混凝土生產過程數據采集和配料行為分析方法

何曉東 杜紅濤 黃鴻達

技術應用

混凝土生產過程數據采集和配料行為分析方法

何曉東1杜紅濤1黃鴻達2

（1.珠海市長陸工業自動控制系統股份有限公司，廣東 珠海 5190902. 中國電信股份有限公司廈門分公司，福建 廈門 361000）

針對傳統的混凝土生產過程監控系統無法進行實時數據采集和監控，且在發生故障時缺乏有效分析方法等問題，利用微信小程序對混凝土生產過程中的儀表和傳感數據進行實時采集；對混凝土生產過程中配料超重、配料不足和配料超速3種異常配料行為進行研究，并使用關聯規則算法對混凝土配料行為中出現的故障進行分析，為實際生產過程提供指導，提高生產效率。

數據采集；遠程監控；小程序；關聯分析

0　引言

傳統的混凝土生產過程監控方式主要有B/S和C/S結構[1-2]。B/S結構的監測系統具有信息采集靈活和開發簡單易維護等特點，但其難以實現對儀器儀表和底層傳感數據的實時采集。C/S結構可實現對儀器儀表和底層傳感數據的實時采集，但需要部署和安裝相關的客戶端程序。而微信小程序具有開發簡單、開發周期短、兼容性強等特點，能較好地滿足混凝土生產過程實時數據采集和監控相關需求。

另外，混凝土生產過程中的各個環節是相互關聯的，任何環節出現問題都可能降低混凝土生產的效率和質量。其中，生產配料是非常重要的一環。生產配料的配比、用量的準確度均影響混凝土的質量。單純根據專家經驗進行故障診斷相對困難，且容易出現偏差，可采用機器學習和數據挖掘等方法提高故障診斷的智能化水平[3-4]。

本文通過開發微信小程序對混凝土生產過程中的儀表和傳感數據進行實時采集；并使用關聯規則算法對混凝土生產過程的異常配料行為進行分析，以提高生產效率。

1　基于微信小程序的遠程傳感數據采集系統

混凝土生產過程遠程數據采集系統整體架構如圖1所示。

圖1　混凝土生產過程遠程數據采集系統架構

混凝土生產過程遠程數據采集系統主要由數據采集、中心服務和微信小程序3大模塊組成。其中，數據采集模塊采用標準數據終端設備（data terminal unit, DTU）[5]；中心服務模塊部署了數據庫服務器和Web服務器；微信小程序通過微信服務器獲得界面代碼，從中心服務模塊請求數據綁定在界面上，并以此提供數據展示界面，顯示儀表數據。微信小程序數據采集系統功能如圖2所示。

1） DTU數據獲取：中心服務作為DTU采集和微信小程序的后臺服務器，負責處理DTU的采集數據并將數據開放給微信小程序客戶端。DTU采集模塊需設置相應的服務器IP和端口，再將采集的數據發送至中心服務模塊。中心服務模塊接收DTU采集數據需服務器端使用Socket編程與DTU連接。

圖2　微信小程序遠程數據采集系統功能

2）通信方案：根據微信小程序所請求的數據實時性要求不同，中心服務模塊提供短連接的Http Request請求和長連接的WebSocket請求2種通信方式[6-7]。WebSocket協議可實現微信小程序與服務器的全雙工通信[8-9]，即服務端也能主動向客戶端發送數據，拓展了微信小程序客戶端與服務端的通信功能。根據不同需求，在微信小程序對Http Request請求接口方法和WebSocket請求接口方法進行實現，并采用輕量級的數據交換格式JSON[10]，易于機器解析和生成，有效地提升網絡傳輸效率。

3）數據獲取：Http Request請求主要應用于微信小程序客戶端無需實時更新數據，而需要主動請求或發送數據到中心服務模塊服務器的場景，如，登錄驗證、歷史狀態查詢等。WebSocket請求主要應用于中心服務模塊的服務器主動發送數據到微信小程序客戶端，如，儀表實時數據更新使用WebSoket請求，使數據中心能夠自主發送儀表實時數據到小程序，小程序客戶端可及時主動地更新數據，而不必每次更新數據都建立Http Request連接。因此，小程序與中心服務模塊服務器建立連接后會一直保持通信。

4）微信小程序開發：微信小程序主要功能是向數據采集模塊請求數據，并為用戶提供實時數據查詢和分析功能。其開發過程主要包括3個步驟：搭建小程序開發環境、小程序數據獲取以及小程序界面設計。小程序核心功能是主界面的在線監測，用戶可以在主界面查詢設備實時數據和歷史狀態。小程序運行界面如圖3所示，其中18 kg為當前時刻稱重儀表的稱重數據，其余數據為歷史數據。

圖3 小程序運行界面

2　基于關聯規則的混凝土配料行為分析

混凝土配料行為中出現的故障與生產狀態具有關聯，因此，本文采用Apriori關聯規則算法分析混凝土配料行為中出現的故障：

1）收集混凝土生產數據，并將生產數據整理成原始數據；

2）對原始數據進行數據預處理，形成建模數據；

3）采用Apriori關聯規則算法，得到各生產狀態與故障原因之間的關聯規則；

4）輸出關聯規則結果。

2.1　數據預處理

從生產記錄文件中獲取生產數據，并將生產數據整理為標準的數據格式，統一數據的量綱和單位。

2.2　特征構造

本文主要研究配料超重、配料不足、配料超速3種異常配料行為。Apriori關聯規則算法具有處理連續性數值變量的缺陷，因此，本文構造能夠反應配料超重、配料不足、配料超速3種異常配料行為的離散化特征。

表1 配料超重數據

表2 配料不足數據

2.2.1 正常配料行為

配料初期，配料倉閥門由關閉到完全打開狀態需要一定時間，初始配料增量較小；當配料倉閥門全開一段時間后，配料增量趨于穩定；當料稱數值接近目標量時，配料倉閥門關閉，配料增量減小，并趨于穩定，停止配料。正常配料料稱折線圖如圖4所示。

圖4　正常配料料稱折線圖

由圖4可知：正常配料行為的料稱折線先是緩慢增大，然后進入快速增長階段，最后趨于平穩達到最大值。

2.2.2 配料不足與配料超重

配料超重料稱折線圖如圖5所示。

2.2.3 配料超速行為

配料超速料稱折線圖如圖6所示。由圖6可知：配料超速料稱折線呈現高速增長的趨勢。

采用皮爾遜相關系數描述配料料稱折線增長趨勢，分析認為配料超速主要有2個特點：

1）配料曲線整體增速大；

2）具有較大的皮爾遜相關系數。

圖6　配料超速料稱折線圖

2.3 模型構建

本文選取配料超重、配料不足、配料超速3種異常配料行為作為挖掘數據，并將篩選后的數據結合故障原因以及故障時刻的配料倉閥門狀態建模數據，如表3所示。

表3 故障行為建模數據

1）異常配料行為：配料超重（標識為A）、配料不足（標識為B）、配料超速（標識為C）；

2）配料倉閥門狀態：開（標識為D）、關（標識為E）；

3）故障原因：傳感器故障（標識為F）、儀表故障（標識為G）、接線異常（標識為H）、配料異常（標識為I）、其他（標識為J）。

模型由輸入、算法處理和輸出3部分組成。輸入部分包括建模數據和建模參數；采用Apriori關聯規則算法；輸出結果為故障原因與配料狀態和配料倉閥門狀態之間關聯規則。

實現步驟：

1）設置模型的支持度閾值和置信度閾值；

2）輸入建模樣本數據；

3）采用Apriori關聯規則算法進行分析；

4）當得到的所有規則都不滿足支持度閾值和置信度閾值時，重新調整模型的支持度閾值和置信度閾值，否則輸出關聯規則結果。

3　實驗驗證及模型分析

采用Apriori關聯規則算法（如圖7所示）得到關聯規則106條，如，規則C-E-G（support = 0.063636，confidence = 0.25）表示該規則的支持度為6.4%，置信度為25%（在C、E同時發生的情況下，G發生的概率為25%）。從106條規則中選取16條規則進行研究，如表4所示。

圖7　搜索頻繁集算法

表4　部分三項關聯規則

提升度反應了關聯規則中A與B的相關性，本文用作為衡量關聯規則是否有效的指標，計算公式為

三項關聯規則提升度如圖8所示，強關聯規則的提升度都大于1，為有效關聯規則。

圖8　三項關聯規則提升度

強關聯規則如表5所示。

表5　強關聯規則

由表5可知：

1）A、D=>I的支持度達17.3%，置信度最大，達82.6%，說明在配料過多且配料倉閥門狀態為開啟時，由配料倉狀態異常引起故障的可能性為82.6%；

2）B、E=>I的支持度為11.8%，置信度為81.3%，說明在配料不足且配料倉閥門關閉時，由配料倉狀態異常引起故障的可能性為81.3%；

3）B、D=>I的支持度為15.5%，置信度為56.7%，說明在配料不足且配料倉閥門開啟時，由配料倉狀態異常引起故障的可能性為56.7%；

4）C、E=>F的支持度為13.6%，置信度為53.6%，說明在配料超速且配料倉閥門關閉時，儀表故障產生的可能性為53.6%。

綜合以上分析，結合其他弱關聯規則可得到：儀表、傳感器、配料倉等出現異常都可能引起配料行為異常。

4　結語

本文對混凝土生產過程數據采集和異常配料行為進行研究，實現了基于微信小程序的實時儀表和傳輸數據采集；并重點分析混凝土生產中故障原因置信度較高的幾種情況。本文設計的小程序和故障分析方法具有可行性，對于混凝土生產過程中的故障監測具有一定的參考價值。

[1] 劉媛,張偉,王知學.基于B/S和C/S架構的嵌入式遠程監控系統[J].儀表技術與傳感器,2008(10):39-41.

[2] 牛強,陳金寶,華鋼.基于Browser/Server模式的工業實時監測系統[C].第十二屆全國煤礦自動化學術年會論文專輯, 2002:55-56.

[3] 劉景雷.水泥混凝土攪拌站故障診斷與分析[J].交通世界（建養.機械）,2010(9):78-79.

[4] 司佳.面向工業大數據的智能故障診斷方法研究[D].濟南:山東大學,2018.

[5] 劉教瑜,吳美玲,譚杰.GPRS DTU的設計及研究[J].電力自動化設備,2006(3):89-91.

[6] 李興華.基于WebSocket的移動即時通信系統[D].重慶:重慶大學,2013.

[7] 譚劍.基于WebService的手機APP消息推送機制研究[J].通訊世界,2019,26(12):140-141.

[8] 包文祥,胡廣朋.基于WebSocket的實時通信機制的設計與實現[J].計算機與數字工程,2019,47(7):1836-1840.

[9] 胡洋洋.基于WebSocket的服務器推送技術的研究與實現[D].南京:南京郵電大學,2018.

[10] 高靜,段會川.基于移動設備的JSON數據傳輸效率研究[J].信息技術與信息化,2011(1):13-16.

Data Collection and Batching Behavior Analysis Method of Concrete Production Process

He Xiaodong1Du Hongtao1Huang Hongda2

(1.Zhuhai Longtec Corp., Ltd. Zhuhai 519090, China 2.China Telecommunications Xiamen Branch, Xiamen 361000, China)

In view of the problems that the traditional concrete production process monitoring system cannot meet the real-time data collection and monitoring functions, and lack of effective analysis methods when failures occur, the article proposes a new detection method and analysis method. The WeChat applet is used to collect real-time instrumentation and sensor data in the concrete production process, and we study the three faults of overweight, insufficient and overspeed in the concrete production process and analyze the abnormal batching behavior of concrete production by using the association rule algorithm, which can provide guidance for the actual production process and improve the production efficiency greatly.

data collection; remote monitoring; webchat applet; correlation analysis

何曉東，男，1970年生，本科，高級工程師，主要研究方向：工業自動化和信息化。E-mail: hexiaodong@@longtec.com

杜紅濤，男，1977年生，本科，工程師，主要研究方向：工業自動化和信息化。E-mail:duhongtao@longtec.com

黃鴻達，男，1995年生，碩士，助理工程師，主要研究方向：數據挖掘。E-mail:1006645138@qq.com

TP274.2

A

1674-2605(2020)05-0009-06

10.3969/j.issn.1674-2605.2020.05.009