针织生产智能管控的通用数据模型研究

周亚勤 汪俊亮 鲍劲松 张 洁

东华大学机械工程学院，上海，201620

0 引言

针织行业是纺织工业的重要领域，针织面料生产水平也是衡量一个国家纺织水平的重要指标。目前，我国高端针织生产过程中织造断纱率高、染色缸差大、回修量大，生产中的吨布耗水量和污水量大，能耗高，针织行业急需实现面料生产全流程的智能管控。

随着信息化和自动化技术的飞速发展，特别是智能化织造和染整设备、传感器、数据采集装置和其他具备感知能力的智能设备在针织车间底层的大量使用，车间数字化和智能化程度越来越高[1-2]，车间运行过程中产生的制造数据呈现出大数据的以下特性[3]：①规模性。随着针织机械设备自动化、网络化和智能化的发展，整个针织生产过程以前所未有的速度产生海量的工艺设备、生产过程和设备运行数据。例如，针织品织造车间每月产生的系统运行数据大约109条，体量在TB级别。②多样性。针织面料生产全流程包括织造、染色和后整等核心工序，各工序产生的数据中，设备的转速为数值型、助染剂配比为文本类型、纱疵检测结果为图像类型等，呈现出多样化特点。③高速性。针织生产织造设备高速运转，织机状态数据的采集频率达到毫秒级，具备典型的高速性。

针织生产过程数据呈现出典型的大数据“3V”特性。然而，目前针织车间虽然已经实现了海量数据的采集与存储，但如何对针织生产数据进行抽取、存储和数据分析从而指导针织生产，还有待进一步研究。已有学者研究如何利用实时生产监控数据实现纺织生产的控制，并开展了智能制造执行系统的研究。张洁等[4]提出了大数据驱动下的智能车间运行分析与决策方法。邵景峰等[5]为解决纺织制造过程中的系统集成与数据管理问题，对各工序产生的海量数据进行分析，设计了大数据环境下的纺织制造执行系统。孙延[6]研究了纺织制造执行系统的设计与实现。

在针织生产过程中，计划与调度是企业快速响应市场、实现智能生产的关键。DU等[7]利用混合Petri网建立纺纱生产调度模型，给出数学规划模型，并以按期交货和最小成本为目标，利用遗传算法求解优化的生产调度方案。WANG等[8]提出了实用的织造生产调度优化模型，并利用遗传算法，通过统计数据优化遗传算法参数和更新算法终止条件，提高了遗传算法的计算效率，避免了早熟。邱照景等[9]研究了染整企业调度问题，通过订单优化调度的方法减少染缸清洗产生的废水。张彩霞等[10]研究了纺织企业生产计划与调度方法。

上述文献虽然在纺织制造执行系统和生产计划调度方面取得一定的研究成果，但还缺乏对针织面料生产智能管控通用数据模型的研究。经过数十年的发展，针织面料的生产过程已经基本实现自动化、大部分企业部署了ERP、MES、CAPP、SCM等信息系统。但是由于缺乏统一的规划，这些智能设备、信息系统的应用效果并不理想，针织车间的智能化生产还存在很大问题，主要表现为: ①MES与ERP等信息系统缺乏统一的规划，功能不协调，开放性不高，相互之间形成了信息孤岛。②针织生产加工多为间歇式生产，生产加工线很长。织造、染整之间相互孤立，难以实现全流程质量监控和质量问题的追溯。③设备的运行维护水平不高。织造中的断纱、疵点等情况频频发生，染色中的工艺控制水平不高导致加工中的吨布耗水量和污水量大，能耗高，污染严重，大大提升了面料的生产成本。为了解决以上问题，针织企业急需在针织面料生产形成统一的规划，构建生产过程管控通用数据模型，提升针织面料生产信息化、智能化应用水平。

本文从针织生产智能管控出发，以织造和染整两大核心流程为对象，进行智能管控功能分析，研究智能管控数据模型，建立面向质量和制造效率的智能管控通用数据模型，为进一步实现针织面料生产的智能管控提供指导。

1 针织生产智能管控功能分析

我国针织面料生产技术虽然有了长足的进步，但和日、韩、欧的高端针织面料生产技术还有很大的差距。要实现高端针织面料生产的智能化、网络化和数字化，对针织面料生产全流程进行智能管控是关键，可在高端面料制造过程中释放出巨大的潜力。

本文分析针织面料生产智能车间的通用技术要求，构建了针织面料生产车间体系结构，见图1。在底层织造车间、染色车间和后整车间加工设备、物流设备和质检设备互联互通的基础上，通过智能管控数据模型实现针织面料生产的智能管控，进而实现纺织大数据分析和个性化定制平台基础上的针织面料生产智能运营。

图1 针织生产车间体系架构Fig.1 System architecture of knitting production workshop

(1)智能生产计划与调度。高端针织面料对交货期的控制相当严格，在竞争白热化的针织面料市场，延迟交付会降低企业的信誉评级和竞争力。而高端面料的售价昂贵，850g的羊绒面料约200元/m，按照库存提前生产会占用企业大量现金流。针对针织产品的制造流程构建生产计划与调度的数据模型，基于车间生产设备的实时生产状态进行智能计划与调度，对面料生产进行智能管控，可提升生产效率，保障产品交期。

(2)智能生产执行管理。高端针织面料对染色中的色差、色牢度有很高的要求，若在染色工序后出现较大色差，则要打样重染。染色质量同时受到织造工序质量的影响，因此，需要构建针织面料生产执行管理数据模型，可对面料织造质量(面料张力、密度的均匀性)、面料前处理质量(杂质去除率、尺寸稳定性)、染色升温曲线、染料和助剂的计量加料、水洗等工艺数据进行实时优化分析和调整，对针织面料的质量进行智能管控，从而提高产品质量。

(3)智能设备管理。在高端针织面料的织造过程中，复杂的花边可由槽针导线成圈，导纱梳栉控制花经编织图案，经过定形加工处理开条即成花边。高端面料对花边的花高、花宽等形位要求高，国内的设备虽然能够完成织造，但稳定性不佳，断纱率高，容易出现花边变形。构建设备管理的数据模型，可通过设备数据的实时分析，对各针路状态、压力、张力等参数进行智能管控，从而提高花边编成品质量。

针织面料生产全流程计划与调度、生产工艺过程和设备实时监控的智能管控，有助于实现高品质高效生产，提高织物布面加工质量和染色重现性，缩短工艺时间，满足产品交货期要求，符合提质增效和节能减排的要求。

2 针织生产智能管控数据分析

针织面料生产过程中产生了大量数据，为实现针织生产智能管控，结合针织面料生产的主要工艺流程、产品特点和设备构成，设计多维度的针织生产全流程核心数据描述规范。

对针织面料生产全流程涉及的数据进行抽象分析，梳理形成产品信息数据、设备信息数据和生产流程包含的各工序数据，建立高端针织面料生产全流程多维数据描述模型。

产品维数据主要包括订单信息、产品信息和纱线原料信息等。分别建立包括订单、客户、产品、纱线原料和原料供应商等的数据对象模型，见图2。

图2 产品维数据对象模型Fig.2 Object model of product data

设备维数据主要包括设备的基本信息、实时状态信息和维保信息数据，分别建立织造设备、染色设备和后整设备的信息数据对象模型，染色设备的数据模型见图3。其他设备数据模型与之类似。

图3 染色设备数据对象模型Fig.3 Object model of dyeing and finishing equipment data

生产流程维数据主要包括工序流程、实时生产和质量检测等数据。对针织生产关键工序织造工序、染色工序和后整工序中的生产流程维数据进行描述，分别建立织造工序、染色工序和后整工序的生产流程数据对象模型，织造工序生产流程数据模型见图4。

图4 织造工序生产流程数据对象模型Fig.4 Object model weaving production process data

3 针织生产智能管控通用数据模型

在针织装备互联互通、针织面料生产全流程数据统一分析的基础上，建立织造和染整两大流程中的生产计划与调度、生产执行和设备管理关键业务流程的通用数据模型，为实现小批量多品种的针织面料生产过程中工艺设计、织造、染整的高准确性和重现性，减少回修，缩短交期，降低成本,提供数据模型基础。

3.1 生产计划与调度通用数据模型

分析生产计划与调度流程中的数据流，建立生产计划调度的通用数据模型架构，见图5。

(1)产品数据管理通用数据模型。产品数据管理为针织面料生产织造和染整车间计划与调度提供产品数据基本信息，为实现对产品数据管理的功能，建立了产品数据管理通用数据模型。输入信息包括订单ID、客户ID、产品ID，可通过数据库系统查询；输出信息包括产品的数量、交货期、产品织造和染整工艺信息、纱线原料ID、工艺路线ID和客户等级等。

(2)排产与调度通用数据模型。详细排产根据产品生产工艺制定工序计划，考虑车间设备管理、生产物流管理中设备、人员、物料等资源的可用性进行计划排产，形成作业计划发送给生产调度；高端针织面料生产车间的生产调度应能实时获取生产进度、各生产要素运行状态，以及生产现场各种异常信息，具备快速反应能力，可及时处理详细排产中无法预知的各种情况，保证生产作业有序、按计划完成。

为实现排产与调度功能，建立了排产与调度通用数据模型。排产与调度通用数据模型的输入信息包括产品数量、产品交货期、纱线原料ID、客户等级、生产进度、生产要素运行状态、设备实时数据等信息。根据客户等级对高优先级的客户优先进行排产，对产品要求数量及产品交货期等进行分析，对车间和设备的生产进行合理安排，再根据车间实时采集的数据(如生产进度、物料消耗、设备状态信息等)，对上述数据进行处理，通过详细排产和调度优化方法，制定出合理的调度方案，并将调度方案、作业计划、工序总标准时等作为生产跟踪的输入约束。

(3)生产跟踪通用数据模型。生产跟踪通用数据模型的输入信息包括设备ID、工艺路线ID、当班计划数、当班达成数、合格率、设备基本信息以及生产调度方案等信息。根据生产调度方案可以获得产品的生产计划以及工序安排等(可以清楚知道要对哪些工序的信息进行跟踪)，由设备ID从设备基本信息表获取要对设备的哪些信息进行跟踪。基于这些数据的输入，对产品、工序、设备、物料等情况进行跟踪分析，通过实时数据采集和分析得到生产的运行结果，并将这些结果反馈给车间，再根据信息进行调度的优化，且根据生产跟踪，可以获得包括设备状态信息、织造/染整工序等的实时信息、人员和设备的使用情况、物料消耗等，以此实现对车间生产的进一步智能管控。

图5 生产计划与调度通用数据模型Fig.5 General data model of production planning and scheduling

3.2 生产执行与管理通用数据模型

生产执行通用数据模型分为工艺管理、生产监控和生产工艺执行三个功能模块。分析生产执行过程中的信息流，建立生产执行通用数据模型架构，见图6。

图6 生产执行与管理通用数据模型Fig.6 General data model of production execution and management

(1)生产工艺管理。工艺管理实现对不同织物织造工艺和染整工艺的管理功能，针织品工艺管理通用数据模型的输入信息，包括订单ID、产品ID、原料纱线ID，输出信息包括美工图、针织结构文件、美工图文件、织造工艺文件、染色配方、工序号、设备类型、工序内容和工序标准工时等。

(2)生产监控通用数据模型。生产计划与调度产生优化的调度方案后，结合工艺管理通用数据模型输出的针织产品的工艺文件，需要对各工序的生产情况进行实时监控，采集工序的实时工艺参数、产品的质量数据，分析针织品生产过程是否按照计划调度方案和工艺文件执行，实时跟踪数据，对产品质量进行分析。

为实现针织品生产调度方案和工艺参数的监控，建立生产监控通用数据模型，输入信息包括生产计划与调度信息模型输出的调度方案，工艺管理信息模型输出的各产品的工艺文件，经编设备、纬编设备、染缸实时采集的各工序的实时工艺参数数据，工序质量检测数据，如织造工序检测的匹长、花高、花宽、纬斜度、顶破强力等，染整工序检测的色差、耐光色牢度、皂洗色牢度、缩水率、pH值等。利用工艺参数统计分析方法和工艺质量判定方法，监控针织品生产是否按照计划调度方案执行，分析工序的实时工艺参数是否与工艺文件规定的参数相符合，并判断产品的工序质量能否满足产品的质量要求，生产监控通用数据模型的输出信息包含上述数据的监控分析结果数据。

(3)生产工艺执行通用数据模型。生产工艺执行通用数据模型的输入信息包括生产监控数据模型输出的各设备的实时状态监控分析数据，基于工艺统计分析方法和工艺参数调整控制模型分析，输出信息包括工艺执行状态、生产求助信息、工艺执行结果，工艺运行调整参数反馈到设备控制系统，调整工艺参数，保证产品的质量。

3.3 设备监控与管理通用数据模型

设备监控与管理通用数据模型分为设备数据管理、设备状态监控和设备维修维护管理三个功能模块。分析设备监控与管理中的信息流，建立设备监控与管控通用数据模型架构，见图7。

图7 设备监控与管理通用数据模型Fig.7 General data model of equipment mornitoring and management

(1)设备数据管理通用数据模型。设备数据管理为针织面料生产织造和染整工艺制定和车间计划调度提供设备基本信息，为了实现设备数据管理功能，需建立设备数据管理通用数据模型。设备数据管理通用数据模型的输入信息包括设备ID，通过数据库系统查询，输出信息包括设备的精度、规格、性能、效率、车速等。

(2)设备状态监控管理通用数据模型。生产计划调度排定设备的加工计划后，设备能否按照生产计划调度方案，能否依据工艺管理制定的工艺参数生产，还需要对设备的状态进行实时监控。

对设备数据进行实时采集，通过对设备状态参数的分析与处理，了解设备是否正常运转，有无异常预兆，及时对异常现象进行追踪，设备监控的目的在于掌握设备实时运行数据，随时掌握设备运转的实际状态。

经编设备实时记录经编设备运行状态数据，主要包括设备ID、时间戳、供油系统、漏气、漏油、送经速度、牵拉卷曲速度、转速、张力、断纱等。

纬编设备实时记录纬编设备运行状态数据，主要包括设备ID、时间戳、转速、当前织布转数、喷油的停止参数、断针驱动状态、剖布驱动状态、缺油驱动状态、压力、断纱、气压、电压、模块通信、工作模式等。

染整车间的生产设备实时采集数据，包括染料、染缸温度、压力等，设备实际水位、蒸气量、织物重、工作压力、工作温度、电机功率、浴比等。

为了实现设备的状态检测，建立了设备状态监控通用数据模型。输入信息包括设备ID、设备基本信息、数据采集方式，计划调度模块输出的设备执行方案，工艺模块输出的工艺文件等，输出信息包括设备状态信息、设备状态起始时间信息、设备运行及空闲时间、设备故障信息、设备报警信息、设备加工运行参数信息、设备是否按照既定计划执行、设备加工品数量、设备加工合格品及不合格品数量等。

(3)设备维修维护管理通用数据模型。设备在使用的过程中，由于零件的磨损、加工条件及环境的影响，致使设备的工作性能和技术状态不断降低，故设备日常的维修维护就显得极为重要。建立设备维修维护管理通用数据模型，能够在线采集反映设备状态所需的关键数据，基于实时采集的设备状态数据，提供设备故障监测和预警方法。针对典型故障，提供维护维修的专家知识库，基于采集的设备状态进行自诊断；对于维修过程，提供图文、视频等标准作业指导，确保设备安全稳定运行。

设备维修维护管理通用数据模型的输入信息包括设备ID、设备正常运行标准和要求、设备运行状态信息、设备状态异常预警信息等，输出信息包括针对性的维修维护方案、超期使用的零部件报警、故障诊断方案和维修计划等。

设备的维修维护计划同时反馈到计划与调度管理模块，从而及时调整生产计划与调度，实现针织面料生产的智能管控，满足产品的交货期和质量要求。

4 结语

本文综合分析了针织生产智能管控功能，建立了贯穿针织生产全流程的智能管控数据模型，提出了产品数据、设备数据和生产工艺流程数据规范模型，为针织生产管控提供了基础。进一步分析了针织生产管控过程中的数据、约束和目标，建立了面向针织生产智能管控的通用数据模型，主要包括：建立包含产品数据管理、排产与调度和生产跟踪功能的生产计划与调度通用数据模型，有助于实现生产智能管控，提高生产效率，保证产品交货期要求；建立包含工艺管理、生产监控和生产工艺执行功能的生产执行与管理通用数据模型，为产品生产过程的智能管控提供基础，从而保证产品的质量；建立包含设备数据管理、设备状态监控和设备维修维护功能的设备监控与管理通用数据模型，借助于此模型对设备生产实现实时监控，保证车间的计划和工艺顺利执行，实现生产全过程的智能管控。