制造系統RFID應用可靠性評價及數據處理模型

鄭林江 劉衛寧 孫棣華

重慶大學,重慶,400030

0 引言

隨著射頻識別(radio frequency identification,RFID)技術的迅速發展,其在制造過程自動識別中的應用前景受到廣泛關注[1-3]。由于射頻識別無線通信的特點及制造系統復雜環境的影響(如金屬或液體等干擾),電子標簽普遍存在重讀、多讀、漏讀等異常閱讀現象,導致RFID原始數據流中存在大量冗余或不完整的異常數據,這些不可靠數據給應用系統造成困難,制約了 RFID技術的廣泛應用[4-7]。因此,在現有RFID硬件設備技術的基礎上,根據應用需求對 RFID原始數據流進行清洗和糾正,保證應用數據的精簡性和完整性,是RFID應用中必須解決的關鍵技術問題。對此,目前國內外主要有兩類處理方法,一類側重于采用不同的平滑機制來清洗RFID原始數據流中冗余的、臟的數據[7-10];另一類是基于不同的應用完整性約束條件(如對象運行路徑、重量和形狀等)偵測異常閱讀現象[11-12]。

現有研究尚未涉及如何通過糾正不可靠數據來解決RFID異常閱讀現象。為此,本文著重考慮制造系統環境下多標簽、多閱讀器的 RFID系統應用可靠性問題,給出一種RFID系統應用可靠性評價指標,以規范系統可靠性評價的準則。然后從系統應用完整性角度,建立一種分層數據處理模型,該模型通過清洗與糾正異常閱讀產生的不可靠數據以提高RFID系統應用可靠性。

1 相關概念及定義

在RFID應用中,標簽通常附著在或者內嵌于被識別或跟蹤的對象中。當標簽處于閱讀器的識別范圍內時,閱讀器執行簡單的鏈路層協議獲取標簽中的標識符。為便于研究,給出如下與制造系統RFID應用相關的概念和定義。

定義1 原始閱讀事件。物理閱讀器在某時刻識別到標簽的過程稱為原始閱讀事件,事件產生的數據可用三元組 PE=(pr,t,τ)表示,其中pr、t分別為物理閱讀器和標簽的標識號,τ為標簽被探測到的時間戳。用pe表示原始閱讀事件三元組實例。

定義2 邏輯管控點。應用層需要管理控制的點稱為邏輯管控點,如制造系統中的工位、倉庫的出入口等。

定義3 邏輯閱讀器。邏輯管控點設置N(N≥1)個物理閱讀器來識別標簽。當對象經過邏輯管控點時,若邏輯管控點的任何一個物理閱讀器識別到對象上的標簽,則認為邏輯管控點已識別到該對象,這樣的具有相同作用的物理閱讀器集合稱為邏輯閱讀器。當N=1時,邏輯閱讀器由一個物理閱讀器組成。倉庫出口設置由多個物理閱讀器組成的邏輯閱讀器來識別出庫產品,以提高產品的識別率。

定義4 邏輯閱讀事件。邏輯閱讀器在某時刻識別到標簽標識物理對象的過程稱為邏輯閱讀事件,一個邏輯管控點只對應一個邏輯閱讀器,事件產生的數據用三元組 LE=(lp,o,τ)表示,其中lp、o分別為邏輯管控點和物理對象的標識號。用le表示邏輯閱讀事件三元組實例。

定義5 RFID系統可靠性。借鑒文獻[13]對系統可靠性的定義,RFID系統可靠性是指在規定的條件下、在規定的時間區間內,物理閱讀器成功識別到電子標簽的能力。

制造系統應用中,RFID系統因無線射頻識別特點和復雜應用環境影響會產生異常閱讀現象,導致RFID原始數據流中存在大量不可靠數據,影響RFID系統應用的可靠性。RFID異常閱讀一般分為如下三類[4,7,10]：①漏讀(false negative readings)。標簽經過物理閱讀器時未被識別到。物理閱讀器一般只能識別到感應范圍內60%～70%的標簽[12],漏讀是RFID應用不可靠的主要原因。②多讀(false positive readings)。當標簽在閱讀器閱讀范圍之外時,該閱讀器仍識別到該標簽。③重讀(duplicated readings)。標簽經過閱讀器范圍時重復被識別到。

2 RFID系統應用可靠性評價

一般認為標簽識別成功率越高,所標識物理對象識別成功率就越高,但僅以此評價 RFID系統應用可靠性顯然是不全面的,因為對 RFID應用中的異常閱讀問題,還可通過一定的應用條件或規則從系統層面加以改善。鑒于目前對RFID系統應用的可靠性尚沒有完整的評價方法,以下從標簽識別、對象識別和系統識別三個層面,自底向上定義評價RFID系統應用可靠性的指標。

定義6 標簽識別率(tag identification probability,TIP)。標簽經過物理閱讀器被識別到的概率。

定義7 對象識別率(object identification probability,OIP)。物理對象經過邏輯管控點被識別到的概率。貼附有M(M≥1)個標簽的對象經過有N個物理閱讀器的邏輯管控點時,任一物理閱讀器識別到任一標簽則認為邏輯管控點識別到該對象。

定義8 系統識別率(system identification probability,SIP)。物理對象被應用系統成功識別到的概率。系統成功識別包含兩種情況：一種情況是物理對象經過應用系統邏輯管控點時被成功識別到;另一種情況是物理對象經過邏輯管控點時發生異常閱讀現象,系統可基于應用邏輯約束規則和上下文,從系統層面對源于異常閱讀產生的不可靠數據進行清洗與糾正,且不影響業務,因而,從系統應用層角度,物理對象經過邏輯管控點時被成功識別。

基于以上定義,存在TIP≤OIP ≤SIP的關系,意味著在標簽識別、對象識別和系統識別三個層面,可以采用一定的技術方法,逐層提高RFID識別的可靠性。如圖1所示,通過改進標簽和物理閱讀器硬件識別的可靠性、減小應用環境的影響可提高TIP;采用多個標簽標識一個物理對象、在邏輯管控點設置多個物理閱讀器的應用方案可提高OIP;SIP是在OIP改進的基礎上,基于各種應用完整性約束規則(如路徑約束、伴隨約束等),通過對異常閱讀產生的不可靠數據進行清洗與糾正的方法來提高。

為此,本文考慮多標簽、多閱讀器的制造系統應用環境,提出一個改進RFID系統應用可靠性的分層數據處理模型,從系統應用角度解決RFID多讀、重讀和漏讀等異常閱讀現象,提高系統識別率和RFID系統應用可靠性。

3 提高 RFID系統應用可靠性的分層數據處理模型

提高RFID系統應用可靠性的分層數據處理模型如圖2所示,模型采用分層結構,包括RFID設備網絡層、簡單事件處理層、復雜事件處理層和應用層。簡單事件處理層連接RFID設備網絡,接收多類型閱讀器產生的原始閱讀事件,過濾重讀產生的冗余原始閱讀事件,形成精簡的邏輯閱讀事件。復雜事件處理層接收簡單事件處理層上傳的邏輯閱讀事件,基于預設的應用完整性約束規則對邏輯閱讀事件進行分析、分類,偵測漏讀、多讀的異常閱讀現象,然后清洗、糾正不可靠數據,從而保證應用數據的系統性和完整性,為應用層的系統如ERP/MES/SCM等提供有意義的應用數據。

3.1 簡單事件處理

載有標簽的物理對象經過邏輯管控點閱讀器網絡時,存在標簽重讀現象,閱讀器采集的原始數據流中包含大量的標簽和物理對象重復的冗余數據。簡單事件處理層依據標簽與標簽標識物理對象不重復約束規則清洗重讀產生的冗余數據。由于考慮了多標簽、多閱讀器的應用方案,故處理方法具有通用性。

3.1.1 處理流程

簡單事件處理層結構如圖3所示。該層由閱讀器適配器、原始閱讀事件隊列、標簽事件過濾器、邏輯閱讀事件隊列、對象事件過濾器和邏輯映射引擎組成。邏輯映射引擎儲放標簽標識物理對象與標簽之間的映射關系。

首先,閱讀器適配器采集相應物理閱讀器產生的原始閱讀事件,并上傳給標簽事件過濾器。標簽事件過濾器依據標簽號不重復約束規則清洗冗余的原始閱讀事件。由于考慮了多標簽、多閱讀器的應用方案,經標簽事件過濾器處理后的原始閱讀事件還存在需要處理物理對象重復的事件。對象事件過濾器根據物理對象與標簽之間的映射關系,基于邏輯管控點內物理對象不重復約束規則,再次清洗原始閱讀事件。最后,將邏輯管控點內物理對象不重復的原始閱讀器事件轉換成精簡的、唯一的邏輯閱讀事件,存入邏輯閱讀事件隊列,并上傳至復雜事件處理模塊。3.1.2 算法步驟

圖3 簡單事件處理層結構

(1)接收物理閱讀器產生的原始閱讀事件pei=(pri,ti,τ);

(2)根據ti到原始閱讀事件隊列查詢,若有標簽號相同的原始閱讀事件,轉步驟(7);

(3)向原始閱讀事件隊列中插入pei;

(4)根據ti到對象與標簽之間的映射關系中查找物理對象號,若找不到,轉步驟(7);

(5)根據物理對象號oi,到邏輯閱讀事件隊列查找相同對象號的邏輯閱讀事件,若有,轉步驟(7);

(6)根據oi,將pei組裝成邏輯閱讀事件,并將其插入邏輯閱讀事件隊列;

(7)摒棄原始閱讀事件,轉步驟(1)。

3.2 復雜事件處理

3.2.1 復雜事件層設計

雖然簡單事件層清洗了邏輯管控點內重復的冗余數據,消除了標簽重讀現象,但沒有處理多讀、漏讀產生的不可靠數據。在簡單事件層對原始閱讀事件處理的基礎上,復雜事件處理層從系統層面根據RFID應用完整性約束規則偵測并糾正多讀、漏讀現象,提高RFID系統應用可靠性。完整性約束可以基于不同的約束條件,如標簽標識物理對象的重量、位置和運動路徑,也可以基于不同對象之間的相互關系,如包含和排斥等[3]。

復雜事件處理層結構如圖4所示,該層主要由對象信息庫、完整性約束規則庫、事件分類引擎、正常事件處理器、多讀處理器和漏讀處理器構成。

圖4 復雜事件處理層結構

完整性約束規則庫存放預先設定的約束規則和條件。

對象信息庫存放物理對象在邏輯管控點的識別記錄,其數據結構為(o,lp,s,τ),其中,s為物理對象在邏輯管控點的識別方式,有 normal和compensation兩個取值,若正常識別到則為normal,若漏讀后被糾正,則為compensation。

事件分類引擎接收簡單事件層上傳的邏輯閱讀事件,基于完整性約束規則和對象信息庫的對象歷史記錄,判斷邏輯閱讀事件是否正常,若異常,再判定該邏輯閱讀事件是由多讀還是漏讀現象產生的。

正常事件處理器處理正常邏輯閱讀事件后,向對象信息庫添加對象正常識別記錄;多讀處理器摒棄判定為多讀現象的邏輯閱讀事件;依據預設的完整性約束規則(存放于完整性約束規則庫)和對象歷史記錄(存放于對象信息存庫),漏讀處理器判定物理對象在哪些邏輯管控點發生了漏讀,然后向對象信息庫添加所有漏讀邏輯管控點的漏讀記錄。

應用查詢接口為上層應用系統(如 ERP/MES/SCM等)提供數據查詢反饋接口,實現模型與上層應用系統數據的集成。

制造系統中,某些標簽標識物理對象往往會沿著預先指定的路徑向目的地移動,如生產線上的在制品、庫房的產品,那么當所獲得的實際路徑與預設路徑不符合時,就可判定物理對象在某些邏輯管控點有異常閱讀現象。下面以物理對象運動路徑為例,用完整性約束規則來判定多讀、漏讀現象。

3.2.2 基于路徑約束的異常閱讀判定方法

考慮物理對象路徑約束R(LP,A)中沒有自環(A為對象在邏輯管控點移動時路徑抽象出來的邊的集合),其中邏輯管控點對應于lp∈LP,物理對象在邏輯管控點之間可能的路徑對應于邊a∈A[7]。物理對象沿著確定的路由 ＜lpl,lp2,…,lp m＞移動,稱其為對象的預設路徑。為了判斷對象路徑上邏輯管控點前后順序關系,給出如下定義。

定義9 運算符“＜”。對于任意的兩個邏輯管控點lp i、lp j;若 lp i在lp j之前,即物理對象先經過 lp i后才經過lp j,則 lp i＜lp j。

基于上述的路徑約束規則,若當前收到邏輯閱讀事件 lek=(lp k,ok,τ),則判定物理對象多讀、漏讀現象的方法如下：

(1)多讀判定。依據ok到預設路徑中找到物理對象當前應經過的邏輯管控點lp pre。若lp pre=lpk,物理對象正常識別,若lppre＜lpk,則為多讀現象。

(2)漏讀判定。同樣地,先找到 lp pre。若lp k＜lp pre,則物理對象在預設路徑 ＜lp i,lp i+1,…,lp k,lp k+1,…,lp pre,…,lp j＞中lp k之后、lp pre之前的所有邏輯管控點lp leak(包括lp k)發生漏讀現象,存在關系lpk＜lpleak﹤lppre或lpk=lpleak。3.2.3 基于路徑約束的復雜事件處理算法步驟

(1)接收邏輯管控點上傳的邏輯閱讀事件lei=(lp i,oi,τ);

(2)根據oi從路徑約束規則中獲得當前實際應經過的邏輯管控點lppre,若lpi=lppre,轉步驟(4),若lp i＜lp pre,轉步驟(5);

(3)根據oi、lp i到路徑約束規則中查找漏讀的邏輯管控點lp leak,向對象信息庫中添加漏讀記錄(oi,lp leak,compensation,τ);

(4)向對象信息庫中添加正常識別記錄(oi,lp i,normal,τ);

(5)摒棄邏輯閱讀事件lei,轉步驟(1)。

4 應用實例

本文提出的RFID系統應用可靠性評價指標和改善RFID系統應用可靠性的數據處理模型已應用于某企業的摩托車制造系統。應用中選取了生產線上 16個關重工位作為邏輯管控點,在RFID應用方案方面,并采用兩個標簽標識單個在制品,部分邏輯管控點采用由多個物理閱讀器組成的邏輯閱讀器。

模型的簡單事件處理層在Linux平臺下用C語言實現,分布式部署于裝配現場邏輯管控點的工位控制器上;復雜事件處理層在Window s平臺下用Java語言實現,部署于車間服務器上。

應用后,某月生產數據統計結果(總生產量14 998臺)如表1所示。其中標簽識別次數來源于工位控制器上原始閱讀事件隊列,對象識別次數是對象庫中normal的記錄數,對象漏補次數是compensation的記錄數。

表1 應用本模型后某月生產數據統計結果

標簽識別率、對象識別率與系統識別率沿摩托車制造過程路徑上邏輯管控點的對比及走勢如圖5所示。

圖5 RFID系統應用可靠性評價指標對比

由表1與圖5可知,TIP與OIP沿邏輯管控點呈現出波動,其原因在于各邏輯管控點設置的物理閱讀器數量會影響標簽識別率,且閱讀器越多,識別率越高。

由于采用了多標簽、多閱讀器的應用方案,在TIP基礎上提高了OIP,因此OIP在各個邏輯管控點均大于TIP。但由于受射頻識別機制及環境干擾的制約,TIP與OIP均難以達到100%。

此外,SIP在有序邏輯管控點前端(lp 11之前)為100%,然后依次降低,并在最后邏輯管控點(lp 16)與OIP相等,且在任何邏輯管控點均大于或等于OIP。這是由于應用本模型后,從系統層面清洗了重讀、多讀的冗余數據,并基于沿對象路徑向前補齊的機制解決了漏讀問題,因此得以在OIP的基礎上,進一步提高SIP。入庫工位(lp 16)之后,沒有其他邏輯管控點可以利用,無法糾正漏讀現象,故SIP與OIP相等。

5 結論

(1)提出的RFID系統應用可靠性評價指標體系,可以全面支持對RFID系統應用可靠性的評估和分析。

(2)提出了改善 RFID系統應用可靠性的分層數據處理模型。在某企業摩托車制造系統的應用驗證了該模型的可用性。

(3)鑒于利用應用層邏輯關系建立的完整性約束隨應用環境不同具有差異性,因此在模型應用中選擇適合應用背景的完整性約束尤為重要,應根據不同的應用邏輯約束及上下文設計合理的完整性約束規則,或采用多種約束組成的混合約束規則。

[1] 劉衛寧,黃文雷,孫棣華,等.基于射頻識別的離散制造業制造執行系統設計與實現[J].計算機集成制造系統,2007,13(10)：1886-1890.

[2] 王永靖,劉飛,王琦峰.面向綠色制造的汽車制造企業信息系統及關鍵技術研究[J].中國機械工程,2009,20(7)：832-837.

[3] 宋立博,李勁松,費燕瓊.四輪差動驅動型AGV 嵌入式運動控制器設計與研究[J].中國機械工程,2008,19(24)：2903-2907.

[4] Jeffery S R,Franklin M J,Garofalakis M.An Adaptive RFID Middleware for Supporting Metaphysical Data Independence[J].The International Journal on Very Large Data Bases,2008,17(2)：265-289.

[5] Wang F S,Liu S R,Liu P Y.Complex RFID Event Processing[J].The International Journal on Very Large Data Bases,2009,18(4)：913-931.

[6] Zang CZ,Fan Y S,Liu R J.Architecture,Implementation and Application of Complex Event Processing in Enterprise Information Systems Based on RFID[J].Information Systems Frontiers,2008,10(5)：543-553.

[7] 薛小平,張思東,王小平,等.RFID網絡的數據清理技術[J].計算機工程,2008,34(7)：92-95.

[8] Jeffery S R,Garofalakis M,Franklin M J.Adaptive Cleaning for RFID Data Streams[C]//Proceedings of International Conference on V LDB.Seoul,2006：163-174.

[9] Jeffery S R,Alonso G,Franklin M J,et al.A Pipelined Framework for Online Cleaning of Sensor Data Streams[C]//Proceedings of the22nd International Conference on Data Engineering.Atlanta,2006：140-143.

[10] 谷峪,李曉靜,呂雁飛,等.基于 RFID應用的綜合性數據清洗策略[J].東北大學學報(自然科學版),2009,30(1)：34-37.

[11] Inoue S,Hagiwara D,Yasuura H.Systematic Error Detection for RFID Reliability[C]//Proceedings of the First International Conference on Availability,Reliability and Security.Orlando,2006：280-286.

[12] Khoussainova N,Balazinska M,Suciu D.Towards Correcting Input Data Errors Probabilistically Using Integrity Constraints[C]//Proceedings of the 5th ACM International Workshop on Data Engineering for Wireless and Mobile Access.Chicago,2006：43-50.

[13] 李睿,俞濤,方明倫.制造網格系統可靠性管理研究與實現[J].計算機集成制造系統,2005,11(3)：358-363.