数字大脑赋能、智慧工厂上线……疫情之下，工业
纺织车间兴起“新基建”，工人温度仍不可替代
阅读提示
智能机械火力全开，人工智能品控识别，数据挖掘深度改造……传统纺织企业年产20万吨
运抵码头的上万吨原料，无须装卸、不用车辆，通过专用管道就可直达厂区；原料库存多少、消耗多少、投放多少催化剂、有没有“跑冒滴漏”……当不少纺织企业还在忙着寻找工人复工的时候，位于福建省福州市的恒申控股集团生产线上的各个环节都已实现“智能大脑”全流程操控。如今，该公司董事长陈建龙已经开始计划下一阶段的产能布局和生产车间的智能化改造。
综合加权开机率92%、职工返厂率97.4%，产能恢复超过110%……看着“智慧中心”大屏上实时跳跃着的数据，陈建龙感叹：“车间里兴起的‘新基建’，让恒申跑在了疫情前面！”
“智能化”化解复工难题
3月20日，在恒申控股集团旗下的力恒锦纶聚合生产车间，3条高速纺切片生产线正高效运转，5000多平方米车间里的生产设备都通过中控室的操作人员控制和监控。现场，15名工人戴着
同**，在距离力恒锦纶聚合生产车间6公里之外的恒申合纤科技有限公司后纺车间里，纱线在机器间“拉伸、加捻、解捻、卷绕”，30名工人穿着防静电服来回穿梭，传统纺织车间里上百名工人大汗淋漓的场面在这里不见踪影。
在恒申控股集团，自动缠膜机、机械手臂、自动包装线等智能设备在生产线上得到广泛运用，这让疫情期间紧缺的劳动力迅速补充到生产缺口，保证生产线的平稳运行。
“是智能化帮助我们将恢复产能的劳动力需求降到了*低。”恒申合纤科技有限公司总经理梅震告诉记者，传统纺织企业年产20万吨锦纶，至少要1100名工人，而在恒申，这个数字仅为420人。
眼下，疫情虽然尚未解除，梅震已经着手推动智能化带来的产能加速度。
上午9：30，在成品丝车间，梅震正忙着和一旁的技术人员讨论刚刚立项的“新基建”项目——工业智能相机。该工业智能相机要加载数百万种产品的品质外观信息，实现产品外观集中一体化检测，以降低大量的人力投入。用梅震的话说：“产品过不过关，无须人工手检，相机一扫便知。”
据介绍，这个即将上马的智能化改造项目将用于丝饼外观检验等原本需要投入大量人力的品控环节。梅震给记者算了一笔账，项目建成后每年可节约人工成本480万元，而改造后产品合格率预计将提高0.5%，每年将创造效益超过3500万元。
“数字大脑”带来全球协同
反向收购“世界**”的福邦特，晋升全球规模*大的己内酰胺生产商；**打通“环己酮-己内酰胺-聚合-纺丝-加弹-整经-织造-染整”全产业链……近年来，在全球拥有21家分公司、7个研发实验室的恒申，俨然成为了一个“世界工厂”。
然而，面对跨越亚欧大陆的产业协同难题，这个由一家“蚊帐厂”起家的本土纺织企业并没有太多现成可参考的经验。
“就算拥有世界上*先进的设备，用机器代替人工，但并不意味着就实现了智能化转型。”在恒申控股集团董事长陈建龙看来，只有把产业协同的网络架到“天上”，通过“新基建”向“数字大脑”取经，智能工厂才能拥有灵魂。
陈建龙在平板电脑上向记者展示了恒申“数字大脑”智能管理平台的“雏形”。这套基于“SAP ERP”框架的管理系统，实现“IoT(物联网)+SaaS(软件集成)+AI(人工智能)”的系统深化应用，将生产制造、研发设计、物流仓储等各环节数据合为一体，实现了“产、供、销、人、财、物”数据的实时获取和智能挖掘。
记者发现，透过“数字大脑”，无论是位于福建长乐连江、江苏南京的子公司，还是位于荷兰马斯特里赫特的工厂车间，陈建龙都能够实时调取生产画面和产能、库存等各类数据并生成智能化报表，这让疫情期间企业跨区域调节产能结构、分配生产指标、减少库存消耗成为可能。
“过去欧洲研发中心每年投入研发资金约152 0173 3840万欧元，现在通过‘数字大脑’，同样的研发课题只需要投入850万欧元，这就是协同带来的效率。”据陈建龙介绍，以往跨地区的信息传递，要耗时五六天。有了“数字大脑”的智能分解，交货周期从以前的一两周，提速到现在的4天以内，生产效率大幅提升。
机械背后是不可替代的工人
每天上午7:45，在恒申合纤技术中心内，工程师杨越都要准时出现在电脑屏幕前，察看由前方6个后纺车间传送来的产品指标数据。数据加载在8份表格内，记录着车间里每台机器生产产品的物性、染色、外观3大类共计22个小项的指标参数。恒申集团拥有的后纺设备有110台，平均每天需要杨越检验并处理的数据超过2200多个。他告诉记者：“看完并整理这些数据就需要花上半天时间。”
“产品毛丝率数据异常，开纺1天后仍然居高不下，检查机械配件是否磨损老化？”“僵丝或紧点现象的频繁出现，可能生产工艺需要微调。”有着9年纺织工作经验的杨越要从这些数据之中找到异常，并通过分析这些数据为生产车间里的工人提供异常原因和改进建议，跟进整个过程。
在不少同事眼中，杨越所扮演的角色就像“智慧工厂”里的大脑，在海量的数据中挖掘数据的价值。为了提升数据挖掘的自动化水平，杨越和同事们正在研究异常数据的表达规律，试图通过开发新的分析系统，让生产线上的异常能够更加快速有效地被发现，降低人工检验的差错率。
“无论是智能机械还是‘数字大脑’，都是为了帮助工人实现更高
他和技术中心内的另外两名工程师都来自生产一线，分别对聚合、前纺、后纺的生产数据进行监控与整理。“我们能在这里，是因为我们拥有机器所不具备的能力和经验。”杨越告诉记者：“工人的温度不可替代。”
