数据驱动流程生产线的云服务

李 客，代 风

(1.中信重工机械股份有限公司，洛阳 471039；2.矿山重型装备国家重点实验室，洛阳 471039；3.浙江大学机械工程学院，杭州 310027)

随着云平台与物联网技术的快速发展，以工业大数据为基础的物联网平台成为各行业智能化发展和价值挖掘的重点，国家出台一系列指导文件，并实施重大专项予以支持，云平台、云计算、云制造、云服务不仅成为专家学者研究的重点[1]，也成为各个行业降本增效、提升企业形象、推动企业转型升级的重要手段。在生产制造向制造服务、智能制造发展时，设备全生命周期管控得到企业重视，借助物联网和云平台实施云服务很好地提升了设备服役阶段价值增值。在学术界，云平台与云计算研究建立了理论体系，在各行业也得到快速应用，云服务作为智能化发展的一个细分领域，专家学者在服务模型、服务机制、资源调度、组合与优化、安全、评价、计费等通用技术与机理进行了深入研究[2]，基本路线在于虚拟化资源与物联网相结合，构建新的服务模式，一些企业也在某些领域开展了应用实践，但由于诸多因素的影响，大平台弱化了服务功能与用户需求，小平台资源与模式单一，功能有限，行业发展差异很大，尤其是在对专业服务需求较多的流程生产，因为地理分布分散、设备种类多、工艺复杂、数据量大、需求烦琐等各种因素的影响，成为目前研究与应用的薄弱领域。

1 流程生产线数据应用现状

在化工、建材等行业大规模连续流程生产线中，生产工艺与过程控制高度集成的特征尤为明显，在质量得到控制的基础上，产量成为影响企业经济效益的关键要素。这种流程生产线设备种类繁多，复杂程度很高。生产物料与介质包含固、液、气、热等多种形态，物理变化与化学变化交叉，工艺过程状态波动较大，在生产中，设备状态与维护、生产工艺数据匹配、离线信息反馈与工艺调整，成为工作人员主要工作。

复杂的设备、长流程的连续生产、多态势的生产状况，这些因素决定了设备状态监控与生产控制需要集中进行，各种在线检测传感器与数字仪表成为信息数字化的基础，这些设备状态数据通过网络通信集中到控制系统，正是基于这些设备状态数据，实现了设备集成控制与安全运行保障。

流程生产线数据源与数据类型构成复杂，设备数据在生产过程中比较稳定，反映了设备工作时关键参数状态，如轴承温度，电机电流，在生产条件不变时，波动比较小，常用于设备健康状况监控。状态运行数据表征了设备在生产过程中运行状况，如转速，设备振动，工作人员常用来监控设备运行。工艺数据与生产过程和生产结果直接相关，数据是否合理匹配不仅影响生产过程的稳定性，还决定了产品质量的稳定性，是操作人员重点调控数据。这些数据变化带有明显的滞后性，形成复杂的耦合关系，大大增加了工作人员对设备与工艺状态识别难度。

2 工业大数据驱动的云服务对生产运维的提升

在这类流程生产线中，生产现场工作一类是设备维护，主要涉及巡检和设备维修。巡检根据人工经验形成的定时、定点检查制度，针对故障易发点，又缺少在线监测信号，需要工人定时去查看；异常信号处理也是重要工作内容，在某些重要设备上，或者某些设备的重要部位，会有信号通过网络在控制系统中传递，在集成控制系统中通过一些逻辑加以监控，并设定预警阈值，如电机电流、轴承温度等，当监控人员收到异常警示信号后，对信号源进行复查，查找原因，开展维护。维修主要是针对设备故障，流程型生产线长时间连续生产(长达15 d不停机)、大产量(每小时产量百吨～千吨)为主要特征，设备故障很容易造成整条生产线的停产，造成巨大的损失，因此设备故障抢修是一项重要的工作内容，如果能够早期发现潜在故障，做到有计划停机、事前维修，会带来显著的经济效益。

流程生产线另一类重要工作是控制，包括设备起动与停止控制和工艺参数调节控制。生产线为了满足流程化生产控制，一般设备信号监控配置比较完善，信号通信比较集中，大量的数据通过通信模块或者可编程序控制器(progranmmable logic controller，PLC)传输到中控分布式控制系统(distributed control system，DCS)，建立设备信息数据库，并把一些关键数据实时展示给控制人员，在设备状况完好时，可通过人工远程启、停设备，或者通过设定的逻辑一键启动(停止)所有设备，这些技术在工业自动化领域广泛应用。

工艺参数控制是为了生产合格的产品，控制各个设备运行状态，为生产系统提供所需要的介质或者保持某种生产环境，比如控制设备转速、压力，调节供水、供气、供热量，形成温度场、流体场等。工艺参数控制就是调节这些数据，形成稳定的生产环境，保证产品质量，在设备稳定运行的基础上达到目标产量。生产工艺基于各种设备组成的系统，多种学科交叉，形成复杂的工况耦合，对控制人员要求很高，调控是否合理，关系到产品质量、设备健康、生产效率、能耗高低等各种生产指标。在这种大规模流程生产线上，了解各种设备、掌握复杂工艺的技术人员始终不能满足需求。生产过程各种数据的汇合，快速变化，远远超出了人工分析能力，因此，生产工艺数据分析，并支撑设备维护与生产工艺调控，是制约流程生产能效提升的瓶颈。

流程型生产特点与性质决定了设备与工艺研究不会成为企业的重点，生产企业借助设备厂家提供专业的服务来解决生产中遇到的问题，但这种沟通与服务是滞后的，而且信息与数据经常是片面甚至缺失的，不仅效率低下，而且成本高昂。随着物联网与云平台技术的快速发展，通过物联网平台专业工具，把异地不同的专家经验与工业大数据相结合，转为可视化结果，通过云平台为生产企业提供服务，可以高效地为设备维护与生产控制提供专业的技术支持，解决维护与控制效率低下的问题。

云服务目标具有多样性，流程生产线所需要的服务具有较强的专业性，其基础在于云平台上各种专家系统对设备及生产信息数据的分析处理，云服务的优势在于平台聚集了大量的专业资源与工具，多用户共享，根据设备种类和生产工艺对数据分类处理，多源信息并行处理[3]，资源丰富，利用率高，能够满足不同用户的个性化需求，实现自动化与智能化服务[4]，大大提升响应速度。

生产线电气系统、液压系统、机械设备、物资供应系统、工艺参数等性能状态信息数据经过预处理，集中于数据采集系统，通过互联网接入端接入云平台数据中心，实现现场设备运转情况直观展现和数据同步传输，在此基础上建立监测与故障诊断、系统运行参数智能调试、设备健康状态数据库系统。如图1所示为某立磨粉磨生产线数据采集与传输系统。

图1 数据采集与传输Fig.1 Data acquisition and transmission

在研究设备静态数据和运行状态动态数据的策略基础上，建立设备运行特征数据库、诊断系统专家知识库、故障预测模型、诊断模型库和系统业务模型。针对易发生故障的系统及关键零部件，进行工作性能状态数据与特征信号提取，通过云平台专业处理功能模块，调用数据中心的数据，分析设备的作业情况和性能变化，对设备健康状态评估，异常状态预警，在平台上发布，如图2所示。

图2 云平台数据处理中心Fig.2 Cloud platform data processing center

通过云端统一的数据平台，进行数据与工业场景分类，把各种分析结果反馈给现场工作人员，为运营与维护提供技术支持，如图3所示。平台集中部署的各种专业工具能够满足不同的用户差异化云服务需求，突破时间、地域、类型的限制，良好的扩展性能够满足不断增加的个性化云服务需求。云服务的提供大大减少了用户在基础设施、软件、专业人力方面的成本投入，用户的聚集会不断促进云服务的专业水平和服务质量的提升，催生更多的服务模型。

图3 云服务系统Fig.3 Cloud service system

3 流程生产线云服务模式

在各种设备聚集的流程生产线，数据通过网络接入物联网平台，对于集中控制的系统，通过数据采集服务器完成对设备数据筛选、加工、发送至平台；一些零散数据，或者独立小控制系统，可用带有网络接口和4G通信功能的网关完成数据采集与传输至云平台，建立归档数据库，用于数据分析与服务。

物联网平台对历史数据进行统计分析，预测未来趋势，根据客户的需求，对生产及设备运行维护，以及生产管理提供各种决策支持数据。云服务系统主要包含基础设施(物理设备)服务、平台服务和软件服务三个层次[5-7]，所组成的云服务最终通过应用发布和界面展现呈现给用户。各种应用功能基于物联网平台进行开发，根据实现功能的不同，每个应用独立进行开发和部署[8],把不同用户相近需求进行聚类划分，提供模块化功能组件[9]，提高云服务通用性，服务架构如图4所示。

图4 云服务架构Fig.4 Cloud service architecture

整个系统总体上分为数据分析、设备维护、专家服务、系统管理、历史记录、辅助应用六大功能模块，也可以根据需求进行功能扩展，形成云服务集，这些功能可以灵活优化组合，不同的企业根据所提供的数据范围，以及业务关键环节需求来选择服务[10-11]。

数据分析是对历史数据的统计、汇总和分析，目前包括生产数据统计、运行时长统计、能耗分析、产品质量分析、运行及效率统计分析等，生产各环节及信息通过数字化呈现，为生产决策提供参考，随着数据的不断积累和用户需求的增加，该模块的内容会逐步增多。

设备维护是为设备维修人员提供技术支持，包括设备运行状态信息的获取，以数据分析为基础，对设备进行远程监控，异常信息提前预警，提供事前维护支持；支持系统远程调试，减少技术人员现场维护工作量；设备故障分析，协助维修人员定位故障点、查找故障原因等[12]，改变事故发生后被动状态，减少偶发停机因素。

专家服务是通过专业知识与专业工具相结合，对满足知识库和规则库中某些条件的设备状态进行预警(或故障)，实现对设备运行状态的有效监控，也可以通过专家远程在线交互来解决疑难问题，有效弥补数据信息不足造成的规则缺失。知识库、规则库中的内容在平台运行过程中可以根据生产现场实际工况进行补充，其中知识的获取在建立专家知识库时非常重要，其任务是对该领域专家的经验知识建立理论模型与功能模块[13]，依据现场工作人员在工作过程中积累的经验，建立知识规则，然后将规则化的经验知识存入专家知识库中，通过知识累积不断扩充和完善专家知识库。通过对数据库的调用，知识规则对数据进行分析处理，识别不同工况下设备与工艺特征，对异常状态发出警示，对故障提供分析结果。

系统管理是给平台开发以及用户管理员提供对系统的基本管理功能，包括权限管理、用户管理、应用管理等，对不同的人员开放功能权限，提供应用和开发管理服务，以及平台上多用户管理。

历史记录包括故障记录、预警记录、维修/维护记录、操作日志等，故障记录和预警记录都是由系统根据知识库和规则库自动生成，也可以是专家远程会诊记录；维修/维护记录用于对设备的操作信息进行记录；操作日志用于记录用户在系统中进行的所有操作，包括登录/登出、修改信息等行为，便于查询历史信息，归类总结，规范和提升操作维护水平。该功能只提供给系统管理员使用。

辅助应用包括需求定制、报表管理、个人设置等功能。辅助应用既面向流程生产用户，也可面向平台提供者，通过平台了解用户需求，用户使用率，即活跃程度，通过改进来提升用户体验。平台应用易扩展，专业工具易集成，可以灵活地满足不同需求。

4 云服务平台总体设计

根据云服务需求分析，结合功能和性能设计方案，对流程生产云平台总体架构进行设计，如图5所示粉磨生产线云服务系统总体架构，自下而上共分为数据采集层、数据存储层、业务支撑层、业务模块层和应用层。

图5 云服务系统总体架构Fig.5 Overall architecture of cloud service system

在数据采集层，采用Axis2的WebService引擎，提供统一的对外开放的数据传输接口，接收来自不同流程生产线的实时设备运行状态数据，对数据进行解析并以记录的形式记录到云端的数据库中。

在数据存储层，对远程采集的设备运行状态数据进行存储。实时数据一方面作为历史数据保存在数据库中，用于数据存档和分析调用；另一方面经过数据分析处理后形成面向各类应用场景的数据仓库，用于各种实时应用展示。此外，系统使用系统数据与配置信息数据库，存储用户信息、企业信息等系统数据和用户的个性化配置记录；使用缓存数据库缓存常用的数据记录，提高数据存储层的读写性能。

在业务支撑层，平台提供统一的数据访问接口。在业务模块提交读写请求时，对用户权限进行校验，并通过，对象关系映射机制完成对象模型与数据库记录之间的映射，规范了业务模块对数据库的读写操作。

在业务模块层，根据功能设计的结果，将业务划分为若干个相互独立的业务模块，并通过框架进行管理，能够自动管理系统内所有对象模型的属性和依赖关系，并将用户请求转移至相应的模块进行处理。各模块接收到用户请求后，通过内部业务逻辑与数据访问接口，完成指定的请求内容，用户可以对历史数据趋势进行查询。

在应用层，系统根据、模型，将业务模块进行组合，形成系统数据与配置信息管理和设备运行状态数据展示两类应用，并向系统管理员、技术人员和普通用户三类企业人员开放，用户主要通过浏览器对应用层进行访问，因此采用面向网页开发的技术组件。

人机交互界面，为用户提供实时数据展示(图6)，作为用户与云平台进行交互的载体，与专家系统进行信息传递，实现用户与平台信息互通，记录工作日志，选择数据建立记录档案，提供各种数据组合分析个性化需求的自助操作。

图6 信息交互界面Fig.6 Information interaction interface

5 结论

云平台在物联网快速发展时代广泛建立，工业生产需求与云服务体验成为平台能否生存与发展的关键。流程型生产有相应的地域辐射半径，分布零散，生产线特性明显，通过云平台提供专业的云服务，逐渐发展成为制造服务新模式，解决了设备全生命周期的服役阶段专业化技术服务滞后与欠缺的问题，能够满足智能制造时代企业数字化、智能化发展的需求，也是推动流程生产企业由粗犷型生产向精细化生产转型、提升企业竞争力重要途径。