基于數據采集的智能倉儲監控系統

丁九齡，張婉蒙，陳 剛

（1.山東未來網絡研究院，山東 濟南 250001；2.江蘇未來網絡集團有限公司，江蘇 南京 211100）

0 引 言

習近平總書記在主持學習時強調，近年來，互聯網、大數據、云計算、人工智能、區塊鏈等技術加速創新，日益融入經濟社會發展各領域全過程，數字經濟發展速度之快、輻射范圍之廣、影響程度之深前所未有，正在成為重組全球要素資源、重塑全球經濟結構、改變全球競爭格局的關鍵力量。

隨著社會經濟及物聯網技術的迅速發展，大型多元化復合型倉儲越來越多。傳統倉儲環境監測和數據采集方面存在設備多、布線復雜、靈活性差、管理維護成本高等問題。另一方面，伴隨著工業4.0 時代的到來，企業上下游協作越來越緊密，為有效破除信息傳遞的壁壘，促進產業鏈之間的協同發展，工業互聯網標識解析體系應運而生。標識解析技術的快速發展對原有的倉儲管理系統也提出了更高的要求[1]。

我國傳統倉儲行業的信息化水平比較低，無法實現倉儲組織效率和管理方法的提升。要實現倉儲業的長遠發展，就要實現從倉儲企業到整個倉儲體系的信息化、智能化、網絡化升級。因此，發展智能倉儲成為必然。以某大型飼料加工企業倉儲系統為例，倉儲管理物品日益增多，倉庫產品數量急劇增加，管理難度日趨加大，倉庫中的溫濕度、氣體濃度等環境因素可能存在較多安全隱患，各類環境參數的變化成為影響貨物保存質量的重要因素。傳統人工管理的方式不僅效率低下，更無法及時察覺并處理倉庫存在的安全隱患，造成不必要的損失。同時，飼料生產作為肉類加工產業鏈的上游，是肉類產品全生命周期溯源管理的重要一環，節點眾多，不同企業的信息化水平不一致，且各家企業往往采用自身的私有編碼體系，上游企業注冊的標識對下游企業異構不兼容，下游企業的產品標識上游企業也無法解讀，導致產業鏈上下游信息無法互通共享，因此無法實現肉制品全產業鏈、全生命周期的溯源跟蹤。本文將對傳統倉儲系統面臨的問題進行探討，采用大數據技術、標識解析中間件技術等提供自動化、現代化的智能倉儲監控系統設計方案[2]。

1 數據采集

工業數據采集即利用泛在感知技術對多源設備、異構系統、運營環境、人等要素信息進行實時高效的采集和云端匯聚。工業數據采集對應工業互聯網平臺體系架構中的邊緣層，通過各類通信手段接入不同設備、系統和產品，采集大范圍、深層次的工業數據，實現異構數據的協議轉換與邊緣處理，構建工業互聯網平臺的數據基礎。隨著中國制造業兩化融合的進程不斷加快，管理與現場脫節、基礎數據全靠人工輸入、現場情況嚴重滯后甚至失真的時代已一去不復返，工業數據采集已成必然。采集底層設備數據，并與現有管理系統銜接，達到對現場設備的實時監控，已為越來越多的企業所選擇。倉儲數據采集模塊依照工業互聯網數據采集的原則，采用原始設備上報、工業網關匯總、流式數據加工、各應用系統分析的流程來設計[3]。

企業倉庫中往往會包含多種數據采集設備，如RFID 讀寫器、溫濕度傳感器、手持掃碼槍、PLC 設備等。不同設備之間，同一種設備不同廠商之間采用的數據傳輸協議往往不同。為此，我們提供了支持350 余種工業協議接入，支持組態展示和定制化開發功能的工業智能網關作為數據采集的中介。現場采集設備接入工業智能網關后，通過以太網、4G/5G、WiFi 等方式，采用MQTT 協議將倉庫現場數據傳輸至監控管理平臺，滿足設備遠程數據傳輸的需求[4]。

經網關采集的數據，首先經過實時流處理，將原始數據進行去重、降噪、聚合、過濾等，之后再將處理的數據分發到下游可視化監控、告警、標識注冊等模塊分別進行業務處理。實時流數據處理模塊由高吞吐量的分布式消息隊列Kafka 和高性能的流式處理引擎Flink 組成，具備秒級以下的低延遲和每秒數萬次請求的高并發特性，既可以支撐大量的采集設備接入，又滿足監控告警系統對于數據的實時性要求。數據采集流程如圖1 所示。

圖1 數據采集流程

2 可視化監控

數據經過實時流處理后，需要對格式化后的數據進行本地存儲。針對中小型倉儲系統，因為倉儲環境數據的數據量不是太大，推薦流行的關系型數據庫MySQL，其實時數據存儲處理能力足以滿足系統的實際需求。而對于大型企業，數據的寫并發量可達每秒上萬條，而大量庫存數據導致查詢效率降低，傳統關系型數據庫處理性能遠遠達不到要求，為此我們選用基于InfluxDB 集群的時序數據庫。時序數據以時間作為主要的查詢維度，通常會將連續的多個時序數據繪制成線，制作基于時間的多維度報表，用于揭示數據背后的趨勢、規律、異常，進行實時在線預測和預警。時序數據普遍存在于IT 基礎設施、運維監控系統和物聯網中。隨著工業互聯網時代的到來，時序數據的數據量呈井噴式爆發，針對這一數據細分的優化存儲顯得越來越重要。InfluxDB 是一個開源、高性能的時序型數據庫，在時序型數據庫DBEngines Ranking 上排名第一。其特點是支持每秒千萬級數據持續高并發寫入，無更新操作，查詢時按不同維度對指標進行統計分析，存在明顯的冷熱數據。倉儲采集數據基于時間線且高并發連續涌入，不存在對數據的刪除和修改，而查詢要求對熱點信息做到實時查詢，往往不關注歷史數據，因此InfluxDB 是不二之選。InfluxDB 還支持以年、季度、月份為單位進行數據清理，以及時釋放服務器資源。數據報表服務如圖2 所示。

圖2 數據報表服務

基于InfluxDB 存儲的數據做支撐，監控模塊提供了低代碼的數據報表服務。用戶只需簡單操作即可快速制作出豐富多樣的可視化數據視圖，自由對數據進行分析和探索，及時調整經營決策。圖形繪制包含柱狀圖、扇形圖、折線圖等，支持控件拖拽，用戶也可在原始報表基礎上進行抽樣統計分析、構建機器學習模型，并將結果生成PDF、excel 文件后導出[5-6]。

3 告警管理

傳統告警系統大多只能基于某個數值進行告警，不能分辨并剔除數據采集及傳輸過程中產生的噪音，面對日益復雜的倉儲監控環境，無法做到告警信息實時推送。對此，告警模塊提供了一套完整的規則引擎和基于分箱算法的噪音過濾器，可以讓設備運維人員自己設置告警規則，在接收到告警時可以第一時間判斷設備故障的優先級并及時處理。例如，可設置某倉庫在最近24 小時內，若各采集器的平均溫度超過30 ℃，平均濕度超過80%RH，且累計時間超過12 小時，則觸發一次低等級告警并通過短信通知管理人員[7]。

為提升數據處理速度，告警系統引入Redis 緩存，在系統啟動時將用戶自定義告警規則和在線設備信息加載到緩存中。每當采集數據通過Flink 進入告警模塊時，會與緩存中的告警規則和在線設備匹配，只有匹配成功的數據才進行后續處理。緩存的引入可以大幅降低數據庫交互頻次，在高并發場景下仍可保證告警觸發的實時性[8]。

噪音是指一系列采集數據中的隨機錯誤或偏差，包括錯誤值或偏離期望的孤立點值。采集設備誤差、數據傳輸錯誤、數據收集工具等均可產生噪音。為避免噪音導致誤告警，用戶也可自定義噪音處理規則。對于匹配告警規則后生成的原始告警數據，首先通過分箱算法對數據進一步清洗，過濾噪音數據。過濾后的異常數據與上一日、上周同日、上月同日（三者可自由選擇）進行對比，如果仍存在異常，則正式觸發告警[9]。

告警信息通過電話、短信、運維APP 等通知運維人員。為防止等級較嚴重的告警被淹沒在大量信息中，可以針對不同等級類型的告警設置不同的通知渠道，以便運維人員能夠根據通知的類型第一時間判斷設備告警的嚴重程度。以Android 系統為例，支持從低到高5 個告警等級，效果如下：

（1）無聲音、無振動、無顯示；

（2）無聲音、無振動，鎖屏不顯示，通知欄中被折疊顯示，導航欄無logo；

（3）無聲音，無振動，鎖屏和通知欄中均顯示，通知不喚醒屏幕；

（4）有聲音，無振動，鎖屏和通知欄中均顯示，通知喚醒屏幕；

（5）有聲音，有振動，亮屏，通知懸浮展示，鎖屏通知以默認形式展示且喚醒屏幕。

當某條告警規則被觸發，系統管理員可以等現場異常排除之后，在監控系統手動解除告警，也可以通過監控系統，通過網關向設備下發控制指令，針對告警項做出調整，一段時間之后由系統自動解除告警。

4 標識生成與注冊

工業互聯網是數字浪潮下新一代信息通信技術和工業經濟深度融合的關鍵基礎設施、新型應用模式、全新工業生態。工業互聯網通過人、機、物的全面互聯，構建起覆蓋全要素、全產業鏈、全價值鏈的全新制造與服務體系，形成數字化、網絡化、智能化的新興生態和應用模式，是發展先進制造業的關鍵支撐，是產業發展與優化升級的內驅動力，是互聯網從消費領域向生產領域、從數字經濟向實體經濟拓展的核心載體[10]。

工業互聯網標識解析體系是工業互聯網網絡體系的重要組成部分，是支撐工業互聯網互聯互通的神經樞紐。工業互聯網標識解析體系通過條形碼、二維碼、無線射頻識別標簽等方式賦予物品唯一身份。標識解析技術通過建立統一的標識體系將工業中的設備、機器和物料等生產要素連接起來，通過解析體系連接割裂的數據和應用，掌握數據來源、流動過程、用途等。通過工業互聯網標識解析體系能有效把設備、生產線、工廠、供應商、產品和客戶緊密連接起來，幫助企業拉長產業鏈，實現跨設備、跨廠區、跨系統、跨區域的互聯互通，從而提高效率，推動制造服務體系智能化。結合工業互聯網解決方案可以對設備全生命周期進行高效管理，最終實現一碼智造，完成高效精準的編碼解析、追根溯源、協同智造、標識防偽、分權管控、云端協同，實現制造和服務之間的跨越發展，使行業各要素資源能夠高效共享，實現行業資源配置最優化。

基于工業互聯網標識解析體系，為了實現產品從來料、生產、出入庫、物流運輸、終端銷售渠道等全產品生命周期的精細化管理和全方位防偽，需要通過條形碼、二維碼等對產品賦予唯一防篡可信的“身份證”編碼，即標識編碼。標識編碼應保證不重復，每一個編碼僅對應一個對象。工業互聯網標識編碼包括VAA 標識、GS1 標識、Handle 標識、OID 標識、Ecode 標識、DID 六種類型，行業或企業可根據應用需求選擇其中一種類型的編碼。以VAA 標識為例，標識編碼由標識前綴和標識后綴組成，標識前綴與標識后綴之間用UTF-8 字符“/”分隔。標識前綴由國家代碼、行業代碼、企業代碼組成，對于企業來說是固定值。標識后綴的編碼規則由行業自行制定，例如集裝箱行業標識后綴由類別、名稱、日期代碼等多項構成，如圖3 所示。標識后綴定義所標識對象的唯一代碼，根據企業實際需求往往采用多段組合的方式。

圖3 集裝箱行業標識編碼結構

標識解析體系依賴于標識碼的生成，而標識碼技術的關鍵是標識后綴的唯一性和可定制化。當前，部分企業使用固定組合加UUID 或雪花算法生成固定格式的標識后綴碼，這種標識編碼可讀性差且不易擴展。智能倉儲標識模塊提供多維度自定義的標識生成方法，標識規則由一系列子規則組成，每個子規則生成標識的一部分，子規則自由組合，生成最終的標識。例如，對于某批次某日期入庫的產品，采用8 位標識前綴/2 位分類編碼+2 位批次編號+3 位倉庫編號+5 位隨機混淆值+6 位日期編碼+5 位自增值的標識規則。每定義一個新的標識規則，會對企業現有標識規則進行正則表達式匹配，以確保當前企業所有規則均不會生成重復的標識編碼。自定義規則的標識生成技術既實現了標識格式、標識容量的可控性，又保證了標識編碼的唯一性，滿足了不同場景下對標識編碼的多樣化需求。創建標識碼生成規則如圖4 所示。

圖4 創建標識碼生成規則

現代智能倉儲系統廣泛應用RFID 技術以提升倉儲管理效率，在貨物入庫前，將RFID 標簽貼在貨物包裝表面，將貨物標識碼存儲于RFID 標簽中。倉儲產品出入庫操作時，通過識別RFID 標簽獲取標識信息，將標識碼上傳至監控管理系統。系統根據標識碼自動解析產品信息，將此次出入庫行為同步更新到行業二級節點，為后續物流運輸、分銷銷售、流通環節、服務環節的全生命周期信息管理提供可追溯的唯一標識。標識解析應用示意圖如圖5所示。

圖5 標識解析應用示意圖

5 結 語

智慧倉儲建設是工業企業管理提升的必經之路，也是工業互聯網發展的內在要求。本文介紹了一種集數據采集、分析、監控、告警、標識管理功能于一體的智能倉儲監控系統，實現了倉儲設備和貨物監控的遠程化、智能化，實時處理突發情況的高效化和工業互聯網標識管理的自動化，其操作簡單、功能實用，可以大幅提升企業的管理效益，也為倉儲信息化建設提供了一種發展思路。