農機制造物聯網實時數據采集及處理系統

王培屹，張桂青，李清鋒，田晨璐，馬國旗

（1.山東建筑大學 信息與電氣工程學院，濟南 250101；2.邁赫機器人自動化股份有限公司，濰坊 262200）

0 引言

隨著中國制造2025以及新舊動能轉換重大工程實施規劃等政策的出爐，農機與工程機械制造業出現重大產能缺口，各類生產問題也隨之出現。目前，國內農機制造業因缺少完備的信息化管理系統，導致其生產管理方式較為粗放，多數操作依靠人工實現，數據分散且生產效率低，無法滿足快速發展的現代制造業需求。在物聯網普及之前，由于信息管理系統部署成本高和實施困難等原因，各類大型制造企業只能從生產機器、環境和人員處分散、低效的收集信息，造成數據流失嚴重及管理困難。隨著物聯網的發展及云基礎設施的成熟，能夠將生產車間中的人機料法環構成統一整體[1]，讓中小型企業也可以通過物聯網技術輕松構建數據采集處理系統，打通車間與管理層的“信息壁壘”，低成本、易部署、高擴展的物聯網制造系統已逐漸成為企業生產轉型的新范式[2]。

國內外專家學者針對物聯網應用于制造領域展開了廣泛的研究[3,4]，并取得了一定成果，如文獻[5]提出了基于物聯網的數字化工廠質量管理信息采集系統，實現了零件檢測信息的自動提取、收集和存儲，為現代化工廠升級轉型提供技術基礎；文獻[6]為解決生產數字化車間“信息壁壘”的問題，設計了一種生產現場物聯化數據采集與智能化監控系統，從而實現加裝配車間的數據存儲及處理并在軍工企業及汽車制造領域進行推廣應用。我國作為農業大國，中國制造2025政策中明確指出將大力發展農機裝備制造業，然而現階段農機制造業方面并沒有完備的生產信息管理系統。

綜上所述，國內外有關農機制造物聯網數據采集及處理系統的研究還較少，因此本文結合物聯網技術的應用，分析農機制造業的工藝需求與數據特征，研究農機制造物聯網實時數據采集處理框架，開發一種低成本的應用于農機制造的物聯網系統管理平臺，并就其實現技術及功能進行詳細闡述。

1 農機制造與物聯網

1.1 農機制造工藝需求

農機制造工藝主要由焊裝、涂裝和總裝三大部分組成，焊裝線主要分為底板線與主焊線，智能化、自動化程度較低，容錯率低，電機參數要求實時監控保證焊接質量；涂裝線主要流程包括：前處理→熱水洗→預脫脂→脫脂→表調→磷化→純水洗→陰極電泳→電泳烘干→強冷→噴漆→面漆烘干→強冷→打磨檢驗等，涂裝車間作為整個農機生產過程中的用能大戶，車間能耗異常、廢棄物排放超標等問題難以管控，造成能源的浪費與生產的損失，同時對環境也造成了嚴重影響；總裝線主要分為發動機、線束敷設、懸架、傳動軸、制動臂、輪胎、手剎等安裝過程，但基本所有工序及零部件均依靠手工統計，往往出現物料信息錯誤、缺件錯件等低效問題。因此，如果不能對農機生產過程進行全面監控與分析，先進的管理手段與控制策略也難以利用，從而造成生產資源與數據的流失與浪費，所以建立完備的農機制造物聯網實時數據采集及處理系統成為解決問題的關鍵。

1.2 物聯網數據采集

要實現農機制造生產過程的實時監控與管理，首先要完成生產車間內關鍵設備運行參數的全面感知，如焊裝車間內各焊機、滾床等設備的運行狀態，涂裝車間前處理工序中溶液溫度、PH值，噴漆室內溫度，風機、燃燒機、RTO運行狀態等，總裝車間各工位物料信息、到位、占位信號等均需要大量傳感器實時采集數據，而物聯網技術可以代替大量人工，將各類傳感器、生產設備與互聯網相連接，進行信息交換和通信，從而實現智能處理、識別、跟蹤、監控與管理。

在農機制造物聯網數據采集階段，原有的PLC或DCS系統通過傳統的OPC方式將數據集成至上層平臺，物聯網部分自主開發的五類采集終端均按照統一的自定義協議通過以太網方式將數據上傳至系統平臺，方便數據的存儲與處理，如圖1所示。

圖1 物聯網系統實時數據采集架構圖

各類采集終端主要功能如下：

1）RFID：主要滿足工藝數據采集、人員數據采集、物料信息采集接入的要求；

2）物聯網節點：負責車間環境數據、關鍵用電設備電氣參數等信息的采集及節能控制策略的下發；

3）數據集中器：用于采集車間內水、電、燃氣等能耗信息，具有485輸入接口，兼容主流儀表的Modbus協議；

4）通用DDC：屬于面向生產過程的數據采集終端，集合數字、模擬量輸入功能，兼容標準的4～20mA，1～5V信號，能夠滿足農機生產工藝中重要參數的采集（如溫度、風壓、閥門、到位、占位信號等）；

5）回路控制器：主要用于設定節能控制策略，從而控制生產車間內機組設備的啟停。

1.3 數據特征

物聯網與農機制造相結合，能夠從生產車間（如：人員，設備，物料和環境）源源不斷的收集實時狀態數據，這些數據集可用于分析自動化流程，以優化設計和生產系統，無需人工干預。數據集主要包含靜態數據與動態數據：

靜態數據：人員詳細信息（編號ID/姓名/身份/聯系方式等）、設備詳細信息（資產編號ID/設備類型/功能/額定功率/電壓/電流/生產廠商等）、生產工藝信息。

動態數據：人員活動信息、位置信息、上下工位時間、設備運行狀態、位置信息、關鍵參數、故障報警信息、訂單信息、環境信息、能耗信息等。

利用以上多源異構數據集，能夠滿足人員、設備、環境的實時監控與管理，一旦設備發生異常，能夠通知距離最近的管理員及時調控權限內設備的運行狀態。

2 農機制造物聯網實時數據采集處理系統模型

2.1 系統整體架構

如圖2所示，本文將農機制造與物聯網技術相結合，設計了農機制造物聯網實時數據采集及處理系統的主要框架結構，該系統主要分為四層，感知層、數據層、服務層及應用層[7]。

1）感知層：包括RFID、智能模塊、智能裝備及智能網關，RFID、智能模塊及智能裝備主要實現廠間生產過程的實時監測與控制，智能網關是溝通智能模塊與平臺服務器的橋梁，一方面實現數據轉發功能，另一方面實現節能優化、設備管理等智能控制功能，PLC部分通過OPC數據接口方式接入系統平臺。

2）數據層：主要由數據庫構成，數據庫部署于云端服務器，數據庫包括實時數據庫、關系數據庫、非關系型數據庫，數據層連接了設備層與服務層，實時數據庫承擔存儲實時數據及和智能網關通訊的功能，MongoDB用于存儲生產過程的歷史數據，關系數據庫中存儲有車間管理員、節點、設備、訂單的信息及其關聯關系數據，數據層對外提供數據采用發布服務的模式，上層應用通過服務接口查詢數據或下達命令。

3）服務層：該層主要包括一些面向工藝流程及智能計算的服務，通過分析應用層的功能需求，提取各類共性業務流程，封裝各類基礎學習算法，提供車間權限管理、設備運行分析、歷史數據提取、節能優化控制等服務，該層應用基礎學習算法如聚類、分類、關聯、回歸等提供農機制造物聯網定制化的人工智能服務。

4）應用層：主要包括APP客戶端和Web端的人機交互界面，為用戶直接提供各種業務應用[8]，包括車間權限管理、組態虛擬化配置、生產過程實時監控、生產進度管控、故障預測分析、能源管理等功能，從而有效指導產業生產。

2.2 實時數據存儲模型

1）E-R模型

E-R模型圖具有簡潔直觀的特點，數據庫的設計通常采用E-R圖來進行前期描述，將農機制造物聯網中所涉及到的單位概括為實體，并描述各個實體之間的聯系，然后設計全局E-R模型圖[9]。

根據平臺所涉及到的單元，主要包括的實體有：管理人員信息實體、物聯網節點實體、設備實體及訂單實體，管理人員與物聯網節點之間屬于一對多的關系，一個管理人員可以管理多個物聯網節點，物聯網節點與設備屬于多對一的關系，一個物聯網節點可以管理多個設備，管理人員與訂單屬于一對多的關系，一個管理人員可以管理多組訂單，因此關系數據庫全局E-R模型圖設計如圖3所示。

圖2 系統整體架構框圖

2）內存數據存儲模型

農機制造生產中的實時數據以KV（Key-Value）鍵值對形式存儲在內存數據庫當中，與傳統的以測點為基本單位不同的是，本系統是以設備為基本單位存儲，每一個生產過程中的智能設備或人員都有自己唯一的ID值作為字典類型的Key值，因此依照每種設備類型創建一個相應的內存區，存儲結構采用Dictionary>的數據結構（Key值為設備ID，Value值用List鏈表來存儲時間序列數據）。

2.3 實時數據流

農機制造物聯網平臺的實時數據流如圖4所示。物聯網采集終端負責收集車間內不同區域內人員、物料、傳感器、智能儀表等異構數據，將數據依據設備類型分類裝箱、打包，并通過TCP/IP通信協議組織上傳，數據在解包分類后傳輸至不同的數據處理隊列中，并依據不同的協議規約將數據解析存儲至內存數據庫中，寫入的同時判斷內存存儲區是否已滿，已滿則將內存存儲區內的數據存入緩沖區中，數據緩沖區再利用數據轉存機制將數據存入歷史數據庫中。系統通過實時歷史數據庫對外提供的相關服務接口實現人機界面與后臺程序的交互，以支持企業對全局數據的分析、檢索和挖掘。

圖3 關系數據庫E-R模型圖

圖4 農機制造物聯網實時數據流

3 系統平臺實現

3.1 內存數據存儲

1）數據并發通信

針對農機制造物聯網系統中的數據并發通信需求，本文采用多線程與Socket技術實現實時數據庫服務器與底層數據接口軟件/設備的并發通信[10]，啟動通信服務組件后，建立監聽線程，實時監聽線程鏈接請求，獲得鏈接請求后，建立一個與接口軟件或物聯網采集終端通信的線程后，持續監聽；所建立的通信線程接收數據包，依照自定義通信協議，驗證數據是否合法，若合法，則按照相應通信協議進行數據包解析，將解析后的數據存儲入實時數據庫相應隊列中，否則拋棄數據包[11]。

2）實時數據解析與存儲

在實時數據解析與規約后，物聯網采集終端部分收到的數據依據自定義的通信協議，截取數據包中的設備ID判斷設備類型，并將實時數據內容存儲至對應的設備存儲區的內存當中，PLC部分通過OPC Server接收數據并依據測點類型及測點ID存儲至相應的內存區中，如圖5所示。

3.2 歷史數據存儲

歷史數據存儲作為物聯網數據采集處理系統中的關鍵部分，許多學者都不斷在研究和優化存儲策略以獲取更有價值的數據從而對數據的應用和分析奠定基礎，目前物聯網信息系統主流的存儲方式包括：基于文件系統的存儲、基于關系數據庫的存儲及基于非關系型數據庫的存儲，本文采用NoSQL中的MongoDB存儲農機生產歷史數據，因為這種基于鍵值對（Key-Value）的存儲方式，數據間無耦合性，易于擴展，其優異的性能和擴展能力適于工業生產中海量數據的存儲與查詢[12]。

圖5 內存實時數據組織結構

歷史數據轉存策略是基于實時數據庫內的數據轉存機制，如圖6所示，內存數據庫的數據存儲與解析線程將不同設備類型的數據存入相應的內存區中，歷史數據轉存線程不斷掃描各內存區存儲情況，當內存區A數據流達到限值（即檢測到轉存信號）時，清空內存區A，并將內存區A內的所有數據轉換格式后存入MongoDB鍵值對有序集文檔中，同時啟用內存區B繼續存儲實時數據，依此交替。

圖6 歷史數據轉存策略

3.3 數據服務與共享

實時歷史數據庫與Web前端通信的整體結構框圖如圖7所示，采用B/S架構模式開發實現農機生產過程實時監控界面及數據可視化服務[13]。

圖7 前后端交互結構框圖

Web前端采用現階段主流的HTML5+CSS+JS/AJAX技術模式進行開發，其靈活的高擴展性及跨平臺能力使得系統能夠在任何地點遠程查看生產監控信息，從而及時分析農機設備運行情況及各設備的作業情況；統一數據服務層主要使用WebService及WebSocket技術相結合的方式開發，常規的Ajax輪詢WebService接口的這種主動通信的方式效率較高，支持局部刷新，同時也能充分利用服務資源，但頻繁的主動發送請求會導致服務器壓力過大，從而造成運行效率下降，因此對于一些刷新頻率較低，由事件觸發而產生的信息，如報警信息、物料信息及訂單信息等，可以采用WebSocket技術建立瀏覽器與服務器的雙向通信、實時推送的機制[14]，以實現Web端的實時應用與管理，從而顯著降低系統開銷，提高系統運行效率；數據層與服務層則采用成熟的數據接口建立連接，實時向前端提供穩定可靠數據源。

4 實例應用

以某農機裝備覆蓋件制造車間作為研究對象，對整條生產線進行建模分析，搭建農機與工程機械制造物聯網管理系統，驗證系統的功能與實效性。該系統主要包括：生產過程監控、能源管理、故障預報警管理、數據分析、第三方應用接口及系統配置等功能模塊，系統功能結構圖如圖8所示。

圖8 農機制造物聯網管理系統功能結構

1）生產過程監控：系統可以通過首頁中工廠布局，選擇進入相應車間子系統，以涂裝車間為例，如圖9所示，子系統中的監控界面包含涂裝生產中的所有工藝流程及重要設備參數，管理員可遠程實時查看各工序設備運行狀態及工藝指標。

2）能源管理：對車間總能耗、各車間能耗同比、環比進行分析，同時對于高能耗設備采取精細化管理，分析高能耗原因，實施節能控制策略。

3）故障報警：系統運行期間一旦發生報警信息，會立即彈窗及發送短信提示管理員及時查詢報警信息，并作相應處理，若為處理，則界面會有黃色報警信號持續閃爍，故障歷史記錄表中能夠通過點擊故障位置進入相應的工藝畫面及時確認故障信息。

4）數據分析：結合農機制造領域知識及專家庫信息，對生產過程中的數據進行定量、定性的處理分析（如關鍵設備運行率/故障率分析），并按照預測性報警評估模型，對生產過程中設備的狀態進行預警分析。

5）權限配置：為滿足企業多用戶共同訪問系統的需求，設置了權限配置界面，系統中區分了廠長/各車間主任/設備管理員/操作工四種用戶類型，不同用戶只能按照分配權限執行指定部分操作。

6）第三方應用：系統預留有標準的第三方接口，能夠集成第三方應用，具有良好的擴展性。

通過在某農機裝備覆蓋件制造車間的使用測試，該系統能夠實時準確獲取生產數據、設備工作狀態、能耗異常、故障預警等信息，從而有效指導農機生產，實現精細化管理需求。

圖9 農機制造物聯網管理系統首頁

5 結論

本文結合物聯網技術，針對農機制造工藝需求及數據特征，構建了農機制造物聯網實時數據采集及處理系統框架，實現車間內人機料法環的全面感知與實時監控，基于B/S架構模式，綜合多線程并發通信、實時歷史數據存儲策略、WebSocket、WebService等編程技術，開發了農機制造物聯網系統管理平臺，并應用于某農機裝備覆蓋件車間示范項目，系統能夠代替大量人力并滿足生產過程數據信息的檢測采集與處理應用，從而提高生產效率，節約成本，實現農機生產在制造水平與管理水平的跨越式提升，使農機制造業由傳統生產結構向新型智能制造范式轉變。