基于工業互聯網平臺的有色金屬安全生產監控系統設計應用*

賈思柔, 包建軍

(1.白銀有色集團股份有限公司，甘肅 白銀 730900; 2.蘭州蘭石集團有限公司，甘肅 蘭州 730000)

0 引 言

隨著“雙循環”發展格局的加速形成，制造企業安全生產成為許多生產企業的重要關注點，安全生產也成為制造企業，轉型升級的重要保障[1]。工業互聯網以工業企業為主體，以工業互聯網平臺為載體，通過網絡技術、大數據、云計算、人工智能等新一代數字技術與工業技術的深度融合，為企業生產、安全、服務等活動各環節規模化供給智能服務與產品[2]。2020年，工信部與應急管理部聯合發布了《“工業互聯網+安全生產”行動計劃(2021-2023 年)》，提出推進工業互聯網技術和安全生產深度融合，強化安全生產基礎和技術創新能力[3]。

雖然目前許多制造企業在安全生產方面已形成了一些管理制度和策略，但是針對制造企業安全生產的信息化建設覆蓋還不完全，基于工業互聯網平臺的安全生產監控系統還未應用于有色金屬企業的生產活動，生產中安全管理沒有形成標準，同時缺少安全風險分級管控和風險監測預警，導致安全事故頻發[4]。針對以上問題，基于工業互聯網平臺，設計有色金屬安全生產監控系統總體架構設計、安全數據采集和集成方案，對安全生產監控系統服務模塊進行開發應用，為解決有色金屬安全生產智能化管控和有效風險檢測預警問題提供借鑒。

1 總體架構設計

從有色金屬生產管理發生事故的主要機理和控制措施出發，綜合應用多層次、系統化的事前防范及企業安全風險防控技術體系思想，提出了基于工業互聯網平臺的有色金屬安全生產監測預警系統架構設計方案，系統技術架構圖如圖1所示。該系統架構利用當前先進的5G 技術等標準通信體系[5]，同時采用最新的工業互聯網安全體系架構[6]，建立有色金屬安全生產監測預警運維體系，確保系統的高效使用。系統架構從下到上分為邊緣層、IaaS(基礎設施)層、PaaS(平臺)層、SaaS(服務)層四個層次。

圖1 有色金屬安全生產監測預警系統架構圖

邊緣層：是整個平臺的基礎層，首先針對硬件設備，通過明確設備和產品的通信方式、數據接口，利用可智能感知和采集數據的硬件裝置采集設備的各項數據，其次針對已建設的各項信息系統和非結構化數據，依托支持接口通信、通用協議通信的功能軟件，實現對多源異構數據的標準化和邊緣集成[7]。

IaaS層：基于目前在企業工業云上已建成的各項基礎設施服務，為系統提供安全運行的基礎環境，保證系統能穩定、安全、高效的運行。

PaaS平臺層：基于工業互聯網基礎平臺的業務中臺、數據中臺、AI(人工智能)中臺、組件共享和IOT(物聯網)中臺等功能平臺[8]，以及在平臺底層硬件資源服務、數據服務的基礎上，建立統一的安全生產管理應用支撐平臺，同時加強數據之間的關聯性分析和應用。

SaaS服務層：基于工業互聯網平臺，搭建滿足于集團公司安全應急管理工作需要的各個業務應用功能模塊，立足于企業整體信息化建設框架，包括安全動態指數監測預警、安全業務管控、敏捷應急聯動、生產批次管理等功能。

2 安全數據采集和集成

本系統支持MQTT3.1協議對接其他系統自控數據，以對接的其他系統主動推送方式實現，同時支持按工作量收費，支持OPC DA(實時數據訪問規范)采集或數據接口采集的內容；數據對接采用通用的Restful API(接口)，由對接的其他系統按照標準的數據通訊規則來主動推送數據，同時支持定制接口開發模式[9]。

2.1 物理數據采集

根據項目建設需要，從集團已建成的運營管控平臺數據采集系統中抽取相關數據，主要收集的數據有：重大危險源數據、重點工藝裝置數據、可燃有毒氣體數據及消防火災報警數據。其中數據接入方式有。

(1) Modbus(通訊協議)接入：從數據采集系統獲取標準Modbus協議接口[10]，接口包含串口號、波特率、校驗位、數據位、停止位、設備號、功能碼、起始地址、偏移地址等信息；同時獲取接入點位表，主要有點位編碼、點位名稱、點位類型、量程上限、量程下限，報警閾值。

(2) OPC(通訊協議)接入：數據源自建OPC服務端，并完成點位信息錄入，該項工作作為數據接入的前提，需要在數據采集系統的OPC客戶端配置完成之前完成，其中OPC服務端須符合OPC Data Access2.0系列標準[11]；需要獲取的服務端配置信息有Host(OPC服務端IP)、User(用戶名)、Password(用戶登錄密碼)和Clsid(應用在注冊表中相對應的CLSID值)。同時獲取接入的點位表，主要有點位編碼、點位名稱、點位類型、量程上限、量程下限，報警閾值。

(3) 中間庫對接：通過中間庫進行對接時，數據源廠家需要按照數據采集系統中間庫的樣式以雙方約定的方式定時將數據更新至中間庫，中間庫的搭建由數據源廠家進行搭建，并提供數據庫用戶名、密碼，確保數據采集系統與中間庫之間的網絡互通。

2.2 視頻數據采集

企業的數字視頻接入五位一體平臺，實現在平臺內的調閱及視頻聯動功能。根據建設整體需要，視頻接入一般采用兩種方式。

(1) 采用視頻采集設備接入企業視頻，通過公用onvif協議，將采集設備連接到企業攝像頭即可獲取監控畫面，單臺視頻采集設備可接入16路數字視頻并將視頻上傳上級平臺。

(2) 采用軟對接方式接入企業視頻，平臺內通過綁定企業硬盤錄像機對應監控攝像頭的RTSP(實時)流，實現視頻的實時調閱查看[12]。

在視頻數據采集時需要得到接入視頻點位相應的IP、端口號、通道號和用戶名密碼，同時拿到同網段至少3個空余IP地址，便于接入調試，后期不可占用采集設備的IP地址。

3 安全生產監控系統服務應用

3.1 基礎管理模塊

(1) 儀表盤 儀表盤可根據安全生產功能應用的數據信息，建立圖表統計分析，可實現單一數據統計分析或多維度數據統計分析，也可實現專題數據統計分析，幫助企業完成報表的快速編制和在線導出。

(2) 界面調整 系統可通過后臺對表單樣式進行錄入框長度和應用圖標，且操作便捷，并可根據歷史使用記錄，自動推送高頻次功能模塊,使用人員也可以將自己常用的功能模塊自由添加至快捷菜單。

(3) 表單調整 幫助實現數據的錄入和獲取，系統管理人員可實時對系統中的業務模型及模型字段進行靈活地調整和變更，在系統使用過程中，支持字段的靈活新增、編輯、刪除、排序和檢索等功能；信息數據可通過格式化的模板進行導入導出，便于用戶批量上傳下載。

(4) 流程管理 支持跨組織流程，可視化流程自定義；流程發起者可隨時查看流程走向、當前狀態和當前環節的處理人等信息，明確流程節點的職責和人員；支持流程驅動業務管理，可以隨時對流程進行版本回退，流程在版本切換時不影響現有正在執行中的流程實例，同時可以查閱各版本的變更說明；平臺的流程引擎支持流程在執行過程中的回退、取回、委托、抄送和中斷等處理，能夠適應各類工作場景需求。

(5) 組織架構 系統具有獨立的組織架構管理模塊，可按照當前企業管理層級劃分，搭建組織架構，當管理層級、架構調整時，系統管理人員可以便捷進行維護，包括單位、部門、崗位的新增、注銷、修改和調整等。

(6) 用戶權限 平臺支持對用戶可見數據進行控制，顆粒度在字段級；管理員能夠依據員工崗位和職位的不同對用戶進行分組，為員工配置不同的系統角色，能夠對不同的角色組以及角色所包含的成員列表進行維護；管理員能夠指定不同角色的不同權限，為每個角色劃分不同的系統功能操作范圍，包括菜單權限以及數據權限。

(7) 快速查詢 系統全局的搜索功能可以幫助用戶快速檢索到業務表單、業務流和文檔中的所有相關數據，如企業用戶編碼、企業名稱、危險化學品名錄等，短時間內即可將結果展示給用戶，方便用戶進行模糊搜索和便捷查詢。

3.2 安全生產監測預警模塊

安全生產監測預警模塊基于物聯網、大數據和人工智能技術，實現安全生產事前、事中和事后的全方位、立體式和智能化的安全管控，提供了包含快速感知、實時監測、綜合分析、超前預警、輔助決策和應急聯動的一體化安全生產監測預警服務[13]。

安全生產監測預警模塊面向金屬礦山和有色金屬冶煉場景，支持包含攝像頭、機器人和無人機等設備接入管理、邊緣計算設備管理及模型下發、AI技能編排及下發、模型管理及迭代優化、預警管理及工單派發、實時監控與應急聯動等全流程能力，同時提供安全生產業務管理和專家知識庫等模塊支撐預警處理及輔助決策，提升企業生產本質安全水平和安全監管效率，安全生產監測預警模塊功能架構圖如圖2所示。安全生產監測預警模塊產品主要包含設備管理、監控中心、預警管理、AI技能管理、模型庫、訓練中心等7大功能。

圖2 安全生產監測預警模塊功能架構圖

(1) 設備管理 用于多種終端設備和智能設備的接入及管理，支持包括攝像頭、熱成像和傳感器等終端感知設備接入；支持AI邊緣盒子、特種機器人和在線監拍裝置等智能設備的接入、控制及管理,為整個系統提供數據接入底座；支持高清攝像頭、熱成像攝像頭、傳感器、巡檢無人機、巡檢機器人、手持終端和SCADA系統[14]等多種設備接入；支持AI盒子接入、AI盒子技能下發、預警信息上報和AI盒子監控。

(2) 技能管理 一個AI技能對應一個業務場景，技能管理可基于已有原子模型庫快速編排出一個業務上所需的AI技能，如“未帶安全帽檢測”、“未穿工服檢測”等。接入的設備僅需通過關聯AI技能即可完成智能化升級，具備多種場景的AI能力。在技能管理中用戶可根據自身業務邏輯設置自定義的預警邏輯及回調地址,并根據需要將技能下發至多種智能設備。支持對技能的零代碼技能編排；支持模型閾值配置和告警參數配置；提供常用場景的技能模板；支持將技能下發至邊緣智能設備上。

(3) 預警管理 關聯相應AI技能的設備會根據配置的AI技能運行時間進行實時監測，當發生違規行為、設備異常和環境異常等事件時，會產生相應的風險預警，預警會生成預警事件圖片及事件視頻方便回看。預警管理中可查看整體預警事件的數量和詳情，對每一個預警事件進行全流程的處理跟蹤，達到預警的全生命周期管理；支持統一展示全部預警事件及告警數據統計；支持下發預警處理通知，記錄處理意見，錯誤預警修正；支持篩選不同預警狀態事件。

(4) 監控中心 系統具備統一監控中心，用戶可基于監控中心對接入的設備進行實時監控，查看實時預警；同時支持接入攝像頭實時畫面展示；支持告警事件視頻渲染展示；支持四分屏、九分屏、全屏展示。

(5) 訓練中心 開放的生產環境對于模型識別的內容及準確率也有較大要求，AI模型通常需要一段時間的試運行才能變得更加精準和智能,訓練中心可根據用戶對于錯誤預警的標記和模型優化規則設置來進行數據收集，基于回流的數據無需復雜的模型參數調整即可快速實現模型的自迭代；同時支持業務數據的自回流及管理分析；支持設置收集策略和收集策略管理；支持對回流收集的數據進行標注；支持模型優化訓練，歷史數據集驗證和模型測評。

4 結 語

由于有色金屬信息化建設未覆蓋企業的完整安全生產監控預警，特別是基于工業互聯網平臺的有色金屬安全生產監控系統沒有應用于企業的生產活動，使得生產中安全管理沒有形成標準，同時缺少安全風險分級管控和風險監測預警，導致安全事故頻發，文中基于工業互聯網平臺，設計提出了有色金屬安全生產監控系統總體架構設計，然后針對安全數據采集和集成，從物理數據采集和視頻數據采集兩個方面提出了采集集成方式，最后從基礎管理模塊和安全生產監測預警模塊對安全生產監控系統服務應用的各功能模塊進行了介紹說明，幫助有色金屬安全生產實現了智能化管控和有效風險檢測預警。通過案例可見，工業互聯網平臺是幫助制造企業數字化轉型的重要技術，基于平臺對安全生產各項數據進行采集、匯聚、分析和輔助決策是具有極高的應用價值的[15]，可為企業數字化生產奠定堅實基礎。