基于大數據技術的焊管生產狀態可視化設計

劉晶晶， 韓秀林， 于振寧， 劉傳水，李建一， 胡 濤， 王 洋

（1. 華油鋼管有限公司， 河北青縣 062658；2. 河北省高壓管線螺旋焊管技術創新中心， 河北青縣 062658）

0 前 言

焊管制造是標準化的工業流程， 有著較多的工序、 較復雜的工藝以及繁多的指標等特點，生產過程中會產生大量的數據。 隨著全球焊管市場競爭壓力的增大， 企業可以通過提高產品質量、 產品生產效率、 降低生產過程中的能耗等方式在激烈的競爭中脫穎而出， 將傳統的焊管制造企業發展成為智能化、 綠色化的企業。由于焊管產品的種類和質量各不相同， 對生產數據實施有效的采集、 傳輸、 分析和監控是提高焊管產品整體質量和生產效率的關鍵， 也是焊管生產企業從自動化、 信息化走向數字化、智能化的重要因素。

近年來， 在大數據、 云計算、 人工智能為代表的新一代信息技術蓬勃發展的背景下， 石油裝備制造業緊密把握 “中國制造2025” 戰略機遇，堅持轉變發展方式， 深入推進信息化與工業化深度融合[1]。 螺旋焊管生產工廠自動化、 信息化水平不斷提升， 通過信息系統應用實現了生產車間人員、 設備、 物料、 測量等生產要素的實時監控[2]。MES 系統[3]、 物聯網系統[4]和SCADA[5]系統的持續應用與優化， 對生產制造過程中的多源信息采集[6]、 生產過程動態可視化監控[7-8]以及數據、 信息與知識協同和交互效能提出了更高的要求[9]。

在焊管生產線向智慧工廠轉型過程中， 積累了海量的生產數據信息， 而這些數據信息又分布在不同的應用系統中， 存在信息流與實物流脫節、 生產過程不透明等問題[10]， 如何有效實現各系統之間的集成應用， 并存儲管理、 分析和應用這些數據資源進行效率分析， 對于管理決策具有重要作用[11]。 從這個角度出發， 本研究提出并設計了基于物聯網系統、 SCADA 系統和MES 系統的焊管機組生產線監控系統， 并對軟件的設計與實現進行了敘述， 為信息系統之間的集成提供了實現方式， 為制造過程中的生產過程信息、 設備狀態信息、 數據統計信息的監控提供了一種新的交互模式和實現途徑。

1 螺旋焊管生產工藝流程

螺旋埋弧焊管制造工藝從帶鋼進入拆卷機開始， 經過二十幾道工序， 最后制成焊管成品， 整個過程全部在機械化、 數字化的生產線上連續完成。

焊管生產工藝整體流程如圖1 所示。 從帶鋼開卷到定尺切斷前工序為成型階段。 成型階段的主要工序包括拆卷→矯平→剪板→對頭焊→粗銑邊→精銑邊→遞送成型→內外焊接→定尺切斷。在成型階段， 帶鋼經螺旋成型及焊接后制成焊管。 精整階段的主要工序包括管端內外焊縫磨削→管端擴徑→全焊縫X 光檢測→水壓試驗→管體及焊縫超聲波探傷→倒棱→成品檢驗→成品噴標入庫。 經過精整階段， 得到合格的螺旋埋弧焊管成品。

2 焊管生產監控系統

2.1 系統架構

焊管生產監控系統主要通過數據采集引擎和數據處理引擎的應用， 建立實時數據庫和歷史數據庫， 完成實時數據采集、 處理。 MySQL 中間數據庫對各種數據源分類規整存儲， 實現生產、 質量、 理化數據的報表分析導出， 設備運行狀態的在線監控， 能耗信息的多維度分析及日報月報的多元化分析。 焊管生產監控系統架構如圖2 所示。

2.2 功能架構

焊管生產監控系統的業務功能主要是對焊管生產過程中的生產數據實施監控， 其中包括產品質量、 生產工藝、 物料信息等數據， 實現對數據的整合過濾分析。 焊管生產監控系統功能架構如圖3 所示。

3 焊管生產監控系統實施內容

生產監控系統結合焊管生產過程中的物聯網系統、 MES 系統、 SCADA 系統搭建ETL 數據倉庫[12]，并為算法分析模塊提供數據， 把分析結果回存到ETL 數據倉庫。 系統提供用戶對數據的管理， 數據可視化模塊通過ETL 數據倉庫提供數據， 對用戶展示。 圖4 所示為焊管生產監控系統實施內容。

3.1 ETL 數據倉庫應用

ETL 負責將業務系統分布的、 異構數據源中的數據， 如關系數據、 平面數據文件等， 抽取到臨時中間層后進行清洗、 轉換、 集成[13]， 最后加載到數據倉庫或數據集市中， 成為聯機分析處理、 大數據分析的基礎[14]。

運用數據倉庫ETL 轉換處理技術， 采用轉換工具Kettle 軟件進行實時數據轉換[15]， 自動定時無斷式轉移大量歷史數據， 數據抽取高效穩定， 實現各異構數據庫之間的互聯互通， 業務數據多源梳理， 跨數據庫按照邏輯設定對數據進行轉換處理， 保障數據源頭采集， 數據同步按需觸發， 無人值守式數據同步。 圖5 為ETL 數據轉換流程圖。

3.2 算法分析

系統以聚類分析、 時間序列模型、 線性回歸等典型的大數據處理算法為依據， 結合焊管產品的工藝標準、 機組參數標準、 產量與材耗比、 用電量與生產量比等生產數據， 可以自動識別異常數據， 向用戶傳達異常數據的轉折點， 能為管理者改善生產工藝、 降低生產成本、 延長生產機組壽命提供數據支持。

以采用聚類分析模型在機組生產時參數出現異常拐點的情況為例， 對機組生產時的參數數據進行聚類分析。 初步分析確定有兩大類聚類： 正常生產和異常生產。 對參數曲線進行歸一化處理， 得到該機組的參數特征； 根據參數異常轉折點的時間， 對機組的參數曲線進行比較， 必要時設置閾值區間， 不屬于區間的判斷為機組異常。圖6 為機組生產參數的聚類分析模型。

3.3 數據可視化

可視化過程首先完成業務數據的清洗， 并根據ECharts 基礎圖形圖表庫的參數要求， 結合業務數據可視化模型對相關數據進行規格化處理。然后進行可視化分析及數據封裝， 構建可視化數據服務接口， 再通過Ajax 技術調用該接口獲取可視化參數數據， 利用ECharts 庫調用可視化處理邏輯形成可視化組件， 依據業務需求創建可視化視圖或支持可視化的交互， 利用HTML5 頁面呈現給終端用戶。

系統可視化的內容包括：

（1） 機組運行狀態可視化。 系統通過可視化方式對機組運行參數以及運行狀態進行實時監控， 實現機組異常或報警情況的快速處理。

（2） 焊管產品質量檢測可視化。 在對產品進行質量檢測時， 系統會根據標準的工藝指標， 對產品的數據進行可視化分析展示， 實現焊管產品質量的嚴格把控。

（3） 生產消耗可視化。 系統能夠對生產過程中的原材料、 電能、 水、 氣的消耗數據進行可視化分析， 實現生產消耗的把控。

4 焊管機組生產狀態監控系統的實現及驗證

基于上述介紹， 設計開發了基于大數據技術的焊管生產狀態監控系統， 并進行初步驗證實驗。 基于大數據技術的焊管生產狀態監控系統的運行如圖7 所示。

在測試階段， 該系統運行平穩， 前端設計友好， 各級人員都能夠快速、 清晰地從設備中獲取到實時參數和指標； 通過系統中提供的報表、 圖形、 文檔等模塊， 輔助人員能夠快速做出初步決策； 系統中的設備故障診斷模塊、 工況異常識別模塊和產品性能指標異常模塊等能夠滿足對焊管生產的監控需求， 且診斷結果與實際情況基本一致。 通過對數據的可視化處理，該系統使相關人員能夠直觀、 高效地理解數據，是智能監控中不可缺少的技術； 當生產線上出現設備報警或產品質量異常時， 報警信息會傳遞給現場人員， 以便及時參與維護和支持移動現場檢查。 基于大數據技術的焊管生產狀態監控系統降低了企業的運營成本， 提高了焊管生產線的運行效率和產品質量， 促進了傳統制造企業的初步智能化。

5 結束語

本研究基于實時數據驅動的螺旋焊管機組生產狀態監控技術， 開發了生產線、 質量、 設備和能耗監控模塊， 建立起新型的人機交互集成可視化生產狀態監控平臺。 平臺采用物聯網、 大數據、可視化分析等新興技術， 提出基于大數據技術的焊管生產狀態監控系統。 系統采用基于物聯網技術的分布式數據采集， 有效提高了數據采集的可靠性和有效性； 利用數據挖掘方法對設備運行狀況、 工序異常檢測、 產品性能指標進行監控； 采用可視化技術輔助用戶完成更有效的分析決策，為提高焊管生產的運行效率和產品質量奠定基礎?，F場應用表明， 該系統實現了對焊管數字化車間的實時監控與評估分析， 提升了企業的制造執行能力和交付能力， 給企業的生產調控提供一定的數據基礎， 有助于螺旋焊管制造企業生產向數字化、 信息化與精益化管理模式轉型升級。