生产过程中资源观测数据服务的设计与实现

苑庆涛, 陈彦萍, 杨　威, 夏　虹, 王忠民

(1.西安邮电大学 计算机学院， 陕西 西安 710121；2.西安邮电大学 陕西省网络数据分析与智能处理重点实验室， 陕西 西安 710121)

当前，工业互联网作为新一代信息技术与制造业深度融合的产物，正在对未来工业发展产生全方位、深层次、革命性影响[1-2]。近年来，大数据、物联网、数据集成等技术的快速发展，为工业生产过程中的先进控制、优化操作、调度决策提供了技术支撑[3]。然而，工业生产过程中的数据以海量、多源、异构(结构化，半结构化和非结构化数据并存)、增长速度快等为主要特点，异常复杂的数据形态，使得数据获取与集成成为业界的一大技术难题[4]。传统的关系型数据库以及数据共享集成方式，存在数据不能及时更新、存取效率低、没有统一的接口标准等弊端，难以满足现代工业生产过程中海量多源异构数据的实际应用需求[5]。

为了更好的解决海量异构数据资源的访问和管理问题，学术界从不同角度进行了相关研究。文献[6]利用Hadoop设计构建了一个支持海量工业生产过程数据的存储、管理、分析平台；文献[7]针对异构实时数据库存在的数据接入和访问方式不统一的问题,提出了开发兼容异构实时数据库接口的方法，实现了异构实时数据库的数据整合；文献[8]提出一种面向服务的物联网应用支撑系统，以服务形式抽象实际应用业务与感知设备之间的基础业务流程，并融合中间件技术，构建了一个屏蔽异构数据的应用支撑系统，实现了实际业务与感知设备之间透明交互；文献[9]采用公共对象请求代理体系结构(common object request broker architecture，CORBA)等基于分布式对象技术的数据融合，实现跨平台异构数据库的集成以及互操作。

上述研究，仅是以信息中介形式存在，对外表现出一种紧耦合的方式，未能将特定接口抽象成通用的数据表达方式，缺乏对生产过程中实时数据和历史数据的有效观测。本文设计一种生产过程中资源观测数据服务模型(data service of production resources observation，DS-PRO)，该模型基于数据服务理论，将工业生产过程中的多源异构数据服务化，借助于现有的传感网络平台，对生产过程数据进行了统一定义和统一封装，屏蔽底层数据的差异性，提供统一的数据互操作模型，可实现生产过程中实时数据和历史数据资源观测。

1　生产资源观测数据服务设计

1.1　生产资源观测数据服务体系结构

数据服务是直接对底层数据源进行封装，屏蔽其异构性，从而方便管理和信息共享的一种技术,通过该技术，用户可透明获取异构性、离散性数据[10-11]。生产资源观测数据服务体系结构包括数据层、业务逻辑层和表示层，如图1 所示。

图1　生产资源观测数据服务体系结构

数据层：主要负责与数据服务库交互，返回满足条件的结果。针对不同的数据源，数据层定义了不同的数据服务标准和数据访问对象，通过借助于不同的数据访问组件，屏蔽不同数据源数据访问细节的差异性。数据层可将生产过程中的各个环节产生的庞杂数据形态进行统一封装，使得不管是人工表格记录的数据，还是复杂机械产生的异构数据模型，都能通过统一的数据服务标准，进行跨平台访问。数据层是业务逻辑层与生产数据之间的桥梁。

业务逻辑层：对用户的请求进行有效性分析，根据不同的请求类型发送给相应的处理接口，并将处理结果反馈给用户。业务逻辑层的业务对象，不是直接与数据库交互获取所需的数据，而是通过数据层提供的数据访问对象，来获取数据或向数据库中写入数据。通过调用数据访问对象(data access object，DAO)屏蔽不同数据源的差异化，使用户对异构数据源的操作得以实现。另外，业务逻辑层还负责对请求进行有效性检验，把合法有效的请求转交给相应的监听接口，再由监听接口执行相应的业务逻辑。系统通过业务逻辑层对服务请求进行响应，业务逻辑层还负责对服务响应结果进行处理，最终返回处理后的响应对象。

表示层：由前端展示层、前端逻辑层和前端组件与框架组成，提供生产过程中的数据服务功能请求界面。表示层直接面向用户，负责用户与系统之间的直接交互，用户通过表示层访问系统、调用系统服务、显示响应结果，获取工业生产环节中各工位、仓储、物流乃至整个生产过程的数据资源。

1.2　生产资源观测数据服务功能设计

DS-PRO模型中包含3个核心操作，分别为获取服务元数据信息、获取设备元数据信息和获取观测数据信息。采用传感器建模语言(sensor model language，SensorML)和观测与测量模型(observations and measurement，O&M)来统一描述传感器及传感器观测数据资源的详细信息。系统通过SensorML、O&M把数据源和传感器设备封装成统一的形式，注册到数据服务库进行统一调度管理，屏蔽数据和传感设备的异构性；用户通过调用核心数据服务，向服务传递参数并获取所需要的生产资源观测数据。图2为生产资源观测数据服务内部交互图。

图2　生产资源观测数据服务内部交互图

获取服务元数据信息操作，可获取服务本身描述的元数据文档。通过信息检索来浏览获取服务的相关信息，如所支持的请求类别和相应参数、数据提供者、所感兴趣的观测数据属性和特性等。

获取设备元数据信息操作可获取传感器或传感器系统特征的元数据文档。这些文档由SensorML给出本地和远程传感器的详细定义，通过这些文档可获取SensorML编码的传感器细节信息，包含传感器的类型、观察的类型、传感器所在的位置等信息。

获取观测数据信息操作可用于获得实时或历史观察数据，这些观察数据包含在指定的实时传感器或数据服务库中。该操作支持查询功能，用户可依据时间、地点、观测类型、观测值等查询条件检索观测数据。该操作返回的是一个O&M文档,包含满足过滤条件的观察数据集合,地理图形实体及有效的观察范围等。

2　生产资源观测数据服务实现

选择ZTE Blade A2手机生产过程中的生产资源作为研究场景，来描述生产资源观测数据服务的实现过程，并在该场景中进行模型的验证。

2.1　研究场景简介

现代手机的生产工艺流程较为复杂，可用一张图进行简单描述，如图3所示。

图3　手机生产工艺流程图

依照当前的手机生产工艺水平，组装环节之前的生产过程，如FLASH烧录、钢网印刷、SMT贴片等，自动化程度较高，大多采用现代化的机械流水线完成，对人工的依赖较小，一般称为前段工序，前段工序中大部分生产数据由传感器产生，传感器的多样化带来了数据结构的复杂多样，给数据的共享集成带来了一定的难度；而组装、测试、检查、包装等环节较为复杂，基本依靠人工手动完成，一般称之后段工序，后段工序中的数据一部分由人工操作机器产生，一部分由人工手动记录产生，数据存储较为分散，数据格式差异性较大，数据可靠性、一致性相对较差。

手机生产过程中，由于产品结构复杂，工艺流程繁多，加之大部分手机生产企业生产管理还没有达到完全自动化程度，数据管理的低效容易造成产品质量波动，制约生产效率。

2.2　面向手机生产过程的DS-PRO

基于研究场景，依照生产资源观测数据服务的理论体系，建立面向手机生产过程的DS-PRO系统，系统拓扑图如图4所示。

图4面向手机生产过程的DS-PRO系统拓扑图

基于数据服务基础理论[11-13]和物联网中间件技术[14-15]，通过各生产工位上的传感器采集生产数据，使用SensorML对不同传感器的异构数据形态分别进行定义，利用O&M编码异构数据信息，并以数据服务形式进行统一封装，以子数据服务形式存储于数据服务库中，为用户提供统一的数据服务访问接口[16]，DS-PRO通过标准的访问接口调用子数据服务，从而实现了对手机生产过程中数据的共享集成与访问。管理人员可通过系统实现对手机生产过程中的物料库存、设备状态、订单跟踪、计划排产等业务模块的数据访问，实时掌握生产状况。

2.3　DS-PRO数据交互过程

(1) 数据资源插入

DS-PRO使用TCP/IP协议[17]，将生产车间内传感器数据发送给服务器运行的数据接收进程，数据解析进程将对接收到的多源异构数据进行分类解析，提取传感器本身和监测数据等关键信息，文档生成进程会进一步将这些关键信息转换成SensorML标准文档，以子数据服务形式完成数据资源的插入。

(2) DS-PRO与传感器网络交互

当DS-PRO接收到获取观测数据信息请求时，依照请求类型执行不同的交互过程。如果请求类型为获取历史数据，DS-PRO将从数据库中获取请求数据；如果请求类型为获取实时数据，DS-PRO将通过传感器网络来获取实时数据。DS-PRO通过一个守护进程，以串口的形式与传感器网络控制器进行通信，收集传感器数据。守护进程将收集完成的数据以XML格式打包发送给DS-PRO，DS-PRO再将这些数据使用O&M编码进行封装，返回给发送请求的客户端。

(3) DS-PRO与数据服务库交互

DS-PRO与数据服务库之间有两种交互方式。其一为读取操作，即从数据服务库中查询请求数据，DS-PRO根据用户不同的查询请求，调用不同的数据访问组件，从数据库中获取并返回服务自身、传感器自身和资源观测数据等信息；其二为写入操作，用户可在DS-PRO中注册新传感器或插入新资源观测数据。DS-PRO将与数据库交互的基本操作均以子数据服务的方式统一封装，以便后续调用。

2.4　DS-PRO实现过程

(1) 数据层实现

系统数据层负责与数据源的交互，完成数据的新增、修改、删除以及查询等基本操作。由于工业生产场景中大部分数据都是多源异构型数据，因此为了解决多源异构数据的统一访问问题，数据层实现过程中采用典型的抽象工厂设计模式，针对本文2.2部分生产资源观测数据服务功能设计中描述的3个核心操作，对数据交互过程进行抽象，分别设计出对应的数据访问接口ICapabilityDAO、IObservationDAO、ISensorDAO，完成对服务元数据信息、设备元数据信息、观测资源数据的数据存取逻辑。

(2) 业务逻辑层实现

DS-PRO采用面向服务的架构(service oriented architecture ，SOA)，系统中的数据访问业务均以Web服务的方式进行统一封装，向下屏蔽不同数据源、传感器类型的差异性，向上提供一套统一的服务调用接口，调用者无需关心底层实现细节，业务逻辑层所有的数据交互过程中，数据传递均采用通用性较好的XML格式。为保证数据交互过程中的一致性和安全性，业务逻辑层还加入了数据有效性校验、数据加密、身份认证、异常处理等服务接口，保证系统的稳定可靠运行。

(3) 表示层实现

表示层采用“瘦客户端”即浏览器/服务器(browser/server，B/S)模式，将数据集中存储于服务器上，用户通过浏览器访问交互界面，提交查询请求，接收响应并查看结果。如图5所示，对生产资源数据进行查询操作。

图5　资源管理模块查询界面

3　生产资源观测数据服务部署和测试

本文选择ZTE Blade A2手机生产过程为应用测试场景，基于企业现有的传感器网络和生产过程执行系统(manufacturing execution system，MES)系统，部署DS-PRO系统。现代的手机生产企业拥有大量的传感器来监测手机生产过程中各项运行指标，为简化测试模型，这里仅从手机生产的主要环节中选择了一些典型的传感器，如车间环境温度传感器，SMT环节PCB温度传感器、自动光学检测的图像传感器、回流焊炉温度传感器、夹具定位传感器等。服务端守护进程从传感器网关获取传感器观测数据，从MES系统读取生产过程中的设备、物料、资源、生产等运行数据，分析不同传感器返回的数据格式和数据形态，进行数据的统一解析、封装和存储；客户端通过企业内部局域网络，使用浏览器访问系统，实现生产过程中数据资源的观测。

在实际场景中，对手机生产车间的环境温度、贴片过程中PCB温度、自动光学检测图片、回流焊炉温度等指标进行实时观测，并分别以合理的频度(如环境温度指标每隔10分钟记录一次)保存这些传感器采集的数据，经过3个月的连续记录和观测，测试结果表明，该生产资源观测数据服务模型可实现生产过程数据的实时观测，实现工业生产过程数据的有效融合，满足资源动态调度的实时性要求，解决工业生产过程中异构数据统一描述和资源访问问题。

4　结语

针对工业生产中各工序异构数据的实时获取与集成应用难题，采用数据服务理论和物联网中间件技术，提出了一种生产资源观测数据服务模型，并结合ZTE Blade A2手机生产制造场景对理论进行验证，实践证实，生产资源观测数据服务能有效屏蔽数据的异构性，实时观测生产过程数据，实现工业生产过程中多源异构数据的统一访问。