王美林 黃鈞

摘要：現(xiàn)有的車間大型設備復雜度高，越來越依賴監(jiān)控系統(tǒng)對其進行實時性管理。目前依靠云計算的設備監(jiān)控系統(tǒng)所需傳輸?shù)臄?shù)據(jù)量越來越大，導致需求緊急響應的告警信息容易出現(xiàn)延遲，嚴重會造成設備停機等問題。針對現(xiàn)有PVC壓延車間設備告警方案定位不明確和告警響應不及時的問題，該文引入邊緣計算概念，設計了一個新型設備監(jiān)控系統(tǒng)，將告警事件處理放置在邊緣端，減輕數(shù)據(jù)長距離傳輸帶來的高延時性和云計算中心處理壓力，利用用戶定義的閾值告警機制和特征樹去重策略減少告警頻繁帶來的運維困難，提高設備告警處理針對性和實時性。通過對比分析，加入邊緣計算對監(jiān)控系統(tǒng)的告警實時性有了較大的提升。

關鍵詞：邊緣計算;PVC車間;閾值告警;去重;監(jiān)控

中圖分類號：TP206+.3? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）15-0218-04

Abstract： The existing workshop large-scale equipment has high complexity， more and more rely on the monitoring system for its real-time management. At present， the amount of data needed to be transmitted by the equipment monitoring system relying on cloud computing is increasing， which leads to the delay of alarm information requiring emergency response， and seriously causes equipment downtime and other problems. Aiming at the problems of unclear positioning and untimely alarm response of existing PVC calendering workshop equipment alarm scheme， this paper introduces the concept of edge computing and designs a new equipment monitoring system， which places the alarm event processing at the edge end to reduce the high delay caused by long-distance data transmission and the processing pressure of Cloud Computing Center， and uses the user-defined threshold alarm mechanism and feature tree to remove the alarm Heavy strategy reduces the operation and maintenance difficulties caused by frequent alarms， and improves the pertinence and real-time of equipment alarm processing. Through comparative analysis， the real-time alarm performance of the monitoring system is greatly improved by adding edge computing.

Key words： edge computing; PVC workshop; threshold alarm; deduplication; monitoring

1 背景

隨著工業(yè)4.0建設的不斷推進，我國傳統(tǒng)工業(yè)信息化進程飛速發(fā)展，車間的大型機械設備日益呈現(xiàn)復雜化、大型化和多功能化[1]。同時，針對設備的各項數(shù)據(jù)采集無論從數(shù)量上或者精度上也有了質的飛躍，這對設備的監(jiān)控也提出了新的問題，如何加速數(shù)據(jù)的實時性處理使得故障信息更快地響應也是車間監(jiān)控告警的迫切需求。

針對現(xiàn)有大型設備監(jiān)控系統(tǒng)數(shù)據(jù)的復雜性和關聯(lián)性，張棋勝在云計算平臺監(jiān)控系統(tǒng)的研究與應用[2]中設計了推拉混合式數(shù)據(jù)采集算法以及在云端建立預測模型進行數(shù)據(jù)處理，大大提高了數(shù)據(jù)處理的質量。但是，由于云端遠距離傳輸?shù)奶匦詫σ恍崟r性要求高的事件處理效果并不盡如人意。曹彬乾等在基于STM32+FPGA的數(shù)據(jù)采集系統(tǒng)的設計[3]中采用了嵌入式系統(tǒng)在車間現(xiàn)場進行多類型信號的實時采集和處理，解決了工業(yè)精密儀器快速響應的問題。但是，該方法對于設備的可拓展性和告警規(guī)則的制定并不方便，以及由于存儲功能的薄弱當監(jiān)控的數(shù)據(jù)量級超出一定程度后數(shù)據(jù)處理的效果也會變弱。

本文聚焦某五輥PVC壓延機生產(chǎn)線，該生產(chǎn)線現(xiàn)有報警系統(tǒng)是通過故障信息上傳云端再實現(xiàn)具體告警通知，在告警信息激增的情況下會導致設備告警響應緩慢而且不利用監(jiān)控人員排查，容易造成設備停機或更大的后果。

針對該PVC車間對告警高實時性和有效性響應的需求，本文提出基于邊緣計算的工業(yè)車間設備告警事件處理方法。本方法主要在邊緣端處理告警事件，首先利用用戶終端定義的越限告警規(guī)則確定相關告警信息，再通過去重、特征匹配等方法減少大量冗余且重復的告警信息，使得從邊緣端上傳到云端的告警信息大幅減少，并有效加速告警通知的實時性和可靠性，對傳統(tǒng)工業(yè)信息化進程具有積極意義。

2 設備告警整體結構

為提高告警通知實時性，本文利用邊緣端實現(xiàn)告警信息的預處理，在提高處理的效率的同時有效減少傳輸?shù)臄?shù)據(jù)，達到加速的目的，并通過邊緣與云端的匹配機制進一步縮短告警的響應時間。

本文采用的車間設備告警事件處理系統(tǒng)如圖1，主要由信息采集模塊、處理模塊和終端模塊組成。在邊緣端層面分為信息采集模塊、第一通信模塊、處理模塊[4]，主要實現(xiàn)閾值告警信息判定、告警信息去重、邊緣端匹配等功能;而在云端包括云端匹配模塊、告警模塊、第二通信模塊和終端模塊，主要實現(xiàn)云端定義告警通知、云端匹配等功能。

2.1 數(shù)據(jù)采集

本文從5M1E[5]角度出發(fā)，結合PVC車間案例選取合適的設備信息采集以及告警信息采集設備，找出如表1所示相關傳感器：

上述數(shù)據(jù)傳輸?shù)竭吘壎朔掌鬟M行協(xié)議解析后，其設備狀態(tài)信息根據(jù)模擬量、離散量、開關量將其分類進入數(shù)據(jù)超限處理子模塊得出閾值告警信息，而設備自身基礎告警信息進入告警去重處理子模塊。

2.2 邊緣端處理

2.2.1 超限處理

數(shù)據(jù)超限處理子模塊通過接收用戶終端設定的閾值告警規(guī)則進行判斷定位越限告警信息及對應的告警級別，對設備狀態(tài)信息的判斷結果傳輸至所述告警去重處理子模塊。

其中，離散量用于判斷是否超限的內置規(guī)則為：

[r=1nt=1ns-sd]

式中，n為一次告警需要判斷的數(shù)據(jù)次數(shù)，s為當次數(shù)據(jù)值，[sd]為用戶設定的高低閾值，通過判斷r是否超過內置緩沖區(qū)而決定是否判定成功。內置緩沖區(qū)參考不同設定狀態(tài)數(shù)據(jù)而改變，其差別如表2所示：

其中，模擬量通過A/D轉換器得到離散量后進行上述公式的判斷。另外開關量分為兩種，其一為普通機位進行開關運作，該開關量為正常操作跳過閾值判斷;其二為報警開關量，如本文提及的PVC車間里的煙霧報警器屬于常關量NO，當超過限度時自動跳轉為1，則轉化成具體的告警信息直接進入去重模塊。

本文參照PVC車間定義用戶終端設定界面，可輸入內容包括設備型號、觸發(fā)條件、告警級別、告警方式，如下圖所示：選取某具體軋輪機，將出現(xiàn)可選的傳感器類別以及每個傳感器的閾值范圍，可選組合形式觸發(fā)，并根據(jù)傳感器的超限數(shù)量和超限閾值層級選擇告警級別，并確定所述設備型號的告警方式。

2.2.2 告警信息去重

經(jīng)過上一模塊后得到的設備越限告警信息將會和基礎告警信息采集模塊的告警信息一并進行去重處理，其類型與相關信息如表3所示：

由于工業(yè)車間對具體故障有詳細分類[6]，因此本文基于PVC車間對不同告警信息賦值唯一的類型碼和專屬于該告警信息的狀態(tài)碼，另外，未提及的未知異常告警不參與去重處理，將統(tǒng)一給予特殊故障碼（00）直接進入所述邊緣端匹配子模塊。

賦予告警信息唯一特征碼，該特征碼與所有不同告警信息一一對應，其中特征碼形式為二叉樹節(jié)點，例設備變位告警結構如圖3所示：

在對具體故障轉換給予唯一特征碼S后，根據(jù)具體需要可設定從第N層開始截斷，只上傳截斷上方的一個告警通知，其中N>1，如第三層截斷，則131-軸承變位節(jié)點的子節(jié)點變位告警都只上傳軸承變位。

除該層級劃分方法外還包括時間窗排除法，對任一個告警信息賦予狀態(tài)碼T=0，當某告警信息響應時T置1，并在T=1的時間窗W內刪除相同的告警信息，只記錄該時間段重復收到該告警信息的次數(shù)，保留在邊緣端數(shù)據(jù)庫定時集中上傳，規(guī)定時間結束后T置0，等待新的告警信息響應;

上述可控數(shù)值（N、W）在用戶終端的去重級別選項上進行控制，以滿足不同時段需要的去重效果。

2.3 邊緣云匹配機制

經(jīng)過預處理后的告警信息需要在邊緣端和云端建立一套映射關系模型，一方面轉化為更簡潔的數(shù)值提高傳輸效率，另一方面達到加密目的使數(shù)據(jù)安全性提升[7]。兩端匹配模塊均記錄告警通知與唯一標識符的映射關系，上述表述中的唯一標識符包括告警設備型號、告警級別和唯一特征碼對應的符號，其中唯一特征碼對應每個唯一的告警信息，該特征碼參考上述去重模塊中的二叉樹結構。同時，該映射關系由用戶終端模塊進行任務下達，并可進行更改。

應用本案例中PVC壓延機的數(shù)據(jù)，該映射關系模型部分如表4：

表中設備型號來源于五輥PVC壓延機生產(chǎn)線，多個設備模塊定義：軋輪機A（01）、軋輪機B（02）、過濾機模塊（03）、引取設備模塊輥滾輪模塊（04）、壓花機模塊（05）等，告警級別針對具體告警內容有所區(qū)別，如溫度越限程度確定不同告警級別。最終輸出合并數(shù)字到達云端進行解析匹配[8]，嚴重遵循設備型號+告警級別+唯一碼順序進行編排。

3 性能測試

3.1 數(shù)據(jù)集和參數(shù)設置

本次實驗數(shù)據(jù)來源于某五輥PVC壓延機生產(chǎn)線，本文采用了三個模塊進行實驗，分別是軋輪機模塊、輥滾輪模塊、引取設備模塊。為保證本次實驗具有通用性，采用的數(shù)據(jù)集包括不同模塊的性能數(shù)據(jù)（溫度、電壓、電流和運轉速度）和不同模塊的自身故障告警信息，測試數(shù)據(jù)取兩天歷史數(shù)據(jù)，總數(shù)據(jù)量達300萬條。

3.2 性能指標

本文將從以上PVC壓延機歷史數(shù)據(jù)中進行性能仿真測試，主要從告警響應的實時性和有效性出發(fā)，通過設定兩組實驗測試其性能。

對于響應時間的比較，一為邊緣端利用上述機制處理告警事件，并將結果上傳至云端進行響應，邊緣端設置在實驗室服務器，云端設置在阿里云平臺上的服務器（華南地區(qū)），二為相同的告警機制部署在云端處理，省略匹配模塊，云端同樣設置在阿里云平臺。

以閾值告警信息為例，設定軋輪機溫度超出設定閾值創(chuàng)建告警項并進行短信通知告警，初始輸入量為1萬條溫度數(shù)據(jù)，對比兩種方式響應時間，圖5短信通知可以看到，加入邊緣端處理的告警時間比傳統(tǒng)處理方式提早了約2秒。

對于本文所提出的去重策略，進行測試驗證去重效果。本次測試依舊采用告警響應時間作為評判標準，改變告警信息并發(fā)數(shù)觀察響應時間，去重模塊部署在邊緣端，在云端監(jiān)控界面等待告警響應，在其他參數(shù)一致的情況下，設定告警去重級別為2，如圖6所示，綠色折線代表加入去重模塊，紅色折現(xiàn)代表邊緣端省略去重模塊，當150個告警并發(fā)數(shù)前并兩者響應時間無明顯區(qū)別，當告警并發(fā)數(shù)超過250個后，加入去重模塊的效果十分明顯，不加入去重的響應時間大幅增長，從未來設備拓展性的角度出發(fā)該去重模塊是值得保留的。

4 結束語

本文提出了基于邊緣計算的工業(yè)車間告警事件處理方法，相比現(xiàn)有云端處理告警事件的流程大大縮短了告警的響應時間。本文在邊緣側提出一種數(shù)據(jù)預處理方法，通過狀態(tài)數(shù)據(jù)的閾值判斷與告警信息的去重完成數(shù)據(jù)的處理工作，減少云端計算負載以及解決高并發(fā)告警信息帶來難以運維的問題，并建立邊緣端與云端的匹配模型實現(xiàn)數(shù)據(jù)傳輸?shù)募铀伲垢婢憫獣r間進一步減少。該方法為工業(yè)信息化的決策科學化、監(jiān)督過程化提供智能參考的依據(jù)，開創(chuàng)車間監(jiān)控管理的新模式。

參考文獻：

[1] 黃猛，李維忠，宋亞昕，等.新型機車車鉤緩沖器研發(fā)與優(yōu)化設計[J].機械設計與制造，2011（7）：14-16.

[2] 張棋勝.云計算平臺監(jiān)控系統(tǒng)的研究與應用[D].北京：北京交通大學，2011.

[3] 曹彬乾，程遠增，楊青.基于STM32+FPGA的數(shù)據(jù)采集系統(tǒng)的設計[J].計算機工程與設計，2014，35（4）：1231-1235.

[4] Rut J，Kulinska E，Maslowski D，et al.Supervisory control and data acquisition system as a means of safety at work formation in a manufacturing company[J].European Research Studies Journal，2020，XXIII（Issue 3）：399-409.

[5] 呂華章，陳丹，王友祥.邊緣云平臺架構與應用案例分析[J].郵電設計技術，2019（3）：35-39.

[6] 吳一凡.基于5M1E的飛機總裝過程三維可視化及其管控方法[D].杭州：浙江大學，2019.

[7] 袁靜，劉立衛(wèi).故障管理系統(tǒng)告警信息處理模型及技術要求[J].電信工程技術與標準化，2014，27（11）：41-45.

[8] 翁兆琦，張琳.面向多角度信息交互的文本語義匹配模型[J/OL].[2021-01-26].計算機工程：1-8.

[9] 傅偉.基于關聯(lián)規(guī)則的服務器告警數(shù)據(jù)分析的研究與應用[D].南昌：南昌大學，2019.

【通聯(lián)編輯：謝媛媛】