基于云计算的工厂信息监测系统设计

许知博，刘 钊

(西安电子科技大学电子工程学院，陕西 西安 710071)

1 研究背景

随着科技的进一步发展，现代化的管理开始应用于工厂的各个部门，工厂对设备信息的监测成为工厂管理的一个重要组成部分。工厂生产中设备的检测活动直接涉及产品的质量与工厂的运行安全，是工厂现代化管理的重要内容。目前，工厂的设备信息监测依然使用落后的纸质表格，纸质表格可扩展性差，不能进行实时监控，管理人员不能及时获得检测数据。同时纸张不具有重复使用性，而且在一些精密化高的工厂中需要使用价格高昂的特殊纸张，这样造成人力和物力资源的浪费。

文中将云计算概念引入工厂信息监测系统，可以实现在不改变现有设备的情况下，通过建立工厂内部的云计算平台，充分整合信息监测体系，提高工厂信息监测以及管理效率，构建一个低成本的工厂信息监测系统。运用云计算的方式实现资源的统一调度，使管理者可以从全局的高度掌握工厂的实时状况，保证生产高效、安全、有序地进行。

2 云计算概述

2.1 云计算体系结构

云计算平台是一个强大的“云”网络，连接了大量并发的网络计算和服务，并可利用虚拟化技术扩展每个服务器的能力，将各自的资源通过云计算平台结合起来，提供超级计算和存储能力。通用的云计算体系结构如图1所示。

图1 云计算体系结构

其中云计算体系结构中各部分的主要功能如下:

(1)云用户端。为云用户提供请求服务的交互界面，也是用户使用云的入口。用户通过Web浏览器可以注册、登录及定制服务、配置和管理用户。打开应用实例与本地操作桌面系统一样。

(2)服务目录。云用户在取得相应权限后可以选择或定制的服务列表，也可以对已有服务进行退订的操作，在云用户端界面生成相应的图标或列表的形式展示相关的服务。

(3)管理系统和部署工具。提供管理和服务。能管理云用户，能对用户授权、认证、登录进行管理，并可以管理可用计算资源和服务，接收用户发送的请求，根据用户请求并转发到相应的程序，调度资源，智能地部署资源和应用，动态地部署、配置和回收资源。

2.1 饥饿对按蚊吸血的影响 称重法绘制吸血率曲线显示，饥饿处理能提高按蚊的吸血率，二者差异有统计学意义（P＜0.05）。在吸血5 min时，饥饿组按蚊的吸血率达到21.4%，显著高于对照组的15.6%。饥饿处理组按蚊经15 min的吸血即可达到最高吸血率（69.5%），而对照组按蚊则需要20 min才能达到最高吸血率（32.5%），见图1A。目视法绘制结果显示吸血率的结果与称重法结果一致，见图1B。然而对照组和饥饿组按蚊的最大吸血量差异无统计学意义（P＞0.05），平均为1.43 mg/只和1.37 mg/只，见图1C。

(4)监控。监控和计量云系统资源的使用情况，以便做出迅速反应，完成节点同步配置、负载均衡配置和资源监控，确保资源能顺利分配给合适的用户。

(5)服务器集群。虚拟的或物理的服务器，由管理系统管理，负责高并发量的用户请求处理、大运算量计算处理、用户Web应用服务，云数据存储时采用相应数据切割算法，采用并行方式上传和下载大容量数据［4］。

用户可通过云用户端从列表中选择所需的服务，其请求通过管理系统调度相应的资源，并通过部署工具分发请求、配置Web应用。

2.2 云计算的实现

2.2.1 MapReduce算法

MapReduce是一种由 Google开发的基于 Java、Python、C++的编程工具和编程模型，用于大规模数据集的并行运算，是云计算的核心技术。它是一种分布式运算技术，也是简化的分布式编程模式，适合用来处理大量数据的分布式运算，并用于解决问题的程序开发模型。

它的概念“Map(映射)”和“Reduce(化简)”，和他们的主要思想，都是从函数式编程语言里借鉴来，具有从矢量编程语言里的特性。它方便了编程人员在不熟悉分布式并行编程的情况下，可将自己的程序运行在分布式系统上。当前的软件实现是指定一个Map(映射)函数，用来把一组键值对映射成一组新的键值对，指定并发的Reduce函数，用来保证所有映射的键值对中的每一个共享相同的键组。

2.2.2 Hadoop架构

在Google发表MapReduce后，2004年开源社群用Java搭建出一套Hadoop框架，用于实现MapReduce算法。该框架能够把应用程序分割成许多很小的工作单元，每个单元可以在任何集群节点上执行或重复执行。此外，Hadoop还提供一个分布式文件系统GFS(Google File System)，是一个可扩展、结构化、具备日志的分布式文件系统，支持大型、分布式大数据量的读写操作，其容错性较强。而分布式数据库(BigTable)是一个有序、稀疏、多维度的映射表，有良好的伸缩性和高可用性，用来将数据存储或部署到各个计算节点上。Hadoop框架具有高容错性及对数据读写的高吞吐率，能自动处理失败节点，图2所示为Google Hadoop架构。

图2 Hadoop架构

运用以上技术可以在大量廉价的硬件设备组成的集群上运行应用程序，为应用程序提供一种可靠的接口，构建了一个高可靠性、高效率以及良好扩展性的分布式平台。

2.2.3 Android系统

Android系统是Google于2007年11月5日宣布的基于Linux平台的开源手机操作系统的名称。Android是一个开放、自由的移动终端平台。Android平台由操作系统、中间件、用户界面、应用软件组成。开发人员在该平台开发的应用程序，是使用Java语言编写的在Dalvik虚拟机上运行的。Android平台的架构从上到下包含5个部分:应用程序、应用框架、开发库、Android运行时环境以及Linux内核。编程人员可以利用Android的开源特性以极低的成本，便捷快速地开发出高效的移动平台客户端。

3 系统设计

工厂信息监测系统需要向信息化、智能化、功能化的方向发展，现有的工厂信息监测模式不能适应工厂的快速发展，传统的纸质表格不仅增加了使用成本、消耗了资源、降低了效率较低。而且增加了问题的响应时间，导致管理人员不能及时了解工厂设备的实时信息。云计算的使用，使得工厂信息监测系统向先进的方向发展，各种仪器设备的海量数据可以实时进行处理分析，同时管理人员也可以根据工厂的实际需要变更客户端的功能，及时与客户端进行信息传递，极大地提高了工作效率，提升了工厂的现代化水平。系统的扩展性强的特点也便于日后进行升级，有效避免了资源与投资的浪费。

3.1 系统层次结构

工厂信息监测系统一般分为3层:第一层为整个厂区主站系统，为所有车间提供相关的管理服务;第二层为各个车间的主站系统，对收集到的各车间现场信息进行实时管理检测服务;第三层为监测现场的点检系统，为整个系统提供实时监测数据，并负责管理检测现场的视频及监控设备，提供检测现场的图像和环境信息，记录各生产设备的各种仪表数据等。管理人员在监控工作站，就可以实现对工作现场检测数据、图像及检测内容的监控及管理。总体结构如图3所示。

图3 工厂信息监测系统结构图

3.2 实现服务

软件平台的核心是通过分布式云计算的计算方式，使数据监控更简单、直观、智能，提高工厂管理效率、降低成本、提升产品质量。基于云计算服务器端使用Linux操作系统，系统架构采用开源的Hadoop软件框架，使用并行计算编程模型，实现海量工厂数据的记录、智能分析、实时监控等功能［5］。

图4 云计算实现机制

通过云计算的体系结构，主要实现以下几种服务:

(1)管理服务。系统的管理者可以通过系统的管理模块管理和分配任务给用户端，合理安排工作，便于管理。用户通过Android平板上的应用访问云，获取任务。

(2)交互服务。允许用户从菜单中选择并调用一个功能，请求会传递到云端，云端会为用户分配需要的功能及资源，同时获取用户的使用情况。

(3)信息监测服务。用户通过Android平板上的应用进行工厂信息检测收集，完成后将监测到的数据、图像、视频等上传到云端，云端负责数据的分析保存。

(4)信息管理。云端可以对监测到的信息进行智能分析处理，制作图表，使管理者可以系统性的了解工厂的各条生产线各个机器的状态，合理分配资源，制定生产计划。

管理者通过Web服务的方式在外部登录系统，可以在定制的界面中，实现对工厂数据及设备状态的检测，各类图像图表的查阅以及获得系统智能数据分析的结果。

4 结论及展望

对云计算在工厂管理中的实现方式进行了论述，设计了一种基于云计算的工厂信息监控系统。文中从云计算的架构开始分析，结合工厂实际情况阐述了系统的架构以及业务流程。通过比较分析，进一步证明该系统具有一定优势。在今后的研究中将进一步优化系统结构与资源管理方式。通过对系统的设计进行总结，可以结合云计算的各种优点推广到各个行业，开拓云计算的应用范围。

［1］陈康，郑伟民.云计算:系统实例与研究现状［J］.软件学报，2009，20(5):1337 －1348.

［2］陈全，邓倩妮.计算机及其关键技术［J］.计算机应用，2009，29(9):2562 －2567.

［3］罗军舟，金嘉辉，宋爱波，等.云计算:体系架构与关键技术［J］.通信学报，2011，32(7):3 －21.

［4］黄鹤.云计算体系结构论述［J］.现代商贸工业，2010(5):325.

［5］唐华为.基于云计算的建筑工程监控系统设计［J］.电子科技，2011，24(8):52 －53.