基于云平臺(tái)的智能倉(cāng)儲(chǔ)告警系統(tǒng)

沈航，段茹茹，陳超，孫煜

（1.廣東省工業(yè)邊緣智能創(chuàng)新中心，廣東 深圳 518057；2.研祥智能科技股份有限公司，廣東 深圳 518107）

關(guān)鍵字：云平臺(tái)；告警系統(tǒng)；卷積神經(jīng)網(wǎng)絡(luò)；監(jiān)控告警機(jī)制；MQTT 協(xié)議

1 引言

在工業(yè)互聯(lián)網(wǎng)技術(shù)迅猛發(fā)展的同時(shí)，工業(yè)互聯(lián)網(wǎng)越來(lái)越廣泛應(yīng)用于智能生產(chǎn)制造中，越來(lái)越多的的企業(yè)將設(shè)備接入互聯(lián)網(wǎng)，基于大數(shù)據(jù)處理技術(shù)實(shí)現(xiàn)智能決策與柔性制造。智能倉(cāng)儲(chǔ)設(shè)備作為車間生產(chǎn)中的關(guān)鍵設(shè)備，主要利用數(shù)據(jù)庫(kù)識(shí)別技術(shù)，結(jié)合倉(cāng)儲(chǔ)功能，提供物料實(shí)時(shí)存儲(chǔ)與高效管理功能，保障從接收到待存儲(chǔ)物料開(kāi)始，到將物料準(zhǔn)確無(wú)誤的運(yùn)送到車間的全部過(guò)程順利執(zhí)行。因此，智能倉(cāng)儲(chǔ)設(shè)備如何保證正常運(yùn)轉(zhuǎn)，故障報(bào)警信息及時(shí)響應(yīng)，是智能倉(cāng)儲(chǔ)設(shè)備監(jiān)控的迫切需要。

2 相關(guān)技術(shù)介紹

云計(jì)算是一種虛擬化資源，通過(guò)互聯(lián)網(wǎng)的形式提供用戶的計(jì)算共享模式，實(shí)現(xiàn)資源的動(dòng)態(tài)伸縮。云計(jì)算作為一種虛擬化服務(wù)，提供各種付費(fèi)共享資源，包括應(yīng)用程序、計(jì)算能力、存儲(chǔ)能力、網(wǎng)絡(luò)、編程工具，以及通信服務(wù)和協(xié)作工作等[1]。云計(jì)算的本質(zhì)就是要把一切資源匯集到云中，用戶只需通過(guò)某種設(shè)備接入云中即可。借助于智能倉(cāng)儲(chǔ)物聯(lián)網(wǎng)云平臺(tái)，各種服務(wù)器、網(wǎng)絡(luò)設(shè)備等都能輕易整合到一起，從而大大提高工作效率，降低各地智能倉(cāng)儲(chǔ)物聯(lián)網(wǎng)建設(shè)的投入。

卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)框架中的一種，廣泛應(yīng)用于圖像識(shí)別、語(yǔ)音設(shè)備、視覺(jué)檢測(cè)與生物信息學(xué)等各種領(lǐng)域。卷積神經(jīng)網(wǎng)絡(luò)以監(jiān)督的方式進(jìn)行訓(xùn)練，本質(zhì)上是學(xué)習(xí)從輸入到輸出的映射關(guān)系，不需要復(fù)雜的數(shù)學(xué)函數(shù)，經(jīng)過(guò)訓(xùn)練就可以得到映射關(guān)系[2]。卷積神經(jīng)網(wǎng)絡(luò)在使用時(shí)得到大量的數(shù)據(jù)測(cè)試，可以避免人為主觀抽取顯性特征，從而可以學(xué)習(xí)到隱含的映射關(guān)系[3]。

3 系統(tǒng)描述

3.1 總體架構(gòu)

本文提出的智能倉(cāng)儲(chǔ)告警系統(tǒng)，在云端利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)識(shí)別檢測(cè)氣閥儀表盤數(shù)據(jù)，通過(guò)Modbus協(xié)議采集設(shè)備運(yùn)行關(guān)鍵數(shù)據(jù)，同時(shí)通過(guò)部署日志讀取程序，讀取設(shè)備告警日志信息。最后，將儀表盤數(shù)據(jù)、設(shè)備運(yùn)行關(guān)鍵數(shù)據(jù)及告警日志信息對(duì)接云平臺(tái)，經(jīng)由工業(yè)網(wǎng)關(guān)通過(guò)網(wǎng)絡(luò)傳輸至智能倉(cāng)儲(chǔ)監(jiān)測(cè)系統(tǒng)，設(shè)備運(yùn)行異常時(shí)可觸發(fā)告警規(guī)則，對(duì)設(shè)備運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)控。

智能倉(cāng)儲(chǔ)告警系統(tǒng)主要由設(shè)備層、網(wǎng)關(guān)層及云平臺(tái)三大部分組成，其系統(tǒng)架構(gòu)如圖1 所示。

圖1 智能倉(cāng)儲(chǔ)系統(tǒng)總體架構(gòu)

設(shè)備層：主要提供底層數(shù)據(jù)，智能倉(cāng)儲(chǔ)監(jiān)測(cè)系統(tǒng)底層對(duì)接數(shù)據(jù)主要由生產(chǎn)日志告警數(shù)據(jù)、氣源壓力數(shù)據(jù)及設(shè)備運(yùn)行關(guān)鍵數(shù)據(jù)組成，將氣源壓力數(shù)據(jù)和采集到的設(shè)備運(yùn)行關(guān)鍵數(shù)據(jù)統(tǒng)稱為設(shè)備狀態(tài)數(shù)據(jù)。

網(wǎng)關(guān)層：日志讀取數(shù)據(jù)部署在智能倉(cāng)儲(chǔ)主機(jī)，由主機(jī)通過(guò)企業(yè)內(nèi)部網(wǎng)絡(luò)傳輸至工業(yè)網(wǎng)關(guān)，由工業(yè)網(wǎng)關(guān)對(duì)日志進(jìn)行解析并上傳至云平臺(tái)；儀表盤數(shù)據(jù)讀取程序直接部署在工業(yè)網(wǎng)關(guān)上面，基于卷積神經(jīng)網(wǎng)絡(luò)算法進(jìn)行圖片數(shù)據(jù)讀取并上傳至云平臺(tái)；對(duì)通過(guò)Modbus 協(xié)議采集設(shè)備運(yùn)行關(guān)鍵數(shù)據(jù)進(jìn)行協(xié)議轉(zhuǎn)換，轉(zhuǎn)換為MQTT 協(xié)議后上傳至云平臺(tái)。

云平臺(tái)：經(jīng)工業(yè)網(wǎng)關(guān)匯總后的數(shù)據(jù)以MQTT 協(xié)議傳輸?shù)狡脚_(tái)的Datastream 進(jìn)行數(shù)據(jù)清洗，并觸發(fā)對(duì)應(yīng)告警；Kafka 接收Datastream 清洗后的數(shù)據(jù)；處理后的數(shù)據(jù)經(jīng)Kafka 傳送到TSDB 數(shù)據(jù)庫(kù)進(jìn)行保存；TSDB 消費(fèi)Kafka的實(shí)時(shí)數(shù)據(jù)進(jìn)行存儲(chǔ)并對(duì)外提供查詢服務(wù)。云平臺(tái)提供智能倉(cāng)儲(chǔ)告警系統(tǒng)人機(jī)交互界面，可以對(duì)TSDB 數(shù)據(jù)進(jìn)行實(shí)時(shí)展示，提供告警界面，可以實(shí)時(shí)查看設(shè)備告警異常數(shù)據(jù)和設(shè)備運(yùn)行數(shù)據(jù)。

3.2 儀表盤數(shù)據(jù)讀取

智能倉(cāng)儲(chǔ)設(shè)備的接料送料機(jī)在工作過(guò)程中會(huì)引起氣源壓力儀表盤的變化，在啟動(dòng)接料送料機(jī)瞬間其指針會(huì)大幅度變化。由于在毫秒級(jí)內(nèi)氣閥指針變化可達(dá)270°，肉眼難以捕捉，現(xiàn)場(chǎng)操作人員無(wú)法根據(jù)氣閥變化察覺(jué)出設(shè)備異常。因此，本文采用一種基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)方法，對(duì)儀表盤數(shù)據(jù)進(jìn)行讀取，可精準(zhǔn)讀取指針數(shù)據(jù)，并將數(shù)據(jù)傳輸至智能倉(cāng)儲(chǔ)報(bào)警系統(tǒng)，如果運(yùn)行有異常，會(huì)觸發(fā)告警規(guī)則及時(shí)報(bào)警。

智能倉(cāng)儲(chǔ)設(shè)備中一般有若干個(gè)大小尺寸不等的儀表盤，通過(guò)相機(jī)獲取儀表盤數(shù)據(jù)圖片，然后將圖片通過(guò)主干網(wǎng)絡(luò)的系列卷積和下采樣操作提取特征圖，接下來(lái)經(jīng)過(guò)系列采樣和卷積得到超高分辨圖像，同時(shí)可以得到融合了同尺度淺層特征后的特征圖。其中，主干網(wǎng)絡(luò)借鑒殘差網(wǎng)絡(luò)的設(shè)計(jì)，采用DarkNet53 結(jié)構(gòu)，共有53 個(gè)卷積層，卷積核大小為3×3 和1×1，共計(jì)5 次壓縮，最終得到尺寸為輸入圖片尺寸1/32 的特征圖，與傳統(tǒng)ResNet 相比，在保證檢測(cè)準(zhǔn)確度的情況下，檢測(cè)速度提高了2 倍。網(wǎng)絡(luò)模型沿用YOLOv3 檢測(cè)結(jié)構(gòu)，在三個(gè)尺度上進(jìn)行檢測(cè)，利用非極大值抑制算法得到最終檢測(cè)結(jié)果；模型采樣和特征融合交替進(jìn)行，上采樣通過(guò)轉(zhuǎn)置卷積的方式，最后將訓(xùn)練好的模型用于讀取指針數(shù)據(jù)并輸出儀表板指針數(shù)據(jù)，讀取數(shù)據(jù)后以MQTT 協(xié)議的形式將數(shù)據(jù)推給時(shí)序數(shù)據(jù)庫(kù)。

（1）構(gòu)造目標(biāo)函數(shù) 在本文設(shè)計(jì)的網(wǎng)絡(luò)結(jié)構(gòu)中，涉及到圖像超分重建和目標(biāo)檢測(cè)兩個(gè)任務(wù)進(jìn)行訓(xùn)練優(yōu)化。其中，針對(duì)圖像超分重建，模型采用L1 損失函數(shù)計(jì)算損失值：

經(jīng)過(guò)以上分析，則總的損失函數(shù)為兩個(gè)子損失函數(shù)的加權(quán)和：

式中，α、β分別表示兩個(gè)子損失函數(shù)的權(quán)重，通過(guò)考慮的兩個(gè)子損失函數(shù)同方差不確定性來(lái)衡量各個(gè)損失函數(shù)，從而達(dá)到權(quán)重自適應(yīng)的效果。

（2）網(wǎng)絡(luò)參數(shù)初始化 網(wǎng)絡(luò)參數(shù)初始化方式會(huì)影響收斂速度及最終優(yōu)化效果。本方案中結(jié)合預(yù)訓(xùn)練權(quán)重加載和隨機(jī)初始化兩種方式，通過(guò)預(yù)先在數(shù)據(jù)集上訓(xùn)練兩者的權(quán)重參數(shù)，從而達(dá)到加速收斂速度及提高優(yōu)化效果的目的。對(duì)于其他新的網(wǎng)絡(luò)層，模型采用服從高斯分布進(jìn)行初始化。

（3）非極大值抑制 由于檢測(cè)尺度的不一致性及候選框的交叉重復(fù)，算法可能對(duì)同一目標(biāo)產(chǎn)生多個(gè)預(yù)測(cè)框。為了去除冗余的邊界框，進(jìn)一步采用NMS 算法對(duì)冗余邊框進(jìn)行處理，保證最終檢測(cè)結(jié)果的準(zhǔn)確性。針對(duì)每一類別的邊界框，NMS 算法步驟如圖2 所示。

圖2 NMS 算法流程圖

將訓(xùn)練好的模型用于儀表數(shù)據(jù)讀取，以JSON 數(shù)據(jù)標(biāo)準(zhǔn)格式輸出，并且通過(guò)MQTT 協(xié)議發(fā)送到云平臺(tái)的數(shù)據(jù)庫(kù)，假設(shè)采集現(xiàn)場(chǎng)傳給倉(cāng)儲(chǔ)報(bào)警系統(tǒng)的設(shè)備數(shù)據(jù)包含4個(gè)表盤，則輸出數(shù)據(jù)格式示例如下：

device 表示設(shè)備ID，可在定義好后導(dǎo)入到智能倉(cāng)儲(chǔ)系統(tǒng)平臺(tái)，或在平臺(tái)直接創(chuàng)建后獲取，必須唯一，示例中智能倉(cāng)儲(chǔ)設(shè)備ID 為EMYX-CKS001；ts 表示JSON 格式中的時(shí)間戳，用于記錄數(shù)據(jù)采集時(shí)間；values 代表該條數(shù)據(jù)的數(shù)據(jù)值。

3.3 監(jiān)控告警機(jī)制

智能倉(cāng)儲(chǔ)系統(tǒng)設(shè)有閾值判斷模塊和告警信息去重模塊。閾值判斷模塊負(fù)責(zé)根據(jù)設(shè)備上傳到數(shù)據(jù)庫(kù)中的運(yùn)行數(shù)據(jù)判斷是否觸發(fā)告警規(guī)則并上報(bào)，其中告警規(guī)則來(lái)源于專家知識(shí)庫(kù)，專家知識(shí)庫(kù)中的告警規(guī)則來(lái)源于專家自定義的越限告警規(guī)則。為了防止漏報(bào)告警信息，信息上報(bào)頻率較快，雖然提升了告警靈敏度，但同時(shí)也會(huì)導(dǎo)致同一告警事件多次上報(bào)，提升了告警的重復(fù)率，因此有必要引入告警信息去重模塊，去除冗余告警信息。

（1）閾值判斷模塊 時(shí)序數(shù)據(jù)庫(kù)的數(shù)據(jù)包設(shè)備狀態(tài)數(shù)據(jù)和設(shè)備告警數(shù)據(jù)。設(shè)備狀態(tài)數(shù)據(jù)經(jīng)由工業(yè)網(wǎng)關(guān)采集后傳送至?xí)r序數(shù)據(jù)庫(kù)，閾值判斷模塊抓取數(shù)據(jù)庫(kù)中的設(shè)備狀態(tài)數(shù)據(jù)，并根據(jù)告警策略判斷設(shè)備狀態(tài)數(shù)據(jù)是否異常，一旦設(shè)備異常會(huì)觸發(fā)告警并對(duì)設(shè)備進(jìn)行標(biāo)記，標(biāo)記后的信息稱為告警信息，告警信息一般包含設(shè)備信息、告警級(jí)別、告警內(nèi)容。最后，閾值判斷模塊將得到的告警信息傳輸至告警去重處理子模塊。

智能倉(cāng)儲(chǔ)設(shè)備大都應(yīng)用于網(wǎng)絡(luò)不穩(wěn)定的工業(yè)環(huán)境，隨著數(shù)據(jù)量的增加，會(huì)帶來(lái)設(shè)備數(shù)據(jù)上報(bào)時(shí)序錯(cuò)亂問(wèn)題。為了解決這一問(wèn)題，在抓取到設(shè)備狀態(tài)時(shí)間序列之后，增加時(shí)間滑動(dòng)窗口，對(duì)時(shí)間框內(nèi)的時(shí)間序列數(shù)據(jù)滑動(dòng)不同單位，并每個(gè)數(shù)據(jù)計(jì)算一次，確保檢測(cè)效率，實(shí)現(xiàn)了實(shí)時(shí)流計(jì)算，避免了大量錯(cuò)誤的告警事件，提供了良好的數(shù)據(jù)控制機(jī)制。

下面以CPU 溫度告警規(guī)則為例，具體說(shuō)明時(shí)間滑動(dòng)窗口的運(yùn)行機(jī)制流程：

1）告警規(guī)則：抓取并統(tǒng)計(jì)設(shè)備CPU 溫度，需監(jiān)控CPU 溫度持續(xù)上升次數(shù)，當(dāng)連續(xù)4 次上升的溫度值超出設(shè)定的閾值時(shí)觸發(fā)告警。

2）數(shù)據(jù)上報(bào)：設(shè)備數(shù)據(jù)每?jī)擅肷蠄?bào)一次。

3）數(shù)據(jù)延時(shí)：最大為2 s。

4）統(tǒng)計(jì)單元：6 個(gè)。其中有效單元4 個(gè)，預(yù)留2 個(gè)單元。

設(shè)定每個(gè)窗口的大小為4 s，4 個(gè)有效窗口，共需16 s，當(dāng)統(tǒng)計(jì)的告警數(shù)據(jù)4 次均超過(guò)設(shè)定閾值時(shí)，由于預(yù)留2個(gè)單元，則會(huì)在18 s 時(shí)產(chǎn)生告警。

（2）告警信息去重模塊 通過(guò)閾值判斷模塊后得到的設(shè)備越限告警信息，將隨設(shè)備告警數(shù)據(jù)一起被重新加工處理。告警去重處理子模塊把獲得的越限告警信息進(jìn)行分類，然后對(duì)不同種類和維度的告警信息賦予不同的權(quán)重，最后采用Simhash 算法進(jìn)行去重，得到最終需要上傳的告警信息。

告警信息去重模塊詳細(xì)流程如下：

1）讀取原始告警信息中的一條告警數(shù)據(jù)，記其中一個(gè)維度（告警發(fā)生的時(shí)間）為t0，并且對(duì)設(shè)備類型、告警級(jí)別、事件類型等其他文本類和數(shù)字類維度進(jìn)行Hash 函數(shù)編碼，得到Simhash 簽名。

2）順次讀取告警信息。

3）若新來(lái)的告警信息的發(fā)生時(shí)間維度ti滿足tit0≤T，則在步驟1 中重復(fù)算法過(guò)程，得到 Simhash 簽名后比較海明距離，滿足閾值（T=2）即視為重復(fù)告警，并將告警信息過(guò)濾掉。

4）若新來(lái)的告警信息的發(fā)生時(shí)間ti滿足ti-t0>T，則從時(shí)間窗口的第一位告警信息一次往下判斷，知道第n位的告警信息的時(shí)間維度tn滿足ti-tn>T，就會(huì)將第n位告警信息置頂，并設(shè)定時(shí)間為為t0。

5）重復(fù)2～4 步驟，得到上報(bào)的去重后的告警信息。

4 結(jié)束語(yǔ)

本文通過(guò)研究智能倉(cāng)儲(chǔ)設(shè)備監(jiān)控現(xiàn)狀，提出一種智能倉(cāng)儲(chǔ)設(shè)備告警系統(tǒng)，通過(guò)采集設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)和告警數(shù)據(jù)，實(shí)時(shí)監(jiān)控設(shè)備健康狀況。保證設(shè)備運(yùn)行穩(wěn)定，具有應(yīng)用價(jià)值。另外，隨著產(chǎn)業(yè)互聯(lián)網(wǎng)技術(shù)、云計(jì)算技術(shù)的逐步成熟，為倉(cāng)儲(chǔ)業(yè)務(wù)平臺(tái)云計(jì)算的集中管理和靈活分配調(diào)度提供了實(shí)現(xiàn)的可能性，云平臺(tái)的建設(shè)費(fèi)用和后期維護(hù)費(fèi)用也大大降低。