岸边集装箱起重机效率分析系统设计*

余丹炯 胡旻晖

上海振华重工(集团)股份有限公司

1 引言

岸边集装箱起重机是码头的核心设备,其运行效率是整个码头高效运转的关键。近年来,随着岸边集装箱起重机的智能化、无人化的程度越来越高,特别是远程操控方式的普及,使其控制机理愈加复杂,制约其运行效率的因素也越来越多[1]。提升各个系统的运行效率、使系统间的衔接顺畅,从而保证起重机安全高效的运行,成为起重机控制系统、自动化系统的核心竞争点。目前集装箱码头的效率分析大多关注于码头宏观的效率分析,对于岸边集装箱起重机单机动作的各阶段效率分析方法较少。为此在对岸边集装箱起重机的效率进行全方位分析基础上,从单机控制的底层逻辑出发,提出一种以单机各系统的数据自动采集为基础,融合多源数据分析,分层级展示的岸边集装箱起重机效率分析系统。

2 系统架构及其实现

2.1 系统架构

效率分析系统的目标是通过分析岸边集装箱起重机单机运行的各个阶段效率,提供一套全方位分析岸边集装箱起重机单机运行效率的解决方案和软件系统,确定影响其效率的主要因素,助力其工作流程的优化与改进。为此,效率分析系统接入各种子系统以采集多种数据进行交叉分析,如任务解析系统、自动化子系统、防撞系统等。

效率分析系统通过部署于单机上的效率分析数据采集仪采集各个相关系统的数据,在单机边缘侧进行初步的清理和筛选,再集中传送至中控进行数据挖掘分析,最后通过网页展示给用户。采集仪与各子系统的通讯以TCP为主,通过数采软件对单机上的多源异构数据进行采集、处理和存储(见图1)。

图1 系统架构图

效率分析系统内嵌的数据分析模块对数据进行分析,形成关键指标数据存入关系型数据库。同时时序数据库把岸边集装箱起重机运行的关键状态值进行储存,供工程师事后对各个阶段进行效率分析。该算法结合了2种数据库的优点,可实现多源异构数据同步展示,让复杂的效率分析工作变得简单而高效。

2.2 系统实现

效率分析系统以数据为核心要素,其实现机制也围绕数据进行,分为数据定义、数据处理和数据展示3个部分。

2.2.1 数据定义

根据岸边集装箱起重机的工作特点,分析其不同类型的工作状况,系统抽取各工况共性,对每个任务阶段进行细致的划分和定义,对于特殊控制点进行专门的状态监控。

目前岸边集装箱起重机的作业可分为纯手动和半自动作业,效率分析系统设计的数据接口可同时兼容这2种工况。效率分析系统定义了多个工作的关键点、工作阶段、状态点和特征指标。图2为岸边集装箱起重机纯手动模式下进行装船作业时,各关键点示意图,效率分析系统对每个关键点和工作阶段的数据都进行了采集。

图2 岸边集装箱起重机纯手动装船工作流程

(1)关键点

充分考虑了岸边集装箱起重机各种作业模式和控制逻辑,效率分析系统抽取了7个关键点(见表1)。

表1 岸边集装箱起重机工作关键点定义表

(2)工作阶段

效率分析系统定义一模拟量值Step用来表示衔接各关键点的工作阶段。岸边集装箱起重机在纯手动模式下的各阶段定义见表2。

表2 岸边集装箱起重机纯手动模式工作阶段定义表

(3)状态点

为精准地分析岸边集装箱起重机的工作状态,效率分析系统定义多个布尔型的状态点。状态点的值为“1”时代表满足定义的内容,值为“0”时代表不满足。状态点的含义见表3。

表3 岸边集装箱起重机工作状态定义表

(4)特征指标

根据岸边集装箱起重机的运行原理以及后续分析的需求,效率分析系统定义多种维度的特征指标见表4。

表4 岸边集装箱起重机特征指标定义示例表

2.2.2 数据处理

(1)数据处理模式

根据岸边集装箱起重机数据的特性,数据的处理采用分布式和集中式相结合的模式。每台机上的采集仪负责该机的数据采集和特征值计算。这种分布式计算的设计不仅能避免单节点故障,且单机采集仪还能在岸边集装箱起重机与中控发生通讯问题时对数据进行临时贮存,待通讯恢复后进行断点续传至中控服务器,可使中控服务器端保存完整的数据。后续这些数据可在中控集中展示,为码头其他系统调用或进行进一步分析。

(2)数据处理方法

考虑到岸边集装箱起重机的数据离散而量大的特点,且部分特征指标需要结合其前一个运行状态推导计算,效率分析系统的数据处理分析采用“事后”分析法。该方法先把采集到的数据存储至时序数据库,而后通过分析软件进行计算分析,形成多条逻辑数据后存储至关系型数据库,数据流向见图3。

图3 数据流向图

该方法充分利用了时序数据库和关系型数据库的性能优点。系统选用的时序数据库是高性能的InfluxDB[2],该数据库采用自定义的存储引擎和索引结构,能够快速地写入和查询大量的时间序列数据。它支持高并发的写入操作,能够在秒级别完成大规模的数据查询和聚合,具有的高性能、时间序列优化、可伸缩性、灵活的数据保留策略、插件生态系统、数据一致性和持久性等优点。关系型数据库选用MySQL。MySQL是开源关系型数据库管理系统,在性能和可靠性方面表现出色。为了更好地减少数据存储成本、加速查询和分析、提高数据分析的效率和质量,同时提供更高层次的数据概览,效率分析系统利用MySQL Agent自动化任务调度,定期将数据按照日、周、月进行抽取,按照详表、日表、周表和月表方式进行数据存储,实现海量数据的快速检索。

2.2.3 数据展现

效率分析系统基于浏览器/服务器架构设计,具有跨平台兼容、部署和维护简单、客户端轻量化等优点。用户通过流浏览器就可以方便地在各种移动设备端访问系统。

效率分系统实现Web前后端分离,后端采用Nodejs轻量服务,前端采用Vue.js框架[3]。通过前后台解耦,使后台服务高可用、高性能、高并发,前端更专注于提升页面效果、用户体验和流畅度。前端开发同时结合HTML、CSS以及JavaScript实现整体前端的设计。系统使用ECharts框架实现数据可视化,采用柱状图、点图、堆叠图等多种表现形式,直观展示效率分析的结果。

(1)前后端交互设计

系统设计时考虑到数据量的需求以及方便用户对于不同特征指标数据的自由组合查询,未使用前后端交互常见的RESTful API,而是采用了GraphQL API[4]。GraphQL是一种用于API开发的查询语言和运行时环境,允许客户端根据其具体需求来定义和获取数据,而不是由服务器端提供固定的数据结构。这种灵活性使得客户端可以精确地获取需要的数据,避免了过度获取和传输不必要的数据,提高了网络传输效率。传统的RESTful API通常需要多次请求才能获取到所需的数据,而GraphQL可以在一个请求中指定需要的数据字段和关联关系,服务器会返回相应的数据,可减少网络请求的次数,提高数据获取的效率。

(2)数据展现

效率分析系统数据展现从岸边集装箱起重机的船时效率到机构每个阶段的运行持续时间,兼具宏观和微观数据。效率分析系统的数据展示方式多样,除直观的图表、列表方式外,还增加了时间轴、数据回放和离线模式。

时间轴方式。效率分析系统根据选定的时间段和特征指标,呈现一条“指标时间轴”,展示该岸边集装箱起重机在该段历史时间内每一条任务中的性能表现、任务间的衔接效率等。指标时间轴中突出显示等待时间过长的情况,可快速聚焦至需重点分析和排查的时间段。

数据回放方式。系统支持在查询每一条任务详情后,开启数据回放功能对机器性能进行进一步的分析。存储在时序数据库中的运动状态数据采集频率可达到0.1 s。在该模式下,效率分析系统会回放这一条任务执行期间岸边集装箱起重机的主要运动状态如吊具运行轨迹、开闭锁位置,且以图形化的方式直观地展示出来。可逐帧回数据,细致地分析运行状态。系统还设计了比对模式,支持将不同时间轴的任务放在一起回放,可更快地发现效率瓶颈。

离线模式。效率分析系统设计的离线模式可让更多的专家使用本系统,无须安装复杂的软件。该模式就可以支持异地用户利用现场采集和存储的数据对某一阶段的岸边集装箱起重机性能进行分析。这种设计消除了位置和时间的限制,可满足专家事后、异地对岸边集装箱起重机工作性能和效率的回溯分析的需求。

3 结语

效率分析系统通过岸边集装箱起重机多维数据采集和分析,分析其各阶段的运行效率。截至目前,该套效率分析系统已在2个自动化码头得到应用。从应用情况看,该系统在大数据采集和分析上优势明显,其多维度分析方式和事后分析方法可提升优化岸边集装箱起重机设计的工作效率。

利用效率分析系统,可分析自动化系统、控制系统、机械结构等设计的优劣,改进岸边集装箱起重机各方面的性能,从而提升产品质量和可靠性,同时有助于优化港口生产流程和提高港口生产效率。