數據分析在汽車工業設備智能分析系統的應用

袁 磊 許 劼 許廣州

(上海亞太計算機信息系統有限公司 上海 200040)

數據分析在汽車工業設備智能分析系統的應用

袁 磊 許 劼 許廣州

(上海亞太計算機信息系統有限公司 上海 200040)

針對汽車加工業機床狀態數據傳統的采集方式采樣頻率低、生產運行狀態不可控、被動維修的現狀，嘗試采用高速采集架構及數據模型算法，對機床運行的數據進行采集、挖掘、利用，最終生成機床能效分析報告、健康診斷報告等。使設備的狀態信息更直觀可控，使維修更有預見性，維修工作者快速精準地定位故障信息。推進維修工作專業化，促進汽車制造業良性發展。

機床 智能 能效

0 引 言

大數據時代的來臨帶給我們很多沖擊，數據資源已成為各類機構和組織重要的戰略資源，重視數據資源的搜集、挖掘、分享與利用，成為當務之急。智能工廠作為工業4.0的三大主題之一正發生著日新月異的變化[1]。

隨著國內汽車生產線不斷擴充，維修隊伍圍繞“降故提質，降本增效”的核心業務指標，努力提升設備效能。但現有生產運營模式下的設備狀態，各項業務指標多年來，一直未有大的突破，必須轉變維修思路，把聚力點從設備層面的應急維修上，轉變到部件級的預知維修上來，提前預判，變被動為主動，做到精益維修，才是未來維修的可持續發展之路[2]。

借著大數據分析的春風，工業設備智能分析系統在汽車工廠應運而生，通過對設備運行過程中產生的數據的捕捉，運用各種分析手段，使數據產生價值。

1 系統設計

1.1 系統組織結構

本系統基于工業互聯網體系架構，以設備自身數據為核心并提供接口對原有系統進行橫向和縱向集成，實現車間內設備到管理的數據貫通，并研發一套設備數據采集、數據存儲、數據挖掘分析、數據展示的設備管理系統，即工業設備智能分析系統[3]。

1.1.1 硬件架構方面

根據國內制造工廠設備的實際需求現狀，摒棄傳統的設備狀態數據采樣方式，采用可擴展模塊設計的智能采集終端采集機床數據，過濾后實時存儲到數據平臺。

1.1.2 算法分析方面

根據生產設備實際情況，對采集到的設備狀態數據，采用專業的統計數據算法，用客觀的方法來對數據進行分析在短時間內獲得精確的數據，并可以長久保存，供后續分析使用[4]。

1.1.3 智能輸出方面

對于設備的流體類數據進行實時監控，繪制趨勢曲線，預判機床故障，并郵件和短信通知相關責任人，規避停機風險，降低維修負荷。

1.2 系統架構設計

設備智能分析系統硬件包括Web服務器、數據庫服務器、數據采集服務器、分布式智能采集終端。系統采用分布式體系結構，允許擴充多個智能采集終端，系統中所有的服務器通過高速以太網連接，系統架構參見圖1。

圖1 系統架構

1) Web服務器：Web服務器是設備狀態智能檢測系統的管理中心，采用IIS 7.0作為應用的發布平臺；負責管理、維護、查詢相關數據。系統整體采用B/S架構，用戶可以在各種客戶端上通過瀏覽器設置、查詢數據。各種客戶端通過單頁應用以Web Services方式訪問業務邏輯，包括邏輯運算和數據查詢[5]。

2) 數據庫服務器：系統中所有的運行數據信息統一記錄到數據庫服務器中，同時，在生成趨勢圖和報表時也需用到該服務器。

3) 數據采集服務器：數據采集服務器負責采集所有數據，這些數據將通過OPC技術、Ado.net技術快速準確地記錄到數據庫中。數據采集服務器是數據傳輸和解析中心[6]。

4) 分布式智能采集終端：傳統的機床數據采集方式受硬件及采樣軟件限制，采集周期往往大于1 s，這樣會漏掉很多關鍵的過程數據，使數據分析工作失去價值。采集終端通過接入傳感設備到機床的方式采集現場機床中流體類數據并緩存到高速PLC中，實時通知上位系統及時采集，采樣周期最低可達到10 ms數量級。

2 數據的采集和處理

2.1 數據采集機制

系統采集對象主要為加工機床的液壓系統、主軸系統、冷卻系統，包括流量、壓力、溫度、電流A相、電流B相、電流C相、振動等數據。

通過智能采集終端從現場設備中采集流量、壓力、溫度等數據實時存儲到采集器PLC中的緩存區，并通知上層程序實時讀取。采集頻率設定為1條數據/100 ms，一次采樣5～10分鐘，從機床采集流體類數據，并保存到數據庫中，用于流體類故障診斷和預警。

數據采集過程的關鍵點在于高速和準確不丟失，通過先進的壓力、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；創新性的在PLC中加入閃存卡，實現數據的多級緩存，保證了數據采集的穩定性和準確性。數據采集進程如圖2所示。

圖2 數據采集進程圖

2.2 毛坯數據清洗

智能采集終端從現場機床中采集流體類數據的過程中，通過上層程序對機床加工開始、結束信號的監控，對機床非加工時間的流體類數據進行過濾。

上層程序對采集到的流體類數據進行數據挖掘，在這過程中，對無關數據進行數據過濾。無關數據主要為設備在非加工過程中產生的數據。

上層程序對挖掘后的流體類數據進行數據分析，在此過程中，根據一定算法對無關數據進行數據過濾[7]。

3 數據分析過程

數據分析建立在.NET和組態軟件基礎上，系統基于安全、彈性、高可用、虛擬化、標準化、自動化的設計理念，采用基于SOA的應用接入框架，客戶可以通過各種設備與系統交流交互[8]。

3.1 算 法

算法是對解題方案準確無誤的表述，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制。簡言之，能夠對一定規則的輸入，在短時間內獲得準確的輸出[9]。

本系統的算法模型是建立在多年設備維修基礎上的經驗算法模型，具有指導性和穩定性。相關算法模型舉例如下：

(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 結論輸出

系統對流體類統計數據進行實時監控，并繪制趨勢曲線。預判機床故障，并郵件和短信通知相關責任人，規避停機風險，降低維修負荷。

對歷史數據進行數據挖掘分析，自動建立數據運算模型。繪制機床生命周期曲線，降低能耗，洞悉改進點，結論輸出過程如圖3所示。

圖3 結論輸出

設備智能分析系統通過集成使用Tableau報表，動態可配置，可展現節拍、能耗、零部件運動數據，診斷信息[10]。生成設備停機交流報告，機床執行元件動作效率分析報告，機床能耗分析報告，設備健康診斷報告等方式展示給用戶直觀、準確的用戶界面，效果如圖4所示。

圖4 預警信息

4 結 語

通過汽車工業設備智能分析系統的實施，實現了數據分析在汽車制造行業的應用，使汽車制造業的維修行動更加高效、透明。使用本系統后顯著提高了生產效率，降低了生產成本，主要體現在故障關閉率提高，停機風險減少，生產節拍提升，單機能耗節約10%，使設備使用年限延長。這套集數據采集、數據存儲、數據挖掘分析、數據展示于一體的設備管理系統在加工制造業具有廣泛的推廣價值。

[1] 許正.工業互聯網:互聯網+時代的產業轉型[M].機械工業出版社,2015.

[2] 李文明,葉笑春,張洋,等.BDSim:面向大數據應用的組件化高可配并行模擬框架[J].計算機學報,2015,38(10):1959-1975.

[3] 潘艷麗.基于Asp.Net的圖書館管理系統的設計與研究[D].上海:復旦大學,2010.

[4] 馮明月,章永龍,浦宏藝.基于B/S模式的O2O汽車服務平臺的設計與實現[J].計算機應用與軟件,2017,34(6):57-61.

[5] 胡穎輝,寧賽飛.基于UML和Asp.Net實現三層B/S結構系統開發[J].計算機與信息技術,2007(Z1):43-50.

[6] 盧小晨,曲震,馬澤方,等.論互聯網+大數據算法在稅收工作中的應用[J].稅務研究,2017,2(1):14-16.

[7] 趙建英.基于.NET三層架構的旅游電子商務平臺的設計與開發[D].上海:復旦大學,2013.

[8] 馬超,徐迭實,張淑麗,等.大數據環境下離散制造車間異常事件發現方法[J].計算機應用與軟件,2017,34(9):288-293.

[9] 王曉燕,陳晉川,杜小勇.云計算環境中面向OLTP應用的數據分布研究[J].計算機學報,2016,39(2):253-269.

[10] 袁弘,張明江,李建祥,等.基于云服務的電動汽車電池安全預警系統設計[J].計算機應用與軟件,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系統項目(150802)。袁磊，工程師，主研領域：大數據分析。許劼，高工。許廣州，工程師。

TP3

A

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