拖拉机整机调试质量数据分析管理系统

姜 超,赵志林,成 芳

浙江大学生物系统工程与食品科学学院,浙江 杭州 310058

拖拉机通过牵引和驱动两种方式为农业机械提供动力，既可以承担犁耕、收获等重负荷作业任务，也可以完成播种、施肥等轻负荷作业，是最重要的典型农机装备之一。2018 年我国拖拉机保有量达到2240 万台，农作物耕种收综合机械化率超过67%[1]。拖拉机的大规模使用，将农业劳动力从繁重的劳作中解放出来，极大提高了农业生产力。因此生产高质量拖拉机装备是我国推进农业机械化、实现农业现代化的必经之路。

目前我国拖拉机生产企业在整机调试过程中普遍存在着质量数据严重浪费的问题。不同测试环节所产生的质量数据彼此独立，企业管理者无法全面了解产品的质量信息，进而难以把握产品整体质量水平。同时，相关信息化系统与分析工具的不完善，使得管理者不能方便地查看产品质量数据，也无法对质量数据进行有效的分析利用。

针对以上问题，本文采用先进成熟的计算机网络技术，通过基于http 的数据传输接口实现了多环节质量数据的同步获取与融合，并开发了整机调试质量数据分析系统，对质量数据进行管理分析，帮助企业管理者掌握产品整体质量情况，充分利用质量数据进行科学质量管理，提高产品质量水平。

1 系统设计与实现

1.1 系统网络结构

拖拉机整机调试质量数据分析管理系统的核心功能是基于互联网的多环节质量数据共享，支持多用户、多终端分析管理操作[2,3]。系统的网络结构如图1 所示。

拖拉机整机调试过程中诸多测试环节，如整机提升测试、行驶性能测试、极限摆角测试、制动性能测试等产生的质量数据通过网络发送到数据库服务器中，Web 服务器利用数据库服务器中的数据向手机、电脑等终端提供基于网页访问的数据分析管理功能。

1.2 数据库设计

来自测试环节的质量数据经一定处理后保存在数据库中，供分析管理系统使用。按照数据产生方式的不同，数据库数据分为静态数据与动态数据，其中静态数据是指工艺标准等事前确定，不易发生变动的数据，而动态数据是指随测试环节的完成而产生数据[4]。以整机提升测试为例，数据库中的静态数据表有工艺标准表，动态数据表有测试结果表、故障诊断及排除方法表，分别记录整机提升测试的测试数据以及故障发生情况与排除方法。

1.3 系统功能实现

如图2 所示，拖拉机整机调试质量数据分析管理系统由数据来源信息查询模块、故障诊断与排除方法模块、整机调试台账模块、统计分析模块、智能分析模块等5 个模块构成。

图2 分析管理系统功能框架Fig.2 The functional framework of analysis and management system

为了实现拖拉机整机调试质量数据分析管理系统的快速开发，保障系统的可靠性以及完善性，本文采用生产上常用的编程语言和软件框架进行系统研发。使用python 语言进行质量数据的网络传输，使用MySQL 作为系统数据库软件，使用基于Java 的Spring Boot 框架进行系统网站的搭建，使用Bootstrap 框架设计前端网页。

1.3.1 质量数据获取与预处理 拖拉机整机调试过程直接产生的质量数据分为保存在本地数据库的结构化数据与以文件形式保存的非结构化数据。为了实现异构数据的融合，针对不同数据保存形式编写了不同的python 程序来获取、传输质量数据[5,6]。对于结构化数据，python 程序定期访问本地数据库，若有新的测试结果产生，则直接将质量数据包装成JSON 格式，通过POST 请求方法将数据发送到数据库服务器上；对于非结构化数据，程序需要先对新生成的文本文件进行解读，按数据库服务器中设计的数据表字段对文本内容进行读取后，再同样通过POST 请求方法以JSON 格式传输数据。数据库服务器接收到原始质量数据后，会先剔除重复的、不完整数据，将完整数据保存到测试结果表中，然后将测试结果与工艺标准进行比对，如果不符合工艺标准，则在故障诊断与排除方法表添加该测试记录。

1.3.2 数据来源信息查询模块 数据来源信息查询模块用于查询整机调试过程中各个测试环节的测试结果。该模块页面由两部分内容组成，上半部分显示最新一天的测试结果，下半部分显示按日期查询的测试结果，并提供导出保存功能。两部分显示的测试结果均含有合格判断信息，对不符合工艺标准的测试数据进行着色警示。

1.3.3 故障诊断与排除方法模块 故障诊断与排除方法模块自动访问各测试环节的故障数据，当存在故障产品时，会显示相应测试数据，并根据知识库中已有的故障诊断与排除方法数据[7]，给出最大概率诊断建议，建议包括故障结构、故障件、故障形态、排除方法、责任单位等5 项内容，帮助维修人员进行故障的快速诊断与排除。当维修人员完成产品维修后，可以在页面中录入产品实际故障原因和排除方法，若与诊断建议不一致，则可以在下拉列表中进行选择或者直接添加新的诊断建议。录入的故障诊断与排除方法将会进入知识库中，使得知识库得以不断扩展完善，提高故障诊断建议的准确性。

1.3.4 整机调试台账模块 整机调试台账模块用于查询某个拖拉机产品在各个测试环节的完成状态，根据测试结果是否合格以及是否完成故障排除分为未测试、测试合格、故障待排除、故障已排除等4 种状态。若测试状态为“测试合格”或者“故障待排除”，则会显示产品在该环节的测试数据；若测试状态为“故障已排除”那么除了显示测试数据外，还将显示产品的故障原因与采用的排除方法等信息。通过整机调试台账模块，用户可以十分方便地了解产品在整个整机调试过程中的完成情况，掌握产品出厂质量。

1.3.5 统计分析模块 统计分析模块使用基于数理统计的质量检验监管统计方法对产品质量数据进行统计分析[8]，提供了合格率统计、故障原因统计、质量稳定性分析、质量趋势分析等4 项分析功能。其中，合格率统计功能用于统计一段时间内某测试环节的产品测试合格情况；故障原因统计功能在合格率统计基础上，进一步对测试不合格产品的故障原因进行了统计，提醒企业加强高频故障的解决，提高产品质量；质量稳定性分析功能通过计算方差等统计参数以及绘制数据分布直方图，帮助判断产品质量是否存在异常波动；质量趋势分析功能提供了对产品测试合格率的趋势变化查看，帮助用户把握产品质量变化情况。

1.3.6 智能分析模块 智能分析模块通过机器学习算法对产品质量数据深度挖掘分析，共提供了聚类分析[9]、主成分分析[10]、故障预测[11,12]等。其中，聚类分析功能使用k-means 算法根据质量数据对产品进行聚类，用以查看判断产品间有无较大质量差异；主成分分析功能使用PCA 算法对产品质量数据进行降维处理，可以有效降低质量数据的特征维度，帮助用户提取用于代表产品质量水平的综合指标；故障预测功能使用随机森林算法对产品质量历史数据与售后数据进行训练建模，得到的模型用于预测产品售出一年内的故障发生情况，帮助企业进行产品质量的把控以及售后维修的预先准备。

2 系统测试与分析

根据拖拉机整机调试质量数据分析管理系统的架构设计方案，使用上文所述的计算机技术、质量检验监管统计方法以及机器学习算法成功完成了系统研发。图3 为数据来源信息查询模块界面，其余模块界面采用相同设计风格。

图3 数据来源信息查询模块界面Fig.3 The interface of data source information query module

为了验证系统功能是否完成设计目标以及检验系统稳定性，本文采用了黑盒测试法对系统进行了测试，根据各功能模块在接受正确输入情况下是否输出预期结果来判断模块的正确性。经测试验证，拖拉机整机调试质量数据分析管理系统的各个功能模块均实现了预期目标，在正常操作下均有正确响应。在测试过程中，系统在多用户、长时间使用情况下，并未出现任何异常情况，体现出了良好的稳定性与可靠性。同时，在页面设计上，系统采用简约化的设计风格，配色简单，按钮功能明确，具有较高美观度和较强易用性。

3 结论

本文基于计算机网络技术，研发了拖拉机整机调试质量数据分析管理系统，实现了质量数据采集融合、数据查看、故障辅助排除、档案生成、数据分析等全流程的质量数据分析管理操作，解决了拖拉机整机调试过程中存在的数据孤岛与数据浪费问题，有助于提高企业管理水平。经大型拖拉机生产企业的使用验证，该系统表现出了较好的实用性，提高了企业的质量管理效率，为管理者挖掘、提供了大量质量信息，辅助管理者的决策行为。同时，本文作为信息化技术在拖拉机质量数据分析管理上的一次有益探索，对其它农机生产企业机型进行信息化质量管理也具有重要参考意义。