大数据技术在纺机行业的具体应用及分析

王鹏

大数据技术在纺机行业的具体应用及分析

王鹏

（经纬智能纺织机械股份公司，山西 晋中 030601）

主要介绍了大数据技术在纺机行业的具体应用，并简单分析了行业环境及市场需求。

大数据；纺织机械；云计算；人工智能

进入21世纪以来，云计算、大数据、人工智能、物联网等新兴技术和不同产业的结合，给这些产业带来深刻的变化。在这些产业中，制造业毫无疑问是受影响最大的产业之一。如何利用信息化、智能化、大数据等技术改造当前的生产制造与服务模式，提高企业的生产效率，提升产品的市场竞争力，是传统制造业升级的重要部分。

1 纺机行业环境

当前，纺织机械行业对于技术创新与品质提升越发重视，智能制造理念在纺织机械行业的应用也不断加快，致使纺织机械市场发生了一些新的变化，装备制造企业逐步向下游延伸服务。服务型制造成为纺机行业转型升级的重要方向，传统以制造和销售设备为唯一盈利模式已经不能符合行业发展需求，必须要由传统的制造+销售的模式转向智造+服务的模式。

2 市场需求分析

2.1 提升服务质量

目前，纺机一旦出现故障，需要维修服务人员到纺织厂现场进行诊断维修，导致耗费大量的人力和时间成本。

2.2 提升产品竞争力

纺织行业属于典型的劳动密集型产业且历史悠久，行业内仍有众多问题未解决，主要难点如下：①修复长。等待厂家人员修复设备故障时间长，影响生产效益。②掌控低。对设备性能掌握不充分，无法最大发挥设备效率。③预防难。无法对可能发生的故障进行预判，时常耽误生产计划。④培养难。新员工需要反复培训，培训成本高，周期长。

如果能在提高自身产品质量的同时助力纺织企业解决当前难点，帮助纺织企业优化生产流程、提升管理水平、提高运营效率，可以极大地提升企业竞争力。

2.3 提供增值服务

通过智能远程运维服务，积累大量工厂设备有效数据，沉淀纺机行业实际生产情况，为内部产品升级以及纺织企业日常生产提供支撑服务。

3 大数据远程运维平台实施方案

本文以河南一纺织厂细纱车间实施方案为例，说明大数据技术在纺机行业中的具体应用。

3.1 车间概况

车间共有细纱机长车96台，单台1 200锭，机台内置工业交换机，通过以太网络连接到机房服务器，用于数据采集，车间架设吸顶式工业无线ap，用于移动终端连接访问。

3.2 具体功能模块

3.2.1 预警提醒

通过建立预警模型，监测设备关键数据，当设备运行值超出设定范围时进行主动预警，预警信息可以根据严重程度通过短信、微信、网页消息、邮件等多种方式通知给维护人员、管理人员。

预警类型分为以下几种：①阈值预警。通过对设备多个运行指标实时采集，并对多个运行指标的最大值、最小值、持续时间进行设定判断，运行指标偏离正常区间时进行实时预警提醒。②趋势预警。横向预警，根据设备运行指标与生产线上所有相同机型设备近一段时间的平均值进行比较，当偏离平均值正常区间，并超过设定的持续时间时，进行横向趋势预警；纵向预警，根据设备运行指标与该设备近一段时间的历史数据平均值比较，当偏离平均值正常区间，并超过设定的持续时间时，进行横向趋势预警。

3.2.2 故障分析

对设备故障数据集中展示，采用故障库、专家远程协同会诊等方式进行诊断分析，精准定位故障原因，及时解决故障、消除隐患。

3.2.2.1 相似故障诊断

系统通过对数据的整合分析，可针对该故障进行自动诊断，并将设备型号和故障类型通知给对应的人员。

3.2.2.2 专家协同诊断

遇到疑难问题，利用专家库和远程视频功能，召开专家远程会诊，在线直接调用现场视频，并结合设备实时运行数据、设备最新故障数据、设备历史故障数据等进行专业诊断，协助纺织厂及时排除故障。

3.2.3 知识库

在收集大量设备运行特征数据的基础上，对设备运行数据进行重组、挖掘，构建知识图谱，并导入基础数据，建立故障库、行业标准库，实现企业知识的数据积累和价值发挥。

3.2.4 故障库

对设备所有故障信息的汇总、整合、分类，并借助行业经验、企业内部经验、专家知识等建立起对应的故障解决方案，一旦发生相似设备故障，故障库可以自动推送最优解决方案。

3.2.5 行业标准库

通过对纺织机械领域行业标准、纺织行业相关标准等的收录、整理、分类，为企业管理、生产等提供参考。

3.3 数据分析

对设备关键运行生产指标数据进行分析，根据用户需求形成大数据分析报告，为设备厂商和纺织企业深挖数据背后的价值。

3.3.1 常规分析

对常规历史数据（如产量、效率、能耗）进行分析，展示历史数据变化情况，并分析数据变化原因。

3.3.2 自定义分析

用户根据需求自定义分析参数，可针对定义参数进行关联分析。

3.3.3 大数据分析报告

对纺机设备的故障、预警、能耗、效率等信息进行综合统计分析，根据智能算法定期出具分析报告，列出故障、预警原因，统计在不同生产环境下产量、能耗的对应关系，协助纺机企业改进产品质量、协助纺织厂降本增效。

3.4 设备体检

通过对设备运行数据的监测分析，实现设备状况综合诊断，针对不同角色定期发送设备运行报告。设备体检属于一种有效的设备预防性维护手段，可在设备出现健康状况问题之前制定合理的维护决策，杜绝设备的安全隐患。

3.4.1 远程维护

通过远程连接专用硬件，实现远程监控、参数调整、程序更新等功能，提高设备的可用性、先进性、便捷性。

3.4.2 远程视频

远程视频模块可实现远程查看设备运行情况、音视频交互、视频录制和播放功能。该模块内嵌视频管理平台，主要实现视频的存储、查看和回放等功能。

3.5 保养管理

为纺织厂所有设备提供维护保养到期自动信息提示，用户只需将维保信息批量导入系统，即可实现对设备维保进行综合管理，员工可以看到维保提醒、维护记录，可以批量进行维护登记并支持维护登记审批。

3.6 在线培训

在企业和用户之间搭建快速、开放的知识共享平台，分类存储设备操作手册，员工培训视频，产品说明书等，大幅降低培训成本，提高员工知识技能水平，实现最好的培训和学习效果，提升企业知识价值。

4 技术方案

4.1 系统架构

远程运维平台技术架构如图1所示。

图1 远程运维平台技术架构

感知层：物联网数据采集系统通过Modbus TCP协议与PLC、设备屏、传感器等设备通讯，采集设备数据。

服务层：面对大量的采集数据和快速的数据解析与处理，服务层应满足高吞吐量、高性能、高并发的特点。

消息层：服务层采集的数据解析完毕后，会将数据传输到消息层。为了对应大数据量、频率高、实时性高、数据交互性强的特点，部署消息队列中间件来提高数据的存储与处理能力。

数据层：数据层为数据采集系统的数据存储层，存储业务数据、采集数据、缓存数据和日志数据等。

应用层：数据采集与解析后，数据可以在很多方面运用，比如建立监控大屏，实时展示设备的运行数据，实现数据的可视化，便于设备的管理与运维，实时掌握生产过程，故障报警实时处理，提高工厂的生产效率。

4.2 数据流程

大数据平台数据流程如图2所示。

图2 大数据平台数据流程

将采集的数据通过tcp协议传送到物联网系统中，物联网系统接收到数据后，发送到Kafka消息中间件中。在Kafka的历史数据，存入到hdfs中，而对于实时数据，发送到Flink大数据框架进行数据计算。

4.3 网络拓扑

大数据平台网络拓扑如图3所示。

图3 大数据平台网络拓扑

实时采集的数据进入分布式MQ进行数据缓冲，服务器集群根据项目需要设置数量；Flink集群可与MQ集群进行物理机复用，消费数据；Hadoop集群存储Flink处理中间数据，生成历史报表、综合报告、离线数据分析；故障、预警触发告警事件（微信消息、Web端实时消息）并进行故障和预警数据聚合，实时计算指标、聚合数据进入指标数据库存储；Web端读取指标数据库进行展现。

4.4 服务器架构

采集服务器：单台服务器可满足50台PLC的通讯，单台10 000个参数的数据采集。如果PLC数量更多，可以部署更多的采集服务器，来分担数据采集的压力。

消息中间件服务器：消息中间件服务器主要负责数据的解析与处理。若数据量巨大，可搭建集群增加数据的解析与处理能力。

数据服务器：数据服务器主要负责数据的存储。

应用服务器：应用服务器主要应用程序部署、业务数据库（MySQL）部署和缓存数据库（Redis）部署。

5 结束语

中国制造业要实现弯道超车，就要改变传统单一的制造模式，着力发挥信息化驱动引领的新引擎作用，加快新一代信息技术与制造业融合发展，从“制造”向“制造+服务”转型，从单纯销售产品向“产品+服务”转变，提高产品附加值和市场占有率，引导行业发展方向。

B03

A

10.15913/j.cnki.kjycx.2020.02.051

2095－6835（2020）02－0128－02

〔编辑：张思楠〕