摘 要：本文主要是針對(duì)當(dāng)前汽車焊裝自動(dòng)化產(chǎn)線向智能化產(chǎn)線轉(zhuǎn)化的技術(shù)研究及實(shí)現(xiàn)。自動(dòng)化產(chǎn)線為智能化產(chǎn)線的實(shí)現(xiàn)奠定了硬件基礎(chǔ)；物聯(lián)網(wǎng)（IoT）、云計(jì)算與大數(shù)據(jù)等信息技術(shù)的發(fā)展奠定了技術(shù)基礎(chǔ)。面對(duì)產(chǎn)線多系統(tǒng)、多設(shè)備之間的交互，需要一個(gè)智能化平臺(tái)接收產(chǎn)線各系統(tǒng)、設(shè)備反饋的數(shù)據(jù)；并下發(fā)相應(yīng)的控制指令到產(chǎn)線等。本文使用kafka來(lái)實(shí)現(xiàn)產(chǎn)線大數(shù)據(jù)的采集；使用微服務(wù)架構(gòu)來(lái)實(shí)現(xiàn)智能化平臺(tái)，對(duì)平臺(tái)的功能模塊解耦。

關(guān)鍵詞：自動(dòng)化產(chǎn)線 智能化 大數(shù)據(jù) Kafka 微服務(wù)

1 緒論

隨著網(wǎng)絡(luò)技術(shù)和信息技術(shù)的飛速發(fā)展，信息化技術(shù)正改變著傳統(tǒng)產(chǎn)業(yè)的格局。在汽車制造業(yè)中，汽車主機(jī)廠焊裝車間的白車身制造產(chǎn)線正致力于從自動(dòng)化向智能化轉(zhuǎn)型。物聯(lián)網(wǎng)（IoT）、云計(jì)算與大數(shù)據(jù)等技術(shù)的持續(xù)進(jìn)步，不僅為智能工廠的建設(shè)奠定了堅(jiān)實(shí)的技術(shù)基石，還顯著降低了成本，加速了智能化進(jìn)程。

當(dāng)前，多數(shù)汽車主機(jī)廠焊裝車間制造白車身的自動(dòng)化產(chǎn)線的核心控制主要是PLC（可編程邏輯控制器），其高可靠性和強(qiáng)抗干擾性確保了生產(chǎn)線的穩(wěn)定運(yùn)行。然而，智能化產(chǎn)線對(duì)數(shù)據(jù)處理能力有更高要求，PLC的局限性逐漸顯現(xiàn)。具體而言，PLC在處理大規(guī)模、復(fù)雜的數(shù)據(jù)集（包括結(jié)構(gòu)化、半結(jié)構(gòu)化及非結(jié)構(gòu)化數(shù)據(jù)）時(shí)顯得力不從心，其存儲(chǔ)和數(shù)據(jù)分析能力難以滿足智能產(chǎn)線對(duì)數(shù)據(jù)實(shí)時(shí)采集、分析及決策支持的需求。

在白車身的制造過(guò)程中，自動(dòng)化產(chǎn)線會(huì)產(chǎn)生大量的數(shù)據(jù)，這些數(shù)據(jù)可用于反映制造質(zhì)量、監(jiān)控生產(chǎn)計(jì)劃進(jìn)度、優(yōu)化工位時(shí)序、歷史故障追溯以及實(shí)現(xiàn)生產(chǎn)物料的精準(zhǔn)調(diào)度等。為了充分挖掘這些數(shù)據(jù)的潛力，實(shí)現(xiàn)生產(chǎn)線的智能化升級(jí)，必須建立能夠高效采集、處理并分析這些數(shù)據(jù)的智能平臺(tái)。

因此，針對(duì)PLC控制系統(tǒng)的局限性，提出了汽車焊裝智能化產(chǎn)線的技術(shù)研究方案。該方案旨在構(gòu)建一個(gè)集數(shù)據(jù)采集、存儲(chǔ)、處理、分析及決策于一體的綜合智能平臺(tái)，能夠?qū)崟r(shí)獲取產(chǎn)線各設(shè)備產(chǎn)生的數(shù)據(jù)，通過(guò)先進(jìn)的算法模型進(jìn)行深度挖掘與分析，進(jìn)而驅(qū)動(dòng)產(chǎn)線自動(dòng)化調(diào)整與優(yōu)化，及時(shí)反饋產(chǎn)線狀態(tài)，確保生產(chǎn)的高效、靈活與智能。

2 白車身產(chǎn)線智能化技術(shù)框架研究

白車身智能化產(chǎn)線是在自動(dòng)化產(chǎn)線的基礎(chǔ)上進(jìn)一步集成了數(shù)據(jù)分析和智能控制等功能，智能化平臺(tái)的交互如圖1所示。首先，智能化產(chǎn)線最重要的一步，是全面且高效地采集現(xiàn)場(chǎng)設(shè)備的運(yùn)行數(shù)據(jù)。這些數(shù)據(jù)包括但不限于設(shè)備狀態(tài)、生產(chǎn)效率、能耗情況、故障預(yù)警等，它們構(gòu)成了產(chǎn)線實(shí)時(shí)運(yùn)行的數(shù)字鏡像。同時(shí)，智能化產(chǎn)線還需與制造執(zhí)行系統(tǒng)（MES）緊密集成，實(shí)時(shí)獲取MES系統(tǒng)下發(fā)的生產(chǎn)計(jì)劃、訂單信息、工藝參數(shù)等生產(chǎn)數(shù)據(jù)。這兩大數(shù)據(jù)源的結(jié)合，為后續(xù)的智能化分析與決策提供基礎(chǔ)。

2.1 當(dāng)前數(shù)據(jù)采集技術(shù)現(xiàn)狀

在當(dāng)前的制造業(yè)環(huán)境中，傳統(tǒng)的數(shù)據(jù)采集方式有依賴SCADA系統(tǒng)[1]或基于設(shè)備的通信協(xié)議開(kāi)發(fā)的專用采集程序，雖然在一定程度上能夠滿足生產(chǎn)監(jiān)控的基本需求，但其固有的局限性會(huì)隨著產(chǎn)線新車型不斷地導(dǎo)入，新技術(shù)不斷的使用造成迭代難度大甚至于停止使用。

傳統(tǒng)的SCADA系統(tǒng)中，采集不同設(shè)備的數(shù)據(jù)系統(tǒng)會(huì)根據(jù)設(shè)備使用對(duì)應(yīng)的數(shù)據(jù)庫(kù)，各設(shè)備的數(shù)據(jù)難以進(jìn)行融合，形成各設(shè)備之間的數(shù)據(jù)孤島導(dǎo)致難以進(jìn)行大數(shù)據(jù)分析將結(jié)果反饋于生產(chǎn)以提升生產(chǎn)效率；開(kāi)發(fā)專用設(shè)備的采集程序，則需要根據(jù)每臺(tái)設(shè)備的通信協(xié)議開(kāi)發(fā)專用的采集程序，不僅需要相應(yīng)的技術(shù)儲(chǔ)備，還涉及大量的定制化工作，導(dǎo)致開(kāi)發(fā)成本高。并且隨著設(shè)備更新?lián)Q代或通信協(xié)議升級(jí)，專用采集程序可能需要頻繁修改和維護(hù)，增加了運(yùn)維的復(fù)雜性和成本。

由于存在以上幾個(gè)缺點(diǎn)，需要采用新的數(shù)據(jù)采集系統(tǒng)來(lái)替代傳統(tǒng)的SCADA采集系統(tǒng)和線旁離散的采集程序。所以構(gòu)建一種具有高可擴(kuò)展性、高通用性、高可靠性，能支持海量實(shí)時(shí)數(shù)據(jù)信息采集的采集系統(tǒng)來(lái)解決傳統(tǒng)的自動(dòng)化產(chǎn)線生產(chǎn)數(shù)據(jù)采集零散無(wú)序、故障數(shù)據(jù)追溯困難、生產(chǎn)進(jìn)度需要人實(shí)時(shí)跟蹤等問(wèn)題是極其重要的。

2.2 數(shù)據(jù)采集新技術(shù)方案

結(jié)合現(xiàn)場(chǎng)的數(shù)據(jù)采集點(diǎn)多，數(shù)據(jù)類型多樣、數(shù)據(jù)量大等難點(diǎn)，需要一種可拓展性強(qiáng)，數(shù)據(jù)采集兼容性好、數(shù)據(jù)處理能力強(qiáng)、穩(wěn)定性好的采集方式。根據(jù)以上難點(diǎn)和需求分析，結(jié)合Kafka（分布式流處理平臺(tái)）的特性，Kafka 每秒能夠處理數(shù)百萬(wàn)條消息，具有實(shí)現(xiàn)高吞吐量、低延遲的消息流傳輸和處理、應(yīng)用解耦、流量削峰等功能，并且可擴(kuò)展強(qiáng)，通過(guò)橫向擴(kuò)展生產(chǎn)者、消費(fèi)者和broker， Kafka可以輕松處理巨大的消息流；適合產(chǎn)線實(shí)時(shí)數(shù)據(jù)量大，數(shù)據(jù)類型多樣等應(yīng)用場(chǎng)景。因此基于kafka開(kāi)發(fā)采集系統(tǒng)可滿足以上的需求。其數(shù)據(jù)采集模塊架構(gòu)圖如圖2所示。

在目前的自動(dòng)化產(chǎn)線，數(shù)據(jù)的來(lái)源設(shè)備主要分為三大類：PLC、視覺(jué)系統(tǒng)、產(chǎn)線其他設(shè)備控制系統(tǒng)如圖3所示。同類數(shù)據(jù)來(lái)源建立統(tǒng)一的采集框架或者接口。如PLC的數(shù)據(jù)采集流程為：首先確認(rèn)數(shù)據(jù)來(lái)源的標(biāo)簽，再與PLC建立網(wǎng)絡(luò)通信，最后確定采集頻率等。采集原理相同，一條產(chǎn)線存在多個(gè)PLC，每個(gè)PLC的數(shù)據(jù)都需要采集，如每個(gè)PLC開(kāi)發(fā)相應(yīng)的采集程序則會(huì)存在工作重復(fù)，維護(hù)復(fù)雜等問(wèn)題。根據(jù)其共性開(kāi)發(fā)相應(yīng)的PLC數(shù)據(jù)抽取分發(fā)模塊如圖4，只需要簡(jiǎn)單配置即可實(shí)現(xiàn)PLC數(shù)據(jù)采集。當(dāng)需要新增PLC數(shù)據(jù)采集源時(shí)，只需要在PLC數(shù)據(jù)抽取模塊配置數(shù)據(jù)源的IP標(biāo)簽即可，該模塊抽取到PLC的原始數(shù)據(jù)之后將數(shù)據(jù)發(fā)布到kafka，系統(tǒng)端通過(guò)訂閱kafka即可獲取該原始數(shù)據(jù)。

視覺(jué)數(shù)據(jù)則開(kāi)發(fā)相應(yīng)的視覺(jué)數(shù)據(jù)接收接口，統(tǒng)一接收視覺(jué)系統(tǒng)的檢測(cè)信息或者測(cè)量信息。將接收到的數(shù)據(jù)發(fā)布到Kafka，每種數(shù)據(jù)kafka內(nèi)都會(huì)有相應(yīng)的topic與之對(duì)應(yīng)，系統(tǒng)端只需要訂閱解析相應(yīng)的topic數(shù)據(jù)即可。

采集的數(shù)據(jù)的原始數(shù)據(jù)發(fā)布到kafka對(duì)應(yīng)的topic。應(yīng)用端訂閱該topic獲取原始數(shù)據(jù)并對(duì)其進(jìn)行解析得到我們需要的數(shù)據(jù)，并將其寫入數(shù)據(jù)庫(kù)，數(shù)據(jù)庫(kù)使用主從同步功能，提高安全性。如圖3所示。

2.3 智能化平臺(tái)技術(shù)方案

數(shù)據(jù)采集進(jìn)數(shù)據(jù)庫(kù)，有了數(shù)據(jù)分析與追溯的基礎(chǔ)。避免多個(gè)應(yīng)用場(chǎng)景開(kāi)發(fā)多個(gè)系統(tǒng)，使用人員需要登錄不同系統(tǒng)影響使用體驗(yàn)的問(wèn)題，平臺(tái)采用微服務(wù)框架開(kāi)發(fā)，所用到的組件如圖5?？筛鶕?jù)業(yè)務(wù)邏輯使用相應(yīng)的數(shù)據(jù)開(kāi)發(fā)對(duì)應(yīng)的微服務(wù)模塊來(lái)實(shí)現(xiàn)生產(chǎn)過(guò)程數(shù)字化、可視化、精益化。降低各應(yīng)用場(chǎng)景之間的耦合性，各場(chǎng)景應(yīng)用的更新迭代互不影響，新增場(chǎng)景開(kāi)發(fā)部署也不會(huì)影響原在運(yùn)行的場(chǎng)景，新應(yīng)用部署后更新使用人員相應(yīng)的配置之后，即可使用新開(kāi)發(fā)的功能。

3 智能化平臺(tái)應(yīng)用及實(shí)現(xiàn)

根據(jù)以上技術(shù)研究及產(chǎn)線痛點(diǎn)開(kāi)發(fā)出車身精益智造平臺(tái)。平臺(tái)的主要業(yè)務(wù)功能可分為三部分：產(chǎn)線設(shè)備狀態(tài)實(shí)時(shí)監(jiān)控及追溯、產(chǎn)線效率提升以及產(chǎn)線全局調(diào)動(dòng)功能。

3.1 產(chǎn)線設(shè)備狀態(tài)實(shí)時(shí)監(jiān)控及追溯

產(chǎn)線設(shè)備的狀態(tài)會(huì)影響產(chǎn)品的質(zhì)量，建立相關(guān)的設(shè)備監(jiān)測(cè)體系，當(dāng)產(chǎn)品狀態(tài)發(fā)生變異時(shí)，可快速定位是否是由于設(shè)備變異引起的；當(dāng)設(shè)備狀態(tài)發(fā)生變異時(shí)，也可及時(shí)報(bào)警恢復(fù)，避免制造不合格的產(chǎn)品，造成更大的損失。建立設(shè)備狀態(tài)標(biāo)準(zhǔn)，設(shè)備狀態(tài)監(jiān)測(cè)可視化、追溯可視化和診斷智能化。通過(guò)設(shè)備狀態(tài)質(zhì)量標(biāo)準(zhǔn)對(duì)采集數(shù)據(jù)進(jìn)行自動(dòng)判斷，對(duì)異常情況進(jìn)行報(bào)警，并追溯問(wèn)題根源，及時(shí)控制并修復(fù)，實(shí)現(xiàn)設(shè)備狀態(tài)在線監(jiān)測(cè)如圖6?？勺匪菝恳惠v在該工位制造時(shí)的設(shè)備狀態(tài)，當(dāng)設(shè)備狀態(tài)異常時(shí)則報(bào)警，核心業(yè)務(wù)內(nèi)容包括：

a建立設(shè)備狀態(tài)標(biāo)準(zhǔn)數(shù)字化；

b實(shí)時(shí)采集現(xiàn)場(chǎng)造車時(shí)設(shè)備的狀態(tài)；

c設(shè)備狀態(tài)在線統(tǒng)計(jì)分析報(bào)表及異常報(bào)告；

d現(xiàn)場(chǎng)設(shè)備狀態(tài)報(bào)警與診斷分析。

3.2 產(chǎn)線效率提升

在原先的產(chǎn)線計(jì)算工位的CT（Cycle Time）主要是通過(guò)現(xiàn)場(chǎng)人工錄視頻查看分析該工位一個(gè)循環(huán)所需的時(shí)間，工作量大，效率低，準(zhǔn)確性差；為了提高到目標(biāo)節(jié)拍，需要花費(fèi)較大的時(shí)間精力來(lái)找可優(yōu)化的步驟，并沒(méi)有準(zhǔn)確的數(shù)據(jù)來(lái)支撐是否達(dá)到最優(yōu)的節(jié)拍。

如人工分析優(yōu)化后沒(méi)有達(dá)到目標(biāo)節(jié)拍則需要重新做方案來(lái)提升節(jié)拍，可能會(huì)新增設(shè)備或者改變?cè)械墓に嚥季?，?huì)額外增加大量的成本。但是通過(guò)采集PLC每輛車在工位的CT，細(xì)分到每個(gè)動(dòng)作所需的時(shí)間，結(jié)合相應(yīng)的大數(shù)據(jù)分析，就可根據(jù)數(shù)據(jù)精確分析優(yōu)化相應(yīng)的動(dòng)作，使其達(dá)到相應(yīng)的理論節(jié)拍如圖7?？芍苯釉谙到y(tǒng)上分析優(yōu)化，準(zhǔn)確率更高，效率更快。長(zhǎng)期生產(chǎn)后，偶爾會(huì)出現(xiàn)某些工位的CT時(shí)間變長(zhǎng)，工位狀態(tài)發(fā)生了變異，影響了輸出節(jié)拍" 根據(jù)采集上來(lái)的時(shí)序數(shù)據(jù)做分析統(tǒng)計(jì)，根據(jù)采集上來(lái)的數(shù)據(jù)分析可快速找到發(fā)生變異的動(dòng)作，精確快速的恢復(fù)，減少尋找變異點(diǎn)的時(shí)間。并且達(dá)到最優(yōu)之后可以給其他產(chǎn)線做CT時(shí)間參照標(biāo)準(zhǔn)，提供數(shù)據(jù)支持。

3.3 產(chǎn)線全局調(diào)動(dòng)

以MES系統(tǒng)的生產(chǎn)計(jì)劃為控制數(shù)據(jù)來(lái)源，結(jié)合產(chǎn)線實(shí)時(shí)的生產(chǎn)數(shù)據(jù)開(kāi)發(fā)出生產(chǎn)調(diào)度模塊，根據(jù)計(jì)劃數(shù)據(jù)所需的物料、通過(guò)API的形式輸入給AGV調(diào)度系統(tǒng)需要拉取的物料及數(shù)量，AGV系統(tǒng)拉物料到相應(yīng)的上料位。結(jié)合生產(chǎn)線所采集的制造數(shù)據(jù)，展示生產(chǎn)進(jìn)度及待生產(chǎn)數(shù)量，因?yàn)槭侨嵝陨a(chǎn)線，涉及車型切換，當(dāng)?shù)谝慌囆蜕a(chǎn)完成時(shí)，平臺(tái)會(huì)提示相應(yīng)的人員生產(chǎn)完成的工位達(dá)到切換條件，如是自動(dòng)切換的工位則下發(fā)切換信號(hào)到負(fù)責(zé)切換的系統(tǒng)，快速地切換到下一批計(jì)劃所需生產(chǎn)車型的專有設(shè)備，減少切換時(shí)間、取消人工排查生產(chǎn)進(jìn)度等操作，實(shí)現(xiàn)產(chǎn)線的生產(chǎn)調(diào)度及監(jiān)控，并且提高產(chǎn)線運(yùn)行效率和運(yùn)行數(shù)據(jù)的準(zhǔn)確率。

4 結(jié)論

本文通過(guò)自動(dòng)化產(chǎn)線向智能化產(chǎn)線轉(zhuǎn)型的技術(shù)研究，解決了設(shè)備數(shù)據(jù)采集過(guò)程中面臨的數(shù)據(jù)種類繁多、實(shí)時(shí)性要求高及數(shù)據(jù)量龐大等難題。通過(guò)開(kāi)發(fā)基于 Kafka 的數(shù)據(jù)采集模塊，實(shí)現(xiàn)了對(duì)產(chǎn)線設(shè)備數(shù)據(jù)的高效實(shí)時(shí)采集，并具備強(qiáng)大的擴(kuò)展能力。結(jié)合采集到的數(shù)據(jù)，構(gòu)建了車身精益智造平臺(tái)，利用微服務(wù)架構(gòu)實(shí)現(xiàn)各模塊的解耦，便于功能的靈活擴(kuò)展。該智能平臺(tái)目前已實(shí)現(xiàn)生產(chǎn)過(guò)程監(jiān)控、故障追溯、CT節(jié)拍優(yōu)化及產(chǎn)線調(diào)度等核心功能，為生產(chǎn)線的智能化探索邁出第一步，實(shí)現(xiàn)了產(chǎn)線的數(shù)字化，并且正在向智能化產(chǎn)線前進(jìn)。

參考文獻(xiàn)：

[1]謝青松.面向工業(yè)大數(shù)據(jù)的數(shù)據(jù)采集系統(tǒng)[D].武漢：華中科技大學(xué)，2016.

[2]沈瑞，曹國(guó)亮，許贏，賈志文.汽車焊裝產(chǎn)線開(kāi)發(fā)中的信息化與智能化趨勢(shì)[J].汽車工藝師，2024（11）.

[3]王珊珊.汽車側(cè)圍后輪罩焊裝電控系統(tǒng)研究[J].汽車實(shí)用技術(shù)，2024，49（23）：115-120.