何曉東 杜紅濤 黃鴻達(dá)
技術(shù)應(yīng)用
混凝土生產(chǎn)過程數(shù)據(jù)采集和配料行為分析方法
何曉東1杜紅濤1黃鴻達(dá)2
(1.珠海市長陸工業(yè)自動(dòng)控制系統(tǒng)股份有限公司,廣東 珠海 5190902. 中國電信股份有限公司廈門分公司,福建 廈門 361000)
針對(duì)傳統(tǒng)的混凝土生產(chǎn)過程監(jiān)控系統(tǒng)無法進(jìn)行實(shí)時(shí)數(shù)據(jù)采集和監(jiān)控,且在發(fā)生故障時(shí)缺乏有效分析方法等問題,利用微信小程序?qū)炷辽a(chǎn)過程中的儀表和傳感數(shù)據(jù)進(jìn)行實(shí)時(shí)采集;對(duì)混凝土生產(chǎn)過程中配料超重、配料不足和配料超速3種異常配料行為進(jìn)行研究,并使用關(guān)聯(lián)規(guī)則算法對(duì)混凝土配料行為中出現(xiàn)的故障進(jìn)行分析,為實(shí)際生產(chǎn)過程提供指導(dǎo),提高生產(chǎn)效率。
數(shù)據(jù)采集;遠(yuǎn)程監(jiān)控;小程序;關(guān)聯(lián)分析
傳統(tǒng)的混凝土生產(chǎn)過程監(jiān)控方式主要有B/S和C/S結(jié)構(gòu)[1-2]。B/S結(jié)構(gòu)的監(jiān)測(cè)系統(tǒng)具有信息采集靈活和開發(fā)簡(jiǎn)單易維護(hù)等特點(diǎn),但其難以實(shí)現(xiàn)對(duì)儀器儀表和底層傳感數(shù)據(jù)的實(shí)時(shí)采集。C/S結(jié)構(gòu)可實(shí)現(xiàn)對(duì)儀器儀表和底層傳感數(shù)據(jù)的實(shí)時(shí)采集,但需要部署和安裝相關(guān)的客戶端程序。而微信小程序具有開發(fā)簡(jiǎn)單、開發(fā)周期短、兼容性強(qiáng)等特點(diǎn),能較好地滿足混凝土生產(chǎn)過程實(shí)時(shí)數(shù)據(jù)采集和監(jiān)控相關(guān)需求。
另外,混凝土生產(chǎn)過程中的各個(gè)環(huán)節(jié)是相互關(guān)聯(lián)的,任何環(huán)節(jié)出現(xiàn)問題都可能降低混凝土生產(chǎn)的效率和質(zhì)量。其中,生產(chǎn)配料是非常重要的一環(huán)。生產(chǎn)配料的配比、用量的準(zhǔn)確度均影響混凝土的質(zhì)量。單純根據(jù)專家經(jīng)驗(yàn)進(jìn)行故障診斷相對(duì)困難,且容易出現(xiàn)偏差,可采用機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘等方法提高故障診斷的智能化水平[3-4]。
本文通過開發(fā)微信小程序?qū)炷辽a(chǎn)過程中的儀表和傳感數(shù)據(jù)進(jìn)行實(shí)時(shí)采集;并使用關(guān)聯(lián)規(guī)則算法對(duì)混凝土生產(chǎn)過程的異常配料行為進(jìn)行分析,以提高生產(chǎn)效率。
混凝土生產(chǎn)過程遠(yuǎn)程數(shù)據(jù)采集系統(tǒng)整體架構(gòu)如圖1所示。
圖1 混凝土生產(chǎn)過程遠(yuǎn)程數(shù)據(jù)采集系統(tǒng)架構(gòu)
混凝土生產(chǎn)過程遠(yuǎn)程數(shù)據(jù)采集系統(tǒng)主要由數(shù)據(jù)采集、中心服務(wù)和微信小程序3大模塊組成。其中,數(shù)據(jù)采集模塊采用標(biāo)準(zhǔn)數(shù)據(jù)終端設(shè)備(data terminal unit, DTU)[5];中心服務(wù)模塊部署了數(shù)據(jù)庫服務(wù)器和Web服務(wù)器;微信小程序通過微信服務(wù)器獲得界面代碼,從中心服務(wù)模塊請(qǐng)求數(shù)據(jù)綁定在界面上,并以此提供數(shù)據(jù)展示界面,顯示儀表數(shù)據(jù)。微信小程序數(shù)據(jù)采集系統(tǒng)功能如圖2所示。
1) DTU數(shù)據(jù)獲取:中心服務(wù)作為DTU采集和微信小程序的后臺(tái)服務(wù)器,負(fù)責(zé)處理DTU的采集數(shù)據(jù)并將數(shù)據(jù)開放給微信小程序客戶端。DTU采集模塊需設(shè)置相應(yīng)的服務(wù)器IP和端口,再將采集的數(shù)據(jù)發(fā)送至中心服務(wù)模塊。中心服務(wù)模塊接收DTU采集數(shù)據(jù)需服務(wù)器端使用Socket編程與DTU連接。
圖2 微信小程序遠(yuǎn)程數(shù)據(jù)采集系統(tǒng)功能
2)通信方案:根據(jù)微信小程序所請(qǐng)求的數(shù)據(jù)實(shí)時(shí)性要求不同,中心服務(wù)模塊提供短連接的Http Request請(qǐng)求和長連接的WebSocket請(qǐng)求2種通信方式[6-7]。WebSocket協(xié)議可實(shí)現(xiàn)微信小程序與服務(wù)器的全雙工通信[8-9],即服務(wù)端也能主動(dòng)向客戶端發(fā)送數(shù)據(jù),拓展了微信小程序客戶端與服務(wù)端的通信功能。根據(jù)不同需求,在微信小程序?qū)ttp Request請(qǐng)求接口方法和WebSocket請(qǐng)求接口方法進(jìn)行實(shí)現(xiàn),并采用輕量級(jí)的數(shù)據(jù)交換格式JSON[10],易于機(jī)器解析和生成,有效地提升網(wǎng)絡(luò)傳輸效率。
3)數(shù)據(jù)獲?。篐ttp Request請(qǐng)求主要應(yīng)用于微信小程序客戶端無需實(shí)時(shí)更新數(shù)據(jù),而需要主動(dòng)請(qǐng)求或發(fā)送數(shù)據(jù)到中心服務(wù)模塊服務(wù)器的場(chǎng)景,如,登錄驗(yàn)證、歷史狀態(tài)查詢等。WebSocket請(qǐng)求主要應(yīng)用于中心服務(wù)模塊的服務(wù)器主動(dòng)發(fā)送數(shù)據(jù)到微信小程序客戶端,如,儀表實(shí)時(shí)數(shù)據(jù)更新使用WebSoket請(qǐng)求,使數(shù)據(jù)中心能夠自主發(fā)送儀表實(shí)時(shí)數(shù)據(jù)到小程序,小程序客戶端可及時(shí)主動(dòng)地更新數(shù)據(jù),而不必每次更新數(shù)據(jù)都建立Http Request連接。因此,小程序與中心服務(wù)模塊服務(wù)器建立連接后會(huì)一直保持通信。
4)微信小程序開發(fā):微信小程序主要功能是向數(shù)據(jù)采集模塊請(qǐng)求數(shù)據(jù),并為用戶提供實(shí)時(shí)數(shù)據(jù)查詢和分析功能。其開發(fā)過程主要包括3個(gè)步驟:搭建小程序開發(fā)環(huán)境、小程序數(shù)據(jù)獲取以及小程序界面設(shè)計(jì)。小程序核心功能是主界面的在線監(jiān)測(cè),用戶可以在主界面查詢?cè)O(shè)備實(shí)時(shí)數(shù)據(jù)和歷史狀態(tài)。小程序運(yùn)行界面如圖3所示,其中18 kg為當(dāng)前時(shí)刻稱重儀表的稱重?cái)?shù)據(jù),其余數(shù)據(jù)為歷史數(shù)據(jù)。
圖3 小程序運(yùn)行界面
混凝土配料行為中出現(xiàn)的故障與生產(chǎn)狀態(tài)具有關(guān)聯(lián),因此,本文采用Apriori關(guān)聯(lián)規(guī)則算法分析混凝土配料行為中出現(xiàn)的故障:
1)收集混凝土生產(chǎn)數(shù)據(jù),并將生產(chǎn)數(shù)據(jù)整理成原始數(shù)據(jù);
2)對(duì)原始數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理,形成建模數(shù)據(jù);
3)采用Apriori關(guān)聯(lián)規(guī)則算法,得到各生產(chǎn)狀態(tài)與故障原因之間的關(guān)聯(lián)規(guī)則;
4)輸出關(guān)聯(lián)規(guī)則結(jié)果。
從生產(chǎn)記錄文件中獲取生產(chǎn)數(shù)據(jù),并將生產(chǎn)數(shù)據(jù)整理為標(biāo)準(zhǔn)的數(shù)據(jù)格式,統(tǒng)一數(shù)據(jù)的量綱和單位。
本文主要研究配料超重、配料不足、配料超速3種異常配料行為。Apriori關(guān)聯(lián)規(guī)則算法具有處理連續(xù)性數(shù)值變量的缺陷,因此,本文構(gòu)造能夠反應(yīng)配料超重、配料不足、配料超速3種異常配料行為的離散化特征。
表1 配料超重?cái)?shù)據(jù)
表2 配料不足數(shù)據(jù)
2.2.1 正常配料行為
配料初期,配料倉閥門由關(guān)閉到完全打開狀態(tài)需要一定時(shí)間,初始配料增量較?。划?dāng)配料倉閥門全開一段時(shí)間后,配料增量趨于穩(wěn)定;當(dāng)料稱數(shù)值接近目標(biāo)量時(shí),配料倉閥門關(guān)閉,配料增量減小,并趨于穩(wěn)定,停止配料。正常配料料稱折線圖如圖4所示。
圖4 正常配料料稱折線圖
由圖4可知:正常配料行為的料稱折線先是緩慢增大,然后進(jìn)入快速增長階段,最后趨于平穩(wěn)達(dá)到最大值。
2.2.2 配料不足與配料超重
配料超重料稱折線圖如圖5所示。
2.2.3 配料超速行為
配料超速料稱折線圖如圖6所示。由圖6可知:配料超速料稱折線呈現(xiàn)高速增長的趨勢(shì)。
采用皮爾遜相關(guān)系數(shù)描述配料料稱折線增長趨勢(shì),分析認(rèn)為配料超速主要有2個(gè)特點(diǎn):
1)配料曲線整體增速大;
2)具有較大的皮爾遜相關(guān)系數(shù)。
圖6 配料超速料稱折線圖
本文選取配料超重、配料不足、配料超速3種異常配料行為作為挖掘數(shù)據(jù),并將篩選后的數(shù)據(jù)結(jié)合故障原因以及故障時(shí)刻的配料倉閥門狀態(tài)建模數(shù)據(jù),如表3所示。
表3 故障行為建模數(shù)據(jù)
1)異常配料行為:配料超重(標(biāo)識(shí)為A)、配料不足(標(biāo)識(shí)為B)、配料超速(標(biāo)識(shí)為C);
2)配料倉閥門狀態(tài):開(標(biāo)識(shí)為D)、關(guān)(標(biāo)識(shí)為E);
3)故障原因:傳感器故障(標(biāo)識(shí)為F)、儀表故障(標(biāo)識(shí)為G)、接線異常(標(biāo)識(shí)為H)、配料異常(標(biāo)識(shí)為I)、其他(標(biāo)識(shí)為J)。
模型由輸入、算法處理和輸出3部分組成。輸入部分包括建模數(shù)據(jù)和建模參數(shù);采用Apriori關(guān)聯(lián)規(guī)則算法;輸出結(jié)果為故障原因與配料狀態(tài)和配料倉閥門狀態(tài)之間關(guān)聯(lián)規(guī)則。
實(shí)現(xiàn)步驟:
1)設(shè)置模型的支持度閾值和置信度閾值;
2)輸入建模樣本數(shù)據(jù);
3)采用Apriori關(guān)聯(lián)規(guī)則算法進(jìn)行分析;
4)當(dāng)?shù)玫降乃幸?guī)則都不滿足支持度閾值和置信度閾值時(shí),重新調(diào)整模型的支持度閾值和置信度閾值,否則輸出關(guān)聯(lián)規(guī)則結(jié)果。
采用Apriori關(guān)聯(lián)規(guī)則算法(如圖7所示)得到關(guān)聯(lián)規(guī)則106條,如,規(guī)則C-E-G(support = 0.063636,confidence = 0.25)表示該規(guī)則的支持度為6.4%,置信度為25%(在C、E同時(shí)發(fā)生的情況下,G發(fā)生的概率為25%)。從106條規(guī)則中選取16條規(guī)則進(jìn)行研究,如表4所示。
圖7 搜索頻繁集算法
表4 部分三項(xiàng)關(guān)聯(lián)規(guī)則
提升度反應(yīng)了關(guān)聯(lián)規(guī)則中A與B的相關(guān)性,本文用作為衡量關(guān)聯(lián)規(guī)則是否有效的指標(biāo),計(jì)算公式為
三項(xiàng)關(guān)聯(lián)規(guī)則提升度如圖8所示,強(qiáng)關(guān)聯(lián)規(guī)則的提升度都大于1,為有效關(guān)聯(lián)規(guī)則。
圖8 三項(xiàng)關(guān)聯(lián)規(guī)則提升度
強(qiáng)關(guān)聯(lián)規(guī)則如表5所示。
表5 強(qiáng)關(guān)聯(lián)規(guī)則
由表5可知:
1)A、D=>I的支持度達(dá)17.3%,置信度最大,達(dá)82.6%,說明在配料過多且配料倉閥門狀態(tài)為開啟時(shí),由配料倉狀態(tài)異常引起故障的可能性為82.6%;
2)B、E=>I的支持度為11.8%,置信度為81.3%,說明在配料不足且配料倉閥門關(guān)閉時(shí),由配料倉狀態(tài)異常引起故障的可能性為81.3%;
3)B、D=>I的支持度為15.5%,置信度為56.7%,說明在配料不足且配料倉閥門開啟時(shí),由配料倉狀態(tài)異常引起故障的可能性為56.7%;
4)C、E=>F的支持度為13.6%,置信度為53.6%,說明在配料超速且配料倉閥門關(guān)閉時(shí),儀表故障產(chǎn)生的可能性為53.6%。
綜合以上分析,結(jié)合其他弱關(guān)聯(lián)規(guī)則可得到:儀表、傳感器、配料倉等出現(xiàn)異常都可能引起配料行為異常。
本文對(duì)混凝土生產(chǎn)過程數(shù)據(jù)采集和異常配料行為進(jìn)行研究,實(shí)現(xiàn)了基于微信小程序的實(shí)時(shí)儀表和傳輸數(shù)據(jù)采集;并重點(diǎn)分析混凝土生產(chǎn)中故障原因置信度較高的幾種情況。本文設(shè)計(jì)的小程序和故障分析方法具有可行性,對(duì)于混凝土生產(chǎn)過程中的故障監(jiān)測(cè)具有一定的參考價(jià)值。
[1] 劉媛,張偉,王知學(xué).基于B/S和C/S架構(gòu)的嵌入式遠(yuǎn)程監(jiān)控系統(tǒng)[J].儀表技術(shù)與傳感器,2008(10):39-41.
[2] 牛強(qiáng),陳金寶,華鋼.基于Browser/Server模式的工業(yè)實(shí)時(shí)監(jiān)測(cè)系統(tǒng)[C].第十二屆全國煤礦自動(dòng)化學(xué)術(shù)年會(huì)論文專輯, 2002:55-56.
[3] 劉景雷.水泥混凝土攪拌站故障診斷與分析[J].交通世界(建養(yǎng).機(jī)械),2010(9):78-79.
[4] 司佳.面向工業(yè)大數(shù)據(jù)的智能故障診斷方法研究[D].濟(jì)南:山東大學(xué),2018.
[5] 劉教瑜,吳美玲,譚杰.GPRS DTU的設(shè)計(jì)及研究[J].電力自動(dòng)化設(shè)備,2006(3):89-91.
[6] 李興華.基于WebSocket的移動(dòng)即時(shí)通信系統(tǒng)[D].重慶:重慶大學(xué),2013.
[7] 譚劍.基于WebService的手機(jī)APP消息推送機(jī)制研究[J].通訊世界,2019,26(12):140-141.
[8] 包文祥,胡廣朋.基于WebSocket的實(shí)時(shí)通信機(jī)制的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)與數(shù)字工程,2019,47(7):1836-1840.
[9] 胡洋洋.基于WebSocket的服務(wù)器推送技術(shù)的研究與實(shí)現(xiàn)[D].南京:南京郵電大學(xué),2018.
[10] 高靜,段會(huì)川.基于移動(dòng)設(shè)備的JSON數(shù)據(jù)傳輸效率研究[J].信息技術(shù)與信息化,2011(1):13-16.
Data Collection and Batching Behavior Analysis Method of Concrete Production Process
He Xiaodong1Du Hongtao1Huang Hongda2
(1.Zhuhai Longtec Corp., Ltd. Zhuhai 519090, China 2.China Telecommunications Xiamen Branch, Xiamen 361000, China)
In view of the problems that the traditional concrete production process monitoring system cannot meet the real-time data collection and monitoring functions, and lack of effective analysis methods when failures occur, the article proposes a new detection method and analysis method. The WeChat applet is used to collect real-time instrumentation and sensor data in the concrete production process, and we study the three faults of overweight, insufficient and overspeed in the concrete production process and analyze the abnormal batching behavior of concrete production by using the association rule algorithm, which can provide guidance for the actual production process and improve the production efficiency greatly.
data collection; remote monitoring; webchat applet; correlation analysis
何曉東,男,1970年生,本科,高級(jí)工程師,主要研究方向:工業(yè)自動(dòng)化和信息化。E-mail: hexiaodong@@longtec.com
杜紅濤,男,1977年生,本科,工程師,主要研究方向:工業(yè)自動(dòng)化和信息化。E-mail:duhongtao@longtec.com
黃鴻達(dá),男,1995年生,碩士,助理工程師,主要研究方向:數(shù)據(jù)挖掘。E-mail:1006645138@qq.com
TP274.2
A
1674-2605(2020)05-0009-06
10.3969/j.issn.1674-2605.2020.05.009