數據驅動流程生產線的云服務

李 客，代 風

(1.中信重工機械股份有限公司，洛陽 471039；2.礦山重型裝備國家重點實驗室，洛陽 471039；3.浙江大學機械工程學院，杭州 310027)

隨著云平臺與物聯網技術的快速發展，以工業大數據為基礎的物聯網平臺成為各行業智能化發展和價值挖掘的重點，國家出臺一系列指導文件，并實施重大專項予以支持，云平臺、云計算、云制造、云服務不僅成為專家學者研究的重點[1]，也成為各個行業降本增效、提升企業形象、推動企業轉型升級的重要手段。在生產制造向制造服務、智能制造發展時，設備全生命周期管控得到企業重視，借助物聯網和云平臺實施云服務很好地提升了設備服役階段價值增值。在學術界，云平臺與云計算研究建立了理論體系，在各行業也得到快速應用，云服務作為智能化發展的一個細分領域，專家學者在服務模型、服務機制、資源調度、組合與優化、安全、評價、計費等通用技術與機理進行了深入研究[2]，基本路線在于虛擬化資源與物聯網相結合，構建新的服務模式，一些企業也在某些領域開展了應用實踐，但由于諸多因素的影響，大平臺弱化了服務功能與用戶需求，小平臺資源與模式單一，功能有限，行業發展差異很大，尤其是在對專業服務需求較多的流程生產，因為地理分布分散、設備種類多、工藝復雜、數據量大、需求煩瑣等各種因素的影響，成為目前研究與應用的薄弱領域。

1 流程生產線數據應用現狀

在化工、建材等行業大規模連續流程生產線中，生產工藝與過程控制高度集成的特征尤為明顯，在質量得到控制的基礎上，產量成為影響企業經濟效益的關鍵要素。這種流程生產線設備種類繁多，復雜程度很高。生產物料與介質包含固、液、氣、熱等多種形態，物理變化與化學變化交叉，工藝過程狀態波動較大，在生產中，設備狀態與維護、生產工藝數據匹配、離線信息反饋與工藝調整，成為工作人員主要工作。

復雜的設備、長流程的連續生產、多態勢的生產狀況，這些因素決定了設備狀態監控與生產控制需要集中進行，各種在線檢測傳感器與數字儀表成為信息數字化的基礎，這些設備狀態數據通過網絡通信集中到控制系統，正是基于這些設備狀態數據，實現了設備集成控制與安全運行保障。

流程生產線數據源與數據類型構成復雜，設備數據在生產過程中比較穩定，反映了設備工作時關鍵參數狀態，如軸承溫度，電機電流，在生產條件不變時，波動比較小，常用于設備健康狀況監控。狀態運行數據表征了設備在生產過程中運行狀況，如轉速，設備振動，工作人員常用來監控設備運行。工藝數據與生產過程和生產結果直接相關，數據是否合理匹配不僅影響生產過程的穩定性，還決定了產品質量的穩定性，是操作人員重點調控數據。這些數據變化帶有明顯的滯后性，形成復雜的耦合關系，大大增加了工作人員對設備與工藝狀態識別難度。

2 工業大數據驅動的云服務對生產運維的提升

在這類流程生產線中，生產現場工作一類是設備維護，主要涉及巡檢和設備維修。巡檢根據人工經驗形成的定時、定點檢查制度，針對故障易發點，又缺少在線監測信號，需要工人定時去查看；異常信號處理也是重要工作內容，在某些重要設備上，或者某些設備的重要部位，會有信號通過網絡在控制系統中傳遞，在集成控制系統中通過一些邏輯加以監控，并設定預警閾值，如電機電流、軸承溫度等，當監控人員收到異常警示信號后，對信號源進行復查，查找原因，開展維護。維修主要是針對設備故障，流程型生產線長時間連續生產(長達15 d不停機)、大產量(每小時產量百噸～千噸)為主要特征，設備故障很容易造成整條生產線的停產，造成巨大的損失，因此設備故障搶修是一項重要的工作內容，如果能夠早期發現潛在故障，做到有計劃停機、事前維修，會帶來顯著的經濟效益。

流程生產線另一類重要工作是控制，包括設備起動與停止控制和工藝參數調節控制。生產線為了滿足流程化生產控制，一般設備信號監控配置比較完善，信號通信比較集中，大量的數據通過通信模塊或者可編程序控制器(progranmmable logic controller，PLC)傳輸到中控分布式控制系統(distributed control system，DCS)，建立設備信息數據庫，并把一些關鍵數據實時展示給控制人員，在設備狀況完好時，可通過人工遠程啟、停設備，或者通過設定的邏輯一鍵啟動(停止)所有設備，這些技術在工業自動化領域廣泛應用。

工藝參數控制是為了生產合格的產品，控制各個設備運行狀態，為生產系統提供所需要的介質或者保持某種生產環境，比如控制設備轉速、壓力，調節供水、供氣、供熱量，形成溫度場、流體場等。工藝參數控制就是調節這些數據，形成穩定的生產環境，保證產品質量，在設備穩定運行的基礎上達到目標產量。生產工藝基于各種設備組成的系統，多種學科交叉，形成復雜的工況耦合，對控制人員要求很高，調控是否合理，關系到產品質量、設備健康、生產效率、能耗高低等各種生產指標。在這種大規模流程生產線上，了解各種設備、掌握復雜工藝的技術人員始終不能滿足需求。生產過程各種數據的匯合，快速變化，遠遠超出了人工分析能力，因此，生產工藝數據分析，并支撐設備維護與生產工藝調控，是制約流程生產能效提升的瓶頸。

流程型生產特點與性質決定了設備與工藝研究不會成為企業的重點，生產企業借助設備廠家提供專業的服務來解決生產中遇到的問題，但這種溝通與服務是滯后的，而且信息與數據經常是片面甚至缺失的，不僅效率低下，而且成本高昂。隨著物聯網與云平臺技術的快速發展，通過物聯網平臺專業工具，把異地不同的專家經驗與工業大數據相結合，轉為可視化結果，通過云平臺為生產企業提供服務，可以高效地為設備維護與生產控制提供專業的技術支持，解決維護與控制效率低下的問題。

云服務目標具有多樣性，流程生產線所需要的服務具有較強的專業性，其基礎在于云平臺上各種專家系統對設備及生產信息數據的分析處理，云服務的優勢在于平臺聚集了大量的專業資源與工具，多用戶共享，根據設備種類和生產工藝對數據分類處理，多源信息并行處理[3]，資源豐富，利用率高，能夠滿足不同用戶的個性化需求，實現自動化與智能化服務[4]，大大提升響應速度。

生產線電氣系統、液壓系統、機械設備、物資供應系統、工藝參數等性能狀態信息數據經過預處理，集中于數據采集系統，通過互聯網接入端接入云平臺數據中心，實現現場設備運轉情況直觀展現和數據同步傳輸，在此基礎上建立監測與故障診斷、系統運行參數智能調試、設備健康狀態數據庫系統。如圖1所示為某立磨粉磨生產線數據采集與傳輸系統。

圖1 數據采集與傳輸Fig.1 Data acquisition and transmission

在研究設備靜態數據和運行狀態動態數據的策略基礎上，建立設備運行特征數據庫、診斷系統專家知識庫、故障預測模型、診斷模型庫和系統業務模型。針對易發生故障的系統及關鍵零部件，進行工作性能狀態數據與特征信號提取，通過云平臺專業處理功能模塊，調用數據中心的數據，分析設備的作業情況和性能變化，對設備健康狀態評估，異常狀態預警，在平臺上發布，如圖2所示。

圖2 云平臺數據處理中心Fig.2 Cloud platform data processing center

通過云端統一的數據平臺，進行數據與工業場景分類，把各種分析結果反饋給現場工作人員，為運營與維護提供技術支持，如圖3所示。平臺集中部署的各種專業工具能夠滿足不同的用戶差異化云服務需求，突破時間、地域、類型的限制，良好的擴展性能夠滿足不斷增加的個性化云服務需求。云服務的提供大大減少了用戶在基礎設施、軟件、專業人力方面的成本投入，用戶的聚集會不斷促進云服務的專業水平和服務質量的提升，催生更多的服務模型。

圖3 云服務系統Fig.3 Cloud service system

3 流程生產線云服務模式

在各種設備聚集的流程生產線，數據通過網絡接入物聯網平臺，對于集中控制的系統，通過數據采集服務器完成對設備數據篩選、加工、發送至平臺；一些零散數據，或者獨立小控制系統，可用帶有網絡接口和4G通信功能的網關完成數據采集與傳輸至云平臺，建立歸檔數據庫，用于數據分析與服務。

物聯網平臺對歷史數據進行統計分析，預測未來趨勢，根據客戶的需求，對生產及設備運行維護，以及生產管理提供各種決策支持數據。云服務系統主要包含基礎設施(物理設備)服務、平臺服務和軟件服務三個層次[5-7]，所組成的云服務最終通過應用發布和界面展現呈現給用戶。各種應用功能基于物聯網平臺進行開發，根據實現功能的不同，每個應用獨立進行開發和部署[8],把不同用戶相近需求進行聚類劃分，提供模塊化功能組件[9]，提高云服務通用性，服務架構如圖4所示。

圖4 云服務架構Fig.4 Cloud service architecture

整個系統總體上分為數據分析、設備維護、專家服務、系統管理、歷史記錄、輔助應用六大功能模塊，也可以根據需求進行功能擴展，形成云服務集，這些功能可以靈活優化組合，不同的企業根據所提供的數據范圍，以及業務關鍵環節需求來選擇服務[10-11]。

數據分析是對歷史數據的統計、匯總和分析，目前包括生產數據統計、運行時長統計、能耗分析、產品質量分析、運行及效率統計分析等，生產各環節及信息通過數字化呈現，為生產決策提供參考，隨著數據的不斷積累和用戶需求的增加，該模塊的內容會逐步增多。

設備維護是為設備維修人員提供技術支持，包括設備運行狀態信息的獲取，以數據分析為基礎，對設備進行遠程監控，異常信息提前預警，提供事前維護支持；支持系統遠程調試，減少技術人員現場維護工作量；設備故障分析，協助維修人員定位故障點、查找故障原因等[12]，改變事故發生后被動狀態，減少偶發停機因素。

專家服務是通過專業知識與專業工具相結合，對滿足知識庫和規則庫中某些條件的設備狀態進行預警(或故障)，實現對設備運行狀態的有效監控，也可以通過專家遠程在線交互來解決疑難問題，有效彌補數據信息不足造成的規則缺失。知識庫、規則庫中的內容在平臺運行過程中可以根據生產現場實際工況進行補充，其中知識的獲取在建立專家知識庫時非常重要，其任務是對該領域專家的經驗知識建立理論模型與功能模塊[13]，依據現場工作人員在工作過程中積累的經驗，建立知識規則，然后將規則化的經驗知識存入專家知識庫中，通過知識累積不斷擴充和完善專家知識庫。通過對數據庫的調用，知識規則對數據進行分析處理，識別不同工況下設備與工藝特征，對異常狀態發出警示，對故障提供分析結果。

系統管理是給平臺開發以及用戶管理員提供對系統的基本管理功能，包括權限管理、用戶管理、應用管理等，對不同的人員開放功能權限，提供應用和開發管理服務，以及平臺上多用戶管理。

歷史記錄包括故障記錄、預警記錄、維修/維護記錄、操作日志等，故障記錄和預警記錄都是由系統根據知識庫和規則庫自動生成，也可以是專家遠程會診記錄；維修/維護記錄用于對設備的操作信息進行記錄；操作日志用于記錄用戶在系統中進行的所有操作，包括登錄/登出、修改信息等行為，便于查詢歷史信息，歸類總結，規范和提升操作維護水平。該功能只提供給系統管理員使用。

輔助應用包括需求定制、報表管理、個人設置等功能。輔助應用既面向流程生產用戶，也可面向平臺提供者，通過平臺了解用戶需求，用戶使用率，即活躍程度，通過改進來提升用戶體驗。平臺應用易擴展，專業工具易集成，可以靈活地滿足不同需求。

4 云服務平臺總體設計

根據云服務需求分析，結合功能和性能設計方案，對流程生產云平臺總體架構進行設計，如圖5所示粉磨生產線云服務系統總體架構，自下而上共分為數據采集層、數據存儲層、業務支撐層、業務模塊層和應用層。

圖5 云服務系統總體架構Fig.5 Overall architecture of cloud service system

在數據采集層，采用Axis2的WebService引擎，提供統一的對外開放的數據傳輸接口，接收來自不同流程生產線的實時設備運行狀態數據，對數據進行解析并以記錄的形式記錄到云端的數據庫中。

在數據存儲層，對遠程采集的設備運行狀態數據進行存儲。實時數據一方面作為歷史數據保存在數據庫中，用于數據存檔和分析調用；另一方面經過數據分析處理后形成面向各類應用場景的數據倉庫，用于各種實時應用展示。此外，系統使用系統數據與配置信息數據庫，存儲用戶信息、企業信息等系統數據和用戶的個性化配置記錄；使用緩存數據庫緩存常用的數據記錄，提高數據存儲層的讀寫性能。

在業務支撐層，平臺提供統一的數據訪問接口。在業務模塊提交讀寫請求時，對用戶權限進行校驗，并通過，對象關系映射機制完成對象模型與數據庫記錄之間的映射，規范了業務模塊對數據庫的讀寫操作。

在業務模塊層，根據功能設計的結果，將業務劃分為若干個相互獨立的業務模塊，并通過框架進行管理，能夠自動管理系統內所有對象模型的屬性和依賴關系，并將用戶請求轉移至相應的模塊進行處理。各模塊接收到用戶請求后，通過內部業務邏輯與數據訪問接口，完成指定的請求內容，用戶可以對歷史數據趨勢進行查詢。

在應用層，系統根據、模型，將業務模塊進行組合，形成系統數據與配置信息管理和設備運行狀態數據展示兩類應用，并向系統管理員、技術人員和普通用戶三類企業人員開放，用戶主要通過瀏覽器對應用層進行訪問，因此采用面向網頁開發的技術組件。

人機交互界面，為用戶提供實時數據展示(圖6)，作為用戶與云平臺進行交互的載體，與專家系統進行信息傳遞，實現用戶與平臺信息互通，記錄工作日志，選擇數據建立記錄檔案，提供各種數據組合分析個性化需求的自助操作。

圖6 信息交互界面Fig.6 Information interaction interface

5 結論

云平臺在物聯網快速發展時代廣泛建立，工業生產需求與云服務體驗成為平臺能否生存與發展的關鍵。流程型生產有相應的地域輻射半徑，分布零散，生產線特性明顯，通過云平臺提供專業的云服務，逐漸發展成為制造服務新模式，解決了設備全生命周期的服役階段專業化技術服務滯后與欠缺的問題，能夠滿足智能制造時代企業數字化、智能化發展的需求，也是推動流程生產企業由粗獷型生產向精細化生產轉型、提升企業競爭力重要途徑。