【阿里云】光伏行业解决方案

覆盖光伏生产到应用整条产业链路，通过图像识别光伏切片表面瑕疵来辅助人工决策，分析组建工艺来优化参数，同时结合分析气象数据和历史功率数据，科学预测光伏发电功率。

方案架构
光伏行业解决方案
通过对光伏电池片生产的物料数据、设备参数、MES 系统数据等的分析， 识别影响电池片质量的关键因素，从而对设备参数进行优化推荐，并在产线的对比测试中不断调优，最终提升电池片质量(即提升A品率)。

架构特点
参数分析
识别原因
优化质量

方案优势
工艺优化
从生产各个环节采集的众多参数中，定位出对质量指标影响最大若干参数，并对这些参数提供下钻分析，辅助工艺人员决策分析。

工艺推荐
通过集成机理模型与机器学习算法，挖掘生产过程中的压强和温度等参数，与制成品指标间的关联，建立动态模型，推荐最佳参数组合，协助工艺部门改造。

关键因素识别
从车间实时采集参数到工业大脑，通过人工智能算法，对所有数据进行深度学习计算，精准分析出与生产质量最相关的关键参数，并搭建参数曲线模型，在生产过程中实时监测和调控变量,提升生产A品率。

落地案例

通过调整最优参数，切片良品率提升了1%，企业有了巨大的成本节约
全方位监控生产过程中的实时参数曲线并构建核心部件的健康指数模型，在识别关键因素的基础上进行参数推荐，最终提升良品率。

合作流程
明确和提交需求
明确项目和光伏行业相关，按要求提交合作需求，并确保电话畅通。

咨询反馈
阿里云员工在5个工作日内与您联系，沟通合作相关事项。

深度交流
阿里云架构师会为项目定制方案，可线上/线下深入交流。

商务流程
商务服务团队与您签订商务合同，项目经理跟进项目交付。

相关解决方案

组件工艺参数推荐
推荐订单生产使用的物料组合，提高生产出的组件与订单需求的功率档位的匹配度。

切片工艺优化
从生产各个环节采集的众多参数中，定位出影响良率或线痕、TTV等可测量指标的关键参数。

黑硅工艺参数推荐
基于模式挖掘，推荐酸碱液的浓度、压强和温度等工艺参数，生产中实时监控，实时调整至推荐范围。

丝网印刷关键因素分析
基于丝网印刷机台大量工艺参数，对历史数据进行建模分析和数据挖掘，寻找影响电池片A品率的关键。

相关产品
DTwin
基于数据驱动的工业三维“超拟真”数字孪生平台

AICS
低代码算法逻辑开发，所见即所得的优化与控制一体化解决方案

IGate
支持2400多种工业产品采集能力的数据采集系统