一种离散制造过程智能管控技术研究

张弦弦， 刘治红， 徐曼菲

（中国兵器装备集团自动化研究所 智能制造事业部， 四川 绵阳 621000）

0 引言

智能制造是21 世纪制造业发展的风向标，离散制造行业做为我国制造业的重要支柱， 实施智能制造是向数字化、智能化转型升级发展的必经之路。目前国外数字化制造技术的发展已经从MBD/MBI（基于模型的定义和作业指导书）、 数字化管理等向制造现场的更深层次推进，建立数字化的生产线管控系统是一个重要趋势。 国外制造企业的生产管控数字化已经取得较好的进展， 数字化的管控信息已能传递到制造现场， 现场的网络计算机终端已经成为管理者和作业工人交互的平台。

我国由于离散制造行业的特殊性和生产组织的复杂性，整个行业制造过程的数字化程度较低。经过多年信息化发展的经验， 业界已经意识到现场实时感知和过程精益管控是离散制造行业实现智能制造的基础和关键。

笔者针对离散制造行业生产现场实时感知和过程精益管控瓶颈问题，介绍一种智能管控技术，实现离散制造过程数据全面实时获取、过程数字化贯通，提升现场透明化、管理扁平化、生产连续化水平，为离散制造行业转型升级提供底层支撑。

1 研究内容

基于制造物联、先进控制、嵌入式软件、场景建模与优化、网络化制造、软件平台技术等成熟技术，研究异构系统数据采集、制造大数据分析、生产过程智能监控等关键技术， 在车间制造执行系统的基础上开发具有行业通用性、适合普遍推广的智能管控平台，为离散制造行业提供智能生产解决方案和相应的软硬件工具与产品。

异构系统数据采集。 针对生产线上的数控加工设备、质量检测设备、数字化采集设备、安全检测设备等异构系统，通过通信协议转换网关，屏蔽接口和协议的异构性。建立结构开放的通讯协议库， 编制通用的通信协议解析程序，实现异构系统的数据采集。

图1 研究内容

制造大数据分析。 基于采集的生产现场海量制造数据，通过数据的抽取、分析等技术，为设备故障的预测预警、质量优化控制、物料需求变更和供应关系调整等提供决策依据。

生产过程智能监控。 基于采集的生产现场数据，进行生产异常的建模分析，实现生产线运行状态的集成监控。支持生产异常分析，根据监测的数据变化趋势，进行生产异常预测预警； 实时定位跟踪现场出现的异常情况进行快速处理[1]。

数字化智能管控平台。 以制造执行系统为基础，构建统一的制造数据中心，建立通用的集成框架，集成物联数采、智能监控、大数据分析等技术。 实现制造过程中产品、人员、物资、设备、工艺等环节的有效管理和协同生产。

1.1 异构系统数据采集

研究通用的采集设备和软件，实现通过网口、串口、CAN 总线等方式，TCP/IP、RS-232/485、OPC 等通讯协议，以太网、WIFI、ZIGBEE 等有线或无线传输方式进行生产线上硬件设备的数据采集。

（1）异构通信协议解析。 对于不同的设备采用的硬件接口、对外输出数据、接收数据的协议不同，编写通用的通信协议解析程序，通过配置不同的的通信设备，实现不同通信协议的解析。

通过设备描述表及协议解析栈完成多协议解析，其中设备描述表用于描述设备名称、连接的位置、协议类型等的描述；协议解析栈由各种协议解析模块构成，每种协议解析模块负责解析不同设备协议。通讯时，从设备描述表获取各个设备及其数据的描述信息， 调用相应协议解析模块获取设备数据，形成数据池，由通信协议对外提供接口服务。

（2）多线程数据采集。 为实现采集数据的大容量、高速采集，采用多线程技术实现数据采集功能。主线程实现采集数据的动态显示，采集线程采集项目的高速采集，保存线程实现采集数据的定期保存，并负责清理内存。

（3）多模式数据融合。 生产过程数据的采集实现设备数据、质量数据、物料数据、生产执行数据、工艺要求数据等的采集。各类数据的采集周期、实时性要求、内容格式、结构形式存在差异，需要以业务过程为主线，按顺序定义各环节的信息结构，信息关联关系，将采集的各种数据进行融合处理，按信息结构进行组织。采用基于概率传输的簇内数据融合算法，进行数据筛选、处理。 建立基于时间队列的数据集，设定数据偏差变动阈值，实时甄别数据的偏差变动范围， 当偏差范围较大且不连续或持续时间较短的数据，作剔除处理。

1.2 制造大数据分析

利用制造大数据辨识技术， 将生产线设备采集与其他来源的结构化数据及非结构化数据在预设定的标准范围进行判断和甄别，并给出相应结果，实现智能辨识生产过程信息；通过消息推送技术，把数据推送到结构化数据库和非结构化数据库中进行数据统一存储与管理； 构建工业工程的过程管控、 现场监控等应用实例的计算分析模型； 利用制造大数据分析技术实现面向离散行业制造大数据的智能化分析，并将其分析结果进行可视化展示。

图2 制造大数据分析技术功能组成

制造大数据分析技术由三大功能组成：数据源、大数据服务支撑技术及数据可视化。

数据源：提供整个制造过程中所涉及的“人、机、料、法、环”等资源信息，以及外部系统如ERP、PDM 等数据。

大数据服务支撑技术：包括数据采集、存储与管理、智能分析等技术。

数据采集技术提供实时生产制造过程数据的采集，并将采集的数据装载到指定的数据存储容器内。 以元数据驱动的方式提供强大的抽取、转换和加载能力。支持结构化、半结构化、非结构化的数据采集的能力。

数据存储技术基于Hadoop/Spark（分布式系统框架），通过整合优化，构建统一运维、海量存储、高可用、高性能、稳定易用的数据中心， 并能够对存储的数据进行联动、钻取、切片、元数据管理等功能。 为上层应用提供完整支撑。

数据分发技术基于MQTT（消息队列遥测传输协议）。它是一个即时通讯协议，提供轻量级的、一对多的消息发布，支持可发布/可订阅的消息推送模式，实现数据的快速网络传输。

数据分析技术基于框架+插件的方式， 构建数据挖掘、学习的智能平台，分析海量数据背后的规律，为生产制造的优化与改进提供建议。 包括了智能算法库和各项业务分析算法，能够对设备、质量、工艺等业务数据进行智能化分析。

数据可视化技术直观展示生产制造数据。 提供两种纬度的数据呈现，一种是采用三维仿真技术，对生产线和制造车间的生产设备进行建模，将整个车间虚拟化，在电子看板上可以查看到整个车间以及生产线的详细情况；一种则是提供图表组件， 通过灵活配置的形式展示需要呈现的数据统计图表[2]。

1.3 生产线智能监控

生产线智能监控将制造过程与制造资源“人、机、料、法、环”等信息链接起来，实现对制造资源智能化识别、定位、跟踪、监控和管理。 通过采集大量底层运行的实时动态数据和信息， 支撑生产过程的实时监控， 并在现场大屏、操作终端、电子看板等展示各生产现场作业情况、突发事件、事件跟踪、改进情况等，以满足企业生产指挥调度、突发事件响应、质量监控等方面的管理要求。

（1）生产过程执行跟踪。通过生产线数字化采集设备，实现从生产派工、任务接收、开工、生产、质量检验、完工等整个过程的执行数据获取，跟踪生产记录、作业计划、检验记录等详细信息，实现整个生产任务的透明跟踪。

（2）生产异常监控预警。 实时监控生产过程，当出现设备故障、物料短缺、工装工具缺失、来料质量问题、工序缺陷、无法达到要求的节拍时间等生产异常情况时，通过人工或监控系统自动发出即时信号，进行声光预警，同时采用基于B/S 模式的HTTP 长连接的“服务器”推送技术，将异常数据以消息的方式及时传送给指定人员和数据可视化系统，进行信息提醒及展示。相关人员接收到异常后自动触发相应的处理流程进行异常排除。 当一段时间内未响应，监控系统自动升级异常进行逐级上报。

1.4 数字化智能管控平台

图3 数字化智能管控平台集成图

基于生产现场数据物联采集、 生产资源及生产工艺的数字化构建制造执行系统，对生产过程运行的计划、调度规则、 协调与控制进行深度挖掘。 融合制造大数据分析、生产线智能监控技术，形成大数据驱动的车间数字化智能管控系统，为企业打造一个制造信息集成的平台。平台实现生产计划与车间排程、产线作业管控、产线物料管控、在线质量监控、设备与工装量具的管理、产品追溯与生产决策等功能，贯通设计、制造、管理等环节的数字化信息链，能合理安排生产线作业计划、精确管控制造执行过程、科学决策及时处置生产异常，有效保障产品高效生产。

2 创新点

数据驱动业务协同的生产过程数字化管控模式。 以生产现场数据链的全线贯通为基础， 通过研究生产制造大数据收集、存储、分析、处理、应用的系列方法，创新建立数据驱动业务协同的离散行业生产过程数字化管控模式，解决生产现场组织效率低、难以精确管控的问题。

虚实结合的生产过程可视化智能监控方法。以大量生产现场数据的自动化采集为基础，建立生产线运行监控指标评估体系和方法模型，通过数据的融合处理、综合分析和可视化显示，实现生产线运行状态的智能监控[3]。

3 结束语

本项目成体系地研究了离散制造行业智能管控技术构建的方法， 以及从业务和数据两个维度实现了数字化和智能化的管控平台， 为离散制造行业实施智能制造提供了软硬件一体化的基础解决方案， 可以用于满足不同规模的数控车间或生产线数字化、智能化管控需求。

但由于离散制造行业生产现场设备普遍存在系统专业性强、接口协议异构、数据采集实时性要求高、数据采集实施困难、各行业的生产管控模式差异性大等问题，导致智能管控软件无法做到统一化、产品化，需要定制、开发工作量大。 因此，尝试采取不同程度的模块化、服务化的开发形式搭建即插即用的管控平台基础框架， 将管控平台功能模块进行组件化封装，构建功能组件库。用户可根据企业性质、规模和管控范围“按体选衣”，快速搭建出基本满足需求的生产管控系统， 有效降低企业实施制造智能管控的周期和成本。