北京天拓四方科技有限公司（以下簡稱“天拓四方”）致力于推動中國工業高質量制造世界領先，為客戶提供自動化、網絡化、數字化、智能化的軟硬件產品、技術及服務，并首次提出DEPC（數字化工程總服務商）的理念和企業目標，是國內領先的智能制造和工業互聯網領域高新技術企業及整體解決方案服務供應商，形成了集咨詢、研發、平臺建設、銷售、集成、實施和運維的綜合服務能力。本項目通過機器視覺智能檢測實現快速檢測，依托工業互聯網平臺，運用工業APP，承載印刷行業的專業工業知識和技術經驗，把印刷試制全生命周期相關業務場景的技術知識、最佳實踐及技術訣竅封裝成滿足印刷特定需求的應用軟件，極大地便利了知識的應用和復用。
一、項目概況
針對高端印刷行業印刷試制時間長、成本高等問題，應用工業軟件縮短印刷試制時間，減少資源浪費，最終應用工業軟件的數字孿生和模型仿真，消除印刷試制中工藝研制、配墨、制多個版等的中間過程，使印刷試制過程在軟件中完成。
項目背景
印刷行業具有較高的專業技術和專業知識。印刷試制，既是產品設計定型的結束，也是產品批量生產的開始；既要能驗證印刷文件及制版文件的正確性，同時，需要積累印刷工藝參數，形成配色量化數據，為正式生產提供支撐。試制周期長，企業多數處于依靠工人師傅經驗來調配專色墨，存在專色墨的配比不夠精確，調配時間長，主觀因素影響大的缺點；歷史色彩數據不能自動調??；工藝參數不能隨查隨用并快速復用；質量檢測主要靠人工檢測，人工檢測時間長、誤差大；歷史缺陷檢測不能自動比對；資源浪費導致成本高等痛點一直困擾著印刷制造業。國內許多印刷企業目前仍然依靠文件夾式的簡單管理模式來管理印刷企業中大量的數字文件，這顯然已經不能適用于現代印刷企業，數字資產不能夠方便的檢索和復用。如何縮短試制時間、降低成本、提高工藝參數復用率，提高印刷色彩數據積累并快速調用，提高缺陷檢測效率是整個印刷行業亟待解決的問題。
隨著人工智能、機器視覺檢測、大數據、云計算的快速發展，上述印刷行業的問題可以通過機器視覺智能檢測實現快速檢測，依托工業互聯網平臺，運用工業APP，承載印刷行業的專業工業知識和技術經驗，把印刷試制全生命周期相關業務場景的技術知識、最佳實踐及技術訣竅封裝成滿足印刷特定需求的應用軟件，極大地便利了知識的應用和復用。在10000+億的印刷行業市場中，前景廣闊。
項目簡介
利用機器視覺智能檢測，實現快速檢測和精準檢測，減少人工檢測時間和檢測誤差；
色彩配比不夠精確，調配時間長，多數處于依靠工人師傅經驗來調配，主觀因素影響大，軟件化實現色彩參數精確地數字化管理；
工藝數據和色彩數據的積累，對設計需求從工藝數據庫和色彩數據庫自動識別和調取數據匹配，也可自動匹配相似色彩數據及相關工藝參數，以便快速修改；
歷史缺陷檢測數據的積累與沉淀，通過歷史缺陷大數據與工藝參數關聯數據的深度學習，對質量缺陷自動給出解決方案；
印刷試制的數字孿生，通過工藝數據、色彩數據和歷史缺陷數據的沉淀，通過大數據分析與關聯數據的深度學習，對印刷試制過程進行數字化仿真，高效的給出精準試制方案；消除印刷試制中工藝研制、配墨、制多個版等的中間過程。
項目目標
通過機器視覺智能檢測，實現快速精準檢測，數據的自動采集，與工藝和色彩數據知識庫的關聯及深度學習，自動推送質量改進方案，自動匹配工藝參數和色彩參數，實現知識的復用，通過大數據分析，使整個印刷試制過程實現模型化仿真驗證，直接給出精準的數字化試制結果進行試制，消除印刷試制中工藝研制、配墨、制多個版等的中間過程。
二、項目實施概況
通過項目實施，實現產品數據數字化管理，印刷試制工藝文件的數字化版本管理，產品數據與工藝數據及色彩數據的數字化關聯，工藝參數的數字化采集，試制過程工藝知識庫積累，試制過程色彩數據庫的積累，實現基于機器視覺的質量智能自動檢測，通過數據積累，實現后續試制工藝參數的自動調用和重復利用，實現色彩數據的數字化系統自動匹配和重復利用；從而提高印刷試制過程的檢測效率和精確度，提高工藝參數研制效率，降低了人工參與的誤差和檢測時間，降低了工藝研制時間，節省了油墨的配比浪費，實現整體印刷試制過程的質量達成率和總成本的降低。
1. 項目總體架構和主要內容
通過對業務架構、系統架構、基礎架構、技術架構進行分析，采用先進實用的微服務架構設計該系統，以實現功能解耦、擴展性高等目標，而且支持云計算部署，可以滿足高并發、高可用、高穩定和高安全等性能要求。由于采用微服務架構，各個服務模塊化編寫，具有高內聚低耦合的優勢，便于靈活更新升級，而不會影響其他業務。一套代碼，同時支持移動應用和pc應用，提高效率，節約成本。這個架構還便于AB灰度發布產品，提高開發效率，對測試、運維管理也可以顯著提高效率。微服務通過REST方式提供訪問，產品實現重構，進行服務劃分，可以充分使用現有的代碼。
如上圖所示，系統總體架構分為客戶端層、網關層、服務聚合層、服務原子層。客戶端層主要指前端UI，包括UI架構、圖表控件、報表輸出等相關內容。網關層包括微服務網關、API網關，前面的第一層還是網關，下面有微服務的聚合層，作用是做各種業務邏輯的處理；聚合層下面是我們的數據原子層，主要做數據訪問代理，只不過根據業務的不同垂直分開了。可以看到，網關、數據層，注冊中心、配置中心都有，只不過在業務處理部分分成兩層：一層是原子層，也就是整個數據訪問的代理層，提供了用戶的接口；另外一層是業務聚合層。
2. 功能架構
如圖2所示，數網星印刷行業智能試制APP基于數網星工業互聯網平臺，專注于為印刷工藝持續優化提供功能應用。
功能模塊包括業務數據管理模塊、設計流程管理模塊、打樣任務管理模塊、質檢過程管理模塊和智能報表管理模塊。業務數據管理模塊包括料品數據、工藝數據、質檢和缺陷數據、設備數據、客戶和供應商數據、關鍵特性和通用數據字典管理功能。設計流程管理模塊包括客戶需求管理、平面設計方案管理、制版方案管理、工藝方案管理、質量控制方案管理、印版管理、方案版本管理等功能。打樣任務管理模塊包括打樣任務執行、打樣結果查看和過程數據記錄等功能。質檢過程管理模塊包括質檢任務管理、視覺檢測設備集成、質檢基準設置和質檢結果判定功能。智能報表管理提供各種數據的統計分析功能。
數網星工業互聯網平臺主要包括系統框架、賬號管理、權限管理、數據接口管理、系統基礎建模、制造模型構建等功能，為功能模塊提供數據支撐和系統支撐。在平臺層的支撐下，上層應用可根據不同的業務流程設計開發基于不同場景的應用功能。
圖 2 功能架構圖
3. 技術架構
數網星印刷行業智能試制APP采用B/S架構,分為數據層（數據采集層、數據庫層）、業務邏輯層（通用應用平臺層、通用業務層）、數據展現層（服務器端，移動端）、各層之間職責明確、數據統一管理，系統具備擴充性。技術結構大致可以定義為：客戶機層上的表示層主要是通過微服務框架實現的，由顯示視圖產生一個請求。請求被Controller（控制器）接收，它在Controller類中標有RequestMapping注解的方法中尋找請求的URI，并在此方法中執行相應的業務邏輯，在執行完業務邏輯后根據返回值確定展示數據的視圖。
系統展示介質分為PC端、移動端、看板設備、車間一體機，PC端和車間一體機展示界面具有一致性，看板設備主要展示車間看板系統，移動端主要用于執行現場生產過程反饋及在線指導查看。系統管理員擁有所有功能權限，生產管理人員和現場操作人員都為系統管理員功能的子集，只擁有部分功能權限，故系統只從系統管理員的角度進行設計，后期通過權限管理對用戶界面進行管理。
圖 3 技術架構圖
4.具體應用場景和應用模式
（1）機器視覺智能檢測及數據采集
現階段大部分印刷檢測還是依靠人工，檢測時間長，檢測效率低，檢測誤差大；機器視覺識別技術已經較成熟，通過將印刷檢測與機器視覺智能檢測設備集成，實現印刷生產的在線高保真實時檢測，提高了印刷質量合格率，與機器視覺智能檢測設備的集成，通過智能硬件與軟件結合，實現檢測數據的自動采集與上傳，可實現質量檢測數據和缺陷數據的大數據積累，通過質量數據與工藝參數和色彩參數的相互關聯，可實現質量缺陷的歷史缺陷比對及歷史改進方法的自動推送，避免了歷史質量缺陷的反復修改優化的資源浪費；通過對質量大數據與工藝大數據的深度連接及工藝師傅改進質量缺陷的技術訣竅的深度學習應用，對后續相關質量缺陷自動給出解決方向及方案；減少了人工參與度，提高了改進的數字化精確性和試制生產的勞動生產率。
（2）工藝與色彩大數據知識庫建立與深度學習
數網星印刷行業智能試制APP通過在印刷行業中要求較高的煙盒印刷企業的落地應用，實現了企業內部設計文件、工藝文件、制版文件和質量文件的數字化管理和數據在線關聯，使設計文件能夠自動關聯和調用整套對應的工藝參數文件、制版文件及出現過的質量缺陷文件；實現了煙盒試制過程中所有工藝參數文件的積累和沉淀，可為后續新設計文件進行快速復用，對相似工藝參數文件的快速調取并進行少量修改，大大減少了研制工藝的編制時間；大量的試制過程中的色彩數據也會通過數網星印刷行業智能試制APP形成色彩大數據知識庫，對新設計文件的色彩進行快速匹配；通過工藝大數據和色彩大數據兩個方面，實現從工藝庫和色彩庫兩個維度對新設計文件進行快速匹配和知識重用，實現自動推送；在印刷試制過程中大量的質量檢測缺陷會被機器視覺自動檢測并存儲到知識庫中，形成質量缺陷檢測知識庫，質量缺陷自動關聯改進工藝方法和技術訣竅，經過知識庫積累，對質量缺陷進行快速定位，并自動匹配改善質量缺陷解決方案。
（3） 印刷試制過程數字孿生、模型化仿真
數網星印刷行業智能試制APP通過標準化，關注數據模型和工業技術知識的重用及重用效率，使數網星印刷行業智能試制APP可以被廣泛復用，并且可以讓使用者不需要關注數據模型和知識本身，而進行直接使用。
通過大數據分析后的印刷行業知識的高附加值印刷專業知識和技術，對數網星印刷行業智能試制APP進行不斷的升級和完善，使數網星印刷行業智能試制APP更加智能，更能適用于印刷行業多種場景。
數網星印刷行業智能試制APP形成了印刷工業大數據、色彩大數據、質量缺陷統計大數據，隨著工業互聯網平臺及人工智能的快速發展，對三項大數據進行機器學習和深度學習，最后數據經過提煉、抽取、處理、歸納后形成數字化的工業知識，構建印刷工藝機理模型和數據模型，實現印刷行業的印刷工藝數字化孿生，數字孿生覆蓋印刷品的設計數據、工藝數據、色彩數據、質量數據，并關聯四個維度的數據信息，實現印刷試制過程基于模型的設計、試制、仿真、制造等活動，全部都在數字空間完成，通過對工業數據建模與模型持續優化，實現工藝數據和色彩數據的自動識別、匹配、分析生產工藝參數，生成工藝參數后進行生產仿真模擬，通過仿真分析結果與質量缺陷數據庫知識進行比對分析，驗證工藝參數合理性，對于不成功工藝進行數字化設計、仿真、驗證，經過反復迭代得出最有結果；待產品迭代成熟后再進入工廠一次制造完成，從而大幅度縮短試制周期、降低試制成本。
三、下一步實施計劃
1. 試點示范
在數網星印刷行業智能試制APP應用的初期，應用先進的管理理念、初具應用的軟件及高的性價比，以湖南某印刷有限公司煙標印刷試制帶來的價值為突破點，以國內從事煙標應刷的200多家印刷企業開始拓展，通過客戶推薦和市場人員應用成功案例推廣相同企業兩個渠道，對煙標印刷企業進行拓展。
初期面向從事煙標印刷的印刷企業客戶進行定制化開發，實現標準功能，可以安裝、部署和運行在用戶電腦單機上；也可以部署在企業局域網上，通過局域網運行。
通過前期煙標印刷客戶應用時間的增長和客戶數量的增長，數網星印刷行業智能試制APP積累大量工藝數據，色彩數據和質量缺陷數據，大數據的沉淀以及對大數據的機器學習和深度學習需要借助工業互聯網平臺的支撐，通過工業互聯網平臺對數據的提煉、抽取、處理、歸納后形成的數字化隱性印刷知識，進一步完善APP。最終數網星印刷行業智能試制APP成為煙標印刷試制中不可或缺的一部分，迅速占領包裝印刷行業中的從事煙標、藥包等高端印刷行業。
2. 推廣增值
通過在煙盒、藥盒、酒盒、化妝品盒、高端品牌包裝盒等高端包裝印刷領域的不斷擴展，知識的不斷豐富，以及借助工業互聯網平臺，使數網星印刷行業智能試制APP成為一款平臺化產品，實現平臺化靈活構建，實現網絡化調用，形成一種可重復使用的微服務組件。通過工業互聯網平臺進行銷售、租售、授權收費等后續市場推廣。
通過印刷工業技術、經驗、知識和最佳實踐的模型化、軟件化與再封裝，把數網星印刷行業智能試制APP通過微服務技術，拆分成工藝知識管理服務組件、色彩管理知識組件、質量缺陷學習自推送組件等通過平臺進行單獨組件市場推廣。
四、項目創新點和實施效果
1. 項目先進性及創新點
（1）專家經驗和行業知識封裝
數網星印刷行業智能試制APP面向印刷試制周期相關業務（設計、工藝、制版、打樣、檢測、確認、修改、轉批量生產等）的場景需求，把印刷試制過程中的工藝知識、工藝參數、色彩參數、質量缺陷參數、最佳實踐及技術訣竅封裝成應用軟件。使印刷試制的企業知識和技術訣竅模型化、模塊化、標準化和軟件化，有效促進知識的顯性化、公有化、組織化、系統化，極大地便利了工藝參數、色彩參數的應用和復用經過大數據的沉淀、機器學習和深度學習，實現印刷工藝數據的自動化復用或相似工藝數據的推送，實現色彩數據的自動匹配，實現質量缺陷的自動識別和自動修改優化。
（2）采用微服務架構實現靈活構建
把應用程序分解為數據分析、數據集成、色彩管理、工藝管理、深度學習等功能粒度更小、完全獨立的微服務組件，使得它們擁有更高的敏捷性、可伸縮性和可用性。印刷行業智能試制APP采用微服務技術，通過工業互聯網平臺實現網絡化調用，在工業互聯網平臺上，形成大數據的積累、機器學習和深度學習，工業互聯網平臺對數據提煉、抽取、處理、歸納后形成的數字化的工業知識，進一步提升、完善印刷行業智能試制APP。
2. 實施效果
目前該解決方案已經在湖南某煙標印刷企業成功落地，成功應用于公司技術部的印刷試制全過程管理。解決了從客戶需求傳遞到打樣任務的全過程系統管理，實現了無紙化，解決了數據傳遞的效率和準確性問題；實現了過程數據的記錄，對于油墨配比，設備參數等影響關鍵影響因素進行沉淀，為事后統計分析和智能學習提供依據；檢測效率通過機器檢測系統和APP集成引用得到了顯著的提升。
該項目實施后，在精簡人員、效率提升、產品合格率提升等大的方面提升顯著，根據企業實施后1年內的統計分析數據顯示如下：
指標 | 可度量的結果 |
人員減少 | 2人 |
油墨紙張損耗降低 | 11% |
產品合格率提高 | 3.5% |
檢測效率提升 | 50% |
設計效率提升 | 20% |
試制周期縮短 | 2天 |
統計效率提升 | 30% |