智能終端生產系統層次化數據模型及數據應用架構設計

摘要：隨著工業(yè)互聯網生產業(yè)務服務模式全面介入企業(yè)產線級管理，其數據主體及數據服務形式越來越多樣化復雜化，基于MES的傳統數據服務架構模式已經不能適應現實需求，無法為生產人員及經營管理者提供有效地數據分析服務。為此，針對智能終端數字化、網絡化生產組織形態(tài)中復雜的數據流式和數據邏輯關系展開研究，并且提出了一種基于主題數據組態(tài)的層次化數據描述模型及數據應用架構，實現了面向全局生產管理與生產經營決策的從數據采集、數據治理、數據存儲到數據歸集的主數據管理。在多條SMT貼片及整機生產線的示范應用結果表明，該應用架構不僅能為生產系統各層級人員和企業(yè)頂層各類經營管理者提供應用服務數據，還能有效地為決策經營層提供數據分析服務。

關鍵詞：智能終端；工業(yè)互聯網；數字化生產；數據模型；數據應用架構

中圖分類號：TB565+.4 文獻標志碼：A doi：10.3969/j.issn.1006-0316.2024.09.001

文章編號：1006-0316 （2024） 09-0001-07

Abstract：With the industrial Internet production business service fully integrated into enterprise production line management， in which the data subjects and data service forms are becoming increasingly diversified and complex， the traditional data service architecture based on MES can no longer meet the actual needs. In response to this， this article focuses on the complex data flows and logical relationships in the digital and networked production organization of intelligent terminals. A hierarchical data description model and data application architecture based on thematic"data configuration is proposed， which"facilitates"master data management from data collection， data governance， data storage to data aggregation for global production management and decision-making."The"results of the demonstration application across multiple SMT assembly lines and complete machine production lines show that the application architecture can not only provide application service data for all levels of production system personnel and various types of senior business managers， but also delivers efficient data analysis services to decision-makers.

Key words：intelligent terminal；industrial"Internet；digital production；data model；data application architectur

隨著現代工業(yè)的發(fā)展，智能終端生產系統已經成為現代制造業(yè)不可或缺的一部分，對于提高生產效率、降低成本、提升產品質量和增強企業(yè)競爭力具有關鍵作用[1]。智能終端屬于典型的電子產品，其加工制造的工藝特點決定了它的生產流程組織模式和數據結構形態(tài)。電子產品生產制造過程的工藝類型非常多，如貼片、植錫、螺接、焊接、插接、膠接、壓接、器件引線、品質測試等，它們在數字化生產系統中形成的生產工序流程及其數據結構形態(tài)具有工序重入、工序鏈條以及數據形態(tài)等方面的復雜性。

首先，在一般生產流程中，工件可能出現多次重返前道工序的情況，這種情況在生產排程中被稱為工序重入。在電子產品的生產制造過程中，尤其是組合度、集成度較高的電子產品，往往存在大量工序重入的環(huán)節(jié)，例如，核心組件的每一個制程環(huán)節(jié)幾乎都會重入測試流程[2]，且大量工序重入大都具有串并共存的形態(tài)，這給生產排程及其數據化生產的數據建模帶來極大困難。

其次，智能終端電子產品生產的最大特點在于其工序鏈條長而分散，即因工藝繁多使工序鏈條拉長。例如，復雜的多層電路組件的每一層主制程和測試制程需要十多個工藝流程來完成，一個十層以上的高集成組件則需要上百的流程步驟，加之一些關鍵工序需要共享同一臺高端設備，增加了工序的鏈條長度和流程的復雜性。盡管目前有一些研究構建了大數據分析平臺[3]并使用大數據建模分析方法[4]組織分析這些過程中產生的數據，然而電子產品在數字化生產組織形態(tài)中的數據流式和數據邏輯關系仍然極為復雜[5]。

再者，智能終端電子產品生產過程不僅涉及大量產線設備，更要牽涉多種多樣的品質測試以及環(huán)境控制。電子產品加工設備及系統通常要求在高穩(wěn)態(tài)、高潔凈環(huán)境下工作，因而需要采取各種聲、光、電、氣相等手段的監(jiān)控保障措施，同時各種電磁感應、聲光檢測、微觀圖像識別等測試，使得其加工生產系統呈現大量結構、半結構、非結構化數據，數據形態(tài)的多樣化大，復雜度高。盡管目前有一些研究進行了改進，例如Lee等[6]設計了一個圖形控制系統來集成自動化生產中的設備通信，以一定程度統一生產過程中數據形態(tài)。但是數據形態(tài)的多樣化仍然是電子產品生產系統數據管理與維護應用中的一大困難。以上問題也導致生產系統很難為生產人員及經營管理者提供有效的數據分析服務。

因此，為解決智能終端電子產品加工數據系統數據流式和數據邏輯關系復雜性高、無法為生產人員及經營管理者提供有效的數據分析服務的問題，本文提出了一種層次化數據描述模型以及面向工業(yè)互聯網大數據分析應用的架構設計方法。

1 層次化數據模型

某智能終端集團的電子產品加工制造公司，是批量化生產人臉識別閘機、智能手機組件、智能遠傳水表、智慧車路協同系統、智慧路燈、智慧黑板、智慧檔案柜及智慧農業(yè)系統等的高科技企業(yè)。為推進公司數字化、信息化、智能化發(fā)展，提出了對原有的電子產品多產線數據系統進行治理及建設面向智能終端生產全業(yè)務要素大數據分析平臺的建設工作。根據該公司電子產品加工的工藝流程特點，本文首先提出了生產系統的層次化數據模型，見圖1。

根據智能終端生產全業(yè)務要素大數據應用服務的技術需求，數據模型分為四個數據層：

第一層，邊緣設備數據層，主要采集產線設備的毫秒級時序狀態(tài)數據，如設備穩(wěn)態(tài)參數、電化參數、功率參數、電感應參數、環(huán)境參數等數據。

第二層，過程控制數據層，主要通過編碼裝置采集在制組件、在線物料、操作人員、線邊倉儲等過程控制數據。

第三層，生產管理數據層，主要采集采集生產進度、生產效率、生產能耗以及在線人員操作、產品質量監(jiān)測、倉儲管理等管理類數據。

第四層，業(yè)務應用數據層，主要依據業(yè)務主題進行數據的歸集處理，為管理層的工業(yè)互聯網大數據分析平臺提供基礎性應用數據。

圖1所示的層次化數據模型中，為了實現各層級數據的采集，引入由組態(tài)軟件與傳輸鏈路所組成的數據采集與監(jiān)視構件SCDA（Supervisory Control and Data Acquisition），既可向下實現產線單元的實時數據采集，也可向上實現各業(yè)務系統的管理數據采集，從而增強上下及內外的數據采集的協同能力和敏捷性。

2 大數據業(yè)務處理流程框架

由前文分析可知，智能終端電子產品制造過程具有跨尺度、多關聯、強機理的特征[2]，自動化系統從產線、單元、車間到工廠管理的空間跨度大、業(yè)務流程時間鏈條長，ERP、PDM、PLM、IQC、WMS及MES等多類型工業(yè)生產管理平臺交叉作用，造成其數據分布離散，給制造數據的知識發(fā)現、融合能力、動態(tài)協調、實時管理帶來困難。同時，在生產過程產生的大量多類型數據結構環(huán)境下，使多維度、非線性、價值效用低的大數據特性顯現，難以從大量的繁雜數據中獲取有利于全局生產監(jiān)控以及生產管理、決策經營的主題數據。對此，根據電子產品制造過程的層次化模型，進一步提出了面向全局生產管理與生產經營決策的從數據采集、數據治理、數據存儲到數據歸集的主數據管理流程架構，如圖2所示。

圖2呈現了面向工業(yè)互聯網大數據分析平臺并按業(yè)務主題化應用來處理數據的流程，目的是為生產系統各層級人員和企業(yè)頂層各類經營管理者提供應用服務數據。

現代智能終端電子產品制造系統基本實現以MES為技術核心支撐的自動化生產執(zhí)行系統[7]，新一代MES系統面向產線強大的信息集成能力可為車間的主數據管理提供技術支持。圖3是以MES為主核的車間大數據業(yè)務流程框架，它按照圖1的層次化數據模型，將車間制造資源、車間MES功能、車間業(yè)務管理的數據處理進行一體化治理[3，7-8]。

流程引入的智能代理是一個自治性實體[9]，該實體可對制造資源層的傳感器和執(zhí)行器狀態(tài)進行觀察，并將狀態(tài)數據活動指向主題分析的目標，從而為生產管理系統提供快速精準的數據服務。

智能代理針對制造過程大數據的數據采集、存儲、管理的需求，實現制造數據的處理與組織，為生產分析的主題需求提供原始數據，提高數據利用效率，降低上層數據處理負擔。在操作上，智能代理終端數據激活上傳請求后，將把處理后的描述信息與生產過程原始數據一同上傳到數據服務層，以保證生產制造過程數據管理的實時性、完整性、正確性。

圖3的數據處理層，采用分布式文件系統HDFS（hadoopdistributedfilesystem）來存儲管理存儲底層上傳的源數據，然后基于一個Map-Reduce的核心計算框架來實現數據處理，進而由開源數據庫HBase（hadoopdatabase）對處理后的數據按主題進行管理，并為車間層MES系統和業(yè)務管理系統提供數據訪問接口。

3 工業(yè)互聯網大數據應用模式

工業(yè)互聯網對于智能終端電子產品的多產線集群、多車間集群，甚至于多產業(yè)集群的平臺服務性，主要體現在多主體協同數據集成分析、生產狀態(tài)監(jiān)控、供應鏈協同及客戶體驗等[10]，其中大數據集成分析是工業(yè)互聯網平臺服務的核心功能。

通常，工業(yè)互聯網的大數據應用集成分析，是按業(yè)務管理需求的主題數據進行組織的。由于不同車間、工廠的工業(yè)網絡應用形式不同、技術配置不同、條件約束不同，其對底層數據的獲取方式具有較大差異。對此，根據現有智能終端電子產品生產的一般組織管理形式，本文研究提出了三種面向多產線、多車間、多工廠集群的工業(yè)互聯網大數據分析應用模式。

（1）VPN虛擬專網應用模式

VPN（Virtual"Private"Network）是在公共網絡上構建的一種私有虛擬專網。在VPN出現前，跨越Internet的數據傳輸只能依靠現有物理網絡，這對于企業(yè)生產系統具有很大的不安全性，其生產數據、管理數據等極易被網絡黑客竊取和篡改，造成重要數據泄密，甚至生產系統的破壞。VPN把現有物理網絡進行邏輯隔離，使得VPN的內部資源不被外部非VPN用戶使用，即在不改變網絡現狀的條件下實現安全、可靠連接，因而VPN虛擬專網被智能終端電子產品生產企業(yè)廣泛使用。

圖4是在層次化數據模型、主數據管理流程、車間大數據業(yè)務流程的基礎上提出的工業(yè)互聯網大數據應用模式。

圖4所示的基于VPN虛擬專網大數據應用模式，是一個建立在工業(yè)云基礎上的主題化大數據分析平臺，它通過VPN專網將產線集群、車間集群的底層生產數據庫同步輸送到云端數據庫，并利用數據倉庫對數據按主題進行存儲管理，以便于工業(yè)互聯網大數據平臺為經營管理層提供應用需求分析。

（2）分布式微服務的應用模式

隨著互聯網的數據主體及數據服務的形式越來越復雜，其傳統數據服務的架構形式已經不能適應現實需求，于是互聯網從單體架構向到分布式架構發(fā)展，后又從分布式架構演進到SOA架構，其服務不斷地被分解，粒度也越來越小，直到微服務架構的誕生[8]。

微服務是一種服務架構模式，它是將單一應用程序劃分成一組小的服務，服務之間互相協調、互相配合，并為用戶提供最終價值。

由于現代企業(yè)，尤其是智能終端電子產品生產企業(yè)，產線設備快速增加，功能不斷增多且頻繁更新，業(yè)務復雜度呈幾式增長，數據趨于海量級別，因而對企業(yè)級工業(yè)網絡應用系統的穩(wěn)定性、可用性要求更高，單體服務架構已不能支持現有工業(yè)開發(fā)環(huán)境，于是眾多的工業(yè)系統開始朝著分布式系統微服務架構方法發(fā)展[11]。

圖5是為分布式微服務架構工業(yè)系統提出的工業(yè)互聯網大數據應用模式，它把集團公司下的多類型產業(yè)集群大系統視為一個個子系統，每個子系統的數據服務均運行在各自獨立的進程中，服務和服務之間采用基于HTTP的RESTful API的輕量級通信機制互相溝通，并利用數據同步機制進行數據的存儲管理，每個服務都可圍繞具體生產管理業(yè)務進行構建，并且能夠被獨立地部署到不同的生產環(huán)境或者類生產環(huán)境中。這種方法避免了集中式服務管理帶來的牽扯效應，其部署示意圖如圖6所示。

（3）基于SaaS架構的應用模式

SaaS（Software as a Service），是指軟件即服務，它原本是通過互聯網來提供軟件服務的一種方式。讓工業(yè)企業(yè)像使用服務一樣來獲取并使用軟件功能，這是SaaS系統在工業(yè)生產系統中應用的核心思想，也是現代工業(yè)化軟件服務的一種主流經營模式[12]。

由于現代工業(yè)生產系統許多環(huán)節(jié)需要大量工業(yè)軟件支撐，如設計、分析、信息物聯、監(jiān)控測試、數字孿生等，一個企業(yè)不可能配齊所有的這些專業(yè)化的大型工業(yè)軟件，基于SaaS技術的軟件服務模式應運而生，并且滋生出眾多以“服務”為核心概念的工業(yè)系統[12-13]。

例如，通用電氣在提出工業(yè)和互聯網概念之后與微軟達成合作伙伴關系，加快了工業(yè)物聯服務的進程，并提出了在微軟 Azure云平臺上標準化Predix的方案，并將Predix的產品組合與Azure的本地云功能進行深度整合。不久之后，2018年阿里云與西門子在德國柏林達成合作意向，共同推進工業(yè)物聯網的發(fā)展并計劃推出部署于阿里云的MindSphere平臺。自此，工業(yè)SaaS技術加快了在生產系統中的應用[14]。

目前，不少生產企業(yè)，尤其是聚集了多種產業(yè)類型的大型集團公司，開始采用SaaS實施集團內部的自我服務系統。一些大型把ERP、PDM、PLM、IQC、WMS及SMS等功能系統置于工業(yè)云，以SaaS架構形式為下級公司提供服務。

對此，針對SaaS應用環(huán)境，提出了如圖7所示的基于工業(yè)互聯網SaaS架構的業(yè)務數據應用模式。該模式針對智能終端電子產品多產線、多車間的數字化生產集群，把ERP、PDM、PLM、IQC、WMS等生產管理系統，提升到企業(yè)工業(yè)云作為服務軟件，產線和車間與這些功能系統的數據交互通過SSO登錄分別連接，而工業(yè)互聯網大數據平臺則可以通過主題數據為決策經營層提供數據分析服務[13，15]。

4 結論

針對智能終端生產系統的工藝流程特點，按照全業(yè)務要素數據應用服務的需求，提出了電子產品加工制造系統的層次化數據模型，研究設計了面向大數據分析應用的主數據管理流程架構，并提出面向工業(yè)互聯網環(huán)境下的三種大數據應用模式，即VPN虛擬專網應用模式、分布式微服務的應用模式、基于SaaS架構的應用模式。本文的主要技術方法在某智能終端制造集團公司的多條SMT貼片生產線及整機生產線進行了示范應用，取得了預期的效果。應用實踐表明，本文所提出的技術方法具有顯著的普適性，不僅適用于智能終端電子產品生產系統，也適合于其它產業(yè)類型的生產系統。

參考文獻：

[1]張映鋒，張黨，任杉. 智能制造及其關鍵技術研究現狀與趨勢綜述[J]. 機械科學與技術，2019，38（3）：329-338.

[2]張桂英. 淺析半導體制造行業(yè)生產排程問題的復雜性[J]. 東方企業(yè)文化，2010（8X）：212-213.

[3]楊俊剛，張潔，秦威，等. 面向半導體制造的大數據分析平臺[J]. 計算機集成制造系統，2016，22（12）：2900-2100.

[4]劉偉杰，吉衛(wèi)喜，張朝陽. 面向智能生產維護的大數據建模分析方法[J]. 中國機械工程，2019，30（2）：159-166.

[5]刁雪洋，丁建明. 基于數字孿生的車體靜強度試驗數據分析研究[J]. 機械，2022，49（9）：57-62.

[6]LEE JD，HSU HY，LI CY，et al. Design and Implementation of Intelligent Automated ProductionLine Control System[J]. Electronics，2021（10）：2502.

[7]JENNINGS N R，BUSSMANN S. Agentbased control systems：Why are they suited to engineering complex systems[J]. IEEE Control Systems Magazine，2003，23（3）：61-73.

[8]佘云祥，李天一，楊楠. 城軌列車邏輯控制裝置運行數據健康管理技術研究[J]. 機械，2023，50（3）：41-46.

[9]SAM JAYAKUMAR D，THOMAS B. A New Procedure of Clustering Based on Multivariate Outlier Detection[J]. Journal of Data Science，2021（11）：69-84.

[10]楊濤，丁一洹. 多主體協作驅動傳統制造企業(yè)創(chuàng)新發(fā)展的影響因素研究[J]. 機械，2023（11）：9-14.

[11]董曉華，吳興文，趙明花，等. 地鐵車輛轉向架構架模態(tài)匹配方法研究[J]. 機械，2022，49（7）：20-28.

[12]林懿，龍偉，李炎炎，等. 基于端邊云工業(yè)互聯網平臺的軸承RUL預測分析[J]. 電子制作，2022，30（18）：96-100.

[13]馬建勇，馬術文，張海柱，等. 高速列車轉向架輕量化設計評估系統構建[J]. 機械，2024，51（3）：52-58.

[14]陳應飛，李彥儒，殷鳴，等. 基于專家系統的柔性生產線快速設計系統研究[J]. 機械，2020，47（9）：56-60.

[15]張慶華，龍偉，李炎炎，等. 基于工業(yè)互聯網云計算處理的刀具磨損值預測與分析[J]. 科學技術創(chuàng)新，2022（20）：22-25.