劉興惠 李至立 蘇家志 李敏波

摘? 要：隨著工業(yè)4.0革命的興起，大數(shù)據(jù)技術(shù)在智能生產(chǎn)過程中的應(yīng)用范圍也得到了進(jìn)一步擴(kuò)展，掌握大數(shù)據(jù)技術(shù)對于制造業(yè)實(shí)現(xiàn)智能生產(chǎn)具有十分重要的意義。以輪胎產(chǎn)業(yè)為例，詳細(xì)闡述了智能生產(chǎn)中的大數(shù)據(jù)應(yīng)用的各個環(huán)節(jié)，從構(gòu)建實(shí)時數(shù)據(jù)采集與監(jiān)控SCADA系統(tǒng)、多源異構(gòu)數(shù)據(jù)應(yīng)用集成、大數(shù)據(jù)存儲與實(shí)時數(shù)據(jù)分析技術(shù)軟件框架選擇，最后以生產(chǎn)過程與生產(chǎn)工藝優(yōu)化和設(shè)備故障分析與優(yōu)化為例講述如何進(jìn)行可視化數(shù)據(jù)分析，并得到優(yōu)化結(jié)論。

關(guān)鍵詞：智能生產(chǎn);工業(yè)大數(shù)據(jù);數(shù)據(jù)采集;數(shù)據(jù)分析

Abstract：With the rise of industrial revolution 4.0，the application of big data technology in the intelligent production process has been further promoted. Mastering big data technology is of great significance for manufacturing industry to realize intelligent production. Taking the tire industry as an example，this paper expounds in detail all aspects of big data application in intelligent production，including the construction of real-time data acquisition and monitoring SCADA system，multi-source heterogeneous data application integration，big data storage and real-time data analysis software framework selection，and finally，taking the production process and production technology optimization and equipment failure analysis and optimization as examples，this paper describes how to carry out visual data analysis，and obtains the optimization conclusion.

Keywords：intelligent production;industrial big data;data collection;data analysis

0? 引? 言

在傳統(tǒng)生產(chǎn)模式下，生產(chǎn)系統(tǒng)相對簡單，只需將原料安放到適合的加工機(jī)器上，即可完成傳統(tǒng)的生產(chǎn)調(diào)度，而“智能生產(chǎn)”中的調(diào)度系統(tǒng)引入了物聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)，生產(chǎn)設(shè)備、生產(chǎn)原料受智能控制系統(tǒng)統(tǒng)一調(diào)度。物聯(lián)網(wǎng)技術(shù)的引入和智能設(shè)備的使用，導(dǎo)致生產(chǎn)數(shù)據(jù)呈現(xiàn)指數(shù)倍增長，再加上生產(chǎn)過程的實(shí)時反饋調(diào)節(jié)，導(dǎo)致生產(chǎn)調(diào)度問題的復(fù)雜度突增[1]。在新一代的智能化生產(chǎn)模式下，深入研究企業(yè)的生產(chǎn)計(jì)劃，對于實(shí)現(xiàn)靈活的生產(chǎn)、個性化產(chǎn)品的批量定制，以及提高生產(chǎn)企業(yè)的競爭力非常重要。

智能制造是新工業(yè)革命的核心，在智能生產(chǎn)過程中需實(shí)現(xiàn)價(jià)值最大化，即做到高質(zhì)量、高效率、高效能生產(chǎn)。如何及時發(fā)現(xiàn)設(shè)備故障的因素，最快速度建立故障診斷模型，檢修設(shè)備故障;如何根據(jù)物料存儲，發(fā)現(xiàn)影響生產(chǎn)效率的因素，及時提升生產(chǎn)效率;如何及時發(fā)現(xiàn)影響設(shè)備生產(chǎn)、物料消耗的因素，采取措施，以達(dá)到控制成本、質(zhì)量、能耗的目的等，是智能生產(chǎn)中實(shí)現(xiàn)價(jià)值最大化亟須解決的問題。山東緯橫數(shù)據(jù)科技有限公司的科研團(tuán)隊(duì)參與了基于工業(yè)物聯(lián)網(wǎng)的輪胎制造過程實(shí)時數(shù)據(jù)采集與處理關(guān)鍵技術(shù)研發(fā)項(xiàng)目，本文將以此項(xiàng)目的研究成果為基礎(chǔ)，以輪胎產(chǎn)業(yè)為例，探索智能工廠的建設(shè)理念，研究如何充分利用工業(yè)物聯(lián)網(wǎng)、工業(yè)大數(shù)據(jù)等信息技術(shù)實(shí)現(xiàn)輪胎制造智能化生產(chǎn)。

1? 基于工業(yè)物聯(lián)網(wǎng)的通信控制與數(shù)據(jù)采集

輪胎生產(chǎn)制造過程中產(chǎn)生的數(shù)據(jù)包括：生產(chǎn)過程中產(chǎn)生的中間狀態(tài)（如密煉車間螺桿、滾筒信息、膠料信息、下片溫度、厚度、寬度、冷卻水溫度、壓力等信息）、操作工位的工位/設(shè)備編號、使用工裝或夾具的條碼信息、工位/設(shè)備報(bào)警類信息、合格/不合格產(chǎn)品計(jì)數(shù)信息、工序加工循環(huán)時間、質(zhì)量檢測數(shù)據(jù)、產(chǎn)品物料追溯條碼信息和物流輸送設(shè)備之間的交互信息[2]。

設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)包括設(shè)備運(yùn)行、停止、手動、自動、半自動、旁通、急停、維修、缺料、堵料、故障等數(shù)據(jù)。

輪胎生產(chǎn)的全要素包括物流搬運(yùn)/分揀設(shè)備、輪胎/胎胚/半部件/膠料、密煉設(shè)備、擠出機(jī)、壓延機(jī)、成型機(jī)、硫化機(jī)、檢測設(shè)備等。

對于上述數(shù)據(jù)的采集和控制，采用SCADA系統(tǒng)，即數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)監(jiān)控。輪胎工廠車間SCADA系統(tǒng)需要對密煉車間、壓延車間、成型車間、硫化車間設(shè)備生產(chǎn)狀態(tài)、設(shè)備故障、質(zhì)量數(shù)據(jù)、主要物料數(shù)據(jù)以及人員信息進(jìn)行實(shí)時數(shù)據(jù)采集。數(shù)據(jù)采集由PLC控制的各設(shè)備狀態(tài)與生產(chǎn)信息、設(shè)備定制接口以及工控機(jī)人工錄入等方式采集數(shù)據(jù)。

實(shí)時數(shù)據(jù)采集與監(jiān)控SCADA系統(tǒng)核心功能架構(gòu)如圖1所示，主要包括設(shè)備互聯(lián)互通技術(shù)、工藝參數(shù)感知、數(shù)據(jù)采集管理、終端通信管理、數(shù)據(jù)存儲計(jì)算、工業(yè)現(xiàn)場多網(wǎng)融合和數(shù)據(jù)適配網(wǎng)關(guān)等模塊。

SCADA可以直接與群控系統(tǒng)通訊，通訊方式采用OPC-UA或者Web Service。同時，SCADA系統(tǒng)中的服務(wù)器可以實(shí)現(xiàn)群控的功能，實(shí)現(xiàn)對局部區(qū)域或者生產(chǎn)線的控制功能與數(shù)據(jù)采集。在生產(chǎn)過程中，設(shè)備產(chǎn)生的數(shù)據(jù)由SCADA系統(tǒng)采集，同時SCADA系統(tǒng)將MES系統(tǒng)（一種面向制造企業(yè)車間執(zhí)行層的生產(chǎn)信息化管理系統(tǒng)）需要的數(shù)據(jù)傳送給MES系統(tǒng)。

2? 多源異構(gòu)數(shù)據(jù)的應(yīng)用集成

通過實(shí)時數(shù)據(jù)采集與監(jiān)控SCADA系統(tǒng)采集的數(shù)據(jù)，其數(shù)據(jù)來源、數(shù)據(jù)結(jié)構(gòu)以及數(shù)據(jù)存儲模式等都不統(tǒng)一，給后續(xù)的數(shù)據(jù)分析工作造成了阻礙，為了將這些多源異構(gòu)數(shù)據(jù)在各個應(yīng)用系統(tǒng)之間消息通信和數(shù)據(jù)交換，需要采用數(shù)據(jù)集成服務(wù)（DIS）中間件，其具體作用方式如圖2所示。

數(shù)據(jù)集成服務(wù)（DIS）的核心是DIS服務(wù)器，DIS用以實(shí)現(xiàn)MES系統(tǒng)、物流管理系統(tǒng)、ERP（SAP R/3）業(yè)務(wù)層系統(tǒng)以及生產(chǎn)集控系統(tǒng)、能源管理系統(tǒng)等自動化系統(tǒng)的第三方系統(tǒng)之間的通信，可以實(shí)現(xiàn)不同類型應(yīng)用之間的消息交換，使用純文本格式如XML、JSON等格式數(shù)據(jù)作為消息交換首選標(biāo)準(zhǔn)數(shù)據(jù)，然后通過XSD和XSLT樣式表將XML數(shù)據(jù)轉(zhuǎn)換為其他類型的文件，來進(jìn)行通用數(shù)據(jù)交換和傳輸，這些交換數(shù)據(jù)都會被保存到DIS服務(wù)器的數(shù)據(jù)庫中。DIS可以保證可靠的消息傳遞，并確保應(yīng)用程序發(fā)送的消息僅在目標(biāo)應(yīng)用程序中到達(dá)一次。數(shù)據(jù)集成服務(wù)（DIS）中間件提供了用于ERP、MQSeries、文件系統(tǒng)、MES生產(chǎn)建模器等各種類型連接器，以及如Web Service、COM等連接器通用技術(shù)。數(shù)據(jù)集成服務(wù)（DIS）中間件可以實(shí)現(xiàn)多個異構(gòu)系統(tǒng)與MES系統(tǒng)的集成，實(shí)現(xiàn)各種基礎(chǔ)數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)在不同系統(tǒng)之間的交換。

MES系統(tǒng)將多道工序的生產(chǎn)工單、配方數(shù)據(jù)、物流數(shù)據(jù)下發(fā)給SCADA系統(tǒng)。SCADA系統(tǒng)負(fù)責(zé)與底層PLC通訊，由SCADA系統(tǒng)統(tǒng)一下發(fā)給設(shè)備PLC。

MES系統(tǒng)與物流管理系統(tǒng)集成：MES系統(tǒng)將生產(chǎn)過程產(chǎn)生的物料傳遞給物流管理系統(tǒng)，便于物流管理系統(tǒng)的庫存管理;物流管理系統(tǒng)也會將物料的出庫信息傳遞給MES系統(tǒng)，便于生產(chǎn)過程的物料操作;同時物流管理系統(tǒng)也會通知車間層有物料出庫信息，便于車間領(lǐng)料操作。

MES系統(tǒng)與ERP（SAP R/3）：ERP除了將主數(shù)據(jù)（人員、系統(tǒng)、物料等數(shù)據(jù)）傳遞給MES系統(tǒng)，還將生產(chǎn)計(jì)劃傳遞給MES系統(tǒng)，有助于MES系統(tǒng)進(jìn)行生產(chǎn)計(jì)劃管理和執(zhí)行;MES也會將生產(chǎn)計(jì)劃的實(shí)際執(zhí)行結(jié)果反饋與ERP，便于ERP對訂單計(jì)劃的改進(jìn)。

3? 大數(shù)據(jù)存儲與實(shí)時數(shù)據(jù)分析

針對輪胎制造過程海量數(shù)據(jù)的高效存儲與實(shí)時處理需求，使用Hadoop、Spark等軟件框架構(gòu)建大數(shù)據(jù)分析平臺，通過實(shí)時數(shù)據(jù)庫、歷史數(shù)據(jù)庫、NoSQL分布式數(shù)據(jù)庫對海量實(shí)時數(shù)據(jù)提供高效安全存儲。Hadoop是一個開源的Apache軟件框架，在圖像處理、搜索索引、文本內(nèi)容分析和索引、自然語言處理、機(jī)器學(xué)習(xí)研究以及各種形式的數(shù)據(jù)挖掘技術(shù)等方面獲得了廣泛的應(yīng)用。Hadoop的核心是HDFS（一種分布式文件系統(tǒng)）和MapReduce（一種分布式計(jì)算框架），Hadoop具有高可靠性、高擴(kuò)展性、高效性、高容錯性、低成本的優(yōu)點(diǎn)，支持幾千臺到幾萬臺的服務(wù)器集群運(yùn)行，支持PB級的存儲容量，這些特性使得Hadoop更適用于大數(shù)據(jù)存儲和大數(shù)據(jù)分析應(yīng)用。

Spark是類似于Hadoop的開源集群計(jì)算環(huán)境，但是MapReduce是面向磁盤的，受磁盤讀寫性能約束，因此它在處理迭代計(jì)算、交互式數(shù)據(jù)查詢方面效率較低，而Spark是面向內(nèi)存的，因此Spark能夠?yàn)槎嘣串悩?gòu)數(shù)據(jù)提供近乎實(shí)時的處理能力。在相同的軟硬件環(huán)境下處理同一批數(shù)據(jù)，如果在內(nèi)存中運(yùn)行，Spark的計(jì)算速度是MapReduce的約一百倍。此外，Spark比Hadoop還具有更好的易用性和通用性。Spark的工作流程圖如圖3所示。

Spark的具體工作流程是：Driver Program程序運(yùn)行以后，創(chuàng)建SparkContent，為運(yùn)行環(huán)境做好準(zhǔn)備，Worker Node啟動Executor，創(chuàng)建執(zhí)行線程，SparkContent將應(yīng)用程序分發(fā)給Executor，由Executor向SparkContent申請Task，Task在Exectuor上運(yùn)行處理數(shù)據(jù)，并將數(shù)據(jù)存放在緩存中，其間對這些數(shù)據(jù)進(jìn)行重復(fù)操作將直接從緩存中讀取，直到運(yùn)行完畢后釋放所有資源，并清空緩存。

4? 基于大數(shù)據(jù)分析的智能生產(chǎn)優(yōu)化

4.1? 生產(chǎn)過程與生產(chǎn)工藝優(yōu)化

傳統(tǒng)的生產(chǎn)管理只以穩(wěn)定生產(chǎn)和產(chǎn)品數(shù)量為中心，不能滿足企業(yè)對于生產(chǎn)效率和成本控制的要求。智能生產(chǎn)可以通過對收集的數(shù)據(jù)進(jìn)行分析，提出改進(jìn)方案，進(jìn)而對生產(chǎn)過程和生產(chǎn)工藝做出優(yōu)化。如車間制造現(xiàn)場實(shí)時數(shù)據(jù)采集與監(jiān)控SCADA系統(tǒng)獲取并提供設(shè)備生產(chǎn)控制數(shù)據(jù)與生產(chǎn)質(zhì)量檢測數(shù)據(jù)，通過工業(yè)大數(shù)據(jù)處理轉(zhuǎn)化為生產(chǎn)工序的控制參數(shù)值，并與工藝標(biāo)準(zhǔn)進(jìn)行上下限超差對比分析，并通過追溯系統(tǒng)對質(zhì)量異常工序?qū)?yīng)的生產(chǎn)“人機(jī)料法環(huán)”影響因素進(jìn)行關(guān)聯(lián)分析與影響度分析，基于積累的生產(chǎn)工序大數(shù)據(jù)，構(gòu)建工藝控制參數(shù)優(yōu)化分析的AI模型，進(jìn)行各個成型控制參數(shù)進(jìn)行分析，以達(dá)到優(yōu)化生產(chǎn)過程與生產(chǎn)工藝的目的。

4.1.1? 實(shí)例分析

分析目標(biāo)：針對設(shè)備生產(chǎn)相關(guān)數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)影響設(shè)備生產(chǎn)的因素。

數(shù)據(jù)表：DSEamDB.dbo.V_S_DSTSFACTORY_3_4_Pro-ductivityRate_EAM（每日倉庫物料表）。

數(shù)據(jù)概述：共收集88 231條，選取數(shù)據(jù)的時間為2016-09-05至2018-07-22期間所有數(shù)據(jù)。

數(shù)據(jù)詳細(xì)說明，如表1所示。

可視化數(shù)據(jù)分析結(jié)果：對于完成率字段，根據(jù)日期統(tǒng)計(jì)，如圖4所示。可以看到，圖中有幾次設(shè)備生產(chǎn)數(shù)量極低的情況。

結(jié)論：（1）節(jié)假日時間，設(shè)備有生產(chǎn)數(shù)據(jù)的數(shù)量極低，大概率是工廠放假，設(shè)備關(guān)閉，導(dǎo)致圖中設(shè)備停產(chǎn)。（2）圖中圖中圓圈標(biāo)注的2017-07-20、2017-08-04、2017-11-02的幾次大規(guī)模停產(chǎn)，都不在法定節(jié)假日時間范圍內(nèi)，只有少部分設(shè)備開工生產(chǎn)的情況是不正常的，可以根據(jù)該情況，檢查當(dāng)時記錄，找出具體原因，解決問題，同時指導(dǎo)排查計(jì)劃。

4.2? 設(shè)備故障分析與優(yōu)化

生產(chǎn)設(shè)備是生產(chǎn)要素的重要組成部分之一，在生產(chǎn)過程中既要盡量按照規(guī)程操作，防止故障的發(fā)生;又要保證生產(chǎn)效率，提高設(shè)備利用率。在生產(chǎn)過程中設(shè)備出現(xiàn)故障，會影響生產(chǎn)效率，降低產(chǎn)量。雖然發(fā)生設(shè)備故障是小概率事件，但是一旦發(fā)生設(shè)備故障，需要盡快進(jìn)行故障分析，以保證損失最小化。而優(yōu)化設(shè)備利用率則是智能生產(chǎn)中提高生產(chǎn)效率的重要手段之一，需要對其有足夠的重視。

在智能生產(chǎn)模式下，主要從以下幾個方面進(jìn)行設(shè)備故障分析與優(yōu)化。（1）對設(shè)備狀態(tài)進(jìn)行監(jiān)控，如對停機(jī)、故障、運(yùn)行、暫停等多種設(shè)備狀態(tài)進(jìn)行監(jiān)控，用于深度分析設(shè)備的利用率。（2）對設(shè)備利用率進(jìn)行監(jiān)控，通過計(jì)算設(shè)備的利用率，分析設(shè)備利用率較低的原因，進(jìn)而優(yōu)化提高利用率。（3）對設(shè)備故障時間進(jìn)行統(tǒng)計(jì)，從故障原因等調(diào)度分析設(shè)備的故障原因、修復(fù)定額時間，提高設(shè)備的維護(hù)能力。

4.2.1? 實(shí)例分析

分析目標(biāo)：針對設(shè)備檢修工單相關(guān)數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)設(shè)備故障的因素。

數(shù)據(jù)表：DSEamDB.dbo.WorkOrder（工單詳情表）。

數(shù)據(jù)概述：共收集398 055條設(shè)備檢修工單數(shù)據(jù)，選取數(shù)據(jù)時間為2017-08-11至2019-04-07的數(shù)據(jù)。

數(shù)據(jù)詳細(xì)說明，如表2所示。

可視化數(shù)據(jù)分析結(jié)果：根據(jù)工單類型篩選故障工單，故障工單653個，根據(jù)設(shè)備類型進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)圖如圖5所示。

結(jié)論：（1）可以看出3T-1#成型機(jī)故障率較高，可以由此做出推斷該設(shè)備發(fā)生故障次數(shù)比較多，可能是設(shè)備質(zhì)量有問題或者操作人員操作不規(guī)范，對后續(xù)設(shè)備采購和人員培訓(xùn)做出指導(dǎo)。（2）可以通過故障工單的統(tǒng)計(jì)，對經(jīng)常故障的設(shè)備增加檢修計(jì)劃，以保證設(shè)備正常運(yùn)行。

5? 結(jié)? 論

本文針對智能生產(chǎn)過程中的大數(shù)據(jù)應(yīng)用進(jìn)行分析研究，通過對當(dāng)前制造業(yè)生產(chǎn)現(xiàn)狀、智能生產(chǎn)中存在的問題，大數(shù)據(jù)發(fā)展與應(yīng)用現(xiàn)狀的論述，以輪胎產(chǎn)業(yè)為例，對數(shù)據(jù)采集與通訊控制、多元異構(gòu)數(shù)據(jù)的集成、大數(shù)據(jù)存儲與實(shí)時數(shù)據(jù)分析、基于大數(shù)據(jù)分析的智能生產(chǎn)優(yōu)化這四部分進(jìn)行闡述，詳細(xì)地介紹了智能生產(chǎn)中的大數(shù)據(jù)應(yīng)用。實(shí)現(xiàn)智能制造需要將大數(shù)據(jù)轉(zhuǎn)化為“大信息”，數(shù)據(jù)本身并不會為企業(yè)帶來價(jià)值，數(shù)據(jù)技術(shù)的發(fā)展也不會為制造業(yè)帶來創(chuàng)新，只有將數(shù)據(jù)進(jìn)行處理分析轉(zhuǎn)化為有用信息，才會對企業(yè)生產(chǎn)產(chǎn)生價(jià)值。通過大數(shù)據(jù)分析，除了了解客戶需求以外，更要關(guān)注機(jī)器數(shù)據(jù)與工業(yè)數(shù)據(jù)相結(jié)合，實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型的重大價(jià)值。

參考文獻(xiàn)：

[1] 龍?zhí)?智能制造中的生產(chǎn)調(diào)度優(yōu)化問題研究 [D].綿陽：西南科技大學(xué)，2016.

[2] 李敏波，丁鐸，易泳.基于FP-Growth改進(jìn)算法的輪胎質(zhì)量數(shù)據(jù)分析 [J].中國機(jī)械工程，2019，30（2）：244-251.

[3] 曹鵬.基于工業(yè)物聯(lián)網(wǎng)技術(shù)的遠(yuǎn)程數(shù)據(jù)存儲分析平臺 [J].現(xiàn)代工業(yè)經(jīng)濟(jì)和信息化，2020，10（4）：61-62.

[4] 高彥臣.輪胎工業(yè)4.0理論與技術(shù)實(shí)現(xiàn) [J].橡塑技術(shù)與裝備，2017，43（1）：33-39.

[5] 張潔，汪俊亮，呂佑龍，等.大數(shù)據(jù)驅(qū)動的智能制造 [J].中國機(jī)械工程，2019，30（2）：127-133+158.

[6] 劉偉杰，吉衛(wèi)喜，張朝陽.面向智能生產(chǎn)維護(hù)的大數(shù)據(jù)建模分析方法 [J].中國機(jī)械工程，2019，30（2）：159-166.

[7] 呂煒帥.輪胎智能生產(chǎn)中工裝的設(shè)計(jì)應(yīng)用 [J].橡塑技術(shù)與裝備，2020，46（2）：52-57.

[8] 焦波.智能制造裝備的發(fā)展現(xiàn)狀與趨勢 [J].內(nèi)燃機(jī)與配件，2020（9）：214-215.

[9] 劉偉蓮.智能制造技術(shù)在汽車行業(yè)的應(yīng)用 [J].集成電路應(yīng)用，2020，37（6）：102-103.

作者簡介：劉興惠（1985—），男，漢族，山東濱州人，總經(jīng)理，高級工程師，碩士，研究方向：大數(shù)據(jù)分析;通訊作者：李至立（1988—），男，漢族，山東濟(jì)寧人，技術(shù)總監(jiān)，中級工程師，碩士，研究方向：大數(shù)據(jù)技術(shù)。