工程機械行業(yè)大數(shù)據(jù)技術探索與實踐

范旭輝，劉 輝，王葉闖

（徐工集團工程機械股份有限公司，江蘇 徐州 221004）

近年來，隨著新一輪大數(shù)據(jù)技術、工業(yè)互聯(lián)網(wǎng)、人工智能等智能化技術的發(fā)展，一個基于大數(shù)據(jù)時代下的、全新的、智慧化的時代正悄然而至[1]。大數(shù)據(jù)作為新一代技術發(fā)展的“燃料”，正在推動著一次時代的重大變革，逐漸影響著我們的生活、思維方式的轉(zhuǎn)變，同時也為企業(yè)帶來新的商業(yè)變革[2]。作為裝備制造行業(yè)也不例外，企業(yè)正面臨著如何應用大數(shù)據(jù)技術實現(xiàn)企業(yè)從數(shù)字化到智能化的改造升級難題。

裝備制造業(yè)作為國家制造業(yè)的脊梁，被稱作為“國之重器”，以工程機械為代表的中國高端裝備制造業(yè)支撐著國民經(jīng)濟的發(fā)展，承載著億萬人民振興中華的“中國夢”[3]。工程機械作為國家新基建戰(zhàn)略落地的主戰(zhàn)場之一，亟需利用工業(yè)大數(shù)據(jù)實現(xiàn)產(chǎn)品研發(fā)、生產(chǎn)制造及銷售的全壽期數(shù)字化管理與提升。同時，基于積累的企業(yè)大數(shù)據(jù)，完成企業(yè)產(chǎn)品知識體系的構建，并不斷迭代更新，這對大型裝備的智能制造以及后期的智能服務起到了舉足輕重的推動作用。

1 工業(yè)大數(shù)據(jù)平臺概述

1.1 工業(yè)大數(shù)據(jù)平臺背景

隨著工業(yè)大數(shù)據(jù)技術的發(fā)展，工業(yè)大數(shù)據(jù)已然成為驅(qū)動企業(yè)數(shù)字化、網(wǎng)絡化、智能化轉(zhuǎn)型的核心資源要素，大數(shù)據(jù)技術與先進制造技術的充分融合，進一步催生新模式、新業(yè)態(tài)，逐步發(fā)展成為企業(yè)高質(zhì)量發(fā)展的新動能[4]。當今時代，數(shù)據(jù)逐漸成為企業(yè)自身運營發(fā)展，與競爭對手拉開距離的重要保障。目前工業(yè)數(shù)據(jù)的來源主要包括四部分[5]：一是來自于產(chǎn)品研發(fā)設計、加工制造、運行以及維修保養(yǎng)等全生命周期所產(chǎn)生的產(chǎn)品數(shù)據(jù)信息；二是企業(yè)各部門在運營管理過程中所產(chǎn)生的所有保障企業(yè)正常安全運轉(zhuǎn)的所有運營數(shù)據(jù)；三是價值鏈數(shù)據(jù)，主要包含各類客戶、供應商、同盟軍合作伙伴等商業(yè)活動產(chǎn)生的數(shù)據(jù)；四是外部產(chǎn)業(yè)鏈數(shù)據(jù)，包括國內(nèi)外政策、經(jīng)濟形勢的各類政策數(shù)據(jù)，同行業(yè)競爭對手信息以及設備所處的施工環(huán)境、地理環(huán)境等各種外部數(shù)據(jù)。數(shù)據(jù)的采集在于利用數(shù)據(jù)，因此對于我們來說如何在海量的數(shù)據(jù)中，利用大數(shù)據(jù)技術挖掘出對企業(yè)有用的價值成為大多數(shù)企業(yè)共同面對的挑戰(zhàn)，同時也是一個寶貴的機遇?！拔锔偺鞊瘢m者生存”，企業(yè)只有抓住這一機遇，敢于突破，在企業(yè)現(xiàn)有的信息化系統(tǒng)基礎上構建符合企業(yè)自身的智能化大數(shù)據(jù)分析平臺，才能打破現(xiàn)有的困境，提高產(chǎn)品質(zhì)量，降低成本，實現(xiàn)“三高一可”（高質(zhì)量、高效率、高效益、可持續(xù)）的戰(zhàn)略目標。此外，在推動實現(xiàn)綠色、智能、精益生產(chǎn)的同時，提升產(chǎn)品質(zhì)量及穩(wěn)定性，提高企業(yè)的經(jīng)營效率，同時基于工業(yè)大數(shù)據(jù)的實踐和解決方案可以向行業(yè)乃至跨行業(yè)輸出，形成新的價值增長點。

本文結合自身在工程機械行業(yè)的工業(yè)實踐，系統(tǒng)分析工業(yè)大數(shù)據(jù)面臨的挑戰(zhàn)和機遇，介紹了行業(yè)內(nèi)工業(yè)大數(shù)據(jù)平臺技術架構，給出了工業(yè)大數(shù)據(jù)平臺建設的方案，并結合自身實踐經(jīng)驗提出了關鍵制造過程工業(yè)大數(shù)據(jù)的應用難點及創(chuàng)新解決方案。

1.2 工業(yè)大數(shù)據(jù)平臺關鍵技術

大數(shù)據(jù)技術，就是從各種設備系統(tǒng)上采集的數(shù)據(jù)中選出具有價值信息的技術[6]。近幾年，大數(shù)據(jù)包含數(shù)據(jù)采集、存儲、處理和可視化在內(nèi)的新技術獲得突飛猛進的發(fā)展，也為大數(shù)據(jù)的推廣應用提供了保障。根據(jù)自身對大數(shù)據(jù)應用的經(jīng)驗而言，其處理步驟通常包括以下五個方面。

1.2.1 數(shù)據(jù)采集

數(shù)據(jù)采集方式通常是通過與各類業(yè)務系統(tǒng)、中控系統(tǒng)等進行集成以及通過設備自身（軟采）或者外加網(wǎng)關（硬采）等方式來采集獲得結構化、半結構化及非結構化的各類數(shù)據(jù)，這些數(shù)據(jù)構成了工業(yè)大數(shù)據(jù)平臺的底層建設。一般情況下，大數(shù)據(jù)采集部分由以下兩部分構成，第一部分是感知層：它主要是實現(xiàn)對各類采集到的數(shù)據(jù)進行初步智能化處理；第二部分是基礎支撐層：它主要是為大數(shù)據(jù)服務平臺提供所需的服務器等基礎條件。

1.2.2 大數(shù)據(jù)預處理技術

預處理技術就是采用數(shù)據(jù)清理、變換、歸類等方法對采集的數(shù)據(jù)進行分析，為接下來的數(shù)據(jù)存儲、數(shù)據(jù)分析應用做準備。所用到的技術主要包括以下兩類技術：

數(shù)據(jù)抽取技術：對采集到的非結構化、半結構化以及結構化的數(shù)據(jù)進行數(shù)據(jù)的轉(zhuǎn)化，使其變?yōu)閱我坏?、便于處理的、統(tǒng)一的數(shù)據(jù)結構。

數(shù)據(jù)清洗技術：大量采集上來的數(shù)據(jù)存在很多沒有價值的數(shù)據(jù)，或者很多數(shù)據(jù)就是干擾等所導致的數(shù)據(jù)，因此通過對數(shù)據(jù)“清洗過濾”提取所需的數(shù)據(jù)。

1.2.3 大數(shù)據(jù)存儲管理技術

目前行業(yè)內(nèi)為滿足各類數(shù)據(jù)要求，在構建企業(yè)大數(shù)據(jù)平臺時采用了實時數(shù)據(jù)庫、關系數(shù)據(jù)庫和時序數(shù)據(jù)庫多種類型數(shù)據(jù)庫協(xié)同的方式。此外，采用基于數(shù)據(jù)湖的集群式存儲方式，能夠?qū)Y構化數(shù)據(jù)、半結構化數(shù)據(jù)及非結構化數(shù)據(jù)進行存儲，滿足高性價比的數(shù)據(jù)增長需求和調(diào)用要求。

1.2.4 大數(shù)據(jù)分析及挖掘技術

數(shù)據(jù)挖掘就是從大量的實際采集上來的“臟數(shù)據(jù)”中，通過某種方法提取隱藏的、未知的、但又是潛在有用的信息和知識的過程。企業(yè)可以通過自身情況對已有數(shù)據(jù)挖掘和機器學習技術進行改進，根據(jù)數(shù)據(jù)的類型和數(shù)據(jù)的特點選擇相應的算法，對數(shù)據(jù)進行挖掘，并對其結果進行評價，最后將結果轉(zhuǎn)化為用戶易于理解的知識。

1.2.5 大數(shù)據(jù)應用及可視化技術

各公司應結合自身生產(chǎn)實踐經(jīng)驗和數(shù)據(jù)積累，通過制造過程工業(yè)大數(shù)據(jù)采集，建立涵蓋工藝、質(zhì)量、設備等多維度、多層級的算法模型。借助人工智能（機器學習）、工業(yè)大數(shù)據(jù)等新一代信息技術，實現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型，沉淀工業(yè)機理模型和專家知識庫，突破行業(yè)難題。

1.3 工業(yè)大數(shù)據(jù)平臺建設的挑戰(zhàn)

目前企業(yè)級工業(yè)大數(shù)據(jù)平臺面臨的主要挑戰(zhàn)有：業(yè)務鏈條復雜，且信息化建設多年，體量龐大、系統(tǒng)不一、業(yè)務復雜、數(shù)據(jù)不統(tǒng)一等。具體可以總結為以下十大挑戰(zhàn)，如表1 所示。

表1 企業(yè)大數(shù)據(jù)平臺建設面臨的挑戰(zhàn)

2 工業(yè)大數(shù)據(jù)平臺總體架構及系統(tǒng)部署架構

2.1 工業(yè)大數(shù)據(jù)平臺總體架構

圖1 為企業(yè)級工業(yè)大數(shù)據(jù)平臺總體架構（參考）。

圖1 企業(yè)級工業(yè)大數(shù)據(jù)平臺架構（參考）

（1）要建立完善的全量系統(tǒng)數(shù)據(jù)采集平臺，完善的

數(shù)據(jù)采集方式。

研究分析數(shù)據(jù)采集對象，包含數(shù)據(jù)分類、數(shù)據(jù)格式、數(shù)據(jù)來源和數(shù)據(jù)量級等。研究分析數(shù)據(jù)采集的技術路徑，包含采集的工具、方式以及設備的協(xié)議解析和數(shù)據(jù)傳輸?shù)鹊取?/p>

（2）要以元數(shù)據(jù)管理為核心建立數(shù)據(jù)管控體系，強化數(shù)據(jù)治理。

橫向：向下導入數(shù)據(jù)采集結果，向上開放數(shù)據(jù)治理結果的服務化訪問。

縱向：大數(shù)據(jù)管理平臺提供管控和應用能力，通過對元數(shù)據(jù)的盤點實現(xiàn)對重要數(shù)據(jù)信息的集中管控。

通過突破企業(yè)內(nèi)部元數(shù)據(jù)治理的體系架構，形成了統(tǒng)一的、標準的、規(guī)范的，并建立元數(shù)據(jù)治理的流程機制，常態(tài)化管理。

（3）要構建混合架構、分級存儲新型數(shù)據(jù)倉庫，形成有效數(shù)據(jù)資產(chǎn)。

企業(yè)架構建議采用混搭架構，比如批處理引擎：Spark，MR，Hive，按批次處理海量數(shù)據(jù)；流式處理引擎：Flink，spark streaming，實時高效處理少量數(shù)據(jù)；Mpp 處理引擎：impala，presto，多節(jié)點多任務并發(fā)執(zhí)行計算等，分級構建新型的存儲數(shù)據(jù)倉庫，其流程如圖2 所示。

圖2 分級存儲構建新型數(shù)據(jù)倉庫流程

2.2 工業(yè)大數(shù)據(jù)平臺系統(tǒng)部署架構（參考）

平臺部署可以參考圖3 所示的拓撲結構，采用云計算技術建立服務器集群，以保障平臺的高效運行和安全管理。

圖3 大數(shù)據(jù)平臺部署架構圖（參考）

3 關鍵制造過程工業(yè)大數(shù)據(jù)應用難點及創(chuàng)新解決方案

3.1 大數(shù)據(jù)在焊接缺陷應用的難點及創(chuàng)新解決方案

3.1.1 主要技術難點

目前，工業(yè)機器人焊接中偏焊、氣孔、熔深不足、焊接夾渣等焊接缺陷是機器人最常見的焊接缺陷，約占機器人總焊接缺陷的90%以上，尤其是無法使用追蹤（電弧追蹤或激光追蹤）功能及追蹤功能異常的工況[7]。工業(yè)上常用的焊接在線檢測主要分為以下兩種方式。

第一種是針對短路熔滴過渡形式，通過批量焊接參數(shù)采集及工藝試驗，驗證焊接缺陷及焊接工藝參數(shù)的關系，缺點是：（1）只能針對短路熔滴過渡形式，而工程機械常用焊接熔滴過渡形式均為射流過渡，通用性較差；（2）軟件采購成本較高，大范圍推廣應用比較困難。

第二種是將激光或高速相機安裝在焊接方向的正前方，通過實時檢測熔池形貌判斷是否有焊接缺陷，其優(yōu)點是：采集精度較高，實時性強；缺點是：（1）激光或高速相機必須安裝在焊接正前方，限制了機器人的焊接姿態(tài)和焊接方向，且在狹小工況激光或高速相機會與工件干涉，降低自動化焊達率；（2）軟硬件成本較高，采購維護成本較高，批量推廣回收見效較慢。

3.1.2 MAG 焊純軟件原理

機器人MAG 焊純軟件在線檢測系統(tǒng)利用互聯(lián)網(wǎng)大數(shù)據(jù)、正交試驗、線性回歸及非參數(shù)化神經(jīng)網(wǎng)絡學習建立偏焊、氣孔等焊接缺陷模型。其工作流程如圖4 所示。模型可進行設備個性差異的定制化配置并建立濾波機制以提高檢測精度，可實時檢測焊接過程中出現(xiàn)的異常，并可對焊接缺陷進行歷史程序指針追溯，整個過程具有較強的遺傳性、采集成本較低、系統(tǒng)安全可靠、易于批量推廣。

圖4 焊接缺陷在線檢測系統(tǒng)流程圖

3.1.3 主要解決方案

將關鍵焊縫在機器人焊接程序內(nèi)進行標識，通過邊緣計算網(wǎng)關實時采集焊接機器人程序名稱、焊縫編號及TCP 坐標焊縫軌跡。首先將采集到的關鍵焊縫TCP 坐標數(shù)據(jù)進行主成分分析（PCA），其次將主成分進行Kmeans 數(shù)據(jù)聚類，然后將相關的數(shù)據(jù)進行BP 神經(jīng)網(wǎng)絡學習建立數(shù)學模型，進而利用3σ 置信區(qū)間對實時采集的坐標數(shù)據(jù)進行濾波，最后建立關鍵焊縫的偏焊模型。

通過正交試驗及大數(shù)據(jù)分析回歸建立焊接氣孔及干伸長過短數(shù)學模型，其焊接氣孔模型為A≤M+（Y-K）*L，焊接干伸長過短模型為A≥N+（Y-K）*L，其中M，N，K，Y 為實驗值，A 為焊接電流、Y 為設定送線速度。

焊接缺陷模型的所有參數(shù)均可差異性配置，缺陷檢測結果經(jīng)過濾波并匹配邊緣計算網(wǎng)關內(nèi)的告警知識庫進行告警推送，告警可實現(xiàn)設備自動停機和程序指針追溯。

3.2 大數(shù)據(jù)在加工專機上應用的難點及創(chuàng)新解決方案

3.2.1 主要技術難點

加工專機的控制系統(tǒng)為PLC，沒有簡潔的用戶編程交互界面，很難實現(xiàn)在加工程序內(nèi)進行關鍵節(jié)點標識與采集。作者前期利用主軸負載波形曲線識別專機加工產(chǎn)量，由于板材質(zhì)量和焊接變形等制約，產(chǎn)品在加工過程中經(jīng)常出現(xiàn)返修現(xiàn)象，負載波形曲線也不規(guī)律，進而導致產(chǎn)量統(tǒng)計不準確。此外，加工專機的裝夾找正時間較長，僅從PLC 系統(tǒng)采集的數(shù)據(jù)很難準確分析加工專機的裝夾找正時長。

3.2.2 主要創(chuàng)新原理

通過安裝紅外距離傳感器1 和紅外距離傳感器2，通過兩個傳感器結果判斷工件有無。由于工程機械行業(yè)產(chǎn)品結構較大，通過在工裝兩端間隔大于1.5m 的位置各安裝一個紅外距離傳感器，算法模型中設定物料上件的判定條件（兩個傳感器信息同時置1，且持續(xù)時間大于10s），可有效篩除人員、工具等對工件上件信號檢測的干擾。

3.2.3 主要解決方案

如圖5 所示，紅外距離傳感器與波形智能識別組合應用實現(xiàn)主要功能如下：

圖5 紅外到位檢測技術示意圖

（1）通過工件上下件檢測及負載波形聯(lián)合分析準確統(tǒng)計專機加工產(chǎn)量及實際生產(chǎn)節(jié)拍。在工件檢測=1至工件檢測=0 的時間內(nèi)（實際生產(chǎn)節(jié)拍），主要負載持續(xù)時間大于理論加工時間的90%，無論負載曲線如何波動，加工專機的產(chǎn)量統(tǒng)計都是1 件。

（2）可以準確地統(tǒng)計出每一個工件的裝夾找正時間，可以進一步細化加工過程中的時間切片。工件檢測=1 至專機開始運行時間段，為工件的裝夾找正時間。專機運行結束至工件檢測=0 時間段，為卸載時間。

（3）聯(lián)合MES 系統(tǒng)快速診斷質(zhì)量瓶頸。正常機加工工件在工件檢測=1 至工件檢測=0 的時間內(nèi)，負載波形曲線較規(guī)律。當算法模型檢測到工件檢測=1 至工件檢測=0 的時間周期內(nèi)，負載波形嚴重異常，則將此臺工件的物料ID 反饋至MES 系統(tǒng)，MES 通過對所有的異常物料信息進行追溯，可準確定位造成質(zhì)量波動的上游設備。例如：所有加工異常物料信息中，80%的產(chǎn)品來自1 號焊接機器人生產(chǎn)，說明1 號焊接機器人造成質(zhì)量波動的概率最大。通過追溯焊接參數(shù)、焊接順序及設備故障，可準確分析1 號焊接機器人造成產(chǎn)品質(zhì)量波動的主要原因，配合現(xiàn)場精益生產(chǎn)，可快速實現(xiàn)質(zhì)量的改善。

4 結束語

工程機械作為國家新基建戰(zhàn)略的重要基礎工具，是我國裝備制造業(yè)實現(xiàn)智能化的主要發(fā)力點。如果我們把數(shù)據(jù)看作是企業(yè)運行的“燃料”，那么大數(shù)據(jù)平臺就是企業(yè)運作的“發(fā)動機”。因此，怎樣更好地應用采集的數(shù)據(jù)使得企業(yè)大數(shù)據(jù)平臺發(fā)揮更大的作用是我們一直研究和探討的方向。本文從工程機械領域智能制造子模塊的大數(shù)據(jù)平臺建設出發(fā)，首先介紹了企業(yè)大數(shù)據(jù)平臺建設所用到的關鍵性技術；其次總結了在建設大數(shù)據(jù)平臺時所遇到的挑戰(zhàn)；最后介紹了大數(shù)據(jù)平臺建設的方案以及基于大數(shù)據(jù)平臺所做的部分應用。接下來要做的就是充分利用大數(shù)據(jù)等新一代信息技術，發(fā)揮工業(yè)大數(shù)據(jù)平臺的優(yōu)勢，提升企業(yè)智能化水平，為企業(yè)數(shù)字化轉(zhuǎn)型提供強有力的保障。