汽車焊裝產(chǎn)線智能化平臺技術(shù)研究

摘 要：本文主要是針對當(dāng)前汽車焊裝自動化產(chǎn)線向智能化產(chǎn)線轉(zhuǎn)化的技術(shù)研究及實現(xiàn)。自動化產(chǎn)線為智能化產(chǎn)線的實現(xiàn)奠定了硬件基礎(chǔ)；物聯(lián)網(wǎng)（IoT）、云計算與大數(shù)據(jù)等信息技術(shù)的發(fā)展奠定了技術(shù)基礎(chǔ)。面對產(chǎn)線多系統(tǒng)、多設(shè)備之間的交互，需要一個智能化平臺接收產(chǎn)線各系統(tǒng)、設(shè)備反饋的數(shù)據(jù)；并下發(fā)相應(yīng)的控制指令到產(chǎn)線等。本文使用kafka來實現(xiàn)產(chǎn)線大數(shù)據(jù)的采集；使用微服務(wù)架構(gòu)來實現(xiàn)智能化平臺，對平臺的功能模塊解耦。

關(guān)鍵詞：自動化產(chǎn)線 智能化 大數(shù)據(jù) Kafka 微服務(wù)

1 緒論

隨著網(wǎng)絡(luò)技術(shù)和信息技術(shù)的飛速發(fā)展，信息化技術(shù)正改變著傳統(tǒng)產(chǎn)業(yè)的格局。在汽車制造業(yè)中，汽車主機廠焊裝車間的白車身制造產(chǎn)線正致力于從自動化向智能化轉(zhuǎn)型。物聯(lián)網(wǎng)（IoT）、云計算與大數(shù)據(jù)等技術(shù)的持續(xù)進步，不僅為智能工廠的建設(shè)奠定了堅實的技術(shù)基石，還顯著降低了成本，加速了智能化進程。

當(dāng)前，多數(shù)汽車主機廠焊裝車間制造白車身的自動化產(chǎn)線的核心控制主要是PLC（可編程邏輯控制器），其高可靠性和強抗干擾性確保了生產(chǎn)線的穩(wěn)定運行。然而，智能化產(chǎn)線對數(shù)據(jù)處理能力有更高要求，PLC的局限性逐漸顯現(xiàn)。具體而言，PLC在處理大規(guī)模、復(fù)雜的數(shù)據(jù)集（包括結(jié)構(gòu)化、半結(jié)構(gòu)化及非結(jié)構(gòu)化數(shù)據(jù)）時顯得力不從心，其存儲和數(shù)據(jù)分析能力難以滿足智能產(chǎn)線對數(shù)據(jù)實時采集、分析及決策支持的需求。

在白車身的制造過程中，自動化產(chǎn)線會產(chǎn)生大量的數(shù)據(jù)，這些數(shù)據(jù)可用于反映制造質(zhì)量、監(jiān)控生產(chǎn)計劃進度、優(yōu)化工位時序、歷史故障追溯以及實現(xiàn)生產(chǎn)物料的精準調(diào)度等。為了充分挖掘這些數(shù)據(jù)的潛力，實現(xiàn)生產(chǎn)線的智能化升級，必須建立能夠高效采集、處理并分析這些數(shù)據(jù)的智能平臺。

因此，針對PLC控制系統(tǒng)的局限性，提出了汽車焊裝智能化產(chǎn)線的技術(shù)研究方案。該方案旨在構(gòu)建一個集數(shù)據(jù)采集、存儲、處理、分析及決策于一體的綜合智能平臺，能夠?qū)崟r獲取產(chǎn)線各設(shè)備產(chǎn)生的數(shù)據(jù)，通過先進的算法模型進行深度挖掘與分析，進而驅(qū)動產(chǎn)線自動化調(diào)整與優(yōu)化，及時反饋產(chǎn)線狀態(tài)，確保生產(chǎn)的高效、靈活與智能。

2 白車身產(chǎn)線智能化技術(shù)框架研究

白車身智能化產(chǎn)線是在自動化產(chǎn)線的基礎(chǔ)上進一步集成了數(shù)據(jù)分析和智能控制等功能，智能化平臺的交互如圖1所示。首先，智能化產(chǎn)線最重要的一步，是全面且高效地采集現(xiàn)場設(shè)備的運行數(shù)據(jù)。這些數(shù)據(jù)包括但不限于設(shè)備狀態(tài)、生產(chǎn)效率、能耗情況、故障預(yù)警等，它們構(gòu)成了產(chǎn)線實時運行的數(shù)字鏡像。同時，智能化產(chǎn)線還需與制造執(zhí)行系統(tǒng)（MES）緊密集成，實時獲取MES系統(tǒng)下發(fā)的生產(chǎn)計劃、訂單信息、工藝參數(shù)等生產(chǎn)數(shù)據(jù)。這兩大數(shù)據(jù)源的結(jié)合，為后續(xù)的智能化分析與決策提供基礎(chǔ)。

2.1 當(dāng)前數(shù)據(jù)采集技術(shù)現(xiàn)狀

在當(dāng)前的制造業(yè)環(huán)境中，傳統(tǒng)的數(shù)據(jù)采集方式有依賴SCADA系統(tǒng)[1]或基于設(shè)備的通信協(xié)議開發(fā)的專用采集程序，雖然在一定程度上能夠滿足生產(chǎn)監(jiān)控的基本需求，但其固有的局限性會隨著產(chǎn)線新車型不斷地導(dǎo)入，新技術(shù)不斷的使用造成迭代難度大甚至于停止使用。

傳統(tǒng)的SCADA系統(tǒng)中，采集不同設(shè)備的數(shù)據(jù)系統(tǒng)會根據(jù)設(shè)備使用對應(yīng)的數(shù)據(jù)庫，各設(shè)備的數(shù)據(jù)難以進行融合，形成各設(shè)備之間的數(shù)據(jù)孤島導(dǎo)致難以進行大數(shù)據(jù)分析將結(jié)果反饋于生產(chǎn)以提升生產(chǎn)效率；開發(fā)專用設(shè)備的采集程序，則需要根據(jù)每臺設(shè)備的通信協(xié)議開發(fā)專用的采集程序，不僅需要相應(yīng)的技術(shù)儲備，還涉及大量的定制化工作，導(dǎo)致開發(fā)成本高。并且隨著設(shè)備更新?lián)Q代或通信協(xié)議升級，專用采集程序可能需要頻繁修改和維護，增加了運維的復(fù)雜性和成本。

由于存在以上幾個缺點，需要采用新的數(shù)據(jù)采集系統(tǒng)來替代傳統(tǒng)的SCADA采集系統(tǒng)和線旁離散的采集程序。所以構(gòu)建一種具有高可擴展性、高通用性、高可靠性，能支持海量實時數(shù)據(jù)信息采集的采集系統(tǒng)來解決傳統(tǒng)的自動化產(chǎn)線生產(chǎn)數(shù)據(jù)采集零散無序、故障數(shù)據(jù)追溯困難、生產(chǎn)進度需要人實時跟蹤等問題是極其重要的。

2.2 數(shù)據(jù)采集新技術(shù)方案

結(jié)合現(xiàn)場的數(shù)據(jù)采集點多，數(shù)據(jù)類型多樣、數(shù)據(jù)量大等難點，需要一種可拓展性強，數(shù)據(jù)采集兼容性好、數(shù)據(jù)處理能力強、穩(wěn)定性好的采集方式。根據(jù)以上難點和需求分析，結(jié)合Kafka（分布式流處理平臺）的特性，Kafka 每秒能夠處理數(shù)百萬條消息，具有實現(xiàn)高吞吐量、低延遲的消息流傳輸和處理、應(yīng)用解耦、流量削峰等功能，并且可擴展強，通過橫向擴展生產(chǎn)者、消費者和broker， Kafka可以輕松處理巨大的消息流；適合產(chǎn)線實時數(shù)據(jù)量大，數(shù)據(jù)類型多樣等應(yīng)用場景。因此基于kafka開發(fā)采集系統(tǒng)可滿足以上的需求。其數(shù)據(jù)采集模塊架構(gòu)圖如圖2所示。

在目前的自動化產(chǎn)線，數(shù)據(jù)的來源設(shè)備主要分為三大類：PLC、視覺系統(tǒng)、產(chǎn)線其他設(shè)備控制系統(tǒng)如圖3所示。同類數(shù)據(jù)來源建立統(tǒng)一的采集框架或者接口。如PLC的數(shù)據(jù)采集流程為：首先確認數(shù)據(jù)來源的標簽，再與PLC建立網(wǎng)絡(luò)通信，最后確定采集頻率等。采集原理相同，一條產(chǎn)線存在多個PLC，每個PLC的數(shù)據(jù)都需要采集，如每個PLC開發(fā)相應(yīng)的采集程序則會存在工作重復(fù)，維護復(fù)雜等問題。根據(jù)其共性開發(fā)相應(yīng)的PLC數(shù)據(jù)抽取分發(fā)模塊如圖4，只需要簡單配置即可實現(xiàn)PLC數(shù)據(jù)采集。當(dāng)需要新增PLC數(shù)據(jù)采集源時，只需要在PLC數(shù)據(jù)抽取模塊配置數(shù)據(jù)源的IP標簽即可，該模塊抽取到PLC的原始數(shù)據(jù)之后將數(shù)據(jù)發(fā)布到kafka，系統(tǒng)端通過訂閱kafka即可獲取該原始數(shù)據(jù)。

視覺數(shù)據(jù)則開發(fā)相應(yīng)的視覺數(shù)據(jù)接收接口，統(tǒng)一接收視覺系統(tǒng)的檢測信息或者測量信息。將接收到的數(shù)據(jù)發(fā)布到Kafka，每種數(shù)據(jù)kafka內(nèi)都會有相應(yīng)的topic與之對應(yīng)，系統(tǒng)端只需要訂閱解析相應(yīng)的topic數(shù)據(jù)即可。

采集的數(shù)據(jù)的原始數(shù)據(jù)發(fā)布到kafka對應(yīng)的topic。應(yīng)用端訂閱該topic獲取原始數(shù)據(jù)并對其進行解析得到我們需要的數(shù)據(jù)，并將其寫入數(shù)據(jù)庫，數(shù)據(jù)庫使用主從同步功能，提高安全性。如圖3所示。

2.3 智能化平臺技術(shù)方案

數(shù)據(jù)采集進數(shù)據(jù)庫，有了數(shù)據(jù)分析與追溯的基礎(chǔ)。避免多個應(yīng)用場景開發(fā)多個系統(tǒng)，使用人員需要登錄不同系統(tǒng)影響使用體驗的問題，平臺采用微服務(wù)框架開發(fā)，所用到的組件如圖5?？筛鶕?jù)業(yè)務(wù)邏輯使用相應(yīng)的數(shù)據(jù)開發(fā)對應(yīng)的微服務(wù)模塊來實現(xiàn)生產(chǎn)過程數(shù)字化、可視化、精益化。降低各應(yīng)用場景之間的耦合性，各場景應(yīng)用的更新迭代互不影響，新增場景開發(fā)部署也不會影響原在運行的場景，新應(yīng)用部署后更新使用人員相應(yīng)的配置之后，即可使用新開發(fā)的功能。

3 智能化平臺應(yīng)用及實現(xiàn)

根據(jù)以上技術(shù)研究及產(chǎn)線痛點開發(fā)出車身精益智造平臺。平臺的主要業(yè)務(wù)功能可分為三部分：產(chǎn)線設(shè)備狀態(tài)實時監(jiān)控及追溯、產(chǎn)線效率提升以及產(chǎn)線全局調(diào)動功能。

3.1 產(chǎn)線設(shè)備狀態(tài)實時監(jiān)控及追溯

產(chǎn)線設(shè)備的狀態(tài)會影響產(chǎn)品的質(zhì)量，建立相關(guān)的設(shè)備監(jiān)測體系，當(dāng)產(chǎn)品狀態(tài)發(fā)生變異時，可快速定位是否是由于設(shè)備變異引起的；當(dāng)設(shè)備狀態(tài)發(fā)生變異時，也可及時報警恢復(fù)，避免制造不合格的產(chǎn)品，造成更大的損失。建立設(shè)備狀態(tài)標準，設(shè)備狀態(tài)監(jiān)測可視化、追溯可視化和診斷智能化。通過設(shè)備狀態(tài)質(zhì)量標準對采集數(shù)據(jù)進行自動判斷，對異常情況進行報警，并追溯問題根源，及時控制并修復(fù)，實現(xiàn)設(shè)備狀態(tài)在線監(jiān)測如圖6?？勺匪菝恳惠v在該工位制造時的設(shè)備狀態(tài)，當(dāng)設(shè)備狀態(tài)異常時則報警，核心業(yè)務(wù)內(nèi)容包括：

a建立設(shè)備狀態(tài)標準數(shù)字化；

b實時采集現(xiàn)場造車時設(shè)備的狀態(tài)；

c設(shè)備狀態(tài)在線統(tǒng)計分析報表及異常報告；

d現(xiàn)場設(shè)備狀態(tài)報警與診斷分析。

3.2 產(chǎn)線效率提升

在原先的產(chǎn)線計算工位的CT（Cycle Time）主要是通過現(xiàn)場人工錄視頻查看分析該工位一個循環(huán)所需的時間，工作量大，效率低，準確性差；為了提高到目標節(jié)拍，需要花費較大的時間精力來找可優(yōu)化的步驟，并沒有準確的數(shù)據(jù)來支撐是否達到最優(yōu)的節(jié)拍。

如人工分析優(yōu)化后沒有達到目標節(jié)拍則需要重新做方案來提升節(jié)拍，可能會新增設(shè)備或者改變原有的工藝布局，會額外增加大量的成本。但是通過采集PLC每輛車在工位的CT，細分到每個動作所需的時間，結(jié)合相應(yīng)的大數(shù)據(jù)分析，就可根據(jù)數(shù)據(jù)精確分析優(yōu)化相應(yīng)的動作，使其達到相應(yīng)的理論節(jié)拍如圖7?？芍苯釉谙到y(tǒng)上分析優(yōu)化，準確率更高，效率更快。長期生產(chǎn)后，偶爾會出現(xiàn)某些工位的CT時間變長，工位狀態(tài)發(fā)生了變異，影響了輸出節(jié)拍" 根據(jù)采集上來的時序數(shù)據(jù)做分析統(tǒng)計，根據(jù)采集上來的數(shù)據(jù)分析可快速找到發(fā)生變異的動作，精確快速的恢復(fù)，減少尋找變異點的時間。并且達到最優(yōu)之后可以給其他產(chǎn)線做CT時間參照標準，提供數(shù)據(jù)支持。

3.3 產(chǎn)線全局調(diào)動

以MES系統(tǒng)的生產(chǎn)計劃為控制數(shù)據(jù)來源，結(jié)合產(chǎn)線實時的生產(chǎn)數(shù)據(jù)開發(fā)出生產(chǎn)調(diào)度模塊，根據(jù)計劃數(shù)據(jù)所需的物料、通過API的形式輸入給AGV調(diào)度系統(tǒng)需要拉取的物料及數(shù)量，AGV系統(tǒng)拉物料到相應(yīng)的上料位。結(jié)合生產(chǎn)線所采集的制造數(shù)據(jù)，展示生產(chǎn)進度及待生產(chǎn)數(shù)量，因為是柔性生產(chǎn)線，涉及車型切換，當(dāng)?shù)谝慌囆蜕a(chǎn)完成時，平臺會提示相應(yīng)的人員生產(chǎn)完成的工位達到切換條件，如是自動切換的工位則下發(fā)切換信號到負責(zé)切換的系統(tǒng)，快速地切換到下一批計劃所需生產(chǎn)車型的專有設(shè)備，減少切換時間、取消人工排查生產(chǎn)進度等操作，實現(xiàn)產(chǎn)線的生產(chǎn)調(diào)度及監(jiān)控，并且提高產(chǎn)線運行效率和運行數(shù)據(jù)的準確率。

4 結(jié)論

本文通過自動化產(chǎn)線向智能化產(chǎn)線轉(zhuǎn)型的技術(shù)研究，解決了設(shè)備數(shù)據(jù)采集過程中面臨的數(shù)據(jù)種類繁多、實時性要求高及數(shù)據(jù)量龐大等難題。通過開發(fā)基于 Kafka 的數(shù)據(jù)采集模塊，實現(xiàn)了對產(chǎn)線設(shè)備數(shù)據(jù)的高效實時采集，并具備強大的擴展能力。結(jié)合采集到的數(shù)據(jù)，構(gòu)建了車身精益智造平臺，利用微服務(wù)架構(gòu)實現(xiàn)各模塊的解耦，便于功能的靈活擴展。該智能平臺目前已實現(xiàn)生產(chǎn)過程監(jiān)控、故障追溯、CT節(jié)拍優(yōu)化及產(chǎn)線調(diào)度等核心功能，為生產(chǎn)線的智能化探索邁出第一步，實現(xiàn)了產(chǎn)線的數(shù)字化，并且正在向智能化產(chǎn)線前進。

參考文獻：

[1]謝青松.面向工業(yè)大數(shù)據(jù)的數(shù)據(jù)采集系統(tǒng)[D].武漢：華中科技大學(xué)，2016.

[2]沈瑞，曹國亮，許贏，賈志文.汽車焊裝產(chǎn)線開發(fā)中的信息化與智能化趨勢[J].汽車工藝師，2024（11）.

[3]王珊珊.汽車側(cè)圍后輪罩焊裝電控系統(tǒng)研究[J].汽車實用技術(shù)，2024，49（23）：115-120.