面向商砼行业的CPS系统架构搭建及其应用

郭杨锐，钟 伟，张永辉，杜 宇，吉 旭

(1.四川大学 化学工程学院，四川 成都 610065；2.中建西部建设股份有限公司，四川 成都 610017；3.中建西部建设西南有限公司，四川 成都 610017)

信息物理系统(Cyber-physical system,CPS)作为新一轮工业革命的核心技术，正在有力地推动在协同开发、智能生产、敏捷服务等领域形成新型集成化应用范式，引起了工业界的广泛关注和研究[1]。CPS集感知、计算、通信、反馈过程于一体，将工业网络、云计算，监控设备深度融合，实现了物理设备全局联网[2]。吉旭[3]等人将CPS系统应用到化学工业4.0新范式中，构建了基于CPS的智能单元模型；卫柯丞[4]等将CPS应用到工业控制领域，提出基于嵌入式系统的工业控制CPS工业架构。

混凝土是建筑业的主要原材料，应用广泛，但在行业自动化领域尚未形成一套完整的集环境感知、数据采集、信息传递、控制反馈、和自我优化的闭环体系[5]。

因此，搭建面向商砼行业CPS架构，加强CPS相关技术在商砼行业的应用，可以提升企业的生产运营效率，同时对提升行业信息化水平，建设行业智能化工厂具有重要意义。

1 商品混凝土行业的CPS平台架构研究

1.1 CPS系统的工业架构设计

图1 CPS系统商品混凝土行业的工业架构

CPS具有复杂度高，异构性强等特点[6]，是由运行在不同时间、空间范围的分布式的、异步的异构系统组成的动态混合系统[7]。为了实现硬件资源的自动感知和自主控制,每个设备上均嵌入相应的感知设备如RFID读写器来监测外界物理环境的变化，控制器改变外界物理环境的参数变量[8]。图1所示为CPS系统商品混凝土行业的工业架构。企业采用大量的处理单元及嵌入式设备来实现传感器与执行器之间的数据处理与信息交互，通过传输通道，上传至企业级云端进行数据解析挖掘学习，同时，通过网络传输将相关的生产运行信息发送至决策层，实现生产过程的远程实时监控。

1.2 商砼行业CPS的平台技术基础

强化CPS在商砼行业的应用，必须更清晰的界定CPS在商砼行业的技术基础，作为实施商砼行业信息化的指导方针。因此，本文提出商砼行业基于物理层、网络层、数据层、应用层、服务层的CPS平台化技术，如图2所示。

图2 商砼行业CPS应用架构

物理层作为CPS的感知系统与执行系统，由传感器和控制器构成。商砼厂站的传感器和控制器数量庞大、种类繁多。图3为标准化混凝土搅拌站平面图。在汽车衡附近、搅拌楼实验室等区域配备了大量各自独立有相互协作的传感控制系统。

图3 标准化搅拌站平面图

CPS网络参与到CPS感知-决策-执行的整个闭环过程，蜂窝网和Ad Hoc联合网(UCAN)[9]等网络融合、改进路由协议的分簇技术为CPS在网络融合及节点定位技术上有全新的设计与突破。

商砼行业数据具有规模庞大、实时并发、类型复杂等特点。云计算的发展为商砼行业的数据管理提供了良好的技术支持，在商砼行业部署云计算需要关注数据存储和数据管理两方面的内容。

(1)数据存储：结合商砼行业集团化运营的特点，混凝土企业采用分布式云计算部署模式，将业务数据分布存储集团总部的云端数据库，实时数据先集中存储在各站点的本地数据库，后延时传输至云端数据库，避免实时数据的大量并发造成网络拥堵。

(2)数据管理：高效的数据管理技术是实现数据有效处理的基础和前提。在云计算技术的背景下，商砼行业数据管理模式主要分为数据存取、数据集成、并行计算、数据分析四个板块[10]。基于此，本文提出适用于商砼行业的云计算数据管理架构，如图4所示。

图4 云计算数据管理架构

应用层的服务对象主要是商砼行业的各类终端用户，为他们提供商砼行业相关的功能各异的应用软件服务。企业资源规划(ERP)、客户关系管理(CRM)、质量管理等应用软件为企业在信息传输、业务操作、管理考核、决策支持提供统一平台。

服务层是CPS为用户提供服务的端口。服务层为用户提供两种人机交互模式：

(1)Web模式，用户可通过Web(任意浏览器)访问相应软件和服务。

(2)客户端模式，用户在各类终端(PC、智能手机等)上安装客户端程序后通过登陆访问相应软件和服务。

2 基于CPS的应用研究—质量管理

目前，多数商砼企业仍处于简单的统计质量控制阶段，质量检验以抽样检验为主，由于混凝土的质量检验的特性，生产中基于统计结论实行在线的混凝土质量预防和控制存在较大困难。为解决这一问题，相关研究在算法层面对混凝土质量管理有了探索[12-13]，本文在此基础上，从混凝土生产业务流程及影响因素(图5)出发，建立基于商砼行业CPS质量管理逻辑，并建立了在CPS网络技术下的数据管理、数据挖掘及结果反馈的方案。

图5 商砼行业质量管理的业务流程体系

2.1 基于CPS的质量管理逻辑架构

图6 混凝土企业基于CPS的质量管理业务逻辑

商砼行业质量管理逻辑架构必须为用户提供高性能的并行计算能力以及方便的开发接口，实现数据挖掘、智能决策等功能，从而对企业的产品质量进行高效监督、管理和控制。本文结合商砼行业质量管理的业务流程体系设计出质量管理模块的逻辑图，如图6所示。

质量管理的逻辑架构主要分为生产前、生产中、生产后三个层次，且三个层次之间相互关联、层层相应。

生产前：通过CPS系列应用软件如ERP、CRM、商业智能(BI)、财务系统与信用控制等综合分析生产前企业内部人员调动、生产计划、供应商履约、客户合同状态的相关数据信息，同时，嵌入式芯片实时抓取仪器仪表参数、材料库存、前期材料供货信息、道路交通实况、短时天气状态并通过相关应用软件整理发布，为生产决策做好相关准备工作。

生产中：综合分析生产中人员、设备、材料、工艺、环境等传感器控制器相关运转信息，包括设备数据、原材料质量库存数据、生产工艺数据、产品质量数据等，同时新型网络将实时数据流上传至云服务器，基于大数据的人工智能算法对产品质量实时预测与评价，并以此为依据为产品质量智能化管控进行决策支持，为质量评价模型的自我优化提供知识积累。

生产后：利用产品质量管理系统，收集质量评审标准、质量成本、质量文档、售后质量信息等，生成一系列产品质量分析报告，同时，相关生产运行数据、决策信息等在云端被充分解压、挖掘、分析，对整个质量管理体系进行持续优化和调整，为设备自我优化、人员科学决策提供持续的学习资料。

2.2 质量数据管理

商砼行业产品质量管理的相关数据具有以下几个特点：来源广泛、分布离散化、类型多样化，并且影响混凝土质量的因素具有复杂性和不确定性，当产品生产量持续上升时，生产实时数据大量并发，一旦网络出现波动，极易造成数据丢失，因此需要根据数据类型和数据处理时间制定不同的数据传输策略，以弥补基础设施上的短板。数据传递示意图如图7所示。

图7 商砼行业质量管理的数据传递示意图

对于生产数据，按照优先级顺序进行处理。生产调度指令优先级最高，采用即时处理；材料消耗数据其次，将其压缩打包后以相对较低的数据传输速率进行传递；而对于处理时间要求不高的部分实时数据，则采用闲时数据传输的策略，从而减少低价值数据对存储资源的占用，提升数据管理效率。

对于业务数据，按照重要性和资源占用率进行差异化处理。不同级数据库(如集团公司、区域公司、厂站)之间传递的业务数据，采用数据管道传输的方式，这样既可以减少数据处理过程中的网络传输量，也有利于对业务数据的处理时间进行合理安排；而对于一些资源占用量和网络传输量都比较大的业务流程，如产品配合比的调整、检验等，可由各个站点的客户端资源独立完成，从而实现最优化的网络传输效率。

将分散的商砼企业业务数据、产品数据、原料数据、设备运行数据进行动态储存、管理和整合，通过云计算技术及人工智能算法，采集、存储，从而将企业数据转换为知识模型进行存储、表达与发布，为商砼行业质量管理提供坚实的数据基础。基于前述研究，开发了商砼行业质量管理系统，图8是系统数据集成条件下基于人工智能算法的混凝土抗压强度分析模块。

图8 基于人工智能算法的混凝土抗压强度分析功能

3 结论

日益强烈的产品个性化和高质量的市场需求正在倒逼商品混凝土企业进行资源整合，协同生产，在此趋势下，商砼企业必须建设集自我感知、自我适应及管控一体的信息化平台，以提升信息交互水平，推动行业向质量最优、成本最低的方向发展。本文研究了基于商砼行业的CPS架构及其关键技术，通过分析商砼行业质量管理的业务流程体系，提出基于CPS的质量管理逻辑方案及数据存储方案。并基于研究结论，开发了商砼行业质量管理系统，实践证明商品混凝土行业的CPS平台体系是可行的。

[1]张伦彦.CPS技术在航空工业技术中的应用[J].航空制造技术,2016(13):62-66.

[2]胡雅菲,李方敏,刘新华.CPS网络体系结构及关键技术[J].计算机研究与发展,2010(S2):304-311.

[3]吉 旭,许娟娟,卫柯丞,等.化学工业4.0新范式及其关键技术[J].高校化学工程学报,2015(5):1215-1223.

[4]卫柯丞,刘 文,邱旭蒙,等.基于嵌入式系统的工业控制CPS架构研究[J].山东化工,2017,46(4):107-109,115.

[5]于 洋,王 栋,吉 旭.混凝土企业基于知识管理的质量管控模型分析[J].混凝土,2011(3): 90-92.

[6]Gavrilescu M,Magureanu G,Dan P,et al.A simulation framework for PSoC based cyber physical systems[C]//International Joint Conference on Computational Cybernetics and Technical Informatics.Timisoara:[s.n.],2010:137-142.

[7]黎作鹏,张天驰,张 菁.信息物理系统(CPS)研究综述[J].计算机科学,2011(9):25-31.

[8]高敏雄.基于CPS的制造单元过程管控策略研究[D].北京:北京交通大学,2016.

[9]何雪云,周克琴. Ad Hoc与蜂窝网络融合技术的讨论[J].江苏通信,2005,21(3):5-8.

[10]罗军舟,金嘉晖,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.

[11]Yuan Z,Wang L N,Ji X.Prediction of concrete compressive strength：Research on hybrid models Genetic based algorithms and ANFIS [J]. Advances in Engineering Software,2014(67):156-163.

[12]Akkurt S,Tayfur G,Can S.Fuzzy logic model for the prediction of cement compressive strength[J].Cement and Concrete Research,2004,34(8):1429-1433.