工業(yè)物聯(lián)網(wǎng)大數(shù)據(jù)服務(wù)平臺(tái)的研究與應(yīng)用
——以機(jī)械制造行業(yè)為例

孫鎮(zhèn)江

(青島職業(yè)技術(shù)學(xué)院 信息學(xué)院，山東 青島 266555)

隨著大數(shù)據(jù)、物聯(lián)網(wǎng)等技術(shù)的快速發(fā)展，兩者成為實(shí)現(xiàn)工業(yè)智能化的有力手段。企業(yè)融合創(chuàng)新發(fā)展成為大趨勢(shì)，企業(yè)應(yīng)以開(kāi)放的心態(tài)，抓住大數(shù)據(jù)、物聯(lián)網(wǎng)等技術(shù)帶來(lái)的機(jī)遇，實(shí)現(xiàn)高質(zhì)量發(fā)展，搭建工業(yè)物聯(lián)網(wǎng)大數(shù)據(jù)服務(wù)平臺(tái)便是實(shí)現(xiàn)企業(yè)融合創(chuàng)新發(fā)展有效途徑之一。研究與設(shè)計(jì)工業(yè)物聯(lián)網(wǎng)大數(shù)據(jù)服務(wù)平臺(tái)的意義在于將工業(yè)物聯(lián)網(wǎng)將生產(chǎn)過(guò)程中的每一個(gè)環(huán)節(jié)和設(shè)備變成數(shù)據(jù)供給側(cè)，全面采集底層基礎(chǔ)數(shù)據(jù)，進(jìn)而進(jìn)行深層次的數(shù)據(jù)挖掘和分析，發(fā)現(xiàn)各個(gè)生產(chǎn)環(huán)節(jié)潛在的關(guān)聯(lián)關(guān)系。構(gòu)建工業(yè)物聯(lián)網(wǎng)大數(shù)據(jù)服務(wù)平臺(tái)，以數(shù)據(jù)驅(qū)動(dòng)智能制造的科學(xué)決策和智能控制，最終實(shí)現(xiàn)智能化生產(chǎn)、網(wǎng)絡(luò)化協(xié)同、個(gè)性化定制和服務(wù)化轉(zhuǎn)型，推動(dòng)傳統(tǒng)工業(yè)進(jìn)入智能化新階段的目標(biāo)。

一、引言

隨著工業(yè)化與信息化的深度融合，企業(yè)內(nèi)部及企業(yè)間生產(chǎn)控制系統(tǒng)和生產(chǎn)管理系統(tǒng)互聯(lián)互通的需求漸增，通過(guò)接入網(wǎng)絡(luò)進(jìn)而達(dá)到提高產(chǎn)品質(zhì)量和運(yùn)營(yíng)效率的需求更為強(qiáng)烈，工業(yè)物聯(lián)網(wǎng)應(yīng)運(yùn)而生。工業(yè)物聯(lián)網(wǎng)是物聯(lián)網(wǎng)在工業(yè)領(lǐng)域的應(yīng)用，主要是通過(guò)工業(yè)資源的網(wǎng)絡(luò)互聯(lián)、數(shù)據(jù)互通和系統(tǒng)相互操作，實(shí)現(xiàn)制造原料的靈活配合、制造過(guò)程的按需執(zhí)行、制造工藝的合理優(yōu)化和制造環(huán)境的快速適應(yīng)，以達(dá)到資源的高效利用，從而構(gòu)建服務(wù)驅(qū)動(dòng)型的新工業(yè)生態(tài)體系。據(jù)《2019年中國(guó)工業(yè)物聯(lián)網(wǎng)市場(chǎng)前景研究報(bào)告》的研究顯示，2018年全球工業(yè)物聯(lián)網(wǎng)的市場(chǎng)規(guī)模約640億美元，期望在2023年超900億美元規(guī)模，并且設(shè)備聯(lián)網(wǎng)數(shù)量也將超過(guò)消費(fèi)物聯(lián)網(wǎng)設(shè)備聯(lián)網(wǎng)數(shù)量，預(yù)計(jì)在2025年全球工業(yè)物聯(lián)網(wǎng)設(shè)備聯(lián)網(wǎng)數(shù)量將達(dá)到138億。我國(guó)工業(yè)物聯(lián)網(wǎng)的發(fā)展將逐步轉(zhuǎn)變?yōu)橐怨I(yè)應(yīng)用需求為主導(dǎo)，預(yù)計(jì)2020年，在新工業(yè)時(shí)代背景影響下，工業(yè)物聯(lián)網(wǎng)產(chǎn)業(yè)占整體物聯(lián)網(wǎng)產(chǎn)業(yè)比重將達(dá)到25%，突破4500億元規(guī)模。[1]

對(duì)于物聯(lián)網(wǎng)大數(shù)據(jù)服務(wù)平臺(tái)的搭建應(yīng)從數(shù)據(jù)應(yīng)用的價(jià)值與功能為根本，以需求確定采集和分析的數(shù)據(jù)內(nèi)容，注重?cái)?shù)據(jù)采集的準(zhǔn)確性、高效性和易用性，而不僅僅是數(shù)據(jù)量大，進(jìn)而構(gòu)造出滿足實(shí)際應(yīng)用的工業(yè)物聯(lián)網(wǎng)大數(shù)據(jù)服務(wù)平臺(tái)。[2]

二、工業(yè)物聯(lián)網(wǎng)大數(shù)據(jù)服務(wù)平臺(tái)的研究現(xiàn)狀及存在的問(wèn)題

作為國(guó)家戰(zhàn)略的《中國(guó)制造2025》提出的“互聯(lián)網(wǎng)+”戰(zhàn)略，主要是將現(xiàn)有的物聯(lián)網(wǎng)技術(shù)、互聯(lián)網(wǎng)技術(shù)以及云計(jì)算等技術(shù)與傳統(tǒng)的工業(yè)制造進(jìn)行深度融合。目前，我國(guó)的制造行業(yè)雖然在智能化和數(shù)字化兩個(gè)方面取得了一定的發(fā)展，但主要集中在物聯(lián)網(wǎng)設(shè)備的感知上，即通過(guò)硬件設(shè)備和軟件的部署收集并傳輸數(shù)據(jù)，如采集設(shè)備及生產(chǎn)線上的溫度、壓力、振動(dòng)等信息，這僅僅是物聯(lián)網(wǎng)應(yīng)用的開(kāi)始，這樣生產(chǎn)制造業(yè)很難有效挖掘有價(jià)值的信息來(lái)指導(dǎo)工業(yè)生產(chǎn)經(jīng)營(yíng)。[3]當(dāng)今，針對(duì)工業(yè)大數(shù)據(jù)的研究主要集中以下兩個(gè)方面：第一個(gè)方面是根據(jù)真實(shí)的工業(yè)生產(chǎn)環(huán)境，如何利用現(xiàn)有的大數(shù)據(jù)處理技術(shù)高效存儲(chǔ)和管理海量的工業(yè)數(shù)據(jù)；另一個(gè)方面是如何在海量的工業(yè)數(shù)據(jù)中進(jìn)行挖掘分析，找出關(guān)聯(lián)關(guān)系，幫助企業(yè)優(yōu)化生產(chǎn)工藝。

國(guó)內(nèi)外工業(yè)巨頭們紛紛推出了工業(yè)物聯(lián)網(wǎng)應(yīng)用和平臺(tái)，通用電氣推出了工業(yè)物聯(lián)網(wǎng)軟件平臺(tái) Predix，作為全球第一個(gè)專業(yè)工業(yè)數(shù)據(jù)與分析開(kāi)發(fā)的云服務(wù)平臺(tái)，Predix 平臺(tái)主要用于連接各類工業(yè)資產(chǎn)設(shè)備和供應(yīng)商并接入云端，并對(duì)采集的工業(yè)數(shù)據(jù)進(jìn)行實(shí)時(shí)分析，從而優(yōu)化業(yè)務(wù)；西門子推出了基于云的開(kāi)放式工業(yè)物聯(lián)網(wǎng)平臺(tái)MindSphere，提供設(shè)備連接、數(shù)據(jù)采集、傳輸和安全存儲(chǔ)，能夠處理和分析設(shè)備產(chǎn)生的海量數(shù)據(jù)，實(shí)現(xiàn)設(shè)備狀態(tài)監(jiān)測(cè)、數(shù)據(jù)管理以及資源優(yōu)化等；海爾推出卡奧斯工業(yè)互聯(lián)網(wǎng)平臺(tái)(COSMOPlat)，打造面向智能制造的工業(yè)物聯(lián)網(wǎng)平臺(tái)，為中小企業(yè)提供一體化智能制造解決方案，賦能企業(yè)發(fā)展。[4]

相對(duì)于傳統(tǒng)的數(shù)據(jù)服務(wù)平臺(tái)，工業(yè)物聯(lián)網(wǎng)服務(wù)平臺(tái)不僅僅面對(duì)海量數(shù)據(jù)存儲(chǔ)壓力，而且還需面對(duì)工業(yè)數(shù)據(jù)具有多源異構(gòu)、分布廣泛、動(dòng)態(tài)增長(zhǎng)等特性；同時(shí)，還需要解決數(shù)據(jù)實(shí)時(shí)處理和分析。這些都是工業(yè)物聯(lián)網(wǎng)大數(shù)據(jù)服務(wù)平臺(tái)建設(shè)需解決的問(wèn)題，具體如下。

(一)多源異構(gòu)工業(yè)數(shù)據(jù)的集成

工業(yè)的數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)已由傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)變?yōu)榻Y(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化三種類型并存的形式，這就面臨著如何將這些多源異構(gòu)數(shù)據(jù)的集成，并保持?jǐn)?shù)據(jù)的完整性。如在機(jī)械制造行業(yè)，采集生產(chǎn)線數(shù)據(jù)主要包括設(shè)備數(shù)據(jù)、產(chǎn)品數(shù)據(jù)、過(guò)程數(shù)據(jù)、環(huán)境數(shù)據(jù)、作業(yè)數(shù)據(jù)以及能耗數(shù)據(jù)等不同形式數(shù)據(jù)，這就導(dǎo)致原有的解決方案不能滿足現(xiàn)有的數(shù)據(jù)處理要求，例如對(duì)于非結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)在傳統(tǒng)數(shù)據(jù)庫(kù)中通常采用BLOB 類型，通過(guò)建索引的方式來(lái)進(jìn)行全局查詢。這種方式能夠一定程度上解決異構(gòu)數(shù)據(jù)集成和存儲(chǔ)的問(wèn)題，但如果數(shù)據(jù)源發(fā)生變化，不能靈活的轉(zhuǎn)換，遷移工作會(huì)非常繁瑣。

(二)海量工業(yè)數(shù)據(jù)存儲(chǔ)管理

工業(yè)生產(chǎn)數(shù)據(jù)的體量大且變化頻率很快，這主要是由于工業(yè)生產(chǎn)過(guò)程中數(shù)據(jù)是實(shí)時(shí)高速變化的，采集系統(tǒng)實(shí)時(shí)運(yùn)轉(zhuǎn)采集，例如設(shè)備工況、環(huán)境參數(shù)等。在機(jī)械制造行業(yè)中，生產(chǎn)設(shè)備的生產(chǎn)數(shù)據(jù)是快速變化的，擁有大量的檢測(cè)點(diǎn)和傳感器，在大數(shù)據(jù)計(jì)算分析時(shí)，面對(duì)這些實(shí)時(shí)變化的數(shù)據(jù)，對(duì)計(jì)算單元和存儲(chǔ)單元需要極高吞吐量和性能要求，單純的傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)無(wú)法滿足需求。

(三)數(shù)據(jù)實(shí)時(shí)處理的需求

實(shí)時(shí)處理分為兩部分：數(shù)據(jù)的實(shí)時(shí)存儲(chǔ)和實(shí)時(shí)計(jì)算。對(duì)于實(shí)時(shí)計(jì)算是指在數(shù)據(jù)不斷變化的過(guò)程中進(jìn)行實(shí)時(shí)計(jì)算分析，以發(fā)現(xiàn)有用的信息，為決策分析提供支持。傳統(tǒng)處理方法因其采集來(lái)源單一、計(jì)算分析數(shù)據(jù)量有限，可利用關(guān)系型數(shù)據(jù)庫(kù)和并行數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行處理。對(duì)于關(guān)系型數(shù)據(jù)庫(kù)的存在問(wèn)題前面已介紹，采用并行數(shù)據(jù)倉(cāng)庫(kù)處理方式存在以下問(wèn)題：一是構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)需要花費(fèi)較長(zhǎng)時(shí)間；二是在數(shù)據(jù)庫(kù)服務(wù)器出現(xiàn)宕機(jī)之后無(wú)法避免數(shù)據(jù)丟失問(wèn)題；三是對(duì)于依賴并行計(jì)算提升數(shù)據(jù)處理速度方面而言，傳統(tǒng)的并行數(shù)據(jù)庫(kù)技術(shù)難以滿足要求。

(四)工業(yè)大數(shù)據(jù)的智能挖掘分析

如何利用數(shù)據(jù)挖掘算法挖掘工業(yè)數(shù)據(jù)中潛在的關(guān)聯(lián)關(guān)系，打破信息壁壘，充分發(fā)揮數(shù)據(jù)價(jià)值。面對(duì)像機(jī)械行業(yè)生產(chǎn)的海量異構(gòu)多源的工業(yè)數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)分析手段將也需要調(diào)整以滿足挖掘要求。

三、工業(yè)物聯(lián)網(wǎng)大數(shù)據(jù)服務(wù)平臺(tái)的構(gòu)建

工業(yè)物聯(lián)網(wǎng)大數(shù)據(jù)服務(wù)平臺(tái)是基于分布式的高性能、高可用的一體化工業(yè)物聯(lián)網(wǎng)的大數(shù)據(jù)產(chǎn)品，該服務(wù)平臺(tái)包括工業(yè)數(shù)據(jù)采集、工業(yè)數(shù)據(jù)存儲(chǔ)、工業(yè)數(shù)據(jù)智能挖掘和平臺(tái)上層軟件。服務(wù)平臺(tái)整體架構(gòu)如圖1 所示。在服務(wù)平臺(tái)架構(gòu)中主要包含三大層，分別是：感知層、大數(shù)據(jù)服務(wù)平臺(tái)層和應(yīng)用層。感知層利用智能儀器儀表和設(shè)備開(kāi)放接口，以及傳感器(網(wǎng))等手段實(shí)現(xiàn)信息采集；大數(shù)據(jù)服務(wù)平臺(tái)層為核心，主要提供多源異構(gòu)數(shù)據(jù)集成；工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)的處理，包括實(shí)時(shí)計(jì)算和離線批量計(jì)算；工業(yè)數(shù)據(jù)的存儲(chǔ)以及工業(yè)數(shù)據(jù)智能挖掘分析等服務(wù)。平臺(tái)上層軟件主要提供數(shù)據(jù)查詢接口，即通過(guò)查詢接口獲取大數(shù)據(jù)服務(wù)平臺(tái)層中已經(jīng)處理過(guò)的數(shù)據(jù)并進(jìn)行可視化，還能提供智能決策輔助信息。

圖1 服務(wù)平臺(tái)整體架構(gòu)

(一)工業(yè)數(shù)據(jù)采集和集成

工業(yè)數(shù)據(jù)采集是對(duì)生產(chǎn)現(xiàn)場(chǎng)各種工業(yè)數(shù)據(jù)的實(shí)時(shí)采集和整理，利用泛在感知技術(shù)對(duì)多源設(shè)備和異構(gòu)系統(tǒng)等信息進(jìn)行實(shí)時(shí)高效采集。工業(yè)數(shù)據(jù)采集是實(shí)現(xiàn)智能制造和工業(yè)物聯(lián)網(wǎng)的重要基礎(chǔ)，是信息化和工業(yè)化融合的先決條件，也是工業(yè)轉(zhuǎn)型升級(jí)和智能化的必要條件。

工業(yè)數(shù)據(jù)因其設(shè)備數(shù)據(jù)種類多、信號(hào)源不同、分布廣泛，各類數(shù)據(jù)的采集方法不同。本文中的工業(yè)數(shù)據(jù)采集主要涉及到儀器儀表數(shù)據(jù)采集和數(shù)控設(shè)備運(yùn)行數(shù)據(jù)采集。對(duì)于儀器儀表數(shù)據(jù)采集，主要通過(guò)RS485串口通信總線標(biāo)準(zhǔn)和接口技術(shù)將數(shù)據(jù)匯集到工業(yè)計(jì)算機(jī)，再通過(guò)WIFI模塊將數(shù)據(jù)傳到數(shù)據(jù)服務(wù)器上。對(duì)于設(shè)備老舊等原因不能進(jìn)行數(shù)據(jù)采集的儀器儀表，在保持原有生產(chǎn)工藝下，將其進(jìn)行更換為智能儀表或安裝傳感器，確保數(shù)據(jù)能夠順利采集。對(duì)于數(shù)控設(shè)備數(shù)據(jù)采集，目前機(jī)械制造行業(yè)主流的數(shù)控生產(chǎn)商發(fā)那科(FANUC)、西門子(SIEMENS)、馬扎克(MAZAK)等，紛紛推出了具有以太網(wǎng)功能的數(shù)控系統(tǒng)，并提供開(kāi)發(fā)軟件包和開(kāi)放以太網(wǎng)接口支持基于TCP/IP協(xié)議的二次開(kāi)發(fā)，允許直接接入互聯(lián)網(wǎng)或者局域網(wǎng)。以本文研究的機(jī)械制造企業(yè)為例，高級(jí)型數(shù)控系統(tǒng)基本來(lái)源于國(guó)外供應(yīng)商，主要數(shù)控系統(tǒng)的型號(hào)有發(fā)那科、馬扎克、廣州數(shù)控，其中發(fā)那科占到80%左右，本文將主要研究發(fā)那科數(shù)控系統(tǒng)，利用發(fā)那科(FANUC)數(shù)控系統(tǒng)的數(shù)據(jù)服務(wù)器板(Fast Data Server Board)和快速以太網(wǎng)板(Fast Ethernet Board)兩種以太網(wǎng)硬件，基于FANUC公司的FOCAS(FANUC Open CNC Application Software)進(jìn)行基于以太網(wǎng)功能的二次開(kāi)發(fā)，實(shí)現(xiàn)FANUC數(shù)控系統(tǒng)的聯(lián)網(wǎng)通信、程序管理、狀態(tài)采集、屏幕顯示以及效能分析。數(shù)控系統(tǒng)采集信息，包括基本信息(開(kāi)機(jī)時(shí)間、關(guān)機(jī)時(shí)間、報(bào)警狀態(tài)、報(bào)警號(hào)、報(bào)警信息、報(bào)警時(shí)長(zhǎng))，數(shù)控(NC)數(shù)據(jù)(設(shè)備狀態(tài)、程序號(hào)、加工時(shí)長(zhǎng)、產(chǎn)量)，加工數(shù)據(jù)(進(jìn)給F、進(jìn)給倍率、主軸轉(zhuǎn)速、主軸倍率、主軸負(fù)載、各軸負(fù)載)，以及刀具壽命等。[5]

由于感知層中的數(shù)據(jù)源是由不同的系統(tǒng)定義并存在于不同的使用環(huán)境中，這些數(shù)據(jù)源中的數(shù)據(jù)必然具有多源異構(gòu)的特性，因此，采集數(shù)據(jù)的速度和后臺(tái)數(shù)據(jù)處理的速度并不一定保持同步；同時(shí)，可能存在“臟數(shù)據(jù)”，需要對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)換和清洗，所以在物聯(lián)網(wǎng)服務(wù)平臺(tái)工業(yè)數(shù)據(jù)采集的過(guò)程中對(duì)多源異構(gòu)的數(shù)據(jù)進(jìn)行數(shù)據(jù)集成。對(duì)于實(shí)時(shí)的數(shù)據(jù)流數(shù)據(jù)，可利用分布式發(fā)布訂閱消息系統(tǒng)Kafka 對(duì)采集的數(shù)據(jù)進(jìn)行緩沖整理，協(xié)調(diào)實(shí)時(shí)數(shù)據(jù)的傳入與傳出。將采集的數(shù)據(jù)作為Kafka 的生產(chǎn)者，在平臺(tái)數(shù)據(jù)處理模塊將Storm實(shí)時(shí)數(shù)據(jù)流處理作為Kafka 的消費(fèi)者。經(jīng)過(guò)采集后，將數(shù)據(jù)導(dǎo)入到消息中間件Kafka，建立可靠的高性能分布式消息處理機(jī)制支持平臺(tái)數(shù)據(jù)交換，以解決數(shù)據(jù)采集與數(shù)據(jù)處理階段不同步的問(wèn)題。[6]

(二)工業(yè)數(shù)據(jù)存儲(chǔ)

工業(yè)物聯(lián)網(wǎng)大數(shù)據(jù)服務(wù)平臺(tái)數(shù)據(jù)存儲(chǔ)形式分為結(jié)構(gòu)化存儲(chǔ)和非結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)。結(jié)構(gòu)化數(shù)據(jù)主要是儀器儀表數(shù)據(jù)和數(shù)控設(shè)備運(yùn)行數(shù)據(jù)；非結(jié)構(gòu)化數(shù)據(jù)如數(shù)控(NC)程序等。工業(yè)物聯(lián)網(wǎng)大數(shù)據(jù)服務(wù)平臺(tái)的數(shù)據(jù)存儲(chǔ)采用關(guān)系型數(shù)據(jù)庫(kù)MySQL與數(shù)據(jù)倉(cāng)庫(kù)基礎(chǔ)框架Hive以及分布式數(shù)據(jù)庫(kù)(HBase)并用的混合數(shù)據(jù)庫(kù)，服務(wù)平臺(tái)數(shù)據(jù)存儲(chǔ)處理流程如圖2所示。

Apache Hive是基于 Hadoop(分布式系統(tǒng)基礎(chǔ)架構(gòu))的一個(gè)數(shù)據(jù)倉(cāng)庫(kù)分析工具，依賴于Hadoop分布式文件系統(tǒng)(HDFS)和MapReduce編程模型，使用類SQL語(yǔ)句管理分布式數(shù)據(jù)集，進(jìn)行數(shù)據(jù)提取轉(zhuǎn)化加載。Apache HBase 是一個(gè)架構(gòu)在 Apache Hadoop 上具有高可靠性、高性能、面向列、可伸縮的、開(kāi)源的非關(guān)系型分布式數(shù)據(jù)庫(kù)(NoSQL)。與Hive不同的是,HBase具備隨機(jī)讀寫功能，按列存儲(chǔ)數(shù)據(jù)，方便數(shù)據(jù)壓縮，對(duì)某一列或者某幾列的查詢有非常大的 I/O 優(yōu)勢(shì)，查找速度快、可擴(kuò)展性強(qiáng)、更容易進(jìn)行分布式擴(kuò)展。

圖2 服務(wù)平臺(tái)數(shù)據(jù)存儲(chǔ)處理流程

根據(jù)工業(yè)數(shù)據(jù)的時(shí)效性，服務(wù)平臺(tái)分為兩種數(shù)據(jù)計(jì)算分析模塊 ：實(shí)時(shí)流處理計(jì)算分析模塊與離線數(shù)據(jù)批處理計(jì)算分析模塊。數(shù)控機(jī)床運(yùn)行數(shù)據(jù)是典型的流數(shù)據(jù)，對(duì)于流數(shù)據(jù)采用實(shí)時(shí)流計(jì)算框架Storm進(jìn)行持續(xù)處理。Storm作為Twitter 的開(kāi)源分布式實(shí)時(shí)計(jì)算系統(tǒng)，能夠可靠地處理持續(xù)的流數(shù)據(jù)，進(jìn)行實(shí)時(shí)分析和計(jì)算等。在Storm的集群有兩種節(jié)點(diǎn)：控制節(jié)點(diǎn)和工作節(jié)點(diǎn)?？刂乒?jié)點(diǎn)運(yùn)行一個(gè)后臺(tái)程序：Nimbus，其負(fù)責(zé)在集群中分布代碼、分配任務(wù)和監(jiān)測(cè)狀態(tài)。每個(gè)工作節(jié)點(diǎn)運(yùn)行一個(gè)后臺(tái)程序：Supervisor，監(jiān)聽(tīng)分配給它那臺(tái)機(jī)器的工作，根據(jù)需要啟動(dòng)或停止工作者進(jìn)程。Supervisor和Nimbus之間分布式協(xié)調(diào)工作由Zookeeper來(lái)完成。

服務(wù)平臺(tái)中的數(shù)據(jù)經(jīng)Storm實(shí)時(shí)流處理計(jì)算分析后，根據(jù)業(yè)務(wù)需求分別選擇不同的方式進(jìn)行存儲(chǔ)。如：在數(shù)控機(jī)床運(yùn)行數(shù)據(jù)監(jiān)測(cè)分析模塊中，經(jīng)過(guò)Storm實(shí)時(shí)處理后的運(yùn)行數(shù)據(jù)，如：數(shù)控(NC)數(shù)據(jù)、加工數(shù)據(jù)以及刀具壽命等，皆為結(jié)構(gòu)化數(shù)據(jù)，因其規(guī)模相對(duì)較小且查詢操作多，可以選擇傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)MySQL進(jìn)行數(shù)據(jù)存儲(chǔ)。Storm計(jì)算后處理部分?jǐn)?shù)據(jù)(如設(shè)備日志數(shù)據(jù))和部分?jǐn)?shù)控(NC)程序監(jiān)控?cái)?shù)據(jù)等，根據(jù)數(shù)據(jù)形式選擇HBase、Hive 等方式進(jìn)行存儲(chǔ)，同時(shí)，采用Sqoop將Hadoop分布式文件系統(tǒng)或Hive上的數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行數(shù)據(jù)遷移，實(shí)現(xiàn)不同類型的數(shù)據(jù)轉(zhuǎn)換。[7]

(三)工業(yè)數(shù)據(jù)智能挖掘分析

工業(yè)數(shù)據(jù)的采集、集成和存儲(chǔ)為企業(yè)的信息系統(tǒng)(如ERP、MES等)提供大量的數(shù)據(jù)支持，針對(duì)積累的海量工業(yè)數(shù)據(jù)，設(shè)計(jì)合理的智能挖掘分析算法，挖掘工業(yè)數(shù)據(jù)的潛在價(jià)值，幫助企業(yè)優(yōu)化生產(chǎn)流程，促進(jìn)企業(yè)向更加智能化方向發(fā)展，為企業(yè)轉(zhuǎn)型升級(jí)提供支持。以本文研究的機(jī)械制造企業(yè)，其涂裝車間采用磷化和漆面烘干工藝受溫度影響，溫度的控制是保證噴涂質(zhì)量的一個(gè)重要環(huán)節(jié)。結(jié)合溫度采集的歷史數(shù)據(jù)以及能耗數(shù)據(jù)，利用Apriori算法等經(jīng)典關(guān)聯(lián)算法，通過(guò)設(shè)置合理關(guān)聯(lián)規(guī)則的支持度和置信度，挖掘數(shù)據(jù)間關(guān)聯(lián)關(guān)系，不斷優(yōu)化生產(chǎn)工藝和提升效能。

(四)平臺(tái)上層軟件

工業(yè)物聯(lián)網(wǎng)大數(shù)據(jù)服務(wù)平臺(tái)硬件設(shè)備方面由5臺(tái)服務(wù)器和30臺(tái)聯(lián)網(wǎng)的FAUNC數(shù)控設(shè)備、噴涂車間的智能儀表以及多功能電表等硬件共同組建。其中，數(shù)據(jù)計(jì)算2 臺(tái)服務(wù)器，數(shù)據(jù)采集1 臺(tái)服務(wù)器，分布式協(xié)調(diào)和數(shù)據(jù)存儲(chǔ)共用2臺(tái)服務(wù)器。通過(guò)數(shù)據(jù)的實(shí)時(shí)采集，監(jiān)測(cè)數(shù)控機(jī)床等設(shè)備運(yùn)行狀態(tài)、能耗等指標(biāo)，結(jié)合歷史數(shù)據(jù)，提供可視化平臺(tái)上層軟件，其主要由數(shù)控機(jī)床效能數(shù)據(jù)分析、數(shù)據(jù)可視化看板等功能模塊構(gòu)成，如圖3所示。

圖3 平臺(tái)上層軟件

1．?dāng)?shù)控機(jī)床效能數(shù)據(jù)分析。統(tǒng)計(jì)服務(wù)平臺(tái)中數(shù)控機(jī)床的運(yùn)行工作數(shù)據(jù)，能夠分析數(shù)控機(jī)床的運(yùn)行情況，具備生成并導(dǎo)出任意機(jī)床設(shè)備的利用率和故障率等報(bào)表信息的功能，為上層進(jìn)行決策制定和生產(chǎn)計(jì)劃提供數(shù)據(jù)支持；它還可以統(tǒng)計(jì)各機(jī)床的能耗信息，為數(shù)據(jù)可視化提供數(shù)據(jù)來(lái)源和支持。

2.數(shù)據(jù)可視化看板。對(duì)采集的數(shù)控機(jī)床運(yùn)行數(shù)據(jù)利用看板進(jìn)行可視化顯示，實(shí)現(xiàn)對(duì)機(jī)床工作狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)控，并提供定制化和通用兩種數(shù)據(jù)可視化服務(wù)，數(shù)據(jù)包括當(dāng)前執(zhí)行生產(chǎn)計(jì)劃信息、數(shù)控機(jī)床運(yùn)行數(shù)據(jù)、儀表溫度信息以及多功能電表能耗數(shù)據(jù)，溫度和能效云場(chǎng)以及用能場(chǎng)所用3D 呈現(xiàn)。

3.信息化統(tǒng)一管理。服務(wù)平臺(tái)實(shí)現(xiàn)對(duì)所有數(shù)控設(shè)備進(jìn)行信息化統(tǒng)一管理，能夠隨時(shí)查詢?nèi)我鈾C(jī)床內(nèi)的數(shù)控程序，同時(shí)具備與數(shù)控機(jī)床同時(shí)傳輸程序的能力，管理員對(duì)數(shù)控程序有訪問(wèn)編寫權(quán)限，對(duì)其使用日志和修改情況等做統(tǒng)一的數(shù)據(jù)資源管理，交互界面與數(shù)控機(jī)床設(shè)備端的操作保持同步。

本文提出的工業(yè)物聯(lián)網(wǎng)大數(shù)據(jù)服務(wù)平臺(tái)，可廣泛應(yīng)用于可用機(jī)械行業(yè)支持以太網(wǎng)進(jìn)行數(shù)據(jù)采集的遠(yuǎn)程監(jiān)控與智能分析的應(yīng)用場(chǎng)景。通過(guò)對(duì)數(shù)控機(jī)床等智能機(jī)械設(shè)備的狀態(tài)、溫度、能耗以及性能等運(yùn)行數(shù)據(jù)采集分析，實(shí)現(xiàn)設(shè)備遠(yuǎn)程監(jiān)控和性能優(yōu)化分析等功能，推動(dòng)企業(yè)向信息化和智能化融合發(fā)展。這對(duì)提高機(jī)械制造業(yè)的水平和競(jìng)爭(zhēng)力具有十分重要的意義。