其它高端制造行业全面信息化集成管理应用水平的进一步提升，对工业化和信息化应用及经济发展，都具有十分重要的现实意义。
该技术首创性地成功应用于等离子显示屏制造生产，其核心、方法、手段亦可方便地移植于液晶面板、OLED面板等其它具备MES系统的平板显示制造领域，具备向整个平板行业推广的基础，前景广阔，社会及经济效益巨大，对提升我国平板显示先进制造水平将发挥革命性的作用。
