王 偉,范 磊,黃 璞,李 海

(電子科技大學 機械與電氣工程學院，四川 成都 611731)

0 引言

物聯(lián)網(wǎng)、信息物理系統(tǒng)、云計算、大數(shù)據(jù)等技術(shù)的發(fā)展，極大地推動了第四次工業(yè)革命進展(德國稱為工業(yè)4.0)[1-2]。上述技術(shù)的成熟，也使得以數(shù)字制造、智能制造為主題的工業(yè)制造模式迅速興起，IT技術(shù)與工業(yè)制造技術(shù)的融合成為了新的制造趨勢。航空制造工業(yè)作為工業(yè)制造的高端皇冠產(chǎn)業(yè)，在實現(xiàn)制造系統(tǒng)的柔性化和自動化上已經(jīng)走在前列[3-4]，但面對多品種、小批量的生產(chǎn)模式，多樣化的制造場景和高精度、高性能的零件制造要求，使得對生產(chǎn)的質(zhì)量管控、設(shè)備的性能評估水平也越來越高。此外，復雜的制造環(huán)境和制造需求導致了數(shù)據(jù)量的遞增，如何對海量的工業(yè)數(shù)據(jù)加以收集、存儲和利用，成為航空數(shù)字化制造車間的重要難題。有效的數(shù)據(jù)處理架構(gòu)是保證產(chǎn)品質(zhì)量和生產(chǎn)過程穩(wěn)定的重要技術(shù)支撐，是實現(xiàn)加工過程自動化、決策過程智能化和服務(wù)過程主動化的重要保障[5-6]。

數(shù)據(jù)處理架構(gòu)是結(jié)合數(shù)據(jù)處理的性能和功能需求，整合先進的數(shù)據(jù)處理理念和原則，指導設(shè)計符合大數(shù)據(jù)處理系統(tǒng)關(guān)鍵特性的指導性框架。傳統(tǒng)的數(shù)據(jù)處理架構(gòu)采取端(設(shè)備端)到端(應用端)的單一流向理念，即從數(shù)據(jù)采集出發(fā)，經(jīng)過數(shù)據(jù)傳輸和數(shù)據(jù)處理與分析(本地服務(wù)器集群或云端)，最終達到結(jié)果應用層面。這樣的數(shù)據(jù)處理框架的缺陷在于：①數(shù)據(jù)處理架構(gòu)按單一流向運行，以數(shù)據(jù)批量處理方法為主，無法滿足企業(yè)對流式數(shù)據(jù)和批量數(shù)據(jù)同時處理的需求[7]。制造企業(yè)不僅需要從歷史數(shù)據(jù)流分析一天的零件加工質(zhì)量變化，還需要從連續(xù)數(shù)據(jù)中提取如設(shè)備運行與否、主軸轉(zhuǎn)速、加工位置等實時信息。②單一流向架構(gòu)的處理傳輸延遲大、并發(fā)效率低，無法適應不同場景下的數(shù)據(jù)處理需求，將所有數(shù)據(jù)傳入云端處理，對于某些實時性極強的信息，可能需要盡快開展補償和反饋控制，在缺乏有效的處理方式下，難以確保零件加工質(zhì)量和生產(chǎn)的順利進行。

傳統(tǒng)框架對數(shù)據(jù)流缺乏區(qū)分，不能同時支持數(shù)據(jù)的批量處理和實時處理，Marz等[8]提出Lambda架構(gòu)，通過實時處理層、批處理層和服務(wù)層的支撐，分別實現(xiàn)實時增量數(shù)據(jù)的處理、批量主數(shù)據(jù)集的處理以及用戶查詢請求的響應;Wan等[9]基于采集的制造大數(shù)據(jù)提出一種結(jié)合云計算的大數(shù)據(jù)處理方法，以加快數(shù)據(jù)的處理效率;Pea等[10]構(gòu)建了一種數(shù)據(jù)網(wǎng)絡(luò)異常流量分析的“快速數(shù)據(jù)”處理架構(gòu)，滿足了實時處理和無數(shù)據(jù)損失的需求;韓嫕[11]提出應用Lambda架構(gòu)原理搭建大數(shù)據(jù)平臺處理獨播節(jié)目的海量高并發(fā)數(shù)據(jù)的方案，滿足了海量在線數(shù)據(jù)的梳理需求。然而，實時數(shù)據(jù)的處理、快速反饋控制仍然是目前數(shù)據(jù)處理架構(gòu)面臨的主要挑戰(zhàn)[12-13]。

另一方面，數(shù)據(jù)處理架構(gòu)的系統(tǒng)開發(fā)方法，很大程度上會影響系統(tǒng)的工作性能。工業(yè)領(lǐng)域大多數(shù)軟件開發(fā)采用的是單體架構(gòu)(Monolithic architecture)[14]，開發(fā)成本較低，以集中的功能設(shè)計滿足用戶的需求。但在航空制造中，由于應用場景和數(shù)據(jù)間的耦合增多，功能設(shè)計變得越來越復雜，功能集成開發(fā)嚴重影響了系統(tǒng)的運行和開發(fā)效率。在IT領(lǐng)域由于訪問吞吐量大、并發(fā)數(shù)多，尤其是社交大數(shù)據(jù)的風靡應用，對海量并發(fā)數(shù)據(jù)處理的開發(fā)有很好的借鑒。

面向服務(wù)的架構(gòu)(Service-Oriented Architecture, SOA)[15-16]強調(diào)一種分布式的系統(tǒng)開發(fā)風格，通過服務(wù)組合來滿足系統(tǒng)業(yè)務(wù)的功能和服務(wù)需求，提高了業(yè)務(wù)的靈活性和規(guī)范化，資源利用更加高效。Su等[17]基于SOA的架構(gòu)，搭建了實時戰(zhàn)術(shù)信息集成和共享系統(tǒng)，促進了戰(zhàn)場信息系統(tǒng)的高效整合，加快了各系統(tǒng)的響應時間。然而，SOA也面臨著維護成本高、實施規(guī)范復雜、部署效率低等問題。微服務(wù)(microservices)[18]作為一種新興的系統(tǒng)和軟件架構(gòu)設(shè)計風格，近年來迅速地成為了系統(tǒng)和軟件開發(fā)的最佳解決方案之一;Khanda等[19]提出一種基于微服務(wù)的IoT平臺，提高了平臺的可擴展性、可靠性和易用性，并充分展示了其提供外部服務(wù)的優(yōu)勢。

綜上所述，本文提出一種新型的工業(yè)數(shù)據(jù)處理架構(gòu)——Phi架構(gòu)，在Lambda框架之上融合了實時反饋與邊緣計算[20]，并通過微服務(wù)方法實現(xiàn)了架構(gòu)的開發(fā)，在數(shù)字化制造模擬車間測試驗證了Phi架構(gòu)可以適應于不同的工業(yè)制造場景，為進一步推動航空制造車間的數(shù)字化、智能化發(fā)展提供了基礎(chǔ)的數(shù)據(jù)處理解決方案。

1 航空制造環(huán)境分析

航空制造數(shù)字化車間作為最重要的制造產(chǎn)線，涵蓋了大量的制造資源和信息系統(tǒng)。通過分析航空制造數(shù)字化車間的環(huán)境，了解車間組成結(jié)構(gòu)、制造過程以及車間數(shù)字化框架，討論制造車間各組件之間的邏輯關(guān)系，加深對整個車間狀態(tài)的認識與理解，是研究車間大數(shù)據(jù)問題和驗證數(shù)據(jù)處理框架可行性的前提。

1.1 航空制造車間的組成

航空制造車間的是未來智能工廠的關(guān)鍵組成部分，其制造設(shè)備和IT系統(tǒng)的組成類型展示了車間的制造能力和業(yè)務(wù)功能。從功能上劃分，數(shù)字化車間的基本構(gòu)成主要由制造過程、應用系統(tǒng)、管理決策和功能服務(wù)4個部分組成，如圖1所示。

航空制造車間制造過程涉及車間運輸、加工、裝配等所有設(shè)備，基于航空零件的復雜加工工藝和加工精度需求，以高精度加工機床為主要設(shè)備;應用系統(tǒng)是車間輔助制造系統(tǒng)的管理中心，其提供了車間的物料資源管理，設(shè)備狀態(tài)監(jiān)控以及數(shù)據(jù)的采集和分析等應用軟件，為車間的決策和管理提供支持;管理決策涉及生產(chǎn)調(diào)度、物料訂購、制造過程控制等多個環(huán)節(jié)，包含車間生產(chǎn)計劃、產(chǎn)品制造、訂單交付和生產(chǎn)決策等任務(wù)，通過與相應輔助系統(tǒng)相結(jié)合，能夠有效提高決策的效率和可靠度，支撐制造過程的有序進行;功能服務(wù)是整個車間制造設(shè)備和系統(tǒng)的應用模塊，提供了車間監(jiān)控，數(shù)據(jù)采集和存儲等服務(wù)，最大化的實現(xiàn)整個車間的應用價值。

此外，航空制造工業(yè)中存在著航空結(jié)構(gòu)零件品種多、批量小、對加工要求精度高、加工制造場景多等生產(chǎn)特征，其復雜的結(jié)構(gòu)件加工流程和精度需求，也對加工制造部件(刀具)、設(shè)備(機床)的性能提出了更高的要求。

多品種小批量的生產(chǎn)模式，使得柔性生產(chǎn)線逐漸成為航空制造生產(chǎn)組織形式之一，通過搭建單條或多條柔性生產(chǎn)線，結(jié)合柔性線管控終端、物流運輸系統(tǒng)、車間管控系統(tǒng)以組建柔性生產(chǎn)單元，其信息物理系統(tǒng)(Cyber Physical System, CPS)架構(gòu)如圖2所示。柔性線管控終端是生產(chǎn)線對應的設(shè)備控制系統(tǒng)終端，實現(xiàn)生產(chǎn)指令和任務(wù)的執(zhí)行；物流運輸系統(tǒng)支撐各條生產(chǎn)線的物料自動化運輸，以及AGV小車，傳送帶，碼垛機等運輸設(shè)備的控制；車間管控系統(tǒng)由現(xiàn)場車間管控系統(tǒng)和整體車間管控系統(tǒng)兩部分組成，涵蓋了車間存儲系統(tǒng)的管理、物流系統(tǒng)的協(xié)調(diào)、車間生產(chǎn)制造過程的監(jiān)控與信息分析，實現(xiàn)資源分配、生產(chǎn)任務(wù)調(diào)整和設(shè)備維護等任務(wù)發(fā)布，全面協(xié)調(diào)整體生產(chǎn)進度，提高生產(chǎn)效率。

基于航空制造車間復雜的軟—硬資源的組成和體系化的柔性生產(chǎn)制造模式不難看出，其在一定程度上加劇了整個航空制造車間網(wǎng)絡(luò)環(huán)境的復雜度，自動化、敏捷化的生產(chǎn)模式和多樣化的數(shù)據(jù)源對車間的數(shù)據(jù)處理系統(tǒng)提出了一定的要求和挑戰(zhàn)。

1.2 航空制造車間的數(shù)字化網(wǎng)絡(luò)架構(gòu)

隨著工業(yè)CPS系統(tǒng)5C技術(shù)體系的推廣，搭建良好的物聯(lián)網(wǎng)環(huán)境成為了構(gòu)建智能化、數(shù)字化車間的前提，航空制造車間也不例外，其車間數(shù)字化網(wǎng)絡(luò)框架，涉及數(shù)據(jù)采集層(設(shè)備層)、傳輸層、數(shù)據(jù)處理層和應用層(監(jiān)控層)4個部分，如圖3所示。數(shù)據(jù)采集層涵蓋了車間的所有資源和設(shè)備，是車間主要數(shù)據(jù)主要來源，基于物聯(lián)網(wǎng)和傳感器技術(shù)以及接口開發(fā)等，采集自于不同資源的數(shù)據(jù)與信息;傳輸層包含了車間中的各種通訊協(xié)議，用以實現(xiàn)不同設(shè)備之間的通訊，為數(shù)據(jù)傳輸提供支持;處理層是車間的服務(wù)器集群，支撐數(shù)據(jù)運算及存儲等服務(wù);應用層包含了車間管控系統(tǒng)和用戶服務(wù)終端，是數(shù)據(jù)采集過程和數(shù)據(jù)處理結(jié)果的監(jiān)控終端。

2 航空制造車間數(shù)據(jù)處理的Phi架構(gòu)

航空制造復雜的生產(chǎn)過程和多樣的生產(chǎn)制造場景，增加了車間數(shù)據(jù)的多樣性和復雜度。而Phi架構(gòu)融入了數(shù)據(jù)反饋和邊緣計算的理念，能夠有效地解決數(shù)據(jù)高并發(fā)和多樣性等特點，適應航空制造車間不同的制造場景和制造過程數(shù)據(jù)處理需求。

2.1 架構(gòu)分析

傳統(tǒng)的數(shù)據(jù)處理架構(gòu)按單一流向運行，以數(shù)據(jù)批量處理方法為主，大多數(shù)數(shù)據(jù)批量處理的計算速度非常緩慢，而現(xiàn)有數(shù)據(jù)信息大多存在實時處理的需求，即針對數(shù)據(jù)源所產(chǎn)生的變化作出及時的調(diào)整。Lambada架構(gòu)在傳統(tǒng)數(shù)據(jù)處理架構(gòu)上做出創(chuàng)新，將數(shù)據(jù)處理結(jié)構(gòu)分為了批處理層、實時處理層和服務(wù)層(如圖4)。通過集成離線計算框架和實時計算框架，來滿足離線批量數(shù)據(jù)處理和實時增量數(shù)據(jù)處理，但其仍保留了傳統(tǒng)數(shù)據(jù)處理架構(gòu)單一流向運行的特點。

Phi架構(gòu)作為一種新的數(shù)據(jù)處理架構(gòu)，繼承了Lambda架構(gòu)在數(shù)據(jù)處理方面的優(yōu)點，包含了數(shù)據(jù)的批處理層，實時處理層和服務(wù)層，以滿足數(shù)據(jù)的離線批量處理、實時處理以及結(jié)果查詢和訪問等需求。與Lambda架構(gòu)不同，Phi架構(gòu)增加了邊緣計算理念，使其能夠提供基于網(wǎng)絡(luò)邊緣節(jié)點的實時計算，通過將計算部分計算壓力分布在整個網(wǎng)絡(luò)邊緣，達到緩解運算中心的壓力的作用。此外，Phi架構(gòu)融入了數(shù)據(jù)反饋回路理念，結(jié)合數(shù)據(jù)處理結(jié)果能夠?qū)崿F(xiàn)結(jié)果的快速反饋或設(shè)備反饋控制等場景(如圖5)，實現(xiàn)了數(shù)據(jù)流向的多樣化。

作為一種適用于航空制造車間的數(shù)據(jù)處理架構(gòu)，結(jié)合航空制造環(huán)境，基于Phi架構(gòu)重新設(shè)計了車間數(shù)字化網(wǎng)絡(luò)框架(如圖6)，其改進之處如下：

(1)Phi架構(gòu)中反饋回路的融入，可以支持逆向操作及數(shù)據(jù)傳輸。根據(jù)航空制造需求，可以實現(xiàn)從應用層到設(shè)備層的逆向控制以及從處理層到設(shè)備層，以及應用層的信息定制等。

(2)邊緣計算的集成能夠有效平衡云計算中心的計算壓力，能夠就近用戶端發(fā)起計算服務(wù)，支持服務(wù)的實時響應需求，如設(shè)備的低延遲控制，數(shù)據(jù)流量監(jiān)控與控制。通常其部署在上位機或工控機，以處理來自設(shè)備的異常信息和制造系統(tǒng)的流量信息。

(3)按功能劃分的分布式服務(wù)器集群包括：Web服務(wù)器、Kafka服務(wù)器和運算服務(wù)器。通過Web服務(wù)器，可以實時呈現(xiàn)車間的數(shù)據(jù)處理結(jié)果和狀態(tài)信息;Kafka服務(wù)器能夠支持海量復雜數(shù)據(jù)實時傳輸需求;運算服務(wù)器和邊緣計算的結(jié)合使用，可以實現(xiàn)網(wǎng)路邊緣節(jié)點的數(shù)據(jù)處理，剔除冗余數(shù)據(jù)，進一步提高系統(tǒng)計算和傳輸效率。

2.2 Phi架構(gòu)的多場景工業(yè)應用

Phi架構(gòu)的應用場景及功能是其價值所在。尤其在工業(yè)環(huán)境下，制造環(huán)境更復雜，制造場景更多，對于數(shù)據(jù)處理系統(tǒng)的需求和應用更加寬泛。限于篇幅，下面將簡單闡述幾個Phi架構(gòu)在航空制造中的應用范例：

(1)結(jié)合自適應策略的設(shè)備狀態(tài)實時流與批量流監(jiān)控

以設(shè)備運行狀態(tài)監(jiān)控為例，不同運行狀態(tài)下的設(shè)備數(shù)據(jù)周期和包含數(shù)據(jù)類型不同，Phi架構(gòu)一方面可以將收集的數(shù)據(jù)分為流式處理和批量處理層，通過集成離線計算框架和實時計算框架，來滿足離線批量數(shù)據(jù)處理和實時增量數(shù)據(jù)處理；另一方面，針對不同的工況，對采集端的采集頻率和采集信息類別的進行調(diào)整。在中繼層利用邊緣計算進行上傳的海量數(shù)據(jù)流切片處理，通過特征提取剔除不必要的數(shù)據(jù)，提供高價值數(shù)據(jù)的高效率傳輸。目前，可以采集的物理量包括機床主軸電流、溫度、進給速度等，當應用層讀取到采集的數(shù)據(jù)發(fā)生變化時(數(shù)據(jù)異常現(xiàn)象)，即向數(shù)據(jù)采集端發(fā)布逆向控制命令，改變采集策略。例如，當檢測到機床主軸電流發(fā)生加大采集頻率和采集信息類別時，進行問題細分甄別(如圖7)。

(2)設(shè)備的低延時補償與控制

提高設(shè)備與管控系統(tǒng)之間的交互效率，是數(shù)字化、智能化建設(shè)的重點之一。Phi架構(gòu)的邊緣計算層能夠有效減少數(shù)據(jù)傳輸過程造成的延時，其減少了采集數(shù)據(jù)向數(shù)據(jù)處理中心傳輸環(huán)節(jié)，直接從設(shè)備端發(fā)起服務(wù)，實時讀取和解析設(shè)備數(shù)據(jù)流中包含的異常信息和預警信息，降低數(shù)據(jù)處理與傳輸延時，從而快速地實現(xiàn)設(shè)備反饋控制或加工精度補償?shù)炔僮?如圖8)。

(3)工業(yè)數(shù)據(jù)的分層管理及流量控制

生產(chǎn)制造過程往往會產(chǎn)生海量數(shù)據(jù)，廠線內(nèi)不同人員對數(shù)據(jù)的需求不同，Phi架構(gòu)能夠?qū)崿F(xiàn)數(shù)據(jù)分層處理，以滿足設(shè)備操作員、車間管理員和企業(yè)管理人員的信息定制需求(如圖9)，并結(jié)合邊緣計算實現(xiàn)在局部實現(xiàn)數(shù)據(jù)處理，避免高并發(fā)的數(shù)據(jù)傳輸會對整個車間的傳輸系統(tǒng)造成極大的壓力。如工藝員對于刀具狀態(tài)密切關(guān)心，可以在服務(wù)器上對刀具狀態(tài)進行歷史分析，獲得結(jié)果后僅保留重要的切片數(shù)據(jù)給服務(wù)器，從而緩解了數(shù)據(jù)保存和調(diào)用壓力，保障了最重要的數(shù)據(jù)留存在通道內(nèi)穩(wěn)定傳輸。

3 系統(tǒng)微服務(wù)開發(fā)及應用場景驗證

數(shù)字化車間中高效有序的生產(chǎn)和管理過程離不開IT系統(tǒng)的支撐。航空制造車間零件具有種類多、批量小、生產(chǎn)精度要求高以及制造工藝復雜等特點，增加了車間制造系統(tǒng)的復雜度，隨著系統(tǒng)的升級和功能需求增加，系統(tǒng)穩(wěn)定性降低，難以維護和擴展等問題日益明顯。

3.1 數(shù)據(jù)處理系統(tǒng)的微服務(wù)設(shè)計

微服務(wù)是一種新興的系統(tǒng)和軟件架構(gòu)設(shè)計風格，其按照業(yè)務(wù)功能的設(shè)計思路，實現(xiàn)系統(tǒng)各服務(wù)的分割、封裝和獨立運行?；贏PI交互的方式減小了緊湊耦合的相互干擾，提升了系統(tǒng)或軟件的穩(wěn)定性，并且服務(wù)之間可以自由組合和調(diào)用，增加了系統(tǒng)的靈活性，提高了系統(tǒng)開發(fā)的效率，能夠適應企業(yè)變化的需求。本文以微服務(wù)為基礎(chǔ)，設(shè)計了以航空制造車間實時監(jiān)控平臺為對象的Phi架構(gòu)數(shù)據(jù)處理系統(tǒng)。

如圖10所示，整個數(shù)據(jù)處理系統(tǒng)以業(yè)務(wù)功能的形式分為了多個微服務(wù)，如API網(wǎng)關(guān)、用戶管理、數(shù)據(jù)采集、監(jiān)控服務(wù)、數(shù)據(jù)傳輸、運算處理、邊緣計算、存儲服務(wù)和查詢服務(wù)。通過將不同服務(wù)之間進行組合，以構(gòu)建完整的數(shù)據(jù)處理系統(tǒng)。但系統(tǒng)本身并不局限于上述服務(wù)，基于微服務(wù)的系統(tǒng)架構(gòu)更加靈活，可以根據(jù)服務(wù)和性能的需求進行修改和功能擴展。上述微服務(wù)的功能描述如下：

(1)API網(wǎng)關(guān) API網(wǎng)關(guān)提供用戶訪問服務(wù)的API，且其封裝了系統(tǒng)各個服務(wù)的API，以實現(xiàn)各個服務(wù)之間的通訊。

(2)用戶管理 該模塊提供了用戶的注冊和管理，身份驗證和授權(quán)，安全訪問等服務(wù)。

(3)數(shù)據(jù)采集 數(shù)字化車間的重要組成部分，提供面向設(shè)備的數(shù)據(jù)采集服務(wù)，支持狀態(tài)監(jiān)控服務(wù)，數(shù)據(jù)處理服務(wù)以及結(jié)果查詢服務(wù)。

(4)監(jiān)控服務(wù) 數(shù)字化車間重要組成部分，提供車間狀態(tài)監(jiān)控和數(shù)據(jù)處理結(jié)果的顯示，支持車間狀態(tài)的實時監(jiān)控服務(wù)。

(5)數(shù)據(jù)傳輸 以Kafka為核心組件，接收來自采集客戶端的海量數(shù)據(jù)，并實現(xiàn)向監(jiān)控端，數(shù)據(jù)處理端和存儲端的數(shù)據(jù)傳輸。

(6)運算處理 提供了數(shù)據(jù)的批處理和實時處理。接收來自數(shù)據(jù)采集服務(wù)發(fā)送的數(shù)據(jù)，以及將數(shù)據(jù)處理結(jié)果發(fā)送數(shù)據(jù)庫存儲。

(7)邊緣計算服務(wù) 平衡數(shù)據(jù)處理中心的計算壓力，為系統(tǒng)中的其他服務(wù)提供邊緣計算支持，以加速服務(wù)響應。

(8)存儲服務(wù) 提供元數(shù)據(jù)及數(shù)據(jù)處理結(jié)果的存儲。此外，與查詢服務(wù)交互，以支撐數(shù)據(jù)查詢服務(wù)。

(9)查詢服務(wù) 基于運算處理服務(wù)以及與數(shù)據(jù)庫的連接和交互。用戶可通過Web UI和APP的方式與查詢模塊交互，以實現(xiàn)數(shù)據(jù)處理結(jié)果和用戶的查詢服務(wù)。

根據(jù)上述對車間實時監(jiān)控平臺的數(shù)據(jù)處理系統(tǒng)的微服務(wù)設(shè)計，結(jié)合服務(wù)的可組合性的優(yōu)點，以航空制造車間為例，列舉了幾種不同的制造場景下的服務(wù)組合方案，如圖11所示。圖11的組合方案中：方案a為數(shù)據(jù)采集和監(jiān)控場景；方案b為數(shù)據(jù)采集及處理場景；方案c為數(shù)據(jù)采集和存儲場景；方案d為數(shù)據(jù)采集端的實時響應場景。

3.2 工業(yè)多場景驗證

以模擬航空制造車間為實驗環(huán)境，實現(xiàn)Phi架構(gòu)的開發(fā)與部署，以驗證數(shù)據(jù)處理系統(tǒng)在結(jié)構(gòu)設(shè)計、系統(tǒng)性能等方面的效果。模擬車間如圖12所示，其基本布局包括模擬航空制造車間、測量實驗室、3D打印實驗室以及備用機房，其中模擬制造車間的主要設(shè)備包括ABB機械手、華中數(shù)控模擬機床、Dell服務(wù)器集群、實時監(jiān)控面板、倍福EtherCAT運動控制模塊。

數(shù)據(jù)處理系統(tǒng)開發(fā)主要利用微服務(wù)和Docker虛擬容器技術(shù)開發(fā)框架，Web UI界面基于Python和Django開發(fā)，通過調(diào)用微服務(wù)的Restful API接口實現(xiàn)不同微服務(wù)模塊的調(diào)用，從而實現(xiàn)系統(tǒng)之間的交互。

結(jié)合具體應用場景，Phi框架的場景數(shù)據(jù)處理系統(tǒng)從兩方面驗證：①基于邊緣計算的機械臂低延遲控制；②工業(yè)數(shù)據(jù)監(jiān)控及吞吐量測試。具體實驗的測試過程及結(jié)果如下：

(1)基于邊緣計算的機器臂低延遲控制

1)測試方法。通過在ABB機械臂控制器的上位機部署機械臂的數(shù)據(jù)采集程序，實時讀取ABB機械臂的運行狀態(tài)信息?；谶吘売嬎隳K的計算性能，執(zhí)行針對機械臂狀態(tài)數(shù)據(jù)的邊緣計算。筆者在諸多機械臂狀態(tài)數(shù)據(jù)中(運行狀態(tài)，運行進度，報警信息等)，以機械臂角位置數(shù)據(jù)為對象，預先設(shè)定機械臂電機運行位置限制值，當讀取到數(shù)據(jù)流包含的位置值超過設(shè)定的限制值時，將直接通過邊緣計算模塊激活機械臂停機指令，實現(xiàn)設(shè)備端的低延時控制，從而驗證邊緣計算的有效性。該實驗實現(xiàn)的偽代碼如圖13所示。

2)測試效果。通過提前設(shè)置機械臂的各個軸運行位置的限制值，當讀取到數(shù)據(jù)流中超出限制值的位置數(shù)據(jù)時，通過腳本程序快速的實現(xiàn)ABB機械臂的停機控制。通常條件下采集的數(shù)據(jù)需要經(jīng)過傳輸，處理(車間數(shù)據(jù)處理中心)，發(fā)布控制指令等環(huán)節(jié)才能實現(xiàn)ABB機械臂的控制，整個流程的實現(xiàn)時間在500 ms～2 s之間(具體數(shù)值與數(shù)據(jù)復雜度，數(shù)據(jù)量相關(guān))。而該實驗由于減少了數(shù)據(jù)傳輸環(huán)節(jié)，采用了邊緣計算模塊，直接對采集的數(shù)據(jù)進行處理分析，在一定程度上提高了數(shù)據(jù)處理的效率(整個控制流程時間在100 ms～1 s之間)，從而驗證了Phi架構(gòu)邊緣計算的有效性，如圖14所示。

(2)工業(yè)數(shù)據(jù)監(jiān)控及吞吐量測試

通過數(shù)據(jù)采集服務(wù)、傳輸服務(wù)和監(jiān)控服務(wù)相結(jié)合，實現(xiàn)設(shè)備狀態(tài)監(jiān)測，包括實時流和批量流監(jiān)控，如圖15所示。另一方面通過數(shù)據(jù)采集策略的調(diào)整，以大數(shù)據(jù)量來驗證系統(tǒng)的穩(wěn)定性和適應性。

測試效果：上述數(shù)據(jù)監(jiān)控方案在航空制造車間中進行了測試，驗證了車間設(shè)備狀態(tài)監(jiān)控以及數(shù)據(jù)采集的穩(wěn)定運行(如圖15)。而且，基于自適應采集策略，測試了整個系統(tǒng)的吞吐量性能，驗證了整個系統(tǒng)對于海量數(shù)據(jù)的處理能力，如圖16所示。

從系統(tǒng)性能測試結(jié)果來看，穩(wěn)定情況下的系統(tǒng)吞吐量維持在75 000 msg/s，系統(tǒng)延遲大概在35 ms～40 ms之間，完全能夠適應航空制造車間的數(shù)據(jù)處理需求。

上述測試實驗驗證了Phi框架的反饋控制回路的整體邏輯是正確的。與Lambda架構(gòu)相比，Phi架構(gòu)在數(shù)據(jù)處理結(jié)果應用和逆向操作的實現(xiàn)上給出了進一步的解決方案。此外，Phi架構(gòu)集成了邊緣計算，對于提高系統(tǒng)運算處理效率、降低數(shù)據(jù)處理與傳輸延遲有明顯的實際作用。最后，不同場景下的系統(tǒng)服務(wù)組合應用，也進一步證明了以微服務(wù)模式設(shè)計的系統(tǒng)數(shù)據(jù)處理系統(tǒng)，在穩(wěn)定性、靈活性、可擴展性方面都較傳統(tǒng)的系統(tǒng)開發(fā)架構(gòu)有明顯的優(yōu)勢。

4 結(jié)束語

本文提出了一種結(jié)合邊緣計算和反饋控制的新型Phi數(shù)據(jù)處理架構(gòu)。通過邊緣計算實現(xiàn)了在網(wǎng)絡(luò)邊緣數(shù)據(jù)的實時處理，減少了數(shù)據(jù)處理中心的數(shù)據(jù)處理壓力，為工業(yè)數(shù)據(jù)的處理提供了新的解決方案。通過反饋控制，進一步提高了數(shù)據(jù)處理結(jié)果的快速利用，提高了車間生產(chǎn)制造過程中的快速反應能力。此外，Phi數(shù)據(jù)處理框架在實現(xiàn)上采用了微服務(wù)的開發(fā)方式，可以滿足航空制造工業(yè)中不同的生產(chǎn)制造場景的組合需求。最后，進一步搭建模擬智能制造車間數(shù)據(jù)處理平臺，完成了Phi架構(gòu)性能和應用場景驗證，取得如下技術(shù)成果：

(1)建成支持數(shù)字化智能制造車間的數(shù)據(jù)處理平臺，實現(xiàn)了機器人、機床、伺服電機、測量機的數(shù)據(jù)化網(wǎng)絡(luò)化采集，可以支持包括Siemens,Fanuc,華中數(shù)控等多種數(shù)控品牌，采集頻率可調(diào)且不低于10 Hz，實驗模擬采集并發(fā)數(shù)大于50臺。

(2)數(shù)據(jù)處理平臺由多服務(wù)器組成集群，以Hadoop、Spark和Kafka提供了數(shù)據(jù)分布式存儲，數(shù)據(jù)批處理和實時處理以及實時數(shù)據(jù)傳輸?shù)裙δ?，?jīng)測試其發(fā)送延遲小于50 ms，單機吞吐量不低于8萬條/s，并提供Java、.NET、C++等多種語言二次開發(fā)函數(shù)庫。此外，結(jié)合微服務(wù)的開發(fā)方式，降低了內(nèi)部的干擾，增強了在復雜的工業(yè)環(huán)境下的穩(wěn)定性，能實現(xiàn)不同制造場景下的功能組合。

(3)通過智能制造車間數(shù)據(jù)處理平臺，可以完成工業(yè)數(shù)據(jù)采集、分布式存儲、車間狀態(tài)的可視化監(jiān)控。未來，基于數(shù)據(jù)挖掘可以實現(xiàn)對設(shè)備關(guān)鍵部件磨損分析、生產(chǎn)資源優(yōu)化排程和軟件運行監(jiān)控功能，為航空制造車間的數(shù)字化、智能化建設(shè)提供了很好的數(shù)據(jù)解決方案。