制造車間基于RFID與CEP的工件實(shí)時(shí)監(jiān)測(cè)

張存吉+姚錫凡+張劍銘

摘 要：為解決智慧制造車間工件異常情況的實(shí)時(shí)監(jiān)測(cè)問題，以及追蹤工件加工過程的軌跡，提出基于RFID與復(fù)雜事件處理的實(shí)時(shí)監(jiān)測(cè)方法.基于信息物理融合系統(tǒng)理念構(gòu)建智慧制造車間的感知環(huán)境和定義各類事件模型，采用基于SMURF的綜合方法清洗RFID數(shù)據(jù)，應(yīng)用復(fù)雜事件處理技術(shù)監(jiān)聽工件的異常情況，并形成工件實(shí)時(shí)狀態(tài)矩陣.仿真實(shí)驗(yàn)證明，該系統(tǒng)可以實(shí)現(xiàn)預(yù)期功能，為智慧制造車間的主動(dòng)調(diào)度提供依據(jù).

關(guān)鍵詞：智慧制造；無(wú)線射頻識(shí)別；復(fù)雜事件處理；數(shù)據(jù)處理；實(shí)時(shí)監(jiān)測(cè)

中圖分類號(hào)：TP391；TH166 文獻(xiàn)標(biāo)志碼：A

Real-time Monitoring of Workpieces Based on RFID and CEP for Manufacturing Workshop

ZHANG Cunji， YAO Xifan， ZHANG Jianming

（School of Mechanical and Automotive Engineering， South China University of Technology， Guangzhou 510640， China）

Abstract：To solve the problems on monitoring abnormal conditions of workpieces in real time and tracking machining processes in wisdom manufacturing workshop， a real-time monitoring method based on RFID and CEP was proposed. The sensing-aware environment of wisdom manufacturing workshop was built based on Cyber-Physical Systems， and all kinds of event models were defined. A synthetic data cleaning method based on SMURF was adopted to clean the raw RFID data. The complex event processing system was also applied to detect the abnormal conditions of workpieces， and a real-time status matrix was then formed. This system achieves the expected functions by simulation experiment， which provides a basis for proactive job-shop scheduling in wisdom manufacturing.

Key words： wisdom manufacturing； radio frequency identification； complex event processing； data processing； real-time monitoring

隨著物聯(lián)網(wǎng)（Internet of Things， IoT）、云計(jì)算（Cloud Computing， CC）、普適信息（Ubiquitous Information， UI）[1]、信息物理融合系統(tǒng)（Cyber-Physical Systems， CPS）[2]等信息技術(shù)的迅猛發(fā)展，以及工業(yè)互聯(lián)網(wǎng)（Industrial Internet， II）[3]、工業(yè)4.0（Industrie 4.0）[4]、中國(guó)制造2025[5]的提出，一種面向服務(wù)、基于知識(shí)運(yùn)用的人機(jī)物協(xié)同制造模式——智慧制造（Wisdom Manufacturing， WM）[6]正在興起.智慧制造強(qiáng)調(diào)社會(huì)世界（Social World）、信息世界（Cyber World）和物理世界（Physical World）的融合，即形成一個(gè)社會(huì)信息物理系統(tǒng)（Socio-cyber-physical systems， SCPS）[7]，在人、機(jī)、物融合的環(huán)境下，智慧制造體現(xiàn)制造即服務(wù)的理念.

近年來，已經(jīng)有許多國(guó)內(nèi)外學(xué)者嘗試將物聯(lián)網(wǎng)用于制造生產(chǎn)車間，基于無(wú)線射頻識(shí)別（Radio Frequency Identification， RFID）與復(fù)雜事件處理（Complex Event Processing， CEP）[8]技術(shù)監(jiān)測(cè)產(chǎn)品整個(gè)生產(chǎn)過程.黃向明等[9]提出一種基于活動(dòng)的工程機(jī)械再制造過程信息追溯模型；Wang等[10]提出一種在制品（Work In Process， WIP）狀態(tài)監(jiān)測(cè)模型，描述了在制品狀態(tài)的分層結(jié)構(gòu)和重要內(nèi)容；Zhou等[11]描述了基于RFID的遠(yuǎn)程監(jiān)測(cè)系統(tǒng)；Guo等[12]提出基于RFID的智能決策系統(tǒng)，應(yīng)用RFID和云技術(shù)，實(shí)時(shí)獲取分布式制造環(huán)境下的產(chǎn)品信息；Hu等[13]介紹一種基于RFID離散事件（Discrete Event， DE）的制造車間監(jiān)測(cè)系統(tǒng)；Tu等[14]提出基于Agent的分布式產(chǎn)品控制框架，將超高頻RFID技術(shù)應(yīng)用于動(dòng)態(tài)的制造環(huán)境中；Bichet等[15]介紹了超環(huán)境（Hyper Environments）中RFID在裝配企業(yè)生產(chǎn)流程和供應(yīng)鏈中的追蹤應(yīng)用；黃毅等[16]提出一種RFID實(shí)時(shí)事件處理系統(tǒng)的設(shè)計(jì)方法及其實(shí)現(xiàn)案例；臧傳真等[17]定義了智能物件復(fù)雜事件的語(yǔ)法、語(yǔ)義和操作符；白翱等[18]研究了從車間物流實(shí)時(shí)數(shù)據(jù)中提取有效信息的語(yǔ)義分析原理，將簡(jiǎn)單事件聚合為6種常見的物流復(fù)雜事件；Gyllstrom等[19]開發(fā)了一個(gè)復(fù)雜事件處理系統(tǒng)SASE；Ku等[20]提出一個(gè)CEP面向模式的方法處理RFID數(shù)據(jù)，基于規(guī)則的方法用于有效識(shí)別原始事件和復(fù)合事件；Jin等[21]應(yīng)用表達(dá)流語(yǔ)言（ESL）有效收集RFID事件，并用時(shí)間Petri網(wǎng)給復(fù)雜事件引擎建模；Bülow等[22]介紹了一種用實(shí)時(shí)數(shù)據(jù)進(jìn)行業(yè)務(wù)流程監(jiān)測(cè)的方法.

通過分析以上文獻(xiàn)得出：RFID可以應(yīng)用于制造生產(chǎn)車間，監(jiān)測(cè)各種制造資源，從大的框架方面加以論述，然而很少涉及到具體的應(yīng)用場(chǎng)景，進(jìn)一步挖掘某一方面的具體應(yīng)用，諸如只監(jiān)測(cè)工件，或只監(jiān)測(cè)人員等；研究CEP的各種算法、原型，與實(shí)際的車間生產(chǎn)流程結(jié)合不是很緊密；制造生產(chǎn)過程產(chǎn)品監(jiān)測(cè)的實(shí)時(shí)性不是很強(qiáng)，不能體現(xiàn)出某物某時(shí)在某地的信息以及挖掘出生產(chǎn)過程的異常事件.針對(duì)以上問題，本文在總結(jié)和借鑒上述研究成果的基礎(chǔ)上，構(gòu)建智慧制造車間具體的應(yīng)用場(chǎng)景，以離散制造車間機(jī)械加工工件為監(jiān)測(cè)對(duì)象，實(shí)時(shí)監(jiān)測(cè)工件由物料加工為產(chǎn)品的過程，監(jiān)測(cè)生產(chǎn)過程中各個(gè)工位的異常事件，為制造車間的主動(dòng)調(diào)度提供依據(jù)，提高制造車間的生產(chǎn)效率.

1 智慧制造車間感知環(huán)境構(gòu)建

在智慧制造環(huán)境下，網(wǎng)絡(luò)（如LAN，WIFI等）覆蓋整個(gè)生產(chǎn)車間，基于信息物理融合系統(tǒng)理念構(gòu)建生產(chǎn)車間感知環(huán)境，如圖1所示.生產(chǎn)車間由調(diào)度中心、原料倉(cāng)庫(kù)、AGV、數(shù)控機(jī)床、工件統(tǒng)計(jì)區(qū)、暫存區(qū)、產(chǎn)品倉(cāng)庫(kù)等組成.各個(gè)工位安裝定向、配置LAN（WIFI）接口的UHF RFID讀寫器，工件粘貼有抗金屬陶瓷RFID標(biāo)簽，完成從原料出庫(kù)經(jīng)過機(jī)床加工以及產(chǎn)品入庫(kù)整個(gè)加工過程的監(jiān)測(cè)與追蹤.在物料所經(jīng)過的各個(gè)工位都配置有RFID感知節(jié)點(diǎn)，實(shí)時(shí)感知到達(dá)工件的ID號(hào)、時(shí)間、位置等數(shù)據(jù)，該數(shù)據(jù)經(jīng)過數(shù)據(jù)分析，可以實(shí)時(shí)監(jiān)測(cè)工件的異常事件.

2 RFID事件模型

在智慧制造車間，粘貼了抗金屬標(biāo)簽的工件依次經(jīng)過各個(gè)工位時(shí)，安裝在各個(gè)工位的RFID讀寫器探測(cè)到標(biāo)簽，產(chǎn)生大量離散的原始數(shù)據(jù)，而數(shù)據(jù)之間缺乏聯(lián)系，因此，本文采用復(fù)雜事件處理（CEP）技術(shù)處理原始數(shù)據(jù)，挖掘出原始數(shù)據(jù)之間的關(guān)系.

2.1 事件

事件是指某件事情正在發(fā)生的事實(shí)（如系統(tǒng)狀態(tài)的改變）， RFID事件按照粒度從小到大可以分為標(biāo)簽事件、簡(jiǎn)單事件（原子事件、基本事件）、復(fù)雜事件（復(fù)合事件、聚合事件）.

2.2 標(biāo)簽事件

標(biāo)簽事件是由RFID讀寫器閱讀標(biāo)簽產(chǎn)生的事件，表示RFID讀寫器于某時(shí)間間隔探測(cè)到標(biāo)簽，會(huì)在短時(shí)間內(nèi)產(chǎn)生大量零碎、重復(fù)的標(biāo)簽事件，記為Et，則

其中，wid為工件ID（標(biāo)簽綁定），即對(duì)象信息；rid為讀寫器ID（讀寫器IP與工位綁定），即空間信息；t為事件發(fā)生時(shí)間點(diǎn)，即時(shí)間信息.標(biāo)簽事件中包含有大量不重要、重復(fù)的事件，需要經(jīng)過收集、聚積、過濾、組合、報(bào)告處理，提煉為有意義的簡(jiǎn)單事件.

2.3 簡(jiǎn)單事件

簡(jiǎn)單事件是發(fā)生在某個(gè)時(shí)間點(diǎn)的事件，蘊(yùn)含的信息直接表征系統(tǒng)的行為狀態(tài)，記為Es，則

其中，wid和t的含義同上；l為事件發(fā)生時(shí)工件所在的區(qū)域（工位），即實(shí)時(shí)空間信息.簡(jiǎn)單事件僅直接反映工件某時(shí)間的單一狀態(tài)，本文所涉及到的工件在各個(gè)工位發(fā)生的簡(jiǎn)單事件如表1所示，AEsagv1表示原料（工件，ID為wid）在t時(shí)間點(diǎn)到達(dá)AGV小車工位Nagv1發(fā)生的到達(dá)事件；LEsrw表示原料（工件，ID為wid）在t時(shí)間點(diǎn)離開原料倉(cāng)庫(kù)工位Nrw發(fā)生的離開事件，其他事件的含義以此類推.各工位具體位置如圖1所示.

2.4 復(fù)雜事件

復(fù)雜事件是由簡(jiǎn)單事件或復(fù)雜事件再次組合獲得，并反映符合特定規(guī)則（事件操作符定義）的事件，記為Ec，則

Ec=ewid，l，es，ts，te（3）

其中，wid和l的含義同上；es為構(gòu)成復(fù)雜事件的子事件集合，es={{Es1， Es2，…， Esm}，{Ec1，Ec2，…， Ecn}}，Esm表示簡(jiǎn)單子事件，Ecn表示復(fù)雜子事件；ts，te為復(fù)雜事件發(fā)生的開始時(shí)間與結(jié)束時(shí)間，若ts=te，即復(fù)雜事件在某時(shí)間點(diǎn)發(fā)生.構(gòu)成復(fù)雜事件的操作符見文獻(xiàn)[23]，本文所涉及到的工件在各個(gè)工位發(fā)生的復(fù)雜事件如表2所示，SEcagv1表示原料（工件，ID為wid）在時(shí)間段[ts， te]位于AGV小車工位Nagv1停留（加工），發(fā)生停留事件；DEcrw-agv1表示原料（工件，ID為wid）在時(shí)間段[ts， te]處于原料倉(cāng)庫(kù)工位Nrw與AGV小車工位Nagv1之間的盲區(qū)，發(fā)生消失事件，其他事件的含義以此類推.

3 RFID復(fù)雜事件處理

RFID數(shù)據(jù)具有高流量、實(shí)時(shí)、邏輯復(fù)雜的特征，從實(shí)時(shí)標(biāo)簽數(shù)據(jù)挖掘出車間現(xiàn)場(chǎng)的信息，采用復(fù)雜事件處理技術(shù)實(shí)現(xiàn). 復(fù)雜事件流處理（Event Stream Processing， ESP）[24]主要功能是分析傳入的事件流，丟棄不重要的事件，標(biāo)記出相關(guān)的事件.RFID復(fù)雜事件處理系統(tǒng)的實(shí)現(xiàn)如圖2所示.

3.1 復(fù)雜事件處理系統(tǒng)

位于不同工位配置有LAN（WIFI）接口的讀寫器，通過路由器/交換機(jī)/集線器接入互聯(lián)網(wǎng)，探測(cè)到的標(biāo)簽事件通過互聯(lián)網(wǎng)實(shí)時(shí)傳輸.標(biāo)簽數(shù)據(jù)的采集、處理與發(fā)布采用Rifidi Edge Server[25]實(shí)現(xiàn)，該平臺(tái)由傳感器抽象層、應(yīng)用引擎層、通信層（集成層）和操作、管理層組成，包含ALE中間件和Esper[23]復(fù)雜事件處理引擎，并嵌入有Derby數(shù)據(jù)庫(kù)，采用MQTT信息協(xié)議和Restlet插件，實(shí)現(xiàn)信息傳送與操作管理.

標(biāo)簽事件預(yù)處理的實(shí)現(xiàn)基于應(yīng)用層事件（Application Level Events， ALE），ALE中間件定義EPC處理系統(tǒng)（如RFID讀寫器）與客戶端交互的國(guó)際標(biāo)準(zhǔn)，就RFID系統(tǒng)而言，交互活動(dòng)包括讀標(biāo)簽與寫標(biāo)簽.對(duì)于讀標(biāo)簽活動(dòng)，ALE收集源自于RFID讀寫器的數(shù)據(jù)，等時(shí)間間隔聚集，過濾并剔除重復(fù)和不感興趣的數(shù)據(jù)，最后以不同形式發(fā)送事件報(bào)告，形成蘊(yùn)含直觀信息的簡(jiǎn)單事件.

簡(jiǎn)單事件經(jīng)過創(chuàng)建（聲明）而成為含有語(yǔ)義的事件，并插入數(shù)據(jù)倉(cāng)庫(kù)中的歷史事件，與事件操作符一起聚合為復(fù)雜事件，復(fù)雜事件處理采用Esper引擎， Esper采用事件處理語(yǔ)言（Event Processing Language， EPL）定義客戶規(guī)則，用事件模式（Event Patterns）與事件流查詢（Event Stream Queries， ESQ）方法處理事件，監(jiān)聽事件的發(fā)生或推送事件結(jié)果給訂閱者.

3.2 RFID數(shù)據(jù)清洗

由于受RFID讀寫器和環(huán)境噪聲的影響，RFID數(shù)據(jù)具有內(nèi)在的不穩(wěn)定性，經(jīng)常會(huì)發(fā)生漏讀、多讀和重讀的情況.重讀是指當(dāng)標(biāo)簽長(zhǎng)時(shí)間位于讀寫器的讀寫范圍內(nèi)時(shí)，被讀寫器多次讀寫，或者也常發(fā)生在多個(gè)讀寫器的重疊區(qū)域內(nèi).RFID數(shù)據(jù)清洗對(duì)于準(zhǔn)確監(jiān)測(cè)工件的異常情況非常關(guān)鍵.

SMURF方法被廣泛應(yīng)用于RFID數(shù)據(jù)清洗[26]，其原理是基于滑窗處理器和二項(xiàng)式采樣定理，根據(jù)RFID標(biāo)簽在滑窗內(nèi)的平均讀取率，動(dòng)態(tài)調(diào)整窗口尺寸，使窗口大小保持最優(yōu).每個(gè)標(biāo)簽在單個(gè)讀周期的采樣概率定義為pi，t，則

式中Ni為讀寫器在單個(gè)讀周期內(nèi)發(fā)出讀請(qǐng)求的次數(shù)；Nr為讀寫器接收到的標(biāo)簽響應(yīng)的次數(shù).

在所有觀測(cè)周期內(nèi)的平均讀取率為：

式中Si為滑窗內(nèi)標(biāo)簽i的采樣周期數(shù).

在讀標(biāo)簽時(shí)，首先滿足標(biāo)簽讀取的完整性，滑窗尺寸需要滿足以下條件：

式中wi是滑窗大小（周期數(shù)）；δ是完整性信任參數(shù).

其次，為滿足標(biāo)簽讀取的動(dòng)態(tài)性，同時(shí)需要滿足以下條件：

基于SMURF方法，增加參數(shù)p*和η[27-28]，提出綜合的數(shù)據(jù)清洗方法， p*是即將進(jìn)入滑窗讀周期標(biāo)簽的讀取率，調(diào)整窗口尺寸滿足如下條件：

式中ω是概率閾值.

在SMURF方法中，平均讀取率僅僅是用算術(shù)平均值的方法計(jì)算，該平均值不能描述觀測(cè)周期內(nèi)各個(gè)標(biāo)簽的采樣概率與平均值的離散程度，文中引入?yún)?shù)varw，用于描述該離散度，定義如下：

在計(jì)算平均讀取率時(shí)，標(biāo)簽動(dòng)態(tài)信任參數(shù)η滿足以下條件：

綜合的單標(biāo)簽數(shù)據(jù)清洗算法偽代碼如算法1所示，該方法基于信任參數(shù)δ， ω和η，動(dòng)態(tài)調(diào)整滑動(dòng)窗口的尺寸大小.

算法1 綜合的單標(biāo)簽數(shù)據(jù)清洗算法

3.3 基于RFID與CEP的異常事件監(jiān)測(cè)

在制造生產(chǎn)車間，RFID讀寫器IP與工位綁定，標(biāo)簽EPC與工件綁定，RFID讀寫器IP、工位與觸發(fā)事件之間對(duì)應(yīng)關(guān)系如表3所示.RFID數(shù)據(jù)的時(shí)空性、實(shí)時(shí)性有助于實(shí)時(shí)監(jiān)測(cè)車間出現(xiàn)的異常情況，諸如原料缺乏，緊急工件插入，停留（加工）時(shí)間異常，暫存區(qū)阻塞，無(wú)產(chǎn)品入庫(kù)等，這些異常情況的判斷及發(fā)現(xiàn)，可以根據(jù)工件在各個(gè)工位所停留（加工）的時(shí)間、讀寫器是否讀出數(shù)據(jù)等做出決策，結(jié)果

通過狀態(tài)矩陣匯集，為進(jìn)一步的分析及主動(dòng)調(diào)度提供依據(jù).

1）原料缺乏、無(wú)產(chǎn)品入庫(kù)

針對(duì)原料倉(cāng)庫(kù)安裝RFID讀寫器的工位Nrw，若讀寫器長(zhǎng)時(shí)間沒有讀出數(shù)據(jù)或者事件LEsrw沒有發(fā)生，判定是原料缺乏異常情況發(fā)生；針對(duì)產(chǎn)品倉(cāng)庫(kù)工位Npw，若讀寫器長(zhǎng)時(shí)間沒有讀出數(shù)據(jù)或者事件AEspw沒有發(fā)生，判定是無(wú)產(chǎn)品入庫(kù)異常情況發(fā)生.設(shè)定時(shí)間閾值trw-th，tpw-th，查詢?cè)趖rw-th，tpw-th時(shí)間內(nèi)是否有事件LEsrw，AEspw發(fā)生，以原料倉(cāng)庫(kù)工位Nrw為例，監(jiān)聽語(yǔ)句如下：

2）緊急工件插入

在工件加工生產(chǎn)過程中，由于生產(chǎn)任務(wù)（生產(chǎn)訂單）的臨時(shí)變化，導(dǎo)致工件需要緊急插入到生產(chǎn)線加工，從而發(fā)生緊急工件插入異常事件.安裝在工件數(shù)量統(tǒng)計(jì)工位Nws的RFID閱讀器統(tǒng)計(jì)進(jìn)入生產(chǎn)線的工件數(shù)量（到達(dá)事件數(shù)量），若總的數(shù)量大于先前下達(dá)的生產(chǎn)任務(wù)工件數(shù)，則判定有工件緊急插入，監(jiān)聽語(yǔ)句如下：

3）停留（加工）時(shí)間異常

針對(duì)AGV小車工位Nagv1，Nagv2以及機(jī)器設(shè)備工位Nncm1，Nncm2，Nncm3，假設(shè)工件在機(jī)械加工設(shè)備的停留時(shí)間即為加工時(shí)間（工時(shí)），設(shè)定時(shí)間閾值范圍[tlow-th，thigh-th]，查詢各工位停留事件SEcagv1，SEcncm1，SEcncm2，SEcncm3，SEcagv2的時(shí)間屬性是否在閾值范圍內(nèi)，若超出閾值范圍，判定是停留（加工）時(shí)間異常情況發(fā)生（工時(shí)異常）.以機(jī)械加工設(shè)備工位Nncm1為例，加工事件SEcncm1由簡(jiǎn)單事件AEsncm1和LEsncm1復(fù)合而成，監(jiān)聽語(yǔ)句如下：

閾值上限查詢：

閾值下限查詢：

4）暫存區(qū)阻塞

暫存區(qū)在工件加工車間環(huán)境中，具有原料、半成品緩存的作用，用于臨時(shí)存放待加工工件，若待加工工件只被存放進(jìn)暫存區(qū)而沒有被取出，則會(huì)導(dǎo)致暫存區(qū)阻塞.針對(duì)暫存區(qū)工位Nts1，Nts2，Nts3，設(shè)定允許的時(shí)間閾值tts1-th，tts2-th，tts3-th，查詢各工位的到達(dá)事件AEsts1，AEsts2，AEsts3與離開事件LEsts1，LEsts2，LEsts3是否發(fā)生，若只有到達(dá)事件而沒有離開事件，則暫存區(qū)阻塞異常情況發(fā)生.以機(jī)械加工設(shè)備工位1的暫存區(qū)工位Nts1為例，監(jiān)聽語(yǔ)句如下：

通過以上對(duì)RFID數(shù)據(jù)的處理，形成工件實(shí)時(shí)狀態(tài)矩陣S=（αij）（1≤i≤m， 1≤j≤11），i表示工件序號(hào)，j表示工位序號(hào)， αij=1，工件在該工位加工情況正常； αij=0，加工情況異常.同時(shí)，實(shí)時(shí)監(jiān)測(cè)的各類事件存儲(chǔ)于數(shù)據(jù)倉(cāng)庫(kù)，作為歷史數(shù)據(jù)，供查詢追蹤.

4 實(shí)驗(yàn)結(jié)果與分析

4.1 構(gòu)建實(shí)驗(yàn)環(huán)境

操作系統(tǒng)windows7，32位，基于開源Eclipse集成開發(fā)環(huán)境，嵌入Rifidi-SDK3.2，Esper5.2等插件，構(gòu)建RFID復(fù)雜事件處理的仿真實(shí)驗(yàn)環(huán)境.設(shè)定加工工件數(shù)量m=10，RFID讀寫器采用系統(tǒng)支持的Alien.虛擬環(huán)境下工件EPC，RFID讀寫器的IP（單機(jī)仿真，用不同端口號(hào)表示不同IP）、各屬性閾值的設(shè)定值如表4所示.

4.2 結(jié)果與分析

實(shí)驗(yàn)過程中，工件原料wid= 35B2B5A08B3F 39347F4A8FA7離開原料倉(cāng)庫(kù)之后，再?zèng)]有其他原料出庫(kù)；工件產(chǎn)品wid= 35B2B5A08B3F39347F4A8 FA7進(jìn)入產(chǎn)品倉(cāng)庫(kù)之后，也再?zèng)]有其他產(chǎn)品入庫(kù)；工件wid=353DA13164E84B7643142F11在工位Nncm1加工時(shí)間過短；工件wid=350922349F908951 CF5F4127在工位Nws停留時(shí)間過長(zhǎng)，如原料缺乏異常情況監(jiān)測(cè)算法如算法2所示.

經(jīng)過實(shí)驗(yàn)仿真，得出仿真結(jié)果如圖3所示，可以看出第10個(gè)工件在20：55：42離開原料庫(kù)之后，超過30 s的閾值時(shí)間，再?zèng)]有其他原料出庫(kù)，在第1個(gè)工位即Nrw發(fā)生原料缺乏異常情況，狀態(tài)矩陣中元素a101=0.類似方法可以驗(yàn)證a1011=0；a15=0；a23=0，其他元素為1，證明系統(tǒng)實(shí)時(shí)監(jiān)測(cè)的可靠性.

5 結(jié)束語(yǔ)

本文提出一種基于RFID與CEP的實(shí)時(shí)監(jiān)測(cè)系統(tǒng)，用于智慧制造車間實(shí)時(shí)監(jiān)測(cè)工件的異常情況.首先構(gòu)建了智慧制造車間的感知環(huán)境，并且定義了標(biāo)簽事件、簡(jiǎn)單事件、復(fù)雜事件等事件模型，然后提出用Eclipse開發(fā)環(huán)境并嵌入Rifidi-SDK，Esper等插件，實(shí)現(xiàn)RFID復(fù)雜事件處理，挖掘出原料缺乏，緊急工件插入，停留（加工）時(shí)間異常，暫存區(qū)阻塞，無(wú)產(chǎn)品入庫(kù)等異常情況，最后實(shí)驗(yàn)證明系統(tǒng)的可行性.

制造系統(tǒng)非常復(fù)雜，智慧制造理念也是剛剛萌芽，本文主要針對(duì)制造車間的機(jī)械加工工件提出一種實(shí)時(shí)監(jiān)測(cè)方法.在以后的研究中，將進(jìn)一步探討車間設(shè)備的健康狀態(tài)監(jiān)測(cè)與預(yù)測(cè)，甚至其他相關(guān)影響因素的監(jiān)測(cè)，為智慧制造車間的主動(dòng)調(diào)度提供依據(jù).

參考文獻(xiàn)

[1] VODANOVICH S， SUNDARAM D， MYERS M. Research commentary-digital natives and ubiquitous information systems[J]. Information Systems Research， 2010， 21（4）： 711-723.

[2] GILL H. NSF perspective and status on cyber-physical systems[R]. Austin ：National Science Foundation， 2006： 1-14.

[3] EVANS P C， ANNUNZIATA M. Industrial Internet： Pushing the Boundaries of Minds and Machines[R]. New York：General Electric， 2006： 1-37.

[4] KAGERMANN H， WAHLSTER W， HELBIG J. Recommendations for implementing the strategic initiative INDUSTRIE 4.0[R]. Munich： National Academy of Science and Engineering， 2013： 1-84.

[5] 國(guó)務(wù)院. 中國(guó)制造2025[EB/OL]. （2015-05-19）[2016-04-20].http：//www.gov.cn/zhengce/content/2015-05/19/content_9784.htm.

State Council. Made in China 2025[EB/OL]. （2015-05-19）[2016-04-20].http：//www.gov.cn/zhengce/content/2015-05/19/content_9784.htm. （In Chinese）

[6] 姚錫凡，練肇通，楊屹，等. 智慧制造——面向未來互聯(lián)網(wǎng)的人機(jī)物協(xié)同制造模式[J]. 計(jì)算機(jī)集成制造系統(tǒng)， 2014， 20（6）： 1490-1498.

YAO Xifan， LIAN Zhaotong， YANG Yi， et al. Wisdom manufacturing： a humans-computers-things collaborative manufacturing model[J]. Computer Integrated Manufacturing Systems， 2014， 20（6）： 1490-1498. （In Chinese）

[7] 張存吉，姚錫凡，張翼翔，等. 從“數(shù)控一代”到“智慧一代”[J]. 計(jì)算機(jī)集成制造系統(tǒng)， 2015， 21（7）： 1734-1743.

ZHANG Cunji，YAO Xifan， ZHANG Yixiang， et al. From "NC Generation" to "Wisdom Generation"[J]. Computer Integrated Manufacturing Systems， 2015， 21（7）： 1734-1743 . （In Chinese）

[8] WANG Fusheng， LIU Shaorong， LIU Peiya. Complex RFID event processing[J]. International Journal on Very Large Data Bases， 2009， 18（4）： 913-931.

[9] 黃向明，張傳杰，王伏林，等. 工程機(jī)械再制造過程信息追溯模型研究[J]. 湖南大學(xué)學(xué)報(bào)： 自然科學(xué)版， 2015， 42（2）： 17-21.

HUANG Xiangming， ZHANG Chuanjie， WANG Fulin， et al. Research on information tracing model for the process of construction machinery remanufacturing[J]. Journal of Hunan University： Natural Sciences， 2015， 42（2）： 17-21. （In Chinese）

[10]WANG Zhiguo， XU Jiahong， ZHANG Jun. Real-time WIP status monitoring model in discrete manufacturing workshop[C]// Proceedings of the 2009 WRI Global Congress on Intelligent Systems. Washington， DC： IEEE Computer Society， 2009： 379-383.

[11]ZHOU Shouqin， LING Weiqing， PENG Zhongxiao. An RFID-based remote monitoring system for enterprise internal production management[J]. International Journal of Advanced Manufacturing Technology， 2007， 33（7/8）： 837-844.

[12]GUO Z X， NGAI E W T， YANG Can， et al. An RFID-based intelligent decision support system architecture for production monitoring and scheduling in a distributed manufacturing environment[J]. International Journal of Production Economics， 2015， 159：16-28.

[13]HU J W， LEWIS F L， GAN O P， et al. Discrete-event shop-floor monitoring system in RFID-enabled manufacturing[J]. IEEE Transactions on Industrial Electronics， 2014， 61（12）： 7083-7091.

[14]TU M， LIN J H， CHEN R S， et al. Agent-based control framework for mass customization manufacturing with UHF RFID technology[J]. IEEE Systems Journal， 2009， 3（3）： 343-359.

[15]BICHET M A D， DE FREITAS E K H， ROCHA R S， et al. Utilization of hyper environments for tracking and monitoring of processes and supplies in construction and assembly industries[C]// Proceedings of the 2013 Symposium on Computing and Automation for Offshore Shipbuilding （Navcomp 2013）. New York： IEEE， 2013： 81-86.

[16]黃毅， 鄭力， 向晴. 基于復(fù)雜事件處理的RFID輔助實(shí)時(shí)生產(chǎn)監(jiān)控[J]. 清華大學(xué)學(xué)報(bào)：自然科學(xué)版， 2013， 53（5）： 721-728.

HUANG Yi， ZHENG Li， XIANG Qing. RFID integrated real-time manufacturing monitoring based on complex event processing[J]. Journal of Tsinghua University： Natural Sciences， 2013， 53（5）： 721-728. （In Chinese）

[17]臧傳真， 范玉順. 基于智能物件的制造企業(yè)復(fù)雜事件處理研究[J]. 計(jì)算機(jī)集成制造系統(tǒng)， 2007， 13（11）： 2243-2253.

ZANG Chuanzhen， FAN Yushun. Complex event processing of manufacturing enterprises based on smart items[J]. Computer Integrated Manufacturing Systems， 2007， 13（11）： 2243-2253. （In Chinese）

[18]白翱， 唐任仲， 呂景祥，等. 面向U-制造的車間物流實(shí)時(shí)數(shù)據(jù)語(yǔ)義分析[J]. 計(jì)算機(jī)集成制造系統(tǒng)， 2012， 18（3）： 550-559.

BAI Ao， TANG Renzhong， LV Jingxiang. Semantic analysis of discrete shop logistics real-time data oriented to ubiquitous computing-based intelligent manufacturing[J]. Computer Integrated Manufacturing Systems， 2012， 18（3）： 550-559. （In Chinese）

[19]GYLLSTROM D， WU E， CHAE H-J， et al. SASE： Complex event processing over streams[DB/OL].（2016-04-20）[2016-12-22].http：//arxiv.org/abs/cs/0612128.

[20]KU L T， ZHU Y L， HU K Y， et al. A novel pattern for complex event processing in RFID applications[C]// MERTINS K，RUGGABER R， POPPLEWELL K， et al. Enterprise Interoperability III： New Challenges and Industrial Approaches. London： Springer， 2008： 595-607.

[21]JIN X Y， LEE X D， KONG N， et al. Efficient complex event processing over RFID data stream[C]// Proceedings of the 7th IEEE/ACIS International Conference on Computer and Information Science. Los Alamitos： IEEE Computer Society， 2008： 75-81.

[22]BLOW S， BACKMANN M， HERZBERG N， et al. Monitoring of business processes with complex event processing[C]// Proceedings of the Business Process Management Workshops. Switzerland： Springer International Publishing， 2014： 277-290.

[23]Esper Team and EsperTech Inc. Esper Reference Version 5.2.0[EB/OL]. （2015-03-15）[2016-04-20].http：//www.espertech.com/esper/release-5.2.0/esper-reference/pdf/esper_reference.pdf.

[24]DAVIS J. Open source SOA[M]. Greenwich： Manning Publications Co， 2009： 61-79.

[25]TRANSCENDS，LLC. Rifidi Edge Server Developers Guide [EB/OL]. （2015-03-18）[2016-04-20].http：//www.transcends.co/www/docs/Rifidi_Edge_Server_Developer_3.2.pdf.

[26]JEFFERY S R， GAROFALAKIS M， FRANKLIN M J. Adaptive cleaning for RFID data streams[C]// Proceedings of the 32nd International Conference on Very Large Data Bases. Almaden： VLDB Endowment Inc，2006： 163-174.

[27]LI Lingjuan， LIU Tao， RONG Xiang， et al. An improved RFID data cleaning algorithm based on sliding window[C]// Proceedings of International Workshop， IOT 2012.Heidelberg：Springer， 2012： 262-268.

[28]ZHAO Hongsheng， TAN Jie， ZHU Zhiyuan. Limitation of RFID data cleaning method—SMURF[C]// Proceedings of the 2013 IEEE International Conference on RFID Technologies and Applications （RFID-TA）.New York： IEEE， 2013： 1-4.