王鵬

大數(shù)據(jù)技術(shù)在紡機(jī)行業(yè)的具體應(yīng)用及分析

王鵬

（經(jīng)緯智能紡織機(jī)械股份公司，山西 晉中 030601）

主要介紹了大數(shù)據(jù)技術(shù)在紡機(jī)行業(yè)的具體應(yīng)用，并簡(jiǎn)單分析了行業(yè)環(huán)境及市場(chǎng)需求。

大數(shù)據(jù)；紡織機(jī)械；云計(jì)算；人工智能

進(jìn)入21世紀(jì)以來(lái)，云計(jì)算、大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)等新興技術(shù)和不同產(chǎn)業(yè)的結(jié)合，給這些產(chǎn)業(yè)帶來(lái)深刻的變化。在這些產(chǎn)業(yè)中，制造業(yè)毫無(wú)疑問(wèn)是受影響最大的產(chǎn)業(yè)之一。如何利用信息化、智能化、大數(shù)據(jù)等技術(shù)改造當(dāng)前的生產(chǎn)制造與服務(wù)模式，提高企業(yè)的生產(chǎn)效率，提升產(chǎn)品的市場(chǎng)競(jìng)爭(zhēng)力，是傳統(tǒng)制造業(yè)升級(jí)的重要部分。

1 紡機(jī)行業(yè)環(huán)境

當(dāng)前，紡織機(jī)械行業(yè)對(duì)于技術(shù)創(chuàng)新與品質(zhì)提升越發(fā)重視，智能制造理念在紡織機(jī)械行業(yè)的應(yīng)用也不斷加快，致使紡織機(jī)械市場(chǎng)發(fā)生了一些新的變化，裝備制造企業(yè)逐步向下游延伸服務(wù)。服務(wù)型制造成為紡機(jī)行業(yè)轉(zhuǎn)型升級(jí)的重要方向，傳統(tǒng)以制造和銷(xiāo)售設(shè)備為唯一盈利模式已經(jīng)不能符合行業(yè)發(fā)展需求，必須要由傳統(tǒng)的制造+銷(xiāo)售的模式轉(zhuǎn)向智造+服務(wù)的模式。

2 市場(chǎng)需求分析

2.1 提升服務(wù)質(zhì)量

目前，紡機(jī)一旦出現(xiàn)故障，需要維修服務(wù)人員到紡織廠現(xiàn)場(chǎng)進(jìn)行診斷維修，導(dǎo)致耗費(fèi)大量的人力和時(shí)間成本。

2.2 提升產(chǎn)品競(jìng)爭(zhēng)力

紡織行業(yè)屬于典型的勞動(dòng)密集型產(chǎn)業(yè)且歷史悠久，行業(yè)內(nèi)仍有眾多問(wèn)題未解決，主要難點(diǎn)如下：①修復(fù)長(zhǎng)。等待廠家人員修復(fù)設(shè)備故障時(shí)間長(zhǎng)，影響生產(chǎn)效益。②掌控低。對(duì)設(shè)備性能掌握不充分，無(wú)法最大發(fā)揮設(shè)備效率。③預(yù)防難。無(wú)法對(duì)可能發(fā)生的故障進(jìn)行預(yù)判，時(shí)常耽誤生產(chǎn)計(jì)劃。④培養(yǎng)難。新員工需要反復(fù)培訓(xùn)，培訓(xùn)成本高，周期長(zhǎng)。

如果能在提高自身產(chǎn)品質(zhì)量的同時(shí)助力紡織企業(yè)解決當(dāng)前難點(diǎn)，幫助紡織企業(yè)優(yōu)化生產(chǎn)流程、提升管理水平、提高運(yùn)營(yíng)效率，可以極大地提升企業(yè)競(jìng)爭(zhēng)力。

2.3 提供增值服務(wù)

通過(guò)智能遠(yuǎn)程運(yùn)維服務(wù)，積累大量工廠設(shè)備有效數(shù)據(jù)，沉淀紡機(jī)行業(yè)實(shí)際生產(chǎn)情況，為內(nèi)部產(chǎn)品升級(jí)以及紡織企業(yè)日常生產(chǎn)提供支撐服務(wù)。

3 大數(shù)據(jù)遠(yuǎn)程運(yùn)維平臺(tái)實(shí)施方案

本文以河南一紡織廠細(xì)紗車(chē)間實(shí)施方案為例，說(shuō)明大數(shù)據(jù)技術(shù)在紡機(jī)行業(yè)中的具體應(yīng)用。

3.1 車(chē)間概況

車(chē)間共有細(xì)紗機(jī)長(zhǎng)車(chē)96臺(tái)，單臺(tái)1 200錠，機(jī)臺(tái)內(nèi)置工業(yè)交換機(jī)，通過(guò)以太網(wǎng)絡(luò)連接到機(jī)房服務(wù)器，用于數(shù)據(jù)采集，車(chē)間架設(shè)吸頂式工業(yè)無(wú)線(xiàn)ap，用于移動(dòng)終端連接訪問(wèn)。

3.2 具體功能模塊

3.2.1 預(yù)警提醒

通過(guò)建立預(yù)警模型，監(jiān)測(cè)設(shè)備關(guān)鍵數(shù)據(jù)，當(dāng)設(shè)備運(yùn)行值超出設(shè)定范圍時(shí)進(jìn)行主動(dòng)預(yù)警，預(yù)警信息可以根據(jù)嚴(yán)重程度通過(guò)短信、微信、網(wǎng)頁(yè)消息、郵件等多種方式通知給維護(hù)人員、管理人員。

預(yù)警類(lèi)型分為以下幾種：①閾值預(yù)警。通過(guò)對(duì)設(shè)備多個(gè)運(yùn)行指標(biāo)實(shí)時(shí)采集，并對(duì)多個(gè)運(yùn)行指標(biāo)的最大值、最小值、持續(xù)時(shí)間進(jìn)行設(shè)定判斷，運(yùn)行指標(biāo)偏離正常區(qū)間時(shí)進(jìn)行實(shí)時(shí)預(yù)警提醒。②趨勢(shì)預(yù)警。橫向預(yù)警，根據(jù)設(shè)備運(yùn)行指標(biāo)與生產(chǎn)線(xiàn)上所有相同機(jī)型設(shè)備近一段時(shí)間的平均值進(jìn)行比較，當(dāng)偏離平均值正常區(qū)間，并超過(guò)設(shè)定的持續(xù)時(shí)間時(shí)，進(jìn)行橫向趨勢(shì)預(yù)警；縱向預(yù)警，根據(jù)設(shè)備運(yùn)行指標(biāo)與該設(shè)備近一段時(shí)間的歷史數(shù)據(jù)平均值比較，當(dāng)偏離平均值正常區(qū)間，并超過(guò)設(shè)定的持續(xù)時(shí)間時(shí)，進(jìn)行橫向趨勢(shì)預(yù)警。

3.2.2 故障分析

對(duì)設(shè)備故障數(shù)據(jù)集中展示，采用故障庫(kù)、專(zhuān)家遠(yuǎn)程協(xié)同會(huì)診等方式進(jìn)行診斷分析，精準(zhǔn)定位故障原因，及時(shí)解決故障、消除隱患。

3.2.2.1 相似故障診斷

系統(tǒng)通過(guò)對(duì)數(shù)據(jù)的整合分析，可針對(duì)該故障進(jìn)行自動(dòng)診斷，并將設(shè)備型號(hào)和故障類(lèi)型通知給對(duì)應(yīng)的人員。

3.2.2.2 專(zhuān)家協(xié)同診斷

遇到疑難問(wèn)題，利用專(zhuān)家?guī)旌瓦h(yuǎn)程視頻功能，召開(kāi)專(zhuān)家遠(yuǎn)程會(huì)診，在線(xiàn)直接調(diào)用現(xiàn)場(chǎng)視頻，并結(jié)合設(shè)備實(shí)時(shí)運(yùn)行數(shù)據(jù)、設(shè)備最新故障數(shù)據(jù)、設(shè)備歷史故障數(shù)據(jù)等進(jìn)行專(zhuān)業(yè)診斷，協(xié)助紡織廠及時(shí)排除故障。

3.2.3 知識(shí)庫(kù)

在收集大量設(shè)備運(yùn)行特征數(shù)據(jù)的基礎(chǔ)上，對(duì)設(shè)備運(yùn)行數(shù)據(jù)進(jìn)行重組、挖掘，構(gòu)建知識(shí)圖譜，并導(dǎo)入基礎(chǔ)數(shù)據(jù)，建立故障庫(kù)、行業(yè)標(biāo)準(zhǔn)庫(kù)，實(shí)現(xiàn)企業(yè)知識(shí)的數(shù)據(jù)積累和價(jià)值發(fā)揮。

3.2.4 故障庫(kù)

對(duì)設(shè)備所有故障信息的匯總、整合、分類(lèi)，并借助行業(yè)經(jīng)驗(yàn)、企業(yè)內(nèi)部經(jīng)驗(yàn)、專(zhuān)家知識(shí)等建立起對(duì)應(yīng)的故障解決方案，一旦發(fā)生相似設(shè)備故障，故障庫(kù)可以自動(dòng)推送最優(yōu)解決方案。

3.2.5 行業(yè)標(biāo)準(zhǔn)庫(kù)

通過(guò)對(duì)紡織機(jī)械領(lǐng)域行業(yè)標(biāo)準(zhǔn)、紡織行業(yè)相關(guān)標(biāo)準(zhǔn)等的收錄、整理、分類(lèi)，為企業(yè)管理、生產(chǎn)等提供參考。

3.3 數(shù)據(jù)分析

對(duì)設(shè)備關(guān)鍵運(yùn)行生產(chǎn)指標(biāo)數(shù)據(jù)進(jìn)行分析，根據(jù)用戶(hù)需求形成大數(shù)據(jù)分析報(bào)告，為設(shè)備廠商和紡織企業(yè)深挖數(shù)據(jù)背后的價(jià)值。

3.3.1 常規(guī)分析

對(duì)常規(guī)歷史數(shù)據(jù)（如產(chǎn)量、效率、能耗）進(jìn)行分析，展示歷史數(shù)據(jù)變化情況，并分析數(shù)據(jù)變化原因。

3.3.2 自定義分析

用戶(hù)根據(jù)需求自定義分析參數(shù)，可針對(duì)定義參數(shù)進(jìn)行關(guān)聯(lián)分析。

3.3.3 大數(shù)據(jù)分析報(bào)告

對(duì)紡機(jī)設(shè)備的故障、預(yù)警、能耗、效率等信息進(jìn)行綜合統(tǒng)計(jì)分析，根據(jù)智能算法定期出具分析報(bào)告，列出故障、預(yù)警原因，統(tǒng)計(jì)在不同生產(chǎn)環(huán)境下產(chǎn)量、能耗的對(duì)應(yīng)關(guān)系，協(xié)助紡機(jī)企業(yè)改進(jìn)產(chǎn)品質(zhì)量、協(xié)助紡織廠降本增效。

3.4 設(shè)備體檢

通過(guò)對(duì)設(shè)備運(yùn)行數(shù)據(jù)的監(jiān)測(cè)分析，實(shí)現(xiàn)設(shè)備狀況綜合診斷，針對(duì)不同角色定期發(fā)送設(shè)備運(yùn)行報(bào)告。設(shè)備體檢屬于一種有效的設(shè)備預(yù)防性維護(hù)手段，可在設(shè)備出現(xiàn)健康狀況問(wèn)題之前制定合理的維護(hù)決策，杜絕設(shè)備的安全隱患。

3.4.1 遠(yuǎn)程維護(hù)

通過(guò)遠(yuǎn)程連接專(zhuān)用硬件，實(shí)現(xiàn)遠(yuǎn)程監(jiān)控、參數(shù)調(diào)整、程序更新等功能，提高設(shè)備的可用性、先進(jìn)性、便捷性。

3.4.2 遠(yuǎn)程視頻

遠(yuǎn)程視頻模塊可實(shí)現(xiàn)遠(yuǎn)程查看設(shè)備運(yùn)行情況、音視頻交互、視頻錄制和播放功能。該模塊內(nèi)嵌視頻管理平臺(tái)，主要實(shí)現(xiàn)視頻的存儲(chǔ)、查看和回放等功能。

3.5 保養(yǎng)管理

為紡織廠所有設(shè)備提供維護(hù)保養(yǎng)到期自動(dòng)信息提示，用戶(hù)只需將維保信息批量導(dǎo)入系統(tǒng)，即可實(shí)現(xiàn)對(duì)設(shè)備維保進(jìn)行綜合管理，員工可以看到維保提醒、維護(hù)記錄，可以批量進(jìn)行維護(hù)登記并支持維護(hù)登記審批。

3.6 在線(xiàn)培訓(xùn)

在企業(yè)和用戶(hù)之間搭建快速、開(kāi)放的知識(shí)共享平臺(tái)，分類(lèi)存儲(chǔ)設(shè)備操作手冊(cè)，員工培訓(xùn)視頻，產(chǎn)品說(shuō)明書(shū)等，大幅降低培訓(xùn)成本，提高員工知識(shí)技能水平，實(shí)現(xiàn)最好的培訓(xùn)和學(xué)習(xí)效果，提升企業(yè)知識(shí)價(jià)值。

4 技術(shù)方案

4.1 系統(tǒng)架構(gòu)

遠(yuǎn)程運(yùn)維平臺(tái)技術(shù)架構(gòu)如圖1所示。

圖1 遠(yuǎn)程運(yùn)維平臺(tái)技術(shù)架構(gòu)

感知層：物聯(lián)網(wǎng)數(shù)據(jù)采集系統(tǒng)通過(guò)Modbus TCP協(xié)議與PLC、設(shè)備屏、傳感器等設(shè)備通訊，采集設(shè)備數(shù)據(jù)。

服務(wù)層：面對(duì)大量的采集數(shù)據(jù)和快速的數(shù)據(jù)解析與處理，服務(wù)層應(yīng)滿(mǎn)足高吞吐量、高性能、高并發(fā)的特點(diǎn)。

消息層：服務(wù)層采集的數(shù)據(jù)解析完畢后，會(huì)將數(shù)據(jù)傳輸?shù)较?。為了?duì)應(yīng)大數(shù)據(jù)量、頻率高、實(shí)時(shí)性高、數(shù)據(jù)交互性強(qiáng)的特點(diǎn)，部署消息隊(duì)列中間件來(lái)提高數(shù)據(jù)的存儲(chǔ)與處理能力。

數(shù)據(jù)層：數(shù)據(jù)層為數(shù)據(jù)采集系統(tǒng)的數(shù)據(jù)存儲(chǔ)層，存儲(chǔ)業(yè)務(wù)數(shù)據(jù)、采集數(shù)據(jù)、緩存數(shù)據(jù)和日志數(shù)據(jù)等。

應(yīng)用層：數(shù)據(jù)采集與解析后，數(shù)據(jù)可以在很多方面運(yùn)用，比如建立監(jiān)控大屏，實(shí)時(shí)展示設(shè)備的運(yùn)行數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)的可視化，便于設(shè)備的管理與運(yùn)維，實(shí)時(shí)掌握生產(chǎn)過(guò)程，故障報(bào)警實(shí)時(shí)處理，提高工廠的生產(chǎn)效率。

4.2 數(shù)據(jù)流程

大數(shù)據(jù)平臺(tái)數(shù)據(jù)流程如圖2所示。

圖2 大數(shù)據(jù)平臺(tái)數(shù)據(jù)流程

將采集的數(shù)據(jù)通過(guò)tcp協(xié)議傳送到物聯(lián)網(wǎng)系統(tǒng)中，物聯(lián)網(wǎng)系統(tǒng)接收到數(shù)據(jù)后，發(fā)送到Kafka消息中間件中。在Kafka的歷史數(shù)據(jù)，存入到hdfs中，而對(duì)于實(shí)時(shí)數(shù)據(jù)，發(fā)送到Flink大數(shù)據(jù)框架進(jìn)行數(shù)據(jù)計(jì)算。

4.3 網(wǎng)絡(luò)拓?fù)?/h3>

大數(shù)據(jù)平臺(tái)網(wǎng)絡(luò)拓?fù)淙鐖D3所示。

圖3 大數(shù)據(jù)平臺(tái)網(wǎng)絡(luò)拓?fù)?/p>

實(shí)時(shí)采集的數(shù)據(jù)進(jìn)入分布式MQ進(jìn)行數(shù)據(jù)緩沖，服務(wù)器集群根據(jù)項(xiàng)目需要設(shè)置數(shù)量；Flink集群可與MQ集群進(jìn)行物理機(jī)復(fù)用，消費(fèi)數(shù)據(jù)；Hadoop集群存儲(chǔ)Flink處理中間數(shù)據(jù)，生成歷史報(bào)表、綜合報(bào)告、離線(xiàn)數(shù)據(jù)分析；故障、預(yù)警觸發(fā)告警事件（微信消息、Web端實(shí)時(shí)消息）并進(jìn)行故障和預(yù)警數(shù)據(jù)聚合，實(shí)時(shí)計(jì)算指標(biāo)、聚合數(shù)據(jù)進(jìn)入指標(biāo)數(shù)據(jù)庫(kù)存儲(chǔ)；Web端讀取指標(biāo)數(shù)據(jù)庫(kù)進(jìn)行展現(xiàn)。

4.4 服務(wù)器架構(gòu)

采集服務(wù)器：?jiǎn)闻_(tái)服務(wù)器可滿(mǎn)足50臺(tái)PLC的通訊，單臺(tái)10 000個(gè)參數(shù)的數(shù)據(jù)采集。如果PLC數(shù)量更多，可以部署更多的采集服務(wù)器，來(lái)分擔(dān)數(shù)據(jù)采集的壓力。

消息中間件服務(wù)器：消息中間件服務(wù)器主要負(fù)責(zé)數(shù)據(jù)的解析與處理。若數(shù)據(jù)量巨大，可搭建集群增加數(shù)據(jù)的解析與處理能力。

數(shù)據(jù)服務(wù)器：數(shù)據(jù)服務(wù)器主要負(fù)責(zé)數(shù)據(jù)的存儲(chǔ)。

應(yīng)用服務(wù)器：應(yīng)用服務(wù)器主要應(yīng)用程序部署、業(yè)務(wù)數(shù)據(jù)庫(kù)（MySQL）部署和緩存數(shù)據(jù)庫(kù)（Redis）部署。

5 結(jié)束語(yǔ)

中國(guó)制造業(yè)要實(shí)現(xiàn)彎道超車(chē)，就要改變傳統(tǒng)單一的制造模式，著力發(fā)揮信息化驅(qū)動(dòng)引領(lǐng)的新引擎作用，加快新一代信息技術(shù)與制造業(yè)融合發(fā)展，從“制造”向“制造+服務(wù)”轉(zhuǎn)型，從單純銷(xiāo)售產(chǎn)品向“產(chǎn)品+服務(wù)”轉(zhuǎn)變，提高產(chǎn)品附加值和市場(chǎng)占有率，引導(dǎo)行業(yè)發(fā)展方向。

B03

A

10.15913/j.cnki.kjycx.2020.02.051

2095－6835（2020）02－0128－02

〔編輯：張思楠〕