大數據技術在紡機行業的具體應用及分析

王鵬

大數據技術在紡機行業的具體應用及分析

王鵬

（經緯智能紡織機械股份公司，山西 晉中 030601）

主要介紹了大數據技術在紡機行業的具體應用，并簡單分析了行業環境及市場需求。

大數據；紡織機械；云計算；人工智能

進入21世紀以來，云計算、大數據、人工智能、物聯網等新興技術和不同產業的結合，給這些產業帶來深刻的變化。在這些產業中，制造業毫無疑問是受影響最大的產業之一。如何利用信息化、智能化、大數據等技術改造當前的生產制造與服務模式，提高企業的生產效率，提升產品的市場競爭力，是傳統制造業升級的重要部分。

1 紡機行業環境

當前，紡織機械行業對于技術創新與品質提升越發重視，智能制造理念在紡織機械行業的應用也不斷加快，致使紡織機械市場發生了一些新的變化，裝備制造企業逐步向下游延伸服務。服務型制造成為紡機行業轉型升級的重要方向，傳統以制造和銷售設備為唯一盈利模式已經不能符合行業發展需求，必須要由傳統的制造+銷售的模式轉向智造+服務的模式。

2 市場需求分析

2.1 提升服務質量

目前，紡機一旦出現故障，需要維修服務人員到紡織廠現場進行診斷維修，導致耗費大量的人力和時間成本。

2.2 提升產品競爭力

紡織行業屬于典型的勞動密集型產業且歷史悠久，行業內仍有眾多問題未解決，主要難點如下：①修復長。等待廠家人員修復設備故障時間長，影響生產效益。②掌控低。對設備性能掌握不充分，無法最大發揮設備效率。③預防難。無法對可能發生的故障進行預判，時常耽誤生產計劃。④培養難。新員工需要反復培訓，培訓成本高，周期長。

如果能在提高自身產品質量的同時助力紡織企業解決當前難點，幫助紡織企業優化生產流程、提升管理水平、提高運營效率，可以極大地提升企業競爭力。

2.3 提供增值服務

通過智能遠程運維服務，積累大量工廠設備有效數據，沉淀紡機行業實際生產情況，為內部產品升級以及紡織企業日常生產提供支撐服務。

3 大數據遠程運維平臺實施方案

本文以河南一紡織廠細紗車間實施方案為例，說明大數據技術在紡機行業中的具體應用。

3.1 車間概況

車間共有細紗機長車96臺，單臺1 200錠，機臺內置工業交換機，通過以太網絡連接到機房服務器，用于數據采集，車間架設吸頂式工業無線ap，用于移動終端連接訪問。

3.2 具體功能模塊

3.2.1 預警提醒

通過建立預警模型，監測設備關鍵數據，當設備運行值超出設定范圍時進行主動預警，預警信息可以根據嚴重程度通過短信、微信、網頁消息、郵件等多種方式通知給維護人員、管理人員。

預警類型分為以下幾種：①閾值預警。通過對設備多個運行指標實時采集，并對多個運行指標的最大值、最小值、持續時間進行設定判斷，運行指標偏離正常區間時進行實時預警提醒。②趨勢預警。橫向預警，根據設備運行指標與生產線上所有相同機型設備近一段時間的平均值進行比較，當偏離平均值正常區間，并超過設定的持續時間時，進行橫向趨勢預警；縱向預警，根據設備運行指標與該設備近一段時間的歷史數據平均值比較，當偏離平均值正常區間，并超過設定的持續時間時，進行橫向趨勢預警。

3.2.2 故障分析

對設備故障數據集中展示，采用故障庫、專家遠程協同會診等方式進行診斷分析，精準定位故障原因，及時解決故障、消除隱患。

3.2.2.1 相似故障診斷

系統通過對數據的整合分析，可針對該故障進行自動診斷，并將設備型號和故障類型通知給對應的人員。

3.2.2.2 專家協同診斷

遇到疑難問題，利用專家庫和遠程視頻功能，召開專家遠程會診，在線直接調用現場視頻，并結合設備實時運行數據、設備最新故障數據、設備歷史故障數據等進行專業診斷，協助紡織廠及時排除故障。

3.2.3 知識庫

在收集大量設備運行特征數據的基礎上，對設備運行數據進行重組、挖掘，構建知識圖譜，并導入基礎數據，建立故障庫、行業標準庫，實現企業知識的數據積累和價值發揮。

3.2.4 故障庫

對設備所有故障信息的匯總、整合、分類，并借助行業經驗、企業內部經驗、專家知識等建立起對應的故障解決方案，一旦發生相似設備故障，故障庫可以自動推送最優解決方案。

3.2.5 行業標準庫

通過對紡織機械領域行業標準、紡織行業相關標準等的收錄、整理、分類，為企業管理、生產等提供參考。

3.3 數據分析

對設備關鍵運行生產指標數據進行分析，根據用戶需求形成大數據分析報告，為設備廠商和紡織企業深挖數據背后的價值。

3.3.1 常規分析

對常規歷史數據（如產量、效率、能耗）進行分析，展示歷史數據變化情況，并分析數據變化原因。

3.3.2 自定義分析

用戶根據需求自定義分析參數，可針對定義參數進行關聯分析。

3.3.3 大數據分析報告

對紡機設備的故障、預警、能耗、效率等信息進行綜合統計分析，根據智能算法定期出具分析報告，列出故障、預警原因，統計在不同生產環境下產量、能耗的對應關系，協助紡機企業改進產品質量、協助紡織廠降本增效。

3.4 設備體檢

通過對設備運行數據的監測分析，實現設備狀況綜合診斷，針對不同角色定期發送設備運行報告。設備體檢屬于一種有效的設備預防性維護手段，可在設備出現健康狀況問題之前制定合理的維護決策，杜絕設備的安全隱患。

3.4.1 遠程維護

通過遠程連接專用硬件，實現遠程監控、參數調整、程序更新等功能，提高設備的可用性、先進性、便捷性。

3.4.2 遠程視頻

遠程視頻模塊可實現遠程查看設備運行情況、音視頻交互、視頻錄制和播放功能。該模塊內嵌視頻管理平臺，主要實現視頻的存儲、查看和回放等功能。

3.5 保養管理

為紡織廠所有設備提供維護保養到期自動信息提示，用戶只需將維保信息批量導入系統，即可實現對設備維保進行綜合管理，員工可以看到維保提醒、維護記錄，可以批量進行維護登記并支持維護登記審批。

3.6 在線培訓

在企業和用戶之間搭建快速、開放的知識共享平臺，分類存儲設備操作手冊，員工培訓視頻，產品說明書等，大幅降低培訓成本，提高員工知識技能水平，實現最好的培訓和學習效果，提升企業知識價值。

4 技術方案

4.1 系統架構

遠程運維平臺技術架構如圖1所示。

圖1 遠程運維平臺技術架構

感知層：物聯網數據采集系統通過Modbus TCP協議與PLC、設備屏、傳感器等設備通訊，采集設備數據。

服務層：面對大量的采集數據和快速的數據解析與處理，服務層應滿足高吞吐量、高性能、高并發的特點。

消息層：服務層采集的數據解析完畢后，會將數據傳輸到消息層。為了對應大數據量、頻率高、實時性高、數據交互性強的特點，部署消息隊列中間件來提高數據的存儲與處理能力。

數據層：數據層為數據采集系統的數據存儲層，存儲業務數據、采集數據、緩存數據和日志數據等。

應用層：數據采集與解析后，數據可以在很多方面運用，比如建立監控大屏，實時展示設備的運行數據，實現數據的可視化，便于設備的管理與運維，實時掌握生產過程，故障報警實時處理，提高工廠的生產效率。

4.2 數據流程

大數據平臺數據流程如圖2所示。

圖2 大數據平臺數據流程

將采集的數據通過tcp協議傳送到物聯網系統中，物聯網系統接收到數據后，發送到Kafka消息中間件中。在Kafka的歷史數據，存入到hdfs中，而對于實時數據，發送到Flink大數據框架進行數據計算。

4.3 網絡拓撲

大數據平臺網絡拓撲如圖3所示。

圖3 大數據平臺網絡拓撲

實時采集的數據進入分布式MQ進行數據緩沖，服務器集群根據項目需要設置數量；Flink集群可與MQ集群進行物理機復用，消費數據；Hadoop集群存儲Flink處理中間數據，生成歷史報表、綜合報告、離線數據分析；故障、預警觸發告警事件（微信消息、Web端實時消息）并進行故障和預警數據聚合，實時計算指標、聚合數據進入指標數據庫存儲；Web端讀取指標數據庫進行展現。

4.4 服務器架構

采集服務器：單臺服務器可滿足50臺PLC的通訊，單臺10 000個參數的數據采集。如果PLC數量更多，可以部署更多的采集服務器，來分擔數據采集的壓力。

消息中間件服務器：消息中間件服務器主要負責數據的解析與處理。若數據量巨大，可搭建集群增加數據的解析與處理能力。

數據服務器：數據服務器主要負責數據的存儲。

應用服務器：應用服務器主要應用程序部署、業務數據庫（MySQL）部署和緩存數據庫（Redis）部署。

5 結束語

中國制造業要實現彎道超車，就要改變傳統單一的制造模式，著力發揮信息化驅動引領的新引擎作用，加快新一代信息技術與制造業融合發展，從“制造”向“制造+服務”轉型，從單純銷售產品向“產品+服務”轉變，提高產品附加值和市場占有率，引導行業發展方向。

B03

A

10.15913/j.cnki.kjycx.2020.02.051

2095－6835（2020）02－0128－02

〔編輯：張思楠〕