基于工業物聯網技術的機械加工設備在線監測系統的研究

梁 野，張 賀，石 剛，劉 毅

（寧波吉利羅佑發動機零部件有限公司，浙江 寧波 315336）

1 引言

在《中國制造2025》指引下，真正的黑燈工廠距離我們越來越近，黑燈工廠中最重要的一個組成部分就是工業物聯網，21世紀以來，精益管理作為生產管理的重中之重，其管理模式進行推進，然而面對整個生產線復雜而又多樣的問題，由于生產現場設備眾多，僅依賴人力監控生產設備，勢必會消耗極多的人力。傳統工作方式信息傳輸緩慢，很難進行全面的生產管理；雖然現在工業生產正在向智能化轉變，制造業中仍有部分保持這種傳統生產模式。隨著對生產效率、生產質量提高、生產成本降低的要求的進一步提出，利用物聯網是未來工業生產發展的新的形式也是一種趨勢。工業物聯網將具有感知、監測和控制等能力的各類采集、控制傳感器，控制器、工控機及PLC設備，以及移動通信、大數據分析、人工智能和數字孿生等技術不斷融入到工業生產過程中的每一個環節，從而提高制造效率、改善產品質量，降低產品成本和資源消耗，優化運營，最終實現將傳統工業到自動化，再到信息化、智能化的新階段[1]。借助工業物聯網技術或平臺，企業可以將車間的人、機、料、法、環、測等要素進行實時的連接及監控，并借助機器學習技術，對連接后的數據進行理解和學習，實現異常預警和故障預測，并在瓶頸約束理論或精益生產理論的指導下推動整個車間的綜合運行效率（Overall Equipment Effectiveness，OEE）的提升，進而推動上有產品開發、供應鏈開發和組織、生產排程、組織績效和人員技能、ERP/PLM/MES的全方位的優化和提升，通過監測、控制、優化、自動和智能的發展軌跡，最終實現少人化、自動化和智能化工廠。

對于國內傳統的制造模式來說，傳統生產管理系統的龐大、復雜已經無法滿足市場多元化、定制化的精準需求。無論是設備與人之間、設備與產品之間、人與產品之間，人與工藝之間，以及人與設備之間，都存在著必要、準確的數字關系。但是仍然存在著各系統獨立運行、各信息獨立傳遞、各個數據單獨應用等弊端，現場的數據孤島數不勝數。生產生活中針對整個生產模式、生產線生產狀態、設備數據、質量數據、工藝數據和產品數據等數據的綜合應用都是靠人工來進行統計、分析，浪費了大量的人力、物力，對于準確性和及時性更是無法滿足當今生產模式的需求。

工業物聯網的應用已經遍布于工業生產的各個角落，并具有廣闊的發展前景。首先是智能工業設備的逐漸增多，生產產生的數據量井噴式地增長?，F有一些系統及應用已經無法滿足當今生產的需要，同時也無法將現有的數據價值完全挖掘出來。

由此可見，生產自動化、信息化和智能化的融合，生產制造的智能化走向和對于數據的收集、治理與應用，是未來發展的重要方向。面對這樣一種未來趨勢，利用工業物聯網技術可以在一定程度上推動整個智能制造工業的發展[2]。本文結合機加工現場生產的實際情況，利用工業物聯網技術與設備實時狀態的數據，解決生產過程中各種繁雜的人工統計、信息傳遞和數據分析等工作。更加精確地為生產操作者、生產管理者提供精準的質量提高、效率提升和成本降低的管理方向。

2 痛點問題分析

某發動機廠的生產狀況存在如下痛點問題：

1）單臺設備狀態采用人工統計等方式記錄。設備長時間異?？咳藛T記錄、企業微信和班組會議等進行信息傳遞及統計，以看板、紙質表單等方式進行記錄。短時間設備異常（如設備微小停機、3 min以下的停機）基本無記錄，后續再分析及復盤工作進行時，無法準確獲取生產現場單臺設備的真實狀態及狀態全貌履歷，無法準確分析設備狀態對生產的影響，設備狀態統計效率低、難追溯和盲區多。

2）現場瓶頸工序靠基層管理人員、生產專家等根據經驗結合產線設備運行狀況進行分析。不同生產時段根據生產狀態的不同，實際的瓶頸工序無法實時獲悉。無法精準、實時指出生產重點關注點。現場微小問題容易忽視，積累到一定時間、一定數量,引發嚴重問題后才引起操作者或管理人員重視。

3）無法實時獲知瓶頸工序，導致針對性策略滯后，小問題積少成多，最終導致時間較長的停線。

4）人工統計設備OEE表格、TA表格、千臺停機時間表、設備故障top問題表和非計劃停機列表等生產報表。

5）OEE、FTT無法實時統計，僅生產結束后計算結果并對比目標，不能及時準確地發現超標問題，無實時統計的趨勢數據。

6）每日、周、月、年及各類數據報表，需由多人進行不同的統計工作，數據易重復且出口不唯一、人工統計耗時、成本高及準確率低。

7）生產結束才能準確的知道相應OEE、FTT超標的具體信息。信息滯后且無法及時預警，需要人工經驗及現場實際情況進行判斷。現場根據問題及指標數據的相應滯后，嚴重影響產品質量及生產效率。

8）現場生產產量趨勢分析，需要操作者根據經驗自行線下計算，人工根據當時生產情況估算按目前狀態完成生產時間。

9）無單臺設備當日實際產量、計劃產量和當前目標等數據監控，單臺設備產能統計存在盲區。

10）無法準確預估生產情況，無法結合生產現場實際情況預估生產完成時間，無法精準結合多維度數據合理安排下一步工作。

11）單臺設備產量趨勢人工計算耗時，數據準確率差，不能準確根據單臺設備產量規劃換刀、換型等生產準備工作，設備產量信息不透明。

3 研究方法

3.1 總體設計

結合以上痛點問題及與現場各位生產專家的交流，對應用的整體進行了設計。

機械加工設備在線監控應用的整體架構包括數據采集模塊、工業PDA端、Web端和工業物聯網平臺端四部分。以工業物聯網平臺為基礎，總體框架如圖1所示。

圖1 總體架構圖

數據采集模塊是以工業物聯網平臺IIoT邊緣網關為基礎，網絡架構如圖2所示，在元MES服務器中新劃分虛機，安裝Kepsever數據采集網關，根據網絡架構將整個數采分為機加、裝配兩大部分，通過TCP-IP協議實時訪問各臺設備PLC，數據采集頻率為1次/s，實時采集PLC中設備的各類狀態數據、產品數據和生產過程數據等，對這些實時數據進行處理、存儲和分析等數據處理工作，存儲與工業物聯網平臺上。再由平臺以MQTT協議實時推送給APP。由本應用的分析可知，數據的實時性、準確性在整個應用過程中非常重要。結合生產現場的設備組成結構復雜，為了保證數據能夠實時、準確和安全地傳輸，選擇TCP/IP網絡傳輸協議為主要通信方式[3-5]。

圖2 數據采集網絡架構圖

為了方便用戶使用和管理，根據機械加工設備在線監控應用的需要，設計了Web端應用。Web端主要包括用戶登錄、設備在線實時監控、歷史數據查詢、報表管理、設置界面、推送界面及操作日志查詢等內容。

工業生產現場對PDA的應用場景也越來越普遍，本應用部分內容涉及現場部分需由工業PDA展示。工業PDA需要開發出從數據提取出來的關鍵異常事件端進行手動分析界面，并且可以由操作人員發起相關業務流程；對于員工的登錄界面及使用權限，也要具備相應的管理功能。

由于現場設備大多數為Siemens控制系統，所以在本應用中由設備端到工業物聯網端都采取的是工業S7協議，目前也是使用最為廣泛的一種通信協議；部分少數設備需要用Modbus、Opcua等協議。工業物聯網平臺數據到應用端數據傳輸，所應用的協議以IT通用的技術協議為基礎，主要應用API接口或Kafka方式。在工業上主要通過有線傳輸方式進行實時、高效的數據傳輸，以滿足應用的需要。

由總體應用設計方案分解，根據對數據源整理，發動機廠缸蓋線有33臺機械加工設備，每臺設備有65個點位需要采集，采集的頻率為1次/s，具體采集網絡連接方式借用原MES線路，對數據采集部分硬件設計如圖3所示，主要包括服務器、區域交換機、設備交換機、PLC等硬件及材料附件。

3.2 數據源的整理

對于機械加工設備的實時狀態，在設備的PLC中有準確的點位描述，通過收集和整理。所有設備均為西門子PLC，系統型號為S7-300。然而PLC中對設備實時運行狀態、下游堵料狀態、上游待料狀態、設備離線狀態、設備故障狀態、設備手動狀態、人工熱機狀態和自動空運行狀態等有具體點位，相關的產品質量信息、生產信息和型號信息等在PLC中也有統一的描述。

3.3 系統數據采集網關選型

網關是一種數據抽取、轉換和加載重任的計算機系統或硬件設備。在使用不同的通信協議、數據格式或語言，甚至體系結構完全不同的兩個系統之間，網關是一個重要的翻譯工具。網關的形式也多種多樣，最常見的由硬網關和軟網關之分，具體需要根據現場的實際情況進行對比分析。部分軟件網關需要安裝在另一臺服務器上，企業提供額外的資源來部署網關系統；也可以直接部署在企業內部郵件服務器上。具體對比方案見表1。

表1 方案對比表

對于企業來說，軟件網關在測試、購買和應用環節具有優勢。如果選用硬網關，需要增加交換機、數采網關、電源和保護開關等硬件，而且硬件采購、施工都需要周期，對于數據采集能力的需求，目前數據源存儲在西門子PLC-S7-300中。通過POC測試，軟網關Kepsever完全滿足本課題需求，而且僅需要將軟網關配置到IIoT服務器上，無其他施工及硬件周期，故選用軟網關Kepsever方式進行數據采集。

3.4 數據采集的數據流向

根據應用需要，數據采集流向僅需要單向傳輸，由PLC通過工業協議S7采集到工業物聯網平臺，在工業物聯網平臺中通過IIoT的數據治理與存儲功能進行數據治理與存儲，在通過MOTT協議傳送給設備在線監控應用，如圖4所示。

圖4 數據采集的數據流向圖

3.5 詳細研究與設計

軟件部分涉及到很多的嵌入式應用的移植、數采的處理程序、S7通信協議、MQTT通信協議、Geega工業物聯網平臺接入、用戶Web端和用戶PDA端等部分。

根據現場業務的實際需求設計了機械加工設備在線監控應用Web端界面，目的是使用人員能夠輕松得到想要的數據及現場生產的實際情況[6-7]。用戶的Web端采用Linux+Java/JSP+MySQL進行設計，Java在任何平臺都有很好的用戶體驗，MySQL數據庫開源且免費，特別適合本次課題。

（1）架構的研究與設計 本文設計的機械加工設備在線監控應用具體分為5個部分。

1）首頁概覽模塊。大多數APP在使用過程中，都需要一個首頁界面，結合生產現場的實際需要，在工廠的作戰室大屏幕中顯示出來的具體內容：發動機工廠本月產量、實時按燈呼叫信息、整廠OEE趨勢圖、各條生產線的實際情況、各條產線非計劃停機的top3停機設備及時間，非計劃停機原因的占比和設備稼動率等工廠關注的主要數據參數。具體步驟：①需求定義。根據現場專家經驗交流及評審，總結現場業務邏輯、數據展示和分析等。②原型設計。根據需求定義具體內容，整理分析、綜合設計，利用Axure原型設計軟件，將交互、展示和具體功能點等內容界面完成原型設計并與工廠生產經理、專家、班組長和操作工進行評審修正，最后鎖定原型設計。③界面開發。根據鎖定的原型，利用Java、Kafka、MQTT和Figma技術等完界面開發。

2）早會概覽模塊。工廠在實際的生產過程中，需要每天對上一個工作日的生產情況進行點檢，故研發早會界面。在早會界面中，生產現場實際首先關注的是產量完成情況，其次是整個工廠OEE趨勢分析圖、TA趨勢圖、各個產線的實際產量完成情況、生產異常情況及設備稼動率。

3）設備狀態模塊。在該模塊中，主要面對產線級、設備級的設備狀態情況，主要分為產線生產監控、設備異常記錄、待處理異常、設備運行記錄、生產異常明細、生產管理配置、數據報表和計劃停機時間配置等界面。

4）通知配置模塊。在該模塊中，主要結合公司人力GUC及公司企業微信應用，對生產現場實時異常狀態、異常信息、超標信息和預警信息等異常情況實時進行推送，并且將推送信息進行系統記錄。

5）系統管理模塊。系統管理中，包含用戶配置界面來控制各層級管理員所見界面權限及對系統使用的角色進行管理，包括系統日志，無論任何訪問該界面的行為都要通過系統日志進行記錄。

（2）PDA端的研究與設計 在整個應用系統中，結合業務需要，對生產現場的實際數據進行分析設計PDA功能架構如圖5所示。

現場生產操作人員可根據生產實際情況，對現場實產生的非計劃停機設備狀態時間段的原因進行錄入，以方便各種報表統計。

PDA端經過設計，使用人員可根據集團GUC中員工的賬號密碼登錄到該應用中。同時也可結合員工工牌ID信息，采取NFC登錄方式進行登錄，以方便現場操作者登錄操作。

（3）應用的架構研究與設計 結合敏捷式開發模式及數采硬件、物聯網的各種條件，完成應用的架構設計如圖6所示。

圖6 應用架構圖

（4）應用的集成架構研究與設計 結合應用的業務架構與實際開發邏輯，完成設計應用的內部集成架構如圖8所示。所有數據來源于工業物聯網平臺IIoT，通過數據庫MySQL集群、Redis集群、Kafka集群與后端的一主一備集群進行數據交互，再由后端與前端的一主一備進行數據交互，最后通過PDA端或者Web端展示給用戶。

（5）應用的技術架構研究與設計 應用的技術架構圖，如圖7所示。在本應用中，按技術層級可分為存儲層、服務實現層、服務支撐層、數據交換層和表現層5個層級。

圖7 應用的技術架構圖

（6）應用的接口研究與設計 接口設計從接口開始到數據接收再到數據校驗，當校驗通過時則接口設計業務處理后保存數據，然后返回處理結果直至接口完畢。當校驗不通過時直接返回處理結果直至接口完畢。

4 結果與討論

開發完成后，主要對機械加工設備在線監控應用進行測試，測試的主要內容包括系統硬件運行、Web端應用、PDA端應用，以及IIoT數據采集與通信。最后將各個部分為一個整體，通過離線測試，滿足要求后進行上線測試。

首先對機械加工設備在線監控應用的網絡進行測試，接著主要對應用的功能進行了測試，最后按照業務架構從首頁、早會界面、生產監控界面、報表功能、計劃停機設置、推送設置、生產管理配置、目標配置和系統共設置最后到操作日志進行了必要的測試。經過測試，各部分的功能都實現了預期功能目標，數據的安全性和有效性、應用的友好性和準確性也得到了保證，綜合判定系統的功能達到設計要求。

5 結束語

基于工業物聯網技術的機械加工設備在線監控應用，將目前公司推廣使用的工業物聯網平臺Geega與生產實際應用結合起來，利用集團大力推動各個工廠數字化轉型的背景，對生產的用戶實時展現了生產現場的設備狀態，以及基于設備狀態數據所計算的各線指標數據、報表數據、業務流程，真正提高了工作效率，節約了時間，為工業應用場景提供了可供參考的解決方案。