紡機車間多源異構數據生產管理系統設計

王元志，袁逸萍，樊盼盼，裴國慶

(1.新疆大學機械工程學院，新疆烏魯木齊 830047；2.卓郎新疆智能機械有限公司，新疆烏魯木齊 830022)

0 前言

《中國制造2025》重點指出作為五大重點工程之一的“智能制造工程”正式啟動實施[1]，完成從制造業向智能化順利轉型這個目標。郭順生等[2]針對多主體制造過程的信息協同數字化管理平臺，基于數據傳輸中間件的數據集成，對相應建材裝備制造企業進行了實地工程應用，并開發了建材生產的數字化管理平臺。黃俊杰等[3]針對UWB數據因非視距問題導致數據存在粗大誤差的問題，提出基于卡爾曼濾波的數據融合方法，提高系統長時間運行的精度和穩定性。房海基等[4]針對超聲探頭檢測過程中檢測點錯檢漏檢等問題，提出對慣性數據進行自適應融合，搭建融合定位系統。鄒旺、李少波[5]針對航天制造企業開發了制造過程數據采集與管理系統架構，實現了針對車間生產制造過程中異構數據的采集。吳鵬興等[6]采用SolidWorks對生產的物理車間進行模型復制，配合C#和JS編程語言進行虛擬場景搭建，并開發可視化監控系統。陳友玲等[7]為了解決云制造環境下制造資源的優化配置問題，綜合考慮需求與服務方以及云平臺運營方的利益，提出了一種基于雙層規劃的資源優化配置模型。張慶等人[8]為應對制造業變革導致對檢測信息的爆發式增長需求，將云計算技術與傳統檢測技術相結合，設計了面向制造業的云檢測平臺。PERO，ROSSI[9]使用射頻識別應答器、Wi-Fi網絡以及Web的應用程序等技術手段，針對企業實際情況，設計并開發了具有創新性的供應鏈管理系統。肖慶陽等[10]為了實現從產線規劃到生產監控的全生命周期管理，提高車間的信息化、智能化水平，設計了全周期智慧車間系統并進行了驗證。李小笠等[11]分析RFID技術優點和自動化產線配套倉庫的運行特點，設計了基于RFID的倉庫管理系統，實現了對配套倉庫的信息進行實時更新和交換。覃偉中等[12]提出了基于運營數據倉儲技術的智能工廠生產運營信息綜合集成應用的模式。閆天紅等[13]為實現海上風浪環境和平臺結構振動、應變的響應監測，開發了南海某導管架平臺結構監測系統。劉麗冰等[14]通過多源特征信息，實現生產設備內外置傳感器多源信息分級融合，對數控機床進行診斷研究。以上學者的研究為當前制造企業數字化管理提供了強力支持，但針對紡織機械制造企業關于多源異構數據集成與應用的研究還不充分。

本文作者分析梳理某紡織機械制造企業實際生產業務流程，構建該企業業務流程模型，分析數據特點，對多源異構數據進行融合、傳遞和共享，以實現對該企業制造過程的數據管理與生產追蹤。

1 業務模型設計與多源異構數據集成

1.1 業務流程設計及生產管理分析

梳理企業的生產業務流程，某紡織機械制造企業整體業務流程模型如圖1所示。

圖1 某紡織機械制造企業業務流程模型

業務部門接收訂單，生成相應的訂單后傳遞給工藝部門，如需緊急插單則直接傳遞給生產部門；工藝部門將接收到的訂單生成生產BOM傳遞給生產部門，生產部門計劃員進行生產計劃排產，制定周生產計劃、月生產計劃并將生產明細發送給鈑金和機加車間，物料在這2個車間之間流轉、加工；最后提供給裝配車間，在裝配車間進行總裝后發送給質檢部門。生產過程中物料供給不足則提交給物料采購部門，由物料采購部門生成采購計劃進行采購。

1.2 多源異構數據特點分析

機械制造企業生產過程中存在以下特點：(1)數據量大。由于車間生產涉及到的物理實體較多，車間每天從實體設備上采集的實時生產數據數量龐大；(2)多源異構性。由于設備的數據傳輸方式、類型、格式的不同，采集到的數據源頭不同，結構也不同；(3)數據關聯性。車間數據之間存在一定的關聯性，通過數據映射發現數據之間的關聯性。

通過設備數據感知采集車間生產過程中的生產計劃信息、工藝信息、設備運行信息、物料庫存信息等，并與其他信息管理系統實現數據共享和數據的協同應用，建立圖2所示數字化制造車間數據管理模型。

圖2 數字化車間制造過程數據管理模型

2 多源異構數據預處理

2.1 數據異常糾正機制構建

生產過程由多個生產設備協力完成，不同的設備會產生不同的噪聲數據，進行數據融合前，先對數據進行預處理，生產數據的預處理流程如圖3所示。

圖3 生產數據預處理流程

首先，獲取生產設備的實時數據存入建立好的對應數據臨時表中；其次，根據生產數據類型建立與之相對應的線程處理規則，對臨時表中的數據進行對應的線程處理，處理后將數據取出；最后，對數據進行遍歷，通過預設的糾正規則判斷數據狀況，對異常數據進行處理，生成數據糾正記錄。

2.2 數據時間配準

異構數據融合中不同傳感器的采樣周期不同，實際生產中，由于生產環境的影響，會存在數據傳輸延遲的情況，導致各個傳感器與數據融合中心存在時間誤差，因此對各個傳感器和數據融合中心進行時間配準非常重要。在進行時間配準之前，需要檢測影響時間配準的異常數據，主要根據修正值和閾值進行數據異常判斷，修正形式為

(1)

其中：pnew(m)為新數據；C(m)為修正值；Z為異常數據判斷參數。

由修正值計算可獲得測量值，將真實估計值的權重設為測量值，則加權函數表達式為

λ(m)=e-c·α(m)

(2)

其中：e為自然常數，c為常數；-c·α(m)為真實估計值α的權重。

ki=Kn+(i-n)TKn+ui

(3)

其中：ui為測量的噪聲值。式(3)可用向量樣式表示為

Kn=WnU+Vn

(4)

則將傳感器B的測量值向量表示為

(5)

其中：T′為融合時間。

對傳感器數據進行時間配準處理后，獲得精度較高的測量數據，為數據融合提供良好基礎。

2.3 時序數據填充

企業生產過程中，由于各個設備上的傳感器采集頻率不同，會導致時序數據密度出現差異，為使數據密度保持一致，采用拉格朗日插值方法進行設備的時序數據填充，時序數據的拉格朗日多項式表示為

(6)

其中：Fscada(t)為設備時序數據對應的拉格朗日插值函數；li(t)為插值基函數；ti為時序數據；tm為時序數據m對應的采集時間。

將生產過程中的時序數據基于上述內容進行數據填充，并在填充過程中同時進行降噪處理，公式表示為

(7)

其中：rj為在時間j上采集的時序數據實際值；β1、β2分別為進行步長的趨勢平滑參數；vj為一次步長的平滑值；sj-1為二次步長的平滑值；h為預測步長。

對時序數據進行填充和降噪后獲得處理數據，可為數據融合提供良好的基礎。

3 多源異構數據融合

3.1 多源異構本體融合模型構建

為保證生產過程中車間現場生產的信息實時性以及利用生產調度規則的高效性，不采用實時的接口從各生產管理系統中調用數據，而是利用中間件對生產實時信息和生產調度事件信息進行事先整合，并且存入中央數據庫。后續生產需要進行數據查詢及監控時，所有的數據查詢均在此中央數據庫上進行。同時設置數據監聽器，監聽多源數據庫中的數據，數據變化時第一時間進行中間庫數據的更新。生產數據本體融合模型如圖4所示。

圖4 紡機車間異構數據本體融合模型

3.2 多源異構數據融合模型構建

為驗證上述數據融合對系統的益處，以企業已有的員工管理系統(簡稱OA)、生產計劃系統(簡稱PMS)、設備管理系統以及生產的MES系統作為測試環境，OA使用的數據庫是SQL Server 2008 R2，PMS使用的數據庫是SQL Server 2012，MES系統和數據融合系統的數據庫是MySQL。分別對MES生產數據擴充OA、擴充PMS相關的屬性數據，以及對MES同時擴展OA和PMS相關的屬性數據。在數據匹配度和通過數據挖掘得到的調度規則準確性上進行對比。

由表1可知：單一的系統對應的數據不沖突度都較差。OA和PMS的數據與生產無直接關系，基本無法進行生產調度規則的提取。MES系統融合企業任一系統數據后，對現有不匹配度和生產調度規則提取準確率的促進效果良好。而PMS中包含對生產過程有較強影響的數據，因此對于MES系統的數據促進作用遠大于對生產影響不大的OA。融合實驗結果與人主觀感覺較為一致，采用企業現有系統進行實例證明，提出的基于本體的數據融合方法完全可行。

表1 數據融合前后對比

4 紡機智能車間數據管控平臺應用

4.1 系統軟件功能模塊設計

此系統結構采用B/S架構。整個系統最重要的環節是系統的軟件設計，它對系統的可靠性、穩定性、可擴展性、運行效率都有著很大的影響[15]，因此此系統采用開發主體架構為Spring Boot，通過約定大于配置，提供大量的注解提高代碼的讀寫能力和利用能力，該主體架構提供了功能強大的IOC、AOP等功能，主體開發語言采用Java語言，并結合MySQL、SQLserver、JavaScript和Ajax等技術實現該系統運行。根據生產實際需求，結合制造過程的實際生產情況，主要分為SAP管理、SCADA數據管理、倉儲數據管理、生產優化方案數據管理、生產信息推送、系統管理等6個功能模塊，如圖5所示。

圖5 系統軟件功能模塊

4.2 系統功能實現

系統通過與SAP系統對接獲取生產訂單、生產工藝等，結合SCADA數據與倉儲數據等實現訂單管理、產品全生命周期監控、設備監控等可視化監控，打通數據之間的互聯問題，實現相應數據接口。權限的可重置使管理人員可隨時捕捉生產過程中異常情況，進行生產計劃的調整。圖6所示為系統登錄后的生產數據緩存頁面，可根據需求、生產實際需要進行，包括特定BOM、產品工藝、生產工單等生產數據，系統登錄后的左側為系統菜單欄，用戶可根據實際查詢選擇相應的菜單。圖7所示為設備的報警數據，可通過機器設備名稱、報警編號對相應設備的報警以及歷史報警進行查詢，進行設備報警后的及時修復，提高設備的使用效率。

圖6 生產數據緩存

圖7 設備數據報警

4.3 設備信息三維可視化

系統基于Unity3D建立設備模型，如圖8所示，對產線上的相應設備及其附屬設備進行三維建模，便捷展示設備運行狀況、主軸倍率、當日加工件數、執行程序塊等信息，使生產中設備的實際情況一目了然。

圖8 設備信息實時互動

4.4 數據圖表顯示

基于Unity3D可進行可視化數據展示與分析，支持PC端、平板電腦等終端同步展示圖表，如圖9所示。根據產品的標準工時進行計算，統計不同車間的設備產能、跟蹤任務進度、統計任務達成率。圖表展示包括產能統計、SQC質量統計、實時生產狀況、計劃達成率等，并結合現場實際生產數據進行優化和更新管理。

圖9 可視化大屏展示

4.5 系統應用實例成果

某企業根據車間計劃以及生產實際需要，進行大批量生產。生產過程中無法同時考慮生產計劃安排、原材料調配、設備故障、人員班次等因素，車間存在大量設備，相關設備對水的使用需求不高，車間主要的能源消耗為電能，統計梳棉機消耗的能源，如表2所示。

表2 梳棉機生產明細

初始年度為2019年，定義此年能耗為100%，此平臺經過不斷地開發應用，逐年提高企業能源利用率，如圖10所示，最終使企業能源利用率提高了8.66%。

圖10 生產單臺梳棉機能耗趨勢

6 結語

針對企業數據管理不足的問題，結合實際生產業務情況，搭建數據模型進行數據集成，設計并開發了紡機智能車間數據集成管理平臺，為孿生平臺、仿真優化、智能決策提供了數據基礎，對企業數據起到良好的管理作用，包括對企業設備管理運行、生產效率統計、訂單完工期統計等提供可視化管理，為管理層提供產品全生命周期的監控。

目前，該紡機智能車間數據管理平臺已經在新疆某紡機制造有限責任公司得到實際應用，運行效果良好，滿足企業對數據集成、統計、分析等需求。為了更好地使紡機智能車間數據管理平臺得到應用，提高平臺的全面性和可控性，后續將會對企業現有資源配置優化、設備預警等問題展開研究。