袁 磊 許 劼 許廣州

(上海亞太計(jì)算機(jī)信息系統(tǒng)有限公司 上海 200040)

數(shù)據(jù)分析在汽車工業(yè)設(shè)備智能分析系統(tǒng)的應(yīng)用

袁 磊 許 劼 許廣州

(上海亞太計(jì)算機(jī)信息系統(tǒng)有限公司 上海 200040)

針對(duì)汽車加工業(yè)機(jī)床狀態(tài)數(shù)據(jù)傳統(tǒng)的采集方式采樣頻率低、生產(chǎn)運(yùn)行狀態(tài)不可控、被動(dòng)維修的現(xiàn)狀，嘗試采用高速采集架構(gòu)及數(shù)據(jù)模型算法，對(duì)機(jī)床運(yùn)行的數(shù)據(jù)進(jìn)行采集、挖掘、利用，最終生成機(jī)床能效分析報(bào)告、健康診斷報(bào)告等。使設(shè)備的狀態(tài)信息更直觀可控，使維修更有預(yù)見性，維修工作者快速精準(zhǔn)地定位故障信息。推進(jìn)維修工作專業(yè)化，促進(jìn)汽車制造業(yè)良性發(fā)展。

機(jī)床 智能 能效

0 引 言

大數(shù)據(jù)時(shí)代的來臨帶給我們很多沖擊，數(shù)據(jù)資源已成為各類機(jī)構(gòu)和組織重要的戰(zhàn)略資源，重視數(shù)據(jù)資源的搜集、挖掘、分享與利用，成為當(dāng)務(wù)之急。智能工廠作為工業(yè)4.0的三大主題之一正發(fā)生著日新月異的變化[1]。

隨著國(guó)內(nèi)汽車生產(chǎn)線不斷擴(kuò)充，維修隊(duì)伍圍繞“降故提質(zhì)，降本增效”的核心業(yè)務(wù)指標(biāo)，努力提升設(shè)備效能。但現(xiàn)有生產(chǎn)運(yùn)營(yíng)模式下的設(shè)備狀態(tài)，各項(xiàng)業(yè)務(wù)指標(biāo)多年來，一直未有大的突破，必須轉(zhuǎn)變維修思路，把聚力點(diǎn)從設(shè)備層面的應(yīng)急維修上，轉(zhuǎn)變到部件級(jí)的預(yù)知維修上來，提前預(yù)判，變被動(dòng)為主動(dòng)，做到精益維修，才是未來維修的可持續(xù)發(fā)展之路[2]。

借著大數(shù)據(jù)分析的春風(fēng)，工業(yè)設(shè)備智能分析系統(tǒng)在汽車工廠應(yīng)運(yùn)而生，通過對(duì)設(shè)備運(yùn)行過程中產(chǎn)生的數(shù)據(jù)的捕捉，運(yùn)用各種分析手段，使數(shù)據(jù)產(chǎn)生價(jià)值。

1 系統(tǒng)設(shè)計(jì)

1.1 系統(tǒng)組織結(jié)構(gòu)

本系統(tǒng)基于工業(yè)互聯(lián)網(wǎng)體系架構(gòu)，以設(shè)備自身數(shù)據(jù)為核心并提供接口對(duì)原有系統(tǒng)進(jìn)行橫向和縱向集成，實(shí)現(xiàn)車間內(nèi)設(shè)備到管理的數(shù)據(jù)貫通，并研發(fā)一套設(shè)備數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)挖掘分析、數(shù)據(jù)展示的設(shè)備管理系統(tǒng)，即工業(yè)設(shè)備智能分析系統(tǒng)[3]。

1.1.1 硬件架構(gòu)方面

根據(jù)國(guó)內(nèi)制造工廠設(shè)備的實(shí)際需求現(xiàn)狀，摒棄傳統(tǒng)的設(shè)備狀態(tài)數(shù)據(jù)采樣方式，采用可擴(kuò)展模塊設(shè)計(jì)的智能采集終端采集機(jī)床數(shù)據(jù)，過濾后實(shí)時(shí)存儲(chǔ)到數(shù)據(jù)平臺(tái)。

1.1.2 算法分析方面

根據(jù)生產(chǎn)設(shè)備實(shí)際情況，對(duì)采集到的設(shè)備狀態(tài)數(shù)據(jù)，采用專業(yè)的統(tǒng)計(jì)數(shù)據(jù)算法，用客觀的方法來對(duì)數(shù)據(jù)進(jìn)行分析在短時(shí)間內(nèi)獲得精確的數(shù)據(jù)，并可以長(zhǎng)久保存，供后續(xù)分析使用[4]。

1.1.3 智能輸出方面

對(duì)于設(shè)備的流體類數(shù)據(jù)進(jìn)行實(shí)時(shí)監(jiān)控，繪制趨勢(shì)曲線，預(yù)判機(jī)床故障，并郵件和短信通知相關(guān)責(zé)任人，規(guī)避停機(jī)風(fēng)險(xiǎn)，降低維修負(fù)荷。

1.2 系統(tǒng)架構(gòu)設(shè)計(jì)

設(shè)備智能分析系統(tǒng)硬件包括Web服務(wù)器、數(shù)據(jù)庫服務(wù)器、數(shù)據(jù)采集服務(wù)器、分布式智能采集終端。系統(tǒng)采用分布式體系結(jié)構(gòu)，允許擴(kuò)充多個(gè)智能采集終端，系統(tǒng)中所有的服務(wù)器通過高速以太網(wǎng)連接，系統(tǒng)架構(gòu)參見圖1。

圖1 系統(tǒng)架構(gòu)

1) Web服務(wù)器：Web服務(wù)器是設(shè)備狀態(tài)智能檢測(cè)系統(tǒng)的管理中心，采用IIS 7.0作為應(yīng)用的發(fā)布平臺(tái)；負(fù)責(zé)管理、維護(hù)、查詢相關(guān)數(shù)據(jù)。系統(tǒng)整體采用B/S架構(gòu)，用戶可以在各種客戶端上通過瀏覽器設(shè)置、查詢數(shù)據(jù)。各種客戶端通過單頁應(yīng)用以Web Services方式訪問業(yè)務(wù)邏輯，包括邏輯運(yùn)算和數(shù)據(jù)查詢[5]。

2) 數(shù)據(jù)庫服務(wù)器：系統(tǒng)中所有的運(yùn)行數(shù)據(jù)信息統(tǒng)一記錄到數(shù)據(jù)庫服務(wù)器中，同時(shí)，在生成趨勢(shì)圖和報(bào)表時(shí)也需用到該服務(wù)器。

3) 數(shù)據(jù)采集服務(wù)器：數(shù)據(jù)采集服務(wù)器負(fù)責(zé)采集所有數(shù)據(jù)，這些數(shù)據(jù)將通過OPC技術(shù)、Ado.net技術(shù)快速準(zhǔn)確地記錄到數(shù)據(jù)庫中。數(shù)據(jù)采集服務(wù)器是數(shù)據(jù)傳輸和解析中心[6]。

4) 分布式智能采集終端：傳統(tǒng)的機(jī)床數(shù)據(jù)采集方式受硬件及采樣軟件限制，采集周期往往大于1 s，這樣會(huì)漏掉很多關(guān)鍵的過程數(shù)據(jù)，使數(shù)據(jù)分析工作失去價(jià)值。采集終端通過接入傳感設(shè)備到機(jī)床的方式采集現(xiàn)場(chǎng)機(jī)床中流體類數(shù)據(jù)并緩存到高速PLC中，實(shí)時(shí)通知上位系統(tǒng)及時(shí)采集，采樣周期最低可達(dá)到10 ms數(shù)量級(jí)。

2 數(shù)據(jù)的采集和處理

2.1 數(shù)據(jù)采集機(jī)制

系統(tǒng)采集對(duì)象主要為加工機(jī)床的液壓系統(tǒng)、主軸系統(tǒng)、冷卻系統(tǒng)，包括流量、壓力、溫度、電流A相、電流B相、電流C相、振動(dòng)等數(shù)據(jù)。

通過智能采集終端從現(xiàn)場(chǎng)設(shè)備中采集流量、壓力、溫度等數(shù)據(jù)實(shí)時(shí)存儲(chǔ)到采集器PLC中的緩存區(qū)，并通知上層程序?qū)崟r(shí)讀取。采集頻率設(shè)定為1條數(shù)據(jù)/100 ms，一次采樣5～10分鐘，從機(jī)床采集流體類數(shù)據(jù)，并保存到數(shù)據(jù)庫中，用于流體類故障診斷和預(yù)警。

數(shù)據(jù)采集過程的關(guān)鍵點(diǎn)在于高速和準(zhǔn)確不丟失，通過先進(jìn)的壓力、溫度、流量、電壓等傳感器與高性能的PLC連接，保證采集的速度；創(chuàng)新性的在PLC中加入閃存卡，實(shí)現(xiàn)數(shù)據(jù)的多級(jí)緩存，保證了數(shù)據(jù)采集的穩(wěn)定性和準(zhǔn)確性。數(shù)據(jù)采集進(jìn)程如圖2所示。

圖2 數(shù)據(jù)采集進(jìn)程圖

2.2 毛坯數(shù)據(jù)清洗

智能采集終端從現(xiàn)場(chǎng)機(jī)床中采集流體類數(shù)據(jù)的過程中，通過上層程序?qū)C(jī)床加工開始、結(jié)束信號(hào)的監(jiān)控，對(duì)機(jī)床非加工時(shí)間的流體類數(shù)據(jù)進(jìn)行過濾。

上層程序?qū)Σ杉降牧黧w類數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，在這過程中，對(duì)無關(guān)數(shù)據(jù)進(jìn)行數(shù)據(jù)過濾。無關(guān)數(shù)據(jù)主要為設(shè)備在非加工過程中產(chǎn)生的數(shù)據(jù)。

上層程序?qū)ν诰蚝蟮牧黧w類數(shù)據(jù)進(jìn)行數(shù)據(jù)分析，在此過程中，根據(jù)一定算法對(duì)無關(guān)數(shù)據(jù)進(jìn)行數(shù)據(jù)過濾[7]。

3 數(shù)據(jù)分析過程

數(shù)據(jù)分析建立在.NET和組態(tài)軟件基礎(chǔ)上，系統(tǒng)基于安全、彈性、高可用、虛擬化、標(biāo)準(zhǔn)化、自動(dòng)化的設(shè)計(jì)理念，采用基于SOA的應(yīng)用接入框架，客戶可以通過各種設(shè)備與系統(tǒng)交流交互[8]。

3.1 算 法

算法是對(duì)解題方案準(zhǔn)確無誤的表述，是眾多解決問題的邏輯指令，算法是用客觀的方法來描述解決問題的策略機(jī)制。簡(jiǎn)言之，能夠?qū)σ欢ㄒ?guī)則的輸入，在短時(shí)間內(nèi)獲得準(zhǔn)確的輸出[9]。

本系統(tǒng)的算法模型是建立在多年設(shè)備維修基礎(chǔ)上的經(jīng)驗(yàn)算法模型，具有指導(dǎo)性和穩(wěn)定性。相關(guān)算法模型舉例如下：

(1)

三相平衡性=

(2)

(3)

流量離散度=Stdev(流量)

(4)

壓力均值=Avg(壓力)

(5)

3.2 結(jié)論輸出

系統(tǒng)對(duì)流體類統(tǒng)計(jì)數(shù)據(jù)進(jìn)行實(shí)時(shí)監(jiān)控，并繪制趨勢(shì)曲線。預(yù)判機(jī)床故障，并郵件和短信通知相關(guān)責(zé)任人，規(guī)避停機(jī)風(fēng)險(xiǎn)，降低維修負(fù)荷。

對(duì)歷史數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘分析，自動(dòng)建立數(shù)據(jù)運(yùn)算模型。繪制機(jī)床生命周期曲線，降低能耗，洞悉改進(jìn)點(diǎn)，結(jié)論輸出過程如圖3所示。

圖3 結(jié)論輸出

設(shè)備智能分析系統(tǒng)通過集成使用Tableau報(bào)表，動(dòng)態(tài)可配置，可展現(xiàn)節(jié)拍、能耗、零部件運(yùn)動(dòng)數(shù)據(jù)，診斷信息[10]。生成設(shè)備停機(jī)交流報(bào)告，機(jī)床執(zhí)行元件動(dòng)作效率分析報(bào)告，機(jī)床能耗分析報(bào)告，設(shè)備健康診斷報(bào)告等方式展示給用戶直觀、準(zhǔn)確的用戶界面，效果如圖4所示。

圖4 預(yù)警信息

4 結(jié) 語

通過汽車工業(yè)設(shè)備智能分析系統(tǒng)的實(shí)施，實(shí)現(xiàn)了數(shù)據(jù)分析在汽車制造行業(yè)的應(yīng)用，使汽車制造業(yè)的維修行動(dòng)更加高效、透明。使用本系統(tǒng)后顯著提高了生產(chǎn)效率，降低了生產(chǎn)成本，主要體現(xiàn)在故障關(guān)閉率提高，停機(jī)風(fēng)險(xiǎn)減少，生產(chǎn)節(jié)拍提升，單機(jī)能耗節(jié)約10%，使設(shè)備使用年限延長(zhǎng)。這套集數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)挖掘分析、數(shù)據(jù)展示于一體的設(shè)備管理系統(tǒng)在加工制造業(yè)具有廣泛的推廣價(jià)值。

[1] 許正.工業(yè)互聯(lián)網(wǎng):互聯(lián)網(wǎng)+時(shí)代的產(chǎn)業(yè)轉(zhuǎn)型[M].機(jī)械工業(yè)出版社,2015.

[2] 李文明,葉笑春,張洋,等.BDSim:面向大數(shù)據(jù)應(yīng)用的組件化高可配并行模擬框架[J].計(jì)算機(jī)學(xué)報(bào),2015,38(10):1959-1975.

[3] 潘艷麗.基于Asp.Net的圖書館管理系統(tǒng)的設(shè)計(jì)與研究[D].上海:復(fù)旦大學(xué),2010.

[4] 馮明月,章永龍,浦宏藝.基于B/S模式的O2O汽車服務(wù)平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用與軟件,2017,34(6):57-61.

[5] 胡穎輝,寧賽飛.基于UML和Asp.Net實(shí)現(xiàn)三層B/S結(jié)構(gòu)系統(tǒng)開發(fā)[J].計(jì)算機(jī)與信息技術(shù),2007(Z1):43-50.

[6] 盧小晨,曲震,馬澤方,等.論互聯(lián)網(wǎng)+大數(shù)據(jù)算法在稅收工作中的應(yīng)用[J].稅務(wù)研究,2017,2(1):14-16.

[7] 趙建英.基于.NET三層架構(gòu)的旅游電子商務(wù)平臺(tái)的設(shè)計(jì)與開發(fā)[D].上海:復(fù)旦大學(xué),2013.

[8] 馬超,徐迭實(shí),張淑麗,等.大數(shù)據(jù)環(huán)境下離散制造車間異常事件發(fā)現(xiàn)方法[J].計(jì)算機(jī)應(yīng)用與軟件,2017,34(9):288-293.

[9] 王曉燕,陳晉川,杜小勇.云計(jì)算環(huán)境中面向OLTP應(yīng)用的數(shù)據(jù)分布研究[J].計(jì)算機(jī)學(xué)報(bào),2016,39(2):253-269.

[10] 袁弘,張明江,李建祥,等.基于云服務(wù)的電動(dòng)汽車電池安全預(yù)警系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)應(yīng)用與軟件,2014,31(9):63-66.

APPLICATIONOFDATAANALYSISININTELLIGENTANALYSISSYSTEMOFAUTOMOBILEINDUSTRYEQUIPMENT

Yuan Lei Xu Jie Xu Guangzhou

(ShanghaiAsian-PacificComputerInformationSystemCo.,Ltd.,Shanghai200040,China)

The traditional collection methods of machine tool state data in the automobile manufacturing industry have the disadvantages of low sampling frequency, uncontrollable production state and passive maintenance. In view of this situation, this paper attempts to adopt high-speed acquisition architecture and big data model algorithm to collect, excavate and utilize the machine tool running data. Finally, the machine tool energy efficiency analysis report and health diagnosis report were generated. These reports make the status information of the equipment more intuitive and controllable, which makes the maintenance more predictable, so that repair maintenance worker to quickly and accurately locate the fault information. Promote the maintenance of professional work and boost the healthy development of the automobile manufacturing industry.

Machine tool Intelligent Energy efficiency

2017-10-10。智能MES系統(tǒng)項(xiàng)目(150802)。袁磊，工程師，主研領(lǐng)域：大數(shù)據(jù)分析。許劼，高工。許廣州，工程師。

TP3

A

10.3969/j.issn.1000-386x.2017.12.029