基于Niagara的物聯網生產線管理系統設計*

邢 森，閆利文，江津海

(1.天津職業技術師范大學 機械工程學院，天津 300222； 2.天津中德應用技術大學 機械工程學院，天津 300350)

0 引 言

智能制造這一概念伴隨德國工業4.0的提出而出現，即通過物聯網信息系統將工業生產中的原材料供應，產品制造，成品銷售等生產流程信息數據化、智慧化，從而實現高速高效私人化的產品供應。隨著“中國智造2025”口號的提出，我國制造業開始了由傳統制造向智能制造的逐步轉型[1]。生產線作為產品制造過程必經的路線。生產線的自動化、智能化是實現智能生產的必要條件[2]。

基于市場的需要，搭建智能化生產線的企業不段增多。目前，智能化生產線在產品質量檢測和設備故障診斷等方面，受到各設備之間通訊協議的兼容問題影響[3]。在生產線升級設備和技術時，生產線的智能管理系統也需要再次開發。

筆者提出了基于Niagara應用框架開發平臺的智能生產線管理系統，該智能生產線管理系統結合基于深度學習的產品表面缺陷檢測技術和故障診斷技術。在改善上述問題的前提下，實現自動化生產線全生產過程的智能控制與信息檢測。

1 系統整體構架

該系統是基于物聯網的智能化生產線系統。其通過Niagara應用框架開發平臺，結合專家系統分析方法對生產線進行二次開發，實現遠程實時監測和遠程控制管理。系統總體架構如圖1所示。

圖1 系統總體構架

系統應用通過具有簡單的操作頁面和更加直觀的數據視圖人機交互界面，可以讓管理人員更加清晰的了解生產線的運轉狀況與總體運轉時間，根據實際情況對生產線進行調整。以感知層、網絡層和應用層構成的物聯網的三層體系架構是實現智能化生產線管理系統的基礎[4]。物聯網的技術體系架構如圖2所示。

圖2 物聯網的技術系統架構

1.1 感知識別層

感知識別層通常簡稱為感知層，感知與識別物體是該層首要功能。感知層由傳感器、讀寫器與攝像頭等具有隨時隨地監控、測量等感知能力獲取物體信息的設備和包括GPS/GIS、T2T等終端、傳感器網絡和傳感器網關等無線接入設備組成[5]，為物聯網的核心，感知識別層強調物聯網的“物”這一部分[6]，而“物”則解釋為感知到人類所必要的一切信息的終端設備與技術，例如RFID、二維碼與識別器、手機等[7]。

為了達成生產線智能化這一功能，系統必須獲取精準的實時數據。采用溫濕度、壓力、位移、速度等傳感器,用于準確獲取包含生產線在生產制造時周圍的工作狀況以及工業機器人、機床與傳送帶等設備工作時的運行參數。全面的監控與測量不但對數據量進行擴容，而且使后續的數據分析處理更加全面，相應的提高了容錯性。除了工業中常用的傳感器，還增加了視覺傳感器。視覺傳感器可以同時獲取更加豐富的數據，同步進行多項任務，同時視覺傳感器還擁有極高的靈敏度和較大的動態范圍。視覺傳感器可以同深度學習相結合，促成更加精確的產品質量檢測。引入視覺傳感技術促成生產力和自動化程度的提升。

1.2 網絡傳輸層

網絡傳輸層又被稱作網絡層，網絡傳輸層將由感知層獲取的所需數據通過各種形式的物聯網，實現數據的存儲、分析、處理、長距離傳輸、遠程查詢與管理等多種功能。網絡傳輸層所需的關鍵技術不僅包括有線和無線的廣域通信網絡，還需要諸如ZigBee、SigFox與Wi-Fi等接入和承載技術。

該系統網絡輸入層采用互聯網作為廣域通信網絡，Modbus、ZigBee、MQTT等通信協議接入與承載技術，實現設備與傳感器、PLC、無線訪問接入點(Wireless Access Point，AP)與上位機軟件依次連接。遵循生產線設備實際位置以及誰被所需采集的數據數量對數據采集設備進行統一編號，通過使用Modbus通訊協議的RS485兼容串口，對連接口的電纜、信號位、傳輸波特率等參數進行設定，使PLC同設備和傳感器之間達成數據通信。PLC不僅接入數據采集設備還接入生產線執行端元器件，并采用具有短距、低速、低功耗以及短延時等特點的Zigbee通信技術傳輸至AP通過互聯網向服務器發送、接收數據，實現雙向通訊。上位機通過基于客戶端與服務器之間進行信息發布與訂閱傳輸的MQTT協議來達成遠程查詢和管理功能[8]。MQTT協議的基本原理與實現如圖3所示。

圖3 MQTT協議基本原理與實現

1.3 綜合應用層

綜合應用層又稱應用層，其重要功能是利用從感知層采集經由網絡傳輸層傳輸至該層服務器進行分析處理后的數據為用戶帶來多種多樣的定制服務。綜合應用層是物聯網的最終發展目的，將物聯網綜合應用平臺融入各領域專業應用中，為各領域向智能化方向發展提供了可行方案。

自動化生產線中所使用的大型設備、系統以及儀器儀表等多為不同制造商制造生產，其所使用的協議不盡相同，使數據收集與傳輸變得十分困難。這增加了生產、管理和運維等部門的任務量，提高了管理和運維的本錢。系統通過Niagara這一用于解決設備連接問題的物聯網中間件技術，解決了上述問題。同時系統經過對收集到的數據實施數據挖掘實現智能化生產，并針對用戶需求進行私人定制，將設備運行環境監控、現場監控、人員與原材料管理等深度結合，使工廠各部門達成數據互通互聯。提升生產與管理效率，減少運維的本錢。

智能生產線系統以Niagara物聯網平臺為基礎進行產品開發，用以實現下述功能。

(1) 生產線運行環境和設備運行參數實時顯示，例如廠房內溫濕度，設備工作狀態等。

(2) 通過機器視覺對產品進行表面質量檢測。

(3) 實時報警系統，如設備故障報警、高溫報警、產品質量報警等；。

(4) 歷史數據存儲與顯示，提供歷史數據曲線與數據表格。

(5) 多用戶管理，通過用戶所屬職能設置不同用戶類型及管理權限。

(6) 同時支持用戶于本地和網絡遠程訪問與控制。

系統局部邏輯開發如圖4所示。

圖4 系統的局部邏輯開發

2 系統軟件功能實現

在物聯網生產線系統中，軟件的部分功能在Niagara開發平臺以外進行處理與加工，將數據結果通過MQTT通訊協議傳入Niagara平臺進行二次加工。

系統融合了基于Faster R-CNN[9]的表面缺陷檢測技術，可以在物聯網生產線中實時掌握產品的質量問題和廢品率，從而及時調整生產工藝等影響產品質量的因素。使用基于故障樹和機器學習的設備故障診斷技術可以及時且有效的發現在生產過程中設備出現或可能出現的問題[10]。實現網絡管理，降低運維成本。

2.1 Niagara物聯網框架開發平臺

在Niagara 物聯網框架開發平臺中，通過創建不同類型的數據節點，將人機交互界面同生產線設備進行互聯，將數據統合進工作站內開發的邏輯視圖中。此外，Niagara開發平臺內的Palette庫提供了大量的開發組件，將所需的邏輯和函數組件直接拖拽到邏輯視圖中即可，這種圖形化的開發模式不僅降低了系統開發的難度，縮短了系統開發周期，使開發者可以更加關注于系統邏輯結構的優化設計。在企業更新設備和技術時，可以保留原有的控制和檢測設備。Niagara開發平臺自帶的人機交互開發模塊可以簡潔、有效展示生產線運行數據視圖。人機交互界面如圖5所示。

圖5 人機交互界面

2.2 基于Faster R-CNN的產品表面缺陷檢測技術

產品的表面缺陷檢測可以有效的杜絕或減少殘次品流入市場。而機器視覺技術是實現生產線智能化和精密控制的有效手段，具有可靠性高、檢測精度高、檢測速度快、成本低和適用性廣等突出優點。

采用基于Faster R-CNN的產品表面缺陷檢測技術，首先通過Convlayers層對圖像進行特征提取，然后利用RPN層生成檢測框，最后運用Fast R-CNN對檢測框內圖像進行分類。Faster R-CNN網絡框架結構如圖6所示。

圖6 Faster R-CNN網絡框架結構

Faster R-CNN的損失主要分為RPN損失和Fast R-CNN損失，且兩部分損失都包含分類損失和回歸損失。總損失函數計算公式如下：

(1)

系統中RPN網絡的分類損失函數采用二分類對數損失函數，損失函數公式：

(2)

而在Fast R-CNN網絡的分類損失函數采用多分類交叉熵損失，損失函數公式：

(3)

兩部分損失函數的回歸損失均采用smothL1函數。損失函數公式：

(4)

區別只在于在RPN訓練時，σ=3而在Fast R-CNN訓練時，σ=1。

可有效識別產品表面的不同缺陷，且具有較高的準確性。在此基礎上，引入Niagara開發出產品表面質量檢測界面，如圖7所示。

圖7 產品表面質量檢測界面

2.3 生產線設備故障預測分析

伴隨著工業的持續發展，對于生產線設備的要求不斷提高。企業的收益與生產設備在無故障狀態下安全運行息息相關。這需要一種對生產線設備故障進行提前預警的方法，以降低對正常生產秩序的影響。而現階段生產線設備都處于以定時維護為主，輔以工程師對生產線設備運行狀態的判斷的預測方式。這不但會出現在設備發生問題時無法第一時間判斷出故障原因的情況，還有可能因為防止故障發生而進行維修過剩的情況。

而伴隨物聯網與以深度學習為代表的人工智能技術的引入，使生產線設備故障預測技術成為可能。工程師通過專業知識，分析設備故障的產生原因，以此建立設備故障樹模型。依照故障樹模型對生產線設備故障問題進行標簽化分類。同經過邊緣計算處理的設備數據集一起，搭建生產線設備故障預測的神經網絡模型。并將此模型引入生產先管理系統，系統故障診斷預警界面如圖8所示。

圖8 故障診斷預警界面

3 結 語

相較于傳統的自動化生產線，文中提出的系統圍繞物聯網技術框架進行設計，利用Niagara開發平臺具有豐富接口的特點。從不同的系統整合信息，引入機器視覺傳感器實現對生產過程中的產品表面缺陷進行實時檢測，可以更加準確發現和排除廢品。引入生產線設備故障預測技術，改善傳統設備維護存在的隱患。但在生產線進行設備與技術升級時，故障預警模型需要重新設計，還有改進的空間。通過系統簡潔的人機交互界面，生產和維護等部門可以便捷有效的對生產線生產運行過程進行監測和管理，實現生產線智能管理。