馮申杰　馬志豪　張旭熳

摘 要：在制造物聯(lián)網(wǎng)環(huán)境下監(jiān)視現(xiàn)代復(fù)雜制造系統(tǒng)中的生產(chǎn)過程時(shí)，由于涉及生產(chǎn)要素多，系統(tǒng)架構(gòu)復(fù)雜，僅僅通過原始RFID事件構(gòu)造復(fù)雜事件或者利用隱馬爾科夫建立狀態(tài)轉(zhuǎn)移模型，并不能很好地滿足實(shí)際生產(chǎn)中復(fù)雜情況的需要。文章在現(xiàn)有研究基礎(chǔ)上，結(jié)合自動(dòng)機(jī)模型和隱馬爾科夫鏈設(shè)計(jì)了實(shí)時(shí)事件監(jiān)控系統(tǒng)中新的復(fù)雜事件構(gòu)造和系統(tǒng)狀態(tài)預(yù)測(cè)模塊，優(yōu)化之后的實(shí)時(shí)事件監(jiān)控系統(tǒng)可以幫助管理人員高效地監(jiān)控生產(chǎn)過程，提高生產(chǎn)效率。

關(guān)鍵詞：制造物聯(lián)網(wǎng)；RFID事件；復(fù)雜事件；隱馬爾科夫鏈；狀態(tài)轉(zhuǎn)移；過程監(jiān)控

中圖分類號(hào)：TP277 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2015）08-00-03

0 引 言

隨著物聯(lián)網(wǎng)等新一代信息技術(shù)的出現(xiàn)和發(fā)展，推動(dòng)了以綠色、智能和可持續(xù)發(fā)展為特征的新一輪產(chǎn)業(yè)革命的來臨，因此，一種新型智能制造模式——制造物聯(lián)（Internet of Manufacturing Things，IoMT）應(yīng)運(yùn)而生?，F(xiàn)階段制造物聯(lián)網(wǎng)在制造業(yè)的應(yīng)用主要是利用RFID技術(shù)實(shí)現(xiàn)生產(chǎn)過程的工人、工序、工件、工時(shí)的實(shí)時(shí)精確統(tǒng)計(jì)和計(jì)算，從而達(dá)到實(shí)時(shí)控制生產(chǎn)過程、便于質(zhì)量管理和追溯的目的[1]。

制造物聯(lián)網(wǎng)環(huán)境下現(xiàn)代制造系統(tǒng)非常復(fù)雜，涉及無數(shù)處理、機(jī)器、工具、交通裝備和人。到目前為止為了監(jiān)視這些過程以及生成中的具體流程，制造企業(yè)已經(jīng)積累了大量的數(shù)據(jù)[2]。當(dāng)前這些數(shù)據(jù)的應(yīng)用主要在于過程之間的通信，包括工作進(jìn)展，正在處理的工作，每一部分的位置和裝備的狀態(tài)。RFID技術(shù)的進(jìn)步使得我們可以從各種裝備、交通設(shè)備和工作人員身上獲得大量信息[3]，并可利用這些信息進(jìn)行快速響應(yīng)。

越來越多的制造業(yè)企業(yè)發(fā)現(xiàn)RFID技術(shù)是一個(gè)從貨運(yùn)、原料處理到供應(yīng)鏈管理等產(chǎn)品周期的各個(gè)方面都非常有用的工具[4]。然而，制造過程會(huì)面臨一些不可預(yù)期的干擾事件，比如機(jī)器故障，緊急訂單、交貨日期提前、來料推遲到貨等。因此，制造過程實(shí)時(shí)監(jiān)控系統(tǒng)對(duì)于快速響應(yīng)這些干擾事件、減少經(jīng)濟(jì)損失便是非常重要的。當(dāng)前關(guān)于RFID技術(shù)和制造執(zhí)行系統(tǒng)（MES）的相關(guān)研究實(shí)現(xiàn)了實(shí)時(shí)工廠數(shù)據(jù)的收集管理平臺(tái)。

基于RFID的車間實(shí)時(shí)事件監(jiān)視系統(tǒng)的一個(gè)關(guān)鍵挑戰(zhàn)是設(shè)計(jì)可重定義的規(guī)則將RFID數(shù)據(jù)轉(zhuǎn)化為事件。在文獻(xiàn)[5]中已經(jīng)基于邏輯操作規(guī)則設(shè)計(jì)好了事件構(gòu)造方法以用來構(gòu)造事件，包括簡(jiǎn)單事件和復(fù)雜事件。在文獻(xiàn)[6]中，一個(gè)reactive模型方法更進(jìn)一步提出來，可用來監(jiān)視前面提到的簡(jiǎn)單和復(fù)雜事件。使用了reactive模型編程語(yǔ)言（RMPL）。接著，將基于自定義規(guī)則的事件處理和概率推理結(jié)合起來估計(jì)被觀察對(duì)象的最大可能狀態(tài)。然而，時(shí)間相關(guān)事件的臨時(shí)關(guān)系并沒有被考慮到。除此之外，事件數(shù)據(jù)增長(zhǎng)的時(shí)候，RMPL語(yǔ)言也會(huì)非常長(zhǎng)，很難修改。事實(shí)上，制造業(yè)企業(yè)每天都在收集海量的不同類型數(shù)據(jù)，存儲(chǔ)在不同的表格中。如何高效管理大量事件數(shù)據(jù)，得到有用信息也是一個(gè)不小的挑戰(zhàn)。

本文基于RFID技術(shù)，提出了優(yōu)化的實(shí)時(shí)事件監(jiān)控系統(tǒng)架構(gòu)，并結(jié)合自動(dòng)機(jī)模型構(gòu)造復(fù)雜事件。將構(gòu)造出來的復(fù)雜事件作為可觀察序列，利用隱馬爾科夫鏈（Hidden Markov Chain，HMC）模型預(yù)測(cè)可能會(huì)造成異常狀態(tài)的情況。相比前述的成果，本系統(tǒng)為用戶提供更實(shí)用和方便的設(shè)計(jì)實(shí)現(xiàn)RFID監(jiān)控系統(tǒng)的方法。自動(dòng)機(jī)模型和馬爾科夫鏈模型非常適合制造物聯(lián)網(wǎng)環(huán)境下復(fù)雜制造系統(tǒng)的大數(shù)據(jù)環(huán)境。

1 RFID數(shù)據(jù)和可觀察事件

當(dāng)一個(gè)RFID讀寫器在其周期內(nèi)讀到RFID標(biāo)簽，會(huì)產(chǎn)生數(shù)據(jù)信息。包括三個(gè)基本部分，表示為（e，r，t），其中e表示讀到的標(biāo)簽的唯一標(biāo)識(shí)，r表示讀寫器的標(biāo)識(shí)，t表示時(shí)間戳。所以，RFID過濾器可以從輸入信息流中讀到什么時(shí)間，什么地點(diǎn)，發(fā)生了什么，有了這些便可以繼續(xù)構(gòu)造簡(jiǎn)單和復(fù)雜事件。

1.1 簡(jiǎn)單事件

事實(shí)上，原始RFID數(shù)據(jù)可能并沒有精確展示我們所感興趣的事件，而且可能沒有遵守用戶自定義的事件格式。因此，行RFID數(shù)據(jù)流需要被RFID過濾器處理，比如應(yīng)用程序級(jí)別事件標(biāo)準(zhǔn)[6]，其提供的函數(shù)用來過濾和移除不想要的或者多余的數(shù)據(jù)，在時(shí)間區(qū)間中收集數(shù)據(jù)，以及對(duì)數(shù)據(jù)聚類以減少數(shù)據(jù)量。處理輸入數(shù)據(jù)之后的事件，如果提供了直接信息，以及直接觀察到的系統(tǒng)行為，這種事件就是簡(jiǎn)單事件。包括入口事件，比如一個(gè)標(biāo)簽在t時(shí)刻出現(xiàn)在特定的位置，以及一個(gè)t時(shí)刻，一個(gè)進(jìn)程處理結(jié)束。

1.2 復(fù)雜事件

基于RFID簡(jiǎn)單事件，復(fù)雜事件可以被定義為更單行和高效的使用記錄數(shù)據(jù)的事件。通過定義簡(jiǎn)單事件為有限自動(dòng)機(jī)中的狀態(tài)，當(dāng)一系列狀態(tài)發(fā)生，如遷移到最后一個(gè)狀態(tài)的時(shí)候，則認(rèn)為復(fù)雜事件發(fā)生了[5]。此時(shí)可以用如下操作符定義復(fù)雜事件：

（1）AND：在一個(gè)時(shí)間段內(nèi)，當(dāng)事件X和Y都發(fā)生的時(shí)候，復(fù)雜事件X AND Y發(fā)生；

（2）OR：在一個(gè)時(shí)間段內(nèi)，當(dāng)事件X或Y發(fā)生的時(shí)候，復(fù)雜事件X OR Y發(fā)生；

（3）NOT：在一個(gè)時(shí)間段內(nèi)，當(dāng)事件X沒有發(fā)生的時(shí)候，復(fù)雜事件NOT X便發(fā)生了；

（4）SEQ：當(dāng)事件X在事件Y發(fā)生之前立即發(fā)生的時(shí)候，復(fù)雜事件X SEQ Y發(fā)生。

這里應(yīng)注意：復(fù)雜事件也可以將操作符應(yīng)用到其他復(fù)雜事件上構(gòu)造而成。比如表達(dá)式E=（X OR Y）AND Z表示簡(jiǎn)單事件X或Y發(fā)生后Z發(fā)生，則復(fù)雜事件E發(fā)生。

自動(dòng)機(jī)由一個(gè)五元組（Q，Σ，δ，q0，F(xiàn)）構(gòu)成，Q表示有限非空的狀態(tài)集合，Σ為輸入字符表，δ表示自動(dòng)機(jī)Q×Σ→Q的狀態(tài)轉(zhuǎn)移函數(shù)，q0為自動(dòng)機(jī)的開始狀態(tài)，F(xiàn)為自動(dòng)機(jī)的終止?fàn)顟B(tài)。使用自動(dòng)機(jī)模型可以表示正則表達(dá)式，復(fù)雜事件的表達(dá)式與正則表示式具有一致性，因此，使用自動(dòng)機(jī)模型表示相應(yīng)的復(fù)雜事件表達(dá)式。具體如圖1所示。

2 制造系統(tǒng)模型

RFID監(jiān)視系統(tǒng)如圖2所示。一般來講，監(jiān)控系統(tǒng)中肯定有一個(gè)事件處理模塊過濾出有用的事件。在本模塊中，首先應(yīng)用事件過濾器將原始RFID數(shù)據(jù)轉(zhuǎn)化為簡(jiǎn)單事件的標(biāo)準(zhǔn)形式。接著自動(dòng)機(jī)模塊會(huì)利用這些簡(jiǎn)單事件和存儲(chǔ)在數(shù)據(jù)庫(kù)中的歷史事件數(shù)據(jù)構(gòu)造出復(fù)雜事件。所有的事件數(shù)據(jù)都會(huì)存儲(chǔ)在事件數(shù)據(jù)庫(kù)中，HMC模塊會(huì)請(qǐng)求這些數(shù)據(jù)用來預(yù)測(cè)系統(tǒng)狀態(tài)。

關(guān)鍵車間或環(huán)節(jié)的運(yùn)行一旦出現(xiàn)故障給企業(yè)帶來不可估量的損失，也會(huì)嚴(yán)重影響企業(yè)的運(yùn)行效率。為了預(yù)測(cè)到可能的故障狀態(tài)，提前采取合理的預(yù)防措施，需要使用恰當(dāng)?shù)哪Ｐ汀?/p>

由于制造過程本身結(jié)構(gòu)和運(yùn)行環(huán)境的復(fù)雜性，得到的復(fù)雜事件并不能與系統(tǒng)狀態(tài)簡(jiǎn)單的一一對(duì)應(yīng)。經(jīng)典方法如布朗運(yùn)動(dòng)、泊松過程和馬爾科夫過程等都不能很好的描述制造過程檢測(cè)到的復(fù)雜事件和系統(tǒng)狀態(tài)的關(guān)系，而隱馬爾科夫鏈模型可以將觀察序列和隱狀態(tài)通過一組概率聯(lián)系起來，較好的描述這種雙重隨機(jī)過程機(jī)制。接下來通過前述DFA模型生成復(fù)雜事件，由狀態(tài)變遷過程來推斷運(yùn)行可靠性。

可以用術(shù)語(yǔ)狀態(tài)或者模型來對(duì)制造系統(tǒng)建模。用前述的自動(dòng)機(jī)模型構(gòu)造的復(fù)雜事件可以描述制造系統(tǒng)的狀態(tài)，舉例來說，機(jī)器2正在第3部分處理任務(wù)4，工人2正在視察工作5，機(jī)器1發(fā)生故障，工作3完成了等。

狀態(tài)并不是可以直接觀察到的?？捎^察序列由前面構(gòu)造的復(fù)雜事件提供。除此之外的可觀察對(duì)象可能是可以造成狀態(tài)轉(zhuǎn)移的用戶命令或行為。因此，HMM給出了一個(gè)制造系統(tǒng)的合適的描述，其中所有狀態(tài)都不是可以直接可觀察的。我們要從給定的可觀察對(duì)象中估計(jì)哪個(gè)是活動(dòng)狀態(tài)。另一個(gè)替代模型方法是貝葉斯網(wǎng)絡(luò)。然而，這種方法使用更為復(fù)雜的模型，該模型適用于網(wǎng)絡(luò)狀態(tài)轉(zhuǎn)換的一般情況。

由此可見，隱馬爾可夫過程是一個(gè)雙重隨機(jī)過程，其中一重隨機(jī)過程不能直接觀察到，通過狀態(tài)轉(zhuǎn)移概率矩陣描述。另一重隨機(jī)過程輸出可以觀察到的觀察符號(hào)，這由輸出概率來定義。

HMC模型的組成原理如圖3所示。將HMC模型應(yīng)用于實(shí)際工程時(shí)，通常采用Forward-Backward算法來解決模型的概率計(jì)算問題。

3 計(jì)算活動(dòng)狀態(tài)

在給定HMMλ=（A，B，π），觀察序列O={o1，o2，…，oT}的情況下要計(jì)算的活動(dòng)狀態(tài)，可以通過枚舉所有的狀態(tài)轉(zhuǎn)換序列，并對(duì)每一個(gè)狀態(tài)轉(zhuǎn)換序列q計(jì)算P（O， q |λ），能使P（O， q |λ）取最大值的狀態(tài)轉(zhuǎn)換序列q*成為能最好解釋觀察序列的狀態(tài)轉(zhuǎn)換序列，即：

4 結(jié) 語(yǔ)

本文討論了在制造物聯(lián)網(wǎng)環(huán)境下，由于實(shí)時(shí)事件監(jiān)控系統(tǒng)涉及生產(chǎn)要素多，系統(tǒng)架構(gòu)復(fù)雜所面臨的一系列問題。在現(xiàn)有通過原始RFID事件構(gòu)造復(fù)雜事件和利用馬爾科夫建立狀態(tài)轉(zhuǎn)移模型相關(guān)研究的基礎(chǔ)上，為實(shí)時(shí)事件監(jiān)控系統(tǒng)設(shè)計(jì)了新的架構(gòu)，結(jié)合自動(dòng)機(jī)模型構(gòu)造復(fù)雜事件，將構(gòu)造出來的復(fù)雜事件作為可觀察序列，利用隱馬爾科夫鏈模型預(yù)測(cè)可能會(huì)造成異常狀態(tài)的情況。并給出自動(dòng)機(jī)模型構(gòu)造復(fù)雜事件的具體定義和隱馬爾科夫鏈模型計(jì)算活動(dòng)狀態(tài)的算法。這樣，在系統(tǒng)優(yōu)化后，可以幫助管理人員更有效的監(jiān)控生產(chǎn)過程，提高制造企業(yè)的生產(chǎn)效率。

參考文獻(xiàn)

[1] 姚錫凡，于淼，陳勇，等.制造物聯(lián)的內(nèi)涵、體系結(jié)構(gòu)和關(guān)鍵技術(shù)[J].計(jì)算機(jī)集成制造系統(tǒng)，2014，20（1）：1-20.

[2] Brown B， Chui M， Manyika J. Are you ready for the era of big data[J]. Intermedia， 2012， 71（2）：739-741.

[3] Want R. An Introduction to RFID Technology[J].IEEE Pervasive Computing，2006， 5（1）：25-33.

[4] Zhang Z， Lu Z， Saakian V， et al. Item-Level Indoor Localization With Passive UHF RFID Based on Tag Interaction Analysis[J].IEEE Transactions on Industrial Electronics， 2014， 61（4）：28-35.

[5] 袁愛平，傅明.有限自動(dòng)機(jī)在復(fù)合事件檢測(cè)中的應(yīng)用[J].計(jì)算機(jī)工程與設(shè)計(jì)，2009，30（14）：3393-3395.

[6] Huang Y， Williams B C， Zheng L. Reactive， model-based monitoring in RFID-enabled manufacturing[J]. Computers in Industry， 2011（62）：811–819.

[7]姚運(yùn)志，孟晨，王成，等. RFID輔助生產(chǎn)實(shí)時(shí)監(jiān)控的復(fù)雜事件處理研究[J].現(xiàn)代制造工程，2015（1）：24-29.

[8]吳軍，邵新宇，鄧超. 隱馬爾科夫鏈模型在裝備運(yùn)行可靠性預(yù)測(cè)中的應(yīng)用[J].中國(guó)機(jī)械工程，2010，21（19）：2345-2349.

[9]王猛，唐敦兵，顧文斌，等. 基于RFID離散制造業(yè)車間生產(chǎn)過程控制系統(tǒng)研究與開發(fā)[J].企業(yè)管理與信息化，2012（11）：13-17.

[10]李強(qiáng)，陳琳.原始RFID數(shù)據(jù)流上復(fù)雜事件處理研究[J].計(jì)算機(jī)工程與設(shè)計(jì)，2013，33（4）：361-364.

[11]戚湧，胡軍，李千目.面向RFID數(shù)據(jù)處理的復(fù)雜事件模式匹配方法[J].計(jì)算機(jī)科學(xué)，2013，40（1）：73-76.