紡織車間興起“新基建”，工人溫度仍不可替代

　　數字大腦賦能、智慧工廠上線……疫情之下，工業智慧化提升傳統製造業“免疫力”

　　紡織車間興起“新基建”，工人溫度仍不可替代

　　本報記者 李潤釗

　　閱讀提示

　　智慧機械火力全開，人工智慧品控識別，數據挖掘深度改造……傳統紡織企業年産20萬噸錦綸，至少要1100名工人，在恒申控股集團，這個數字僅為420人，一場以大數據、人工智慧、工業網際網路為核心的“新基建”在紡織車間里加速推進，助力傳統製造業在疫情之下“逆襲”。

　　運抵碼頭的上萬噸原料，無須裝卸、不用車輛，通過專用管道就可直達廠區；原料庫存多少、消耗多少、投放多少催化劑、有沒有“跑冒滴漏”……當不少紡織企業還在忙著尋找工人復工的時候，位於福建省福州市的恒申控股集團生産線上的各個環節都已實現“智慧大腦”全流程操控。如今，該公司董事長陳建龍已經開始計劃下一階段的産能佈局和生産車間的智慧化改造。

　　綜合加權開機率92%、職工返廠率97.4%，産能恢復超過110%……看著“智慧中心”大屏上實時跳躍著的數據，陳建龍感嘆：“車間裏興起的‘新基建’，讓恒申跑在了疫情前面！”

　　“智慧化”化解復工難題

　　3月20日，在恒申控股集團旗下的力恒錦綸聚合生産車間，3條高速紡切片生産線正高效運轉，5000多平方米車間裏的生産設備都通過中控室的操作人員控制和監控。現場，15名工人戴著口罩，利用智慧化生産設備實現“零接觸”。

　　同一天，在距離力恒錦綸聚合生産車間6公里之外的恒申合纖科技有限公司後紡車間裏，紗線在機器間“拉伸、加捻、解捻、捲繞”，30名工人穿著防靜電服來回穿梭，傳統紡織車間裏上百名工人大汗淋漓的場面在這裡不見蹤影。

　　在恒申控股集團，自動纏膜機、機械手臂、自動包裝線等智慧設備在生産線上得到廣泛運用，這讓疫情期間緊缺的勞動力迅速補充到生産缺口，保證生産線的平穩運作。

　　“是智慧化幫助我們將恢復産能的勞動力需求降到了最低。”恒申合纖科技有限公司總經理梅震告訴記者，傳統紡織企業年産20萬噸錦綸，至少要1100名工人，而在恒申，這個數字僅為420人。

　　眼下，疫情雖然尚未解除，梅震已經著手推動智慧化帶來的産能加速度。

　　上午9：30，在成品絲車間，梅震正忙著和一旁的技術人員討論剛剛立項的“新基建”項目——工業智慧相機。該工業智慧相機要載入數百萬種産品的品質外觀資訊，實現産品外觀集中一體化檢測，以降低大量的人力投入。用梅震的話説：“産品過不過關，無須人工手檢，相機一掃便知。”

　　據介紹，這個即將開工的智慧化改造項目將用於絲餅外觀檢驗等原本需要投入大量人力的品控環節。梅震給記者算了一筆賬，項目建成後每年可節約人工成本480萬元，而改造後産品合格率預計將提高0.5%，每年將創造效益超過3500萬元。

　　“數字大腦”帶來全球協同

　　反向收購“世界第一”的福邦特，晉陞全球規模最大的己內酰胺生産商；率先打通“環己酮-己內酰胺-聚合-紡絲-加彈-整經-織造-染整”全産業鏈……近年來，在全球擁有21家分公司、7個研發實驗室的恒申，儼然成為了一個“世界工廠”。

　　然而，面對跨越亞歐大陸的産業協同難題，這個由一家“蚊帳廠”起家的本土紡織企業並沒有太多現成可參考的經驗。

　　“就算擁有世界上最先進的設備，用機器代替人工，但並不意味著就實現了智慧化轉型。”在恒申控股集團董事長陳建龍看來，只有把産業協同的網路架到“天上”，通過“新基建”向“數字大腦”取經，智慧工廠才能擁有靈魂。

　　陳建龍在平板電腦上向記者展示了恒申“數字大腦”智慧管理平臺的“雛形”。這套基於“SAP ERP”框架的管理系統，實現“IoT(物聯網)+SaaS(軟體整合)+AI(人工智慧)”的系統深化應用，將生産製造、研發設計、物流倉儲等各環節數據合為一體，實現了“産、供、銷、人、財、物”數據的實時獲取和智慧挖掘。

　　記者發現，透過“數字大腦”，無論是位於福建長樂連江、江蘇南京的子公司，還是位於荷蘭馬斯特裏赫特的工廠車間，陳建龍都能夠實時調取生産畫面和産能、庫存等各類數據並生成智慧化報表，這讓疫情期間企業跨區域調節産能結構、分配生産指標、減少庫存消耗成為可能。

　　“過去歐洲研發中心每年投入研發資金約1700萬歐元，現在通過‘數字大腦’，同樣的研發課題只需要投入850萬歐元，這就是協同帶來的效率。”據陳建龍介紹，以往跨地區的資訊傳遞，要耗時五六天。有了“數字大腦”的智慧分解，交貨週期從以前的一兩周，提速到現在的4天以內，生産效率大幅提升。

　　機械背後是不可替代的工人

　　每天上午7:45，在恒申合纖技術中心內，工程師楊越都要準時出現在電腦螢幕前，察看由前方6個後紡車間傳送來的産品指標數據。數據載入在8份表格內，記錄著車間裏每台機器生産産品的物性、染色、外觀3大類共計22個小項的指標參數。恒申集團擁有的後紡設備有110台，平均每天需要楊越檢驗並處理的數據超過2200多個。他告訴記者：“看完並整理這些數據就需要花上半天時間。”

　　“産品毛絲率數據異常，開紡1天后仍然居高不下，檢查機械配件是否磨損老化？”“僵絲或緊點現象的頻繁出現，可能生産工藝需要微調。”有著9年紡織工作經驗的楊越要從這些數據之中找到異常，並通過分析這些數據為生産車間裏的工人提供異常原因和改進建議，跟進整個過程。

　　在不少同事眼中，楊越所扮演的角色就像“智慧工廠”裏的大腦，在海量的數據中挖掘數據的價值。為了提升數據挖掘的自動化水準，楊越和同事們正在研究異常數據的表達規律，試圖通過開發新的分析系統，讓生産線上的異常能夠更加快速有效地被發現，降低人工檢驗的差錯率。

　　“無論是智慧機械還是‘數字大腦’，都是為了幫助工人實現更高品質的生産和勞動。”在楊越看來，他並不擔心自己會被這套自動化系統所取代，也不擔心工人會被生産線上的智慧設備所代替。

　　他和技術中心內的另外兩名工程師都來自生産一線，分別對聚合、前紡、後紡的生産數據進行監控與整理。“我們能在這裡，是因為我們擁有機器所不具備的能力和經驗。”楊越告訴記者：“工人的溫度不可替代。”