范旭輝，劉 輝，王葉闖

（徐工集團(tuán)工程機(jī)械股份有限公司，江蘇 徐州 221004）

近年來，隨著新一輪大數(shù)據(jù)技術(shù)、工業(yè)互聯(lián)網(wǎng)、人工智能等智能化技術(shù)的發(fā)展，一個(gè)基于大數(shù)據(jù)時(shí)代下的、全新的、智慧化的時(shí)代正悄然而至[1]。大數(shù)據(jù)作為新一代技術(shù)發(fā)展的“燃料”，正在推動(dòng)著一次時(shí)代的重大變革，逐漸影響著我們的生活、思維方式的轉(zhuǎn)變，同時(shí)也為企業(yè)帶來新的商業(yè)變革[2]。作為裝備制造行業(yè)也不例外，企業(yè)正面臨著如何應(yīng)用大數(shù)據(jù)技術(shù)實(shí)現(xiàn)企業(yè)從數(shù)字化到智能化的改造升級難題。

裝備制造業(yè)作為國家制造業(yè)的脊梁，被稱作為“國之重器”，以工程機(jī)械為代表的中國高端裝備制造業(yè)支撐著國民經(jīng)濟(jì)的發(fā)展，承載著億萬人民振興中華的“中國夢”[3]。工程機(jī)械作為國家新基建戰(zhàn)略落地的主戰(zhàn)場之一，亟需利用工業(yè)大數(shù)據(jù)實(shí)現(xiàn)產(chǎn)品研發(fā)、生產(chǎn)制造及銷售的全壽期數(shù)字化管理與提升。同時(shí)，基于積累的企業(yè)大數(shù)據(jù)，完成企業(yè)產(chǎn)品知識體系的構(gòu)建，并不斷迭代更新，這對大型裝備的智能制造以及后期的智能服務(wù)起到了舉足輕重的推動(dòng)作用。

1 工業(yè)大數(shù)據(jù)平臺概述

1.1 工業(yè)大數(shù)據(jù)平臺背景

隨著工業(yè)大數(shù)據(jù)技術(shù)的發(fā)展，工業(yè)大數(shù)據(jù)已然成為驅(qū)動(dòng)企業(yè)數(shù)字化、網(wǎng)絡(luò)化、智能化轉(zhuǎn)型的核心資源要素，大數(shù)據(jù)技術(shù)與先進(jìn)制造技術(shù)的充分融合，進(jìn)一步催生新模式、新業(yè)態(tài)，逐步發(fā)展成為企業(yè)高質(zhì)量發(fā)展的新動(dòng)能[4]。當(dāng)今時(shí)代，數(shù)據(jù)逐漸成為企業(yè)自身運(yùn)營發(fā)展，與競爭對手拉開距離的重要保障。目前工業(yè)數(shù)據(jù)的來源主要包括四部分[5]：一是來自于產(chǎn)品研發(fā)設(shè)計(jì)、加工制造、運(yùn)行以及維修保養(yǎng)等全生命周期所產(chǎn)生的產(chǎn)品數(shù)據(jù)信息；二是企業(yè)各部門在運(yùn)營管理過程中所產(chǎn)生的所有保障企業(yè)正常安全運(yùn)轉(zhuǎn)的所有運(yùn)營數(shù)據(jù)；三是價(jià)值鏈數(shù)據(jù)，主要包含各類客戶、供應(yīng)商、同盟軍合作伙伴等商業(yè)活動(dòng)產(chǎn)生的數(shù)據(jù)；四是外部產(chǎn)業(yè)鏈數(shù)據(jù)，包括國內(nèi)外政策、經(jīng)濟(jì)形勢的各類政策數(shù)據(jù)，同行業(yè)競爭對手信息以及設(shè)備所處的施工環(huán)境、地理環(huán)境等各種外部數(shù)據(jù)。數(shù)據(jù)的采集在于利用數(shù)據(jù)，因此對于我們來說如何在海量的數(shù)據(jù)中，利用大數(shù)據(jù)技術(shù)挖掘出對企業(yè)有用的價(jià)值成為大多數(shù)企業(yè)共同面對的挑戰(zhàn)，同時(shí)也是一個(gè)寶貴的機(jī)遇?！拔锔偺鞊?，適者生存”，企業(yè)只有抓住這一機(jī)遇，敢于突破，在企業(yè)現(xiàn)有的信息化系統(tǒng)基礎(chǔ)上構(gòu)建符合企業(yè)自身的智能化大數(shù)據(jù)分析平臺，才能打破現(xiàn)有的困境，提高產(chǎn)品質(zhì)量，降低成本，實(shí)現(xiàn)“三高一可”（高質(zhì)量、高效率、高效益、可持續(xù)）的戰(zhàn)略目標(biāo)。此外，在推動(dòng)實(shí)現(xiàn)綠色、智能、精益生產(chǎn)的同時(shí)，提升產(chǎn)品質(zhì)量及穩(wěn)定性，提高企業(yè)的經(jīng)營效率，同時(shí)基于工業(yè)大數(shù)據(jù)的實(shí)踐和解決方案可以向行業(yè)乃至跨行業(yè)輸出，形成新的價(jià)值增長點(diǎn)。

本文結(jié)合自身在工程機(jī)械行業(yè)的工業(yè)實(shí)踐，系統(tǒng)分析工業(yè)大數(shù)據(jù)面臨的挑戰(zhàn)和機(jī)遇，介紹了行業(yè)內(nèi)工業(yè)大數(shù)據(jù)平臺技術(shù)架構(gòu)，給出了工業(yè)大數(shù)據(jù)平臺建設(shè)的方案，并結(jié)合自身實(shí)踐經(jīng)驗(yàn)提出了關(guān)鍵制造過程工業(yè)大數(shù)據(jù)的應(yīng)用難點(diǎn)及創(chuàng)新解決方案。

1.2 工業(yè)大數(shù)據(jù)平臺關(guān)鍵技術(shù)

大數(shù)據(jù)技術(shù)，就是從各種設(shè)備系統(tǒng)上采集的數(shù)據(jù)中選出具有價(jià)值信息的技術(shù)[6]。近幾年，大數(shù)據(jù)包含數(shù)據(jù)采集、存儲(chǔ)、處理和可視化在內(nèi)的新技術(shù)獲得突飛猛進(jìn)的發(fā)展，也為大數(shù)據(jù)的推廣應(yīng)用提供了保障。根據(jù)自身對大數(shù)據(jù)應(yīng)用的經(jīng)驗(yàn)而言，其處理步驟通常包括以下五個(gè)方面。

1.2.1 數(shù)據(jù)采集

數(shù)據(jù)采集方式通常是通過與各類業(yè)務(wù)系統(tǒng)、中控系統(tǒng)等進(jìn)行集成以及通過設(shè)備自身（軟采）或者外加網(wǎng)關(guān)（硬采）等方式來采集獲得結(jié)構(gòu)化、半結(jié)構(gòu)化及非結(jié)構(gòu)化的各類數(shù)據(jù)，這些數(shù)據(jù)構(gòu)成了工業(yè)大數(shù)據(jù)平臺的底層建設(shè)。一般情況下，大數(shù)據(jù)采集部分由以下兩部分構(gòu)成，第一部分是感知層：它主要是實(shí)現(xiàn)對各類采集到的數(shù)據(jù)進(jìn)行初步智能化處理；第二部分是基礎(chǔ)支撐層：它主要是為大數(shù)據(jù)服務(wù)平臺提供所需的服務(wù)器等基礎(chǔ)條件。

1.2.2 大數(shù)據(jù)預(yù)處理技術(shù)

預(yù)處理技術(shù)就是采用數(shù)據(jù)清理、變換、歸類等方法對采集的數(shù)據(jù)進(jìn)行分析，為接下來的數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)分析應(yīng)用做準(zhǔn)備。所用到的技術(shù)主要包括以下兩類技術(shù)：

數(shù)據(jù)抽取技術(shù)：對采集到的非結(jié)構(gòu)化、半結(jié)構(gòu)化以及結(jié)構(gòu)化的數(shù)據(jù)進(jìn)行數(shù)據(jù)的轉(zhuǎn)化，使其變?yōu)閱我坏摹⒈阌谔幚淼摹⒔y(tǒng)一的數(shù)據(jù)結(jié)構(gòu)。

數(shù)據(jù)清洗技術(shù)：大量采集上來的數(shù)據(jù)存在很多沒有價(jià)值的數(shù)據(jù)，或者很多數(shù)據(jù)就是干擾等所導(dǎo)致的數(shù)據(jù)，因此通過對數(shù)據(jù)“清洗過濾”提取所需的數(shù)據(jù)。

1.2.3 大數(shù)據(jù)存儲(chǔ)管理技術(shù)

目前行業(yè)內(nèi)為滿足各類數(shù)據(jù)要求，在構(gòu)建企業(yè)大數(shù)據(jù)平臺時(shí)采用了實(shí)時(shí)數(shù)據(jù)庫、關(guān)系數(shù)據(jù)庫和時(shí)序數(shù)據(jù)庫多種類型數(shù)據(jù)庫協(xié)同的方式。此外，采用基于數(shù)據(jù)湖的集群式存儲(chǔ)方式，能夠?qū)Y(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)及非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行存儲(chǔ)，滿足高性價(jià)比的數(shù)據(jù)增長需求和調(diào)用要求。

1.2.4 大數(shù)據(jù)分析及挖掘技術(shù)

數(shù)據(jù)挖掘就是從大量的實(shí)際采集上來的“臟數(shù)據(jù)”中，通過某種方法提取隱藏的、未知的、但又是潛在有用的信息和知識的過程。企業(yè)可以通過自身情況對已有數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)技術(shù)進(jìn)行改進(jìn)，根據(jù)數(shù)據(jù)的類型和數(shù)據(jù)的特點(diǎn)選擇相應(yīng)的算法，對數(shù)據(jù)進(jìn)行挖掘，并對其結(jié)果進(jìn)行評價(jià)，最后將結(jié)果轉(zhuǎn)化為用戶易于理解的知識。

1.2.5 大數(shù)據(jù)應(yīng)用及可視化技術(shù)

各公司應(yīng)結(jié)合自身生產(chǎn)實(shí)踐經(jīng)驗(yàn)和數(shù)據(jù)積累，通過制造過程工業(yè)大數(shù)據(jù)采集，建立涵蓋工藝、質(zhì)量、設(shè)備等多維度、多層級的算法模型。借助人工智能（機(jī)器學(xué)習(xí)）、工業(yè)大數(shù)據(jù)等新一代信息技術(shù)，實(shí)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型，沉淀工業(yè)機(jī)理模型和專家知識庫，突破行業(yè)難題。

1.3 工業(yè)大數(shù)據(jù)平臺建設(shè)的挑戰(zhàn)

目前企業(yè)級工業(yè)大數(shù)據(jù)平臺面臨的主要挑戰(zhàn)有：業(yè)務(wù)鏈條復(fù)雜，且信息化建設(shè)多年，體量龐大、系統(tǒng)不一、業(yè)務(wù)復(fù)雜、數(shù)據(jù)不統(tǒng)一等。具體可以總結(jié)為以下十大挑戰(zhàn)，如表1 所示。

表1 企業(yè)大數(shù)據(jù)平臺建設(shè)面臨的挑戰(zhàn)

2 工業(yè)大數(shù)據(jù)平臺總體架構(gòu)及系統(tǒng)部署架構(gòu)

2.1 工業(yè)大數(shù)據(jù)平臺總體架構(gòu)

圖1 為企業(yè)級工業(yè)大數(shù)據(jù)平臺總體架構(gòu)（參考）。

圖1 企業(yè)級工業(yè)大數(shù)據(jù)平臺架構(gòu)（參考）

（1）要建立完善的全量系統(tǒng)數(shù)據(jù)采集平臺，完善的

數(shù)據(jù)采集方式。

研究分析數(shù)據(jù)采集對象，包含數(shù)據(jù)分類、數(shù)據(jù)格式、數(shù)據(jù)來源和數(shù)據(jù)量級等。研究分析數(shù)據(jù)采集的技術(shù)路徑，包含采集的工具、方式以及設(shè)備的協(xié)議解析和數(shù)據(jù)傳輸?shù)鹊取?/p>

（2）要以元數(shù)據(jù)管理為核心建立數(shù)據(jù)管控體系，強(qiáng)化數(shù)據(jù)治理。

橫向：向下導(dǎo)入數(shù)據(jù)采集結(jié)果，向上開放數(shù)據(jù)治理結(jié)果的服務(wù)化訪問。

縱向：大數(shù)據(jù)管理平臺提供管控和應(yīng)用能力，通過對元數(shù)據(jù)的盤點(diǎn)實(shí)現(xiàn)對重要數(shù)據(jù)信息的集中管控。

通過突破企業(yè)內(nèi)部元數(shù)據(jù)治理的體系架構(gòu)，形成了統(tǒng)一的、標(biāo)準(zhǔn)的、規(guī)范的，并建立元數(shù)據(jù)治理的流程機(jī)制，常態(tài)化管理。

（3）要構(gòu)建混合架構(gòu)、分級存儲(chǔ)新型數(shù)據(jù)倉庫，形成有效數(shù)據(jù)資產(chǎn)。

企業(yè)架構(gòu)建議采用混搭架構(gòu)，比如批處理引擎：Spark，MR，Hive，按批次處理海量數(shù)據(jù)；流式處理引擎：Flink，spark streaming，實(shí)時(shí)高效處理少量數(shù)據(jù)；Mpp 處理引擎：impala，presto，多節(jié)點(diǎn)多任務(wù)并發(fā)執(zhí)行計(jì)算等，分級構(gòu)建新型的存儲(chǔ)數(shù)據(jù)倉庫，其流程如圖2 所示。

圖2 分級存儲(chǔ)構(gòu)建新型數(shù)據(jù)倉庫流程

2.2 工業(yè)大數(shù)據(jù)平臺系統(tǒng)部署架構(gòu)（參考）

平臺部署可以參考圖3 所示的拓?fù)浣Y(jié)構(gòu)，采用云計(jì)算技術(shù)建立服務(wù)器集群，以保障平臺的高效運(yùn)行和安全管理。

圖3 大數(shù)據(jù)平臺部署架構(gòu)圖（參考）

3 關(guān)鍵制造過程工業(yè)大數(shù)據(jù)應(yīng)用難點(diǎn)及創(chuàng)新解決方案

3.1 大數(shù)據(jù)在焊接缺陷應(yīng)用的難點(diǎn)及創(chuàng)新解決方案

3.1.1 主要技術(shù)難點(diǎn)

目前，工業(yè)機(jī)器人焊接中偏焊、氣孔、熔深不足、焊接夾渣等焊接缺陷是機(jī)器人最常見的焊接缺陷，約占機(jī)器人總焊接缺陷的90%以上，尤其是無法使用追蹤（電弧追蹤或激光追蹤）功能及追蹤功能異常的工況[7]。工業(yè)上常用的焊接在線檢測主要分為以下兩種方式。

第一種是針對短路熔滴過渡形式，通過批量焊接參數(shù)采集及工藝試驗(yàn)，驗(yàn)證焊接缺陷及焊接工藝參數(shù)的關(guān)系，缺點(diǎn)是：（1）只能針對短路熔滴過渡形式，而工程機(jī)械常用焊接熔滴過渡形式均為射流過渡，通用性較差；（2）軟件采購成本較高，大范圍推廣應(yīng)用比較困難。

第二種是將激光或高速相機(jī)安裝在焊接方向的正前方，通過實(shí)時(shí)檢測熔池形貌判斷是否有焊接缺陷，其優(yōu)點(diǎn)是：采集精度較高，實(shí)時(shí)性強(qiáng)；缺點(diǎn)是：（1）激光或高速相機(jī)必須安裝在焊接正前方，限制了機(jī)器人的焊接姿態(tài)和焊接方向，且在狹小工況激光或高速相機(jī)會(huì)與工件干涉，降低自動(dòng)化焊達(dá)率；（2）軟硬件成本較高，采購維護(hù)成本較高，批量推廣回收見效較慢。

3.1.2 MAG 焊純軟件原理

機(jī)器人MAG 焊純軟件在線檢測系統(tǒng)利用互聯(lián)網(wǎng)大數(shù)據(jù)、正交試驗(yàn)、線性回歸及非參數(shù)化神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)建立偏焊、氣孔等焊接缺陷模型。其工作流程如圖4 所示。模型可進(jìn)行設(shè)備個(gè)性差異的定制化配置并建立濾波機(jī)制以提高檢測精度，可實(shí)時(shí)檢測焊接過程中出現(xiàn)的異常，并可對焊接缺陷進(jìn)行歷史程序指針追溯，整個(gè)過程具有較強(qiáng)的遺傳性、采集成本較低、系統(tǒng)安全可靠、易于批量推廣。

圖4 焊接缺陷在線檢測系統(tǒng)流程圖

3.1.3 主要解決方案

將關(guān)鍵焊縫在機(jī)器人焊接程序內(nèi)進(jìn)行標(biāo)識，通過邊緣計(jì)算網(wǎng)關(guān)實(shí)時(shí)采集焊接機(jī)器人程序名稱、焊縫編號及TCP 坐標(biāo)焊縫軌跡。首先將采集到的關(guān)鍵焊縫TCP 坐標(biāo)數(shù)據(jù)進(jìn)行主成分分析（PCA），其次將主成分進(jìn)行Kmeans 數(shù)據(jù)聚類，然后將相關(guān)的數(shù)據(jù)進(jìn)行BP 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)建立數(shù)學(xué)模型，進(jìn)而利用3σ 置信區(qū)間對實(shí)時(shí)采集的坐標(biāo)數(shù)據(jù)進(jìn)行濾波，最后建立關(guān)鍵焊縫的偏焊模型。

通過正交試驗(yàn)及大數(shù)據(jù)分析回歸建立焊接氣孔及干伸長過短數(shù)學(xué)模型，其焊接氣孔模型為A≤M+（Y-K）*L，焊接干伸長過短模型為A≥N+（Y-K）*L，其中M，N，K，Y 為實(shí)驗(yàn)值，A 為焊接電流、Y 為設(shè)定送線速度。

焊接缺陷模型的所有參數(shù)均可差異性配置，缺陷檢測結(jié)果經(jīng)過濾波并匹配邊緣計(jì)算網(wǎng)關(guān)內(nèi)的告警知識庫進(jìn)行告警推送，告警可實(shí)現(xiàn)設(shè)備自動(dòng)停機(jī)和程序指針追溯。

3.2 大數(shù)據(jù)在加工專機(jī)上應(yīng)用的難點(diǎn)及創(chuàng)新解決方案

3.2.1 主要技術(shù)難點(diǎn)

加工專機(jī)的控制系統(tǒng)為PLC，沒有簡潔的用戶編程交互界面，很難實(shí)現(xiàn)在加工程序內(nèi)進(jìn)行關(guān)鍵節(jié)點(diǎn)標(biāo)識與采集。作者前期利用主軸負(fù)載波形曲線識別專機(jī)加工產(chǎn)量，由于板材質(zhì)量和焊接變形等制約，產(chǎn)品在加工過程中經(jīng)常出現(xiàn)返修現(xiàn)象，負(fù)載波形曲線也不規(guī)律，進(jìn)而導(dǎo)致產(chǎn)量統(tǒng)計(jì)不準(zhǔn)確。此外，加工專機(jī)的裝夾找正時(shí)間較長，僅從PLC 系統(tǒng)采集的數(shù)據(jù)很難準(zhǔn)確分析加工專機(jī)的裝夾找正時(shí)長。

3.2.2 主要?jiǎng)?chuàng)新原理

通過安裝紅外距離傳感器1 和紅外距離傳感器2，通過兩個(gè)傳感器結(jié)果判斷工件有無。由于工程機(jī)械行業(yè)產(chǎn)品結(jié)構(gòu)較大，通過在工裝兩端間隔大于1.5m 的位置各安裝一個(gè)紅外距離傳感器，算法模型中設(shè)定物料上件的判定條件（兩個(gè)傳感器信息同時(shí)置1，且持續(xù)時(shí)間大于10s），可有效篩除人員、工具等對工件上件信號檢測的干擾。

3.2.3 主要解決方案

如圖5 所示，紅外距離傳感器與波形智能識別組合應(yīng)用實(shí)現(xiàn)主要功能如下：

圖5 紅外到位檢測技術(shù)示意圖

（1）通過工件上下件檢測及負(fù)載波形聯(lián)合分析準(zhǔn)確統(tǒng)計(jì)專機(jī)加工產(chǎn)量及實(shí)際生產(chǎn)節(jié)拍。在工件檢測=1至工件檢測=0 的時(shí)間內(nèi)（實(shí)際生產(chǎn)節(jié)拍），主要負(fù)載持續(xù)時(shí)間大于理論加工時(shí)間的90%，無論負(fù)載曲線如何波動(dòng)，加工專機(jī)的產(chǎn)量統(tǒng)計(jì)都是1 件。

（2）可以準(zhǔn)確地統(tǒng)計(jì)出每一個(gè)工件的裝夾找正時(shí)間，可以進(jìn)一步細(xì)化加工過程中的時(shí)間切片。工件檢測=1 至專機(jī)開始運(yùn)行時(shí)間段，為工件的裝夾找正時(shí)間。專機(jī)運(yùn)行結(jié)束至工件檢測=0 時(shí)間段，為卸載時(shí)間。

（3）聯(lián)合MES 系統(tǒng)快速診斷質(zhì)量瓶頸。正常機(jī)加工工件在工件檢測=1 至工件檢測=0 的時(shí)間內(nèi)，負(fù)載波形曲線較規(guī)律。當(dāng)算法模型檢測到工件檢測=1 至工件檢測=0 的時(shí)間周期內(nèi)，負(fù)載波形嚴(yán)重異常，則將此臺工件的物料ID 反饋至MES 系統(tǒng)，MES 通過對所有的異常物料信息進(jìn)行追溯，可準(zhǔn)確定位造成質(zhì)量波動(dòng)的上游設(shè)備。例如：所有加工異常物料信息中，80%的產(chǎn)品來自1 號焊接機(jī)器人生產(chǎn)，說明1 號焊接機(jī)器人造成質(zhì)量波動(dòng)的概率最大。通過追溯焊接參數(shù)、焊接順序及設(shè)備故障，可準(zhǔn)確分析1 號焊接機(jī)器人造成產(chǎn)品質(zhì)量波動(dòng)的主要原因，配合現(xiàn)場精益生產(chǎn)，可快速實(shí)現(xiàn)質(zhì)量的改善。

4 結(jié)束語

工程機(jī)械作為國家新基建戰(zhàn)略的重要基礎(chǔ)工具，是我國裝備制造業(yè)實(shí)現(xiàn)智能化的主要發(fā)力點(diǎn)。如果我們把數(shù)據(jù)看作是企業(yè)運(yùn)行的“燃料”，那么大數(shù)據(jù)平臺就是企業(yè)運(yùn)作的“發(fā)動(dòng)機(jī)”。因此，怎樣更好地應(yīng)用采集的數(shù)據(jù)使得企業(yè)大數(shù)據(jù)平臺發(fā)揮更大的作用是我們一直研究和探討的方向。本文從工程機(jī)械領(lǐng)域智能制造子模塊的大數(shù)據(jù)平臺建設(shè)出發(fā)，首先介紹了企業(yè)大數(shù)據(jù)平臺建設(shè)所用到的關(guān)鍵性技術(shù)；其次總結(jié)了在建設(shè)大數(shù)據(jù)平臺時(shí)所遇到的挑戰(zhàn)；最后介紹了大數(shù)據(jù)平臺建設(shè)的方案以及基于大數(shù)據(jù)平臺所做的部分應(yīng)用。接下來要做的就是充分利用大數(shù)據(jù)等新一代信息技術(shù)，發(fā)揮工業(yè)大數(shù)據(jù)平臺的優(yōu)勢，提升企業(yè)智能化水平，為企業(yè)數(shù)字化轉(zhuǎn)型提供強(qiáng)有力的保障。