基于工業互聯網的玻璃絕緣子智能制造系統設計

馬騰飛，楊志勇，谷長春

（南昌航空大學 軟件學院，江西 南昌 330063）

0 引 言

工業互聯網技術成為企業、政府和社區不可或缺的一部分。我國對于制造數字化進行了積極研發，重點是云制造（CM）和工業物聯網（IIoT）。工業互聯網是一個開放的、全球化的工業網絡，它將人、數據和機器連接，將工業、技術和互聯網深度融合[1]。

主要工業國家紛紛提出了新型制造業智能化升級發展戰略：以智能制造和工業互聯網為核心，提出綜合性政策體系推動發展，搶占新一輪工業變革制高點。美國注重信息技術的創新引領，推出了《先進制造伙伴關系計劃》《先進制造業戰略計劃》《美國先進制造領導力戰略》等。德國重視信息物理系統的創新應用，發布了《新高科技戰略（3.0）》《德國工業戰略2030》《信息物理系統驅動的交通、醫療、能源與制造創新》等，率先提出工業4.0戰略[2-3]。我國將信息技術與工業制造融合作為發展重點，發布了《智能制造發展規劃（2016—2020年）》《國務院關于深化“互聯網+先進制造業”發展工業互聯網的指導意見》等，將智能制造作為國家先進制造產業的重點突破方向，以工業互聯網為網絡化平臺，推動工業制造向數字化、智能化轉型升級[4-5]。

通過上述分析，本文以玻璃絕緣子生產車間為背景，綜合運用現代傳感技術、以5G和NB-IoT為代表的新一代通信技術、人工智能技術等，實現設計、生產、檢驗過程、裝備智能化以及產品的全過程可追溯，將生產線上的產品全部數字化，建成泛在感知條件下的透明工廠，推動機械制造業轉型升級[6]。

1 系統總體框架

基于工業互聯網的鋼化玻璃絕緣子智能制造系統是集數據收集、數據處理、數據挖掘、數據可視化、數據應用于一體的數據分析工具。通過現場安裝各種傳感器來準確獲取生產線產品及工廠環境的實時數據，利用5G和NB-IoT[7]模塊將獲取的數據及時上傳到云端數據庫。其中獲取的數據參數包括溫濕度數據、PM2.5數據、產品數量及質量參數、窯爐參數、壓模機參數、鋼化機參數、原料參數和熱沖擊參數。這些數據參數可以在Web、APP端和LED屏顯示，保證工作人員及時了解工廠產品的生產數據。將得到的數據通過機器學習方法訓練出最佳配方模型及參數模型，框架設計如圖1所示。此系統融合了計算機嵌入式+5G+云服務器+機器學習+前端顯示等方面的開發，實現了工廠的全面智能感知。基于NB-IoT、5G和傳感器，將工廠的感知信息和控制端口接入遠程數據中心，實現實時在線監控[8]，從而降低損耗，提高生產效益。同時，結合實際生產過程中新增的數據，不斷對模型進行優化訓練，使玻璃絕緣子的生成具有節能高效、配料均勻、成型穩定等智能特性，逐步提升玻璃絕緣子良品率。

圖1 框架設計

為建設在生產過程中可全面實時采集信息并進行分析控制的透明工廠，實現絕緣子的智能制造，設計了玻璃絕緣子生產過程中的生產數據實時采集和傳輸系統，主要構建生產要素信息采集子系統、生產環境信息采集子系統、生產過程控制信息采集子系統，網絡結構如圖2所示。系統分為感知數據采集層、基于NB-IoT的網絡傳輸層、數據融合云平臺[9]。

圖2 系統網絡結構

2 數據采集設計

數據是工業互聯網系統態勢感知的關鍵，數據采集是系統的基礎[10]。數據集成與可視化分析平臺的建設目標是構建產品生命周期全過程的數據集成和可視化服務體系，幫助工廠車間實現以數據為驅動的智能制造。其主要任務是通過車間數據的提取、整理、分析和展示將大量數據進行轉換，為企業管理者決策提供支持。

2.1 傳感器安裝

玻璃絕緣子產品生產工藝流程：原料進廠→配料→熔制→成型→鋼化→冷熱沖擊→檢驗→裝配→養護→成品→抽樣試驗→合格品出廠。根據工廠的流水線生產流程，繪制簡易的流水線示意圖，從圖3中可以清楚看到各傳感器安裝部署位置及流水線運行過程，工作人員可以通過Web、APP端或LED顯示屏查看流水線各部位傳感器接收的數據，以便于掌握每個階段的數據情況。

圖3 工藝流程及傳感器部署圖

現場布置的傳感器主要為溫濕度及PM2.5傳感器、激光計數傳感器以及殘次品統計臺。

2.2 實時數據采集

基于物聯網技術的玻璃絕緣子智能制造系統的溫濕度及PM2.5傳感器、激光計數傳感器采用雙處理器協作方式，需要2種軟件開發。

（1）感知層系統軟件開發平臺為Keil C51，實現數據采集、顯示、串口上傳程序等功能。STC89C52單片機主要實現系統初始化、數據獲取、數據存儲、數據顯示、串口通信等功能。

（2）傳輸層軟件采用Sublime Text編輯程序代碼，通過GCC編譯器生成可執行文件，實現BC26串口接收單片機數據的功能，再以TCP協議上傳至服務器。

采用現場總線、Modbus、ZigBee、RFID等技術構建工業控制網絡，實現全面深化感知和生產系統集成管控，建成工廠的信息物理系統。基于Modbus網關和ESP8266等設備，設計制作從已有自動化設備到工廠網關之間傳輸感知和控制數據的軟硬件模塊[11]，基于ZigBee技術設計制作采集工廠車間內溫度、濕度、粉塵顆粒濃度等與生產密切相關的數據節點模塊。建立工廠CPS系統，實現工廠的全面智能感知。玻璃絕緣子質量及良品率取決于原料配比，合理的配比需要不斷實踐與探索。在參數選取時采用一主多輔方式，以原材料配方數據為主，以生產環境數據、產品經各環節爆裂數及控制臺統計的殘次品數為輔，通過機器學習得到最佳配比。在這一階段，實時采集劣品數據、產品數量及廠區環境數據，其中劣品數據由人工在控制臺手動輸入，產品數量由安裝在各部位的激光計數傳感器實時獲取，爐窯溫度參數及原料配比參數由終端設備及時更新。采集數據后統一進行數據標準化、格式化、規范化操作。處理完成的數據將作為應用層的輸入數據，供后續使用。

3 數據傳輸與存儲設計

3.1 數據上傳

各傳感器模塊接收的數據包經NB-IoT+5G模組上傳云平臺存儲。以BC26為核心設計的NB-IoT模塊常用于無線抄表、共享單車、智能停車等領域。基于NB-IoT和5G技術構建絕緣子生產全過程中生產參數的實時采集和傳輸系統，以樹莓派/香橙派作為嵌入式主控板，設計制作連接數據中心和智能工廠的網關：對于上層網絡，通過NB-IoT和5G技術連接遠程數據中心；對于底層網絡，通過ZigBee網絡連接工廠的環境監測點，獲取傳感器數據，與網絡協調器通信。圖4所示為溫濕度及PM2.5數據收集上傳硬件框架。

圖4 溫濕度及PM2.5硬件框架

3.2 數據存儲

玻璃絕緣子生產信息數據庫主要包括原材料、生產過程控制數據庫和產品缺陷控制信息數據庫，提供絕緣子智能制造和監測的基礎數據存儲、分析、維護等服務。基于MySQL搭建數據庫[12]，接收工廠網關上傳的數據。通過需求分析和詳細設計提供工廠網關連接入口，借助NB-IoT+5G模組將數據傳入云平臺后存儲，流程如圖5所示。當所有來自傳感器的數據均上傳至云平臺數據庫后，工作人員可通過云平臺深度挖掘數據，構建生產過程各參數與良品率間的關系模型，實現生產設備的智能控制，并給出提高品質和良品率的建議。

圖5 數據傳入云平臺流程

4 應用設計

為方便各層管理者及時了解產品生產概況，促進對產品生命周期質量問題及質量信息的閉環管理，平臺通過綜合數據看板方便企業決策者掌握產品從原料入爐到產品成型的總體態勢，對質量問題進行分析和追溯，并快速做出決策。系統應用設計為系統架構的核心，采集的數據在此處進行分析，從而挖掘出數據的潛在價值。平臺主要對采集的數據進行模塊劃分、數據分類集成、生產參數可視化、配方模型建立等，云平臺主界面如圖6所示。應用層將集成的數據進行建模和分析，如生產環境監測及控制、窯爐溫度控制、配方生成、數據分析等。系統為管理者、客戶等提供訪問數據中心和查看生產狀態等服務，便于他們及時了解工廠的生產情況。

圖6 系統展示平臺主界面

（1）模塊劃分。在設計系統平臺時，將系統流程劃分為多個子模塊，包括窯爐工作日記、生產產品各項指標、產品缺陷統計以及用料統計，各項生產數據進行可視化處理，便于科學管理。

（2）配方模型建立。通過搭建的數據庫收集生產過程各參數和良品率數據，采用主成分分析、深度神經網絡等機器學習方法，對生產大數據進行挖掘分析，結合實際生產中新增的數據，不斷對模型進行優化訓練。玻璃絕緣子的生成具有節能高效、配料均勻、成型穩定等特性，可逐步提升玻璃絕緣子良品率。

（3）數據分析。在工業物聯網背景下，通過數據核心平臺進行數據可視化分析界面設計，工作人員從界面圖表中對數據進行觀察和分析，深度挖掘數據，從而提高企業產值。工作人員可以通過各模塊的數據變化及時發現在生產環節出現的問題并處理。另外，通過數據分析，以二維碼作為信息載體對產品進行質量追溯。

通過大數據、移動互聯和工業以太網等技術對系統和信息進行優化、整合，構建自動化和信息化集成管理和交互平臺，以實現信息和流程透明、智能控制、智能決策[13]。大數據分析和應用是智能制造和機器學習的關鍵，它利用數據勘探技術發現業務改進的機會將是智能化時代為工業制造提供持續改進的主要手段。云平臺的構建是大數據應用的基礎，為大數據分析提供數據收集和分析平臺。

5 關鍵數據測試分析

本項目中對系統起關鍵作用的數據主要為原材料配方、爐溫、生產環境、產品數量以及殘次品種類。為驗證這些數據在系統中的準確性，分別對其進行分析測試。實驗設定各傳感器以固定周期向服務器端發送一次數據，對數據進行提取、封裝和校驗碼計算。經過24小時不間斷供電，激光傳感器、數碼管顯示、生產環境數據、殘次品統計數據、原材料配方與爐溫數據顯示均正常，數據準確率達100%。圖7所示為殘次品數量統計界面。

圖7 殘次品數量統計界面

在溫濕度數據測試中，將溫濕度模塊插入接口后，將燒錄好程序的NB-IoT模塊對接到控制板上，開啟遠程桌面查看私人服務器，可以看到溫濕度系統接收的溫濕度數據準確無誤。每5 min接收一次溫濕度值和PM2.5值，每次只上傳一條給服務器。通過對溫濕度值和PM2.5值進行不間斷收集，發現數據準確率達99.9%。圖8、圖9分別為PM2.5與溫濕度變化圖。

圖8 PM2.5變化圖

圖9 溫濕度變化圖

為驗證系統數據的穩定性，收集一天的生產車間數據上傳云平臺，測試表明，數據傳輸穩定，各功能模塊數據可視化程度較高，工作人員可在網頁端或點陣顯示屏查看實時數據。基于機器學習訓練的配方模型得到的原材料配方比可以很好地解決良品率不足的問題。圖10所示為系統機器學習模型生成的原料配方比。

圖10 原料配方比

6 結 語

本文設計并實現了工廠的全面智能感知，基于NB-IoT和5G技術將工廠的感知信息和控制端口接入遠程數據中心，實現實時在線監控；運用大數據挖掘技術建立質量控制模型，自動配料系統和成型系統在生產中具有節能高效、配料均勻、成型穩定等優點；將數控加工中心、數控車床、自動化裝配檢測流水線等制造設備接入數據中心，實現工廠全面感知和聯網等。

目前該行業機械化程度高，但有部分工作還需人工完成，實現智能制造生產后，可以提高產品品質，使生產能力達到國際領先水平。