数据分析在汽车工业设备智能分析系统的应用

袁 磊 许 劼 许广州

(上海亚太计算机信息系统有限公司 上海 200040)

数据分析在汽车工业设备智能分析系统的应用

袁 磊 许 劼 许广州

(上海亚太计算机信息系统有限公司 上海 200040)

针对汽车加工业机床状态数据传统的采集方式采样频率低、生产运行状态不可控、被动维修的现状，尝试采用高速采集架构及数据模型算法，对机床运行的数据进行采集、挖掘、利用，最终生成机床能效分析报告、健康诊断报告等。使设备的状态信息更直观可控，使维修更有预见性，维修工作者快速精准地定位故障信息。推进维修工作专业化，促进汽车制造业良性发展。

机床 智能 能效

0 引 言

大数据时代的来临带给我们很多冲击，数据资源已成为各类机构和组织重要的战略资源，重视数据资源的搜集、挖掘、分享与利用，成为当务之急。智能工厂作为工业4.0的三大主题之一正发生着日新月异的变化[1]。

随着国内汽车生产线不断扩充，维修队伍围绕“降故提质，降本增效”的核心业务指标，努力提升设备效能。但现有生产运营模式下的设备状态，各项业务指标多年来，一直未有大的突破，必须转变维修思路，把聚力点从设备层面的应急维修上，转变到部件级的预知维修上来，提前预判，变被动为主动，做到精益维修，才是未来维修的可持续发展之路[2]。

借着大数据分析的春风，工业设备智能分析系统在汽车工厂应运而生，通过对设备运行过程中产生的数据的捕捉，运用各种分析手段，使数据产生价值。

1 系统设计

1.1 系统组织结构

本系统基于工业互联网体系架构，以设备自身数据为核心并提供接口对原有系统进行横向和纵向集成，实现车间内设备到管理的数据贯通，并研发一套设备数据采集、数据存储、数据挖掘分析、数据展示的设备管理系统，即工业设备智能分析系统[3]。

1.1.1 硬件架构方面

根据国内制造工厂设备的实际需求现状，摒弃传统的设备状态数据采样方式，采用可扩展模块设计的智能采集终端采集机床数据，过滤后实时存储到数据平台。

1.1.2 算法分析方面

根据生产设备实际情况，对采集到的设备状态数据，采用专业的统计数据算法，用客观的方法来对数据进行分析在短时间内获得精确的数据，并可以长久保存，供后续分析使用[4]。

1.1.3 智能输出方面

对于设备的流体类数据进行实时监控，绘制趋势曲线，预判机床故障，并邮件和短信通知相关责任人，规避停机风险，降低维修负荷。

1.2 系统架构设计

设备智能分析系统硬件包括Web服务器、数据库服务器、数据采集服务器、分布式智能采集终端。系统采用分布式体系结构，允许扩充多个智能采集终端，系统中所有的服务器通过高速以太网连接，系统架构参见图1。

图1 系统架构

1) Web服务器：Web服务器是设备状态智能检测系统的管理中心，采用IIS 7.0作为应用的发布平台；负责管理、维护、查询相关数据。系统整体采用B/S架构，用户可以在各种客户端上通过浏览器设置、查询数据。各种客户端通过单页应用以Web Services方式访问业务逻辑，包括逻辑运算和数据查询[5]。

2) 数据库服务器：系统中所有的运行数据信息统一记录到数据库服务器中，同时，在生成趋势图和报表时也需用到该服务器。

3) 数据采集服务器：数据采集服务器负责采集所有数据，这些数据将通过OPC技术、Ado.net技术快速准确地记录到数据库中。数据采集服务器是数据传输和解析中心[6]。

4) 分布式智能采集终端：传统的机床数据采集方式受硬件及采样软件限制，采集周期往往大于1 s，这样会漏掉很多关键的过程数据，使数据分析工作失去价值。采集终端通过接入传感设备到机床的方式采集现场机床中流体类数据并缓存到高速PLC中，实时通知上位系统及时采集，采样周期最低可达到10 ms数量级。

2 数据的采集和处理

2.1 数据采集机制

系统采集对象主要为加工机床的液压系统、主轴系统、冷却系统，包括流量、压力、温度、电流A相、电流B相、电流C相、振动等数据。

通过智能采集终端从现场设备中采集流量、压力、温度等数据实时存储到采集器PLC中的缓存区，并通知上层程序实时读取。采集频率设定为1条数据/100 ms，一次采样5～10分钟，从机床采集流体类数据，并保存到数据库中，用于流体类故障诊断和预警。

数据采集过程的关键点在于高速和准确不丢失，通过先进的压力、温度、流量、电压等传感器与高性能的PLC连接，保证采集的速度；创新性的在PLC中加入闪存卡，实现数据的多级缓存，保证了数据采集的稳定性和准确性。数据采集进程如图2所示。

图2 数据采集进程图

2.2 毛坯数据清洗

智能采集终端从现场机床中采集流体类数据的过程中，通过上层程序对机床加工开始、结束信号的监控，对机床非加工时间的流体类数据进行过滤。

上层程序对采集到的流体类数据进行数据挖掘，在这过程中，对无关数据进行数据过滤。无关数据主要为设备在非加工过程中产生的数据。

上层程序对挖掘后的流体类数据进行数据分析，在此过程中，根据一定算法对无关数据进行数据过滤[7]。

3 数据分析过程

数据分析建立在.NET和组态软件基础上，系统基于安全、弹性、高可用、虚拟化、标准化、自动化的设计理念，采用基于SOA的应用接入框架，客户可以通过各种设备与系统交流交互[8]。

3.1 算 法

算法是对解题方案准确无误的表述，是众多解决问题的逻辑指令，算法是用客观的方法来描述解决问题的策略机制。简言之，能够对一定规则的输入，在短时间内获得准确的输出[9]。

本系统的算法模型是建立在多年设备维修基础上的经验算法模型，具有指导性和稳定性。相关算法模型举例如下：

(1)

三相平衡性=

(2)

(3)

流量离散度=Stdev(流量)

(4)

压力均值=Avg(压力)

(5)

3.2 结论输出

系统对流体类统计数据进行实时监控，并绘制趋势曲线。预判机床故障，并邮件和短信通知相关责任人，规避停机风险，降低维修负荷。

对历史数据进行数据挖掘分析，自动建立数据运算模型。绘制机床生命周期曲线，降低能耗，洞悉改进点，结论输出过程如图3所示。

图3 结论输出

设备智能分析系统通过集成使用Tableau报表，动态可配置，可展现节拍、能耗、零部件运动数据，诊断信息[10]。生成设备停机交流报告，机床执行元件动作效率分析报告，机床能耗分析报告，设备健康诊断报告等方式展示给用户直观、准确的用户界面，效果如图4所示。

图4 预警信息

4 结 语

通过汽车工业设备智能分析系统的实施，实现了数据分析在汽车制造行业的应用，使汽车制造业的维修行动更加高效、透明。使用本系统后显著提高了生产效率，降低了生产成本，主要体现在故障关闭率提高，停机风险减少，生产节拍提升，单机能耗节约10%，使设备使用年限延长。这套集数据采集、数据存储、数据挖掘分析、数据展示于一体的设备管理系统在加工制造业具有广泛的推广价值。

[1] 许正.工业互联网:互联网+时代的产业转型[M].机械工业出版社,2015.

[2] 李文明,叶笑春,张洋,等.BDSim:面向大数据应用的组件化高可配并行模拟框架[J].计算机学报,2015,38(10):1959-1975.

[3] 潘艳丽.基于Asp.Net的图书馆管理系统的设计与研究[D].上海:复旦大学,2010.

[4] 冯明月,章永龙,浦宏艺.基于B/S模式的O2O汽车服务平台的设计与实现[J].计算机应用与软件,2017,34(6):57-61.

[5] 胡颖辉,宁赛飞.基于UML和Asp.Net实现三层B/S结构系统开发[J].计算机与信息技术,2007(Z1):43-50.

[6] 卢小晨,曲震,马泽方,等.论互联网+大数据算法在税收工作中的应用[J].税务研究,2017,2(1):14-16.

[7] 赵建英.基于.NET三层架构的旅游电子商务平台的设计与开发[D].上海:复旦大学,2013.

[8] 马超,徐迭实,张淑丽,等.大数据环境下离散制造车间异常事件发现方法[J].计算机应用与软件,2017,34(9):288-293.

[9] 王晓燕,陈晋川,杜小勇.云计算环境中面向OLTP应用的数据分布研究[J].计算机学报,2016,39(2):253-269.

[10] 袁弘,张明江,李建祥,等.基于云服务的电动汽车电池安全预警系统设计[J].计算机应用与软件,2014,31(9):63-66.

APPLICATIONOFDATAANALYSISININTELLIGENTANALYSISSYSTEMOFAUTOMOBILEINDUSTRYEQUIPMENT

Yuan Lei Xu Jie Xu Guangzhou

(ShanghaiAsian-PacificComputerInformationSystemCo.,Ltd.,Shanghai200040,China)

The traditional collection methods of machine tool state data in the automobile manufacturing industry have the disadvantages of low sampling frequency, uncontrollable production state and passive maintenance. In view of this situation, this paper attempts to adopt high-speed acquisition architecture and big data model algorithm to collect, excavate and utilize the machine tool running data. Finally, the machine tool energy efficiency analysis report and health diagnosis report were generated. These reports make the status information of the equipment more intuitive and controllable, which makes the maintenance more predictable, so that repair maintenance worker to quickly and accurately locate the fault information. Promote the maintenance of professional work and boost the healthy development of the automobile manufacturing industry.

Machine tool Intelligent Energy efficiency

2017-10-10。智能MES系统项目(150802)。袁磊，工程师，主研领域：大数据分析。许劼，高工。许广州，工程师。

TP3

A

10.3969/j.issn.1000-386x.2017.12.029