智能化盾构厂区时效管理平台的设计

赵文佳，张国良，曾 翔

（中铁工程装备集团（天津）有限公司，天津 300450）

盾构已经被广泛应用于城市地铁、山岭隧道，引水项目、城市综合管廊。盾构的智能化制造决定着设备的制造周期、成本和质量。

本文提出一种以盾构厂区为核心的数字化时效管理平台，该系统旨在利用神经网络自适应解决离散型盾构生产数据汇聚、更新和调度问题，尤其在疫情环境下无接触式办公的需求。由于大型设备生产影响要素很多，不同生产要素在生产中占比不同，自动化智能管理系统将关键因素进行权重化管理，实现厂区智能化管理。厂区管理的滞后导致设备数据更新停滞、采购物流迟滞、人力资源浪费、厂区能源利用率低等一系列管理问题。时效管理平台将整个项目生产数据集中运算，根据自适应结果调整厂区资源高效调度和物流联网跟踪等动态管理，该系统利用神经网络将厂区各生产要素数字化，对生产要素赋予不同权重，系统通过自训练网络收敛得到影响厂区生产的关键因素，结合双层安全网络和数据库加密策略，将厂区商务、生产、采购进行数字化云加密管理，将关键要素作为重点控制点进行智能化管理。时效管理平台实现设备由商务在线洽谈、厂区智能制造、物联网采购和售后的全生命周期定制化服务模式，根据生产要素进行智能化训练调整，缩短设备生产周期，提高组装和售后质量，逐步将传统盾构制造厂区打造为高效节能、绿色环保的智能化厂区。

1 智能系统的构成基础

1.1 多层神经网络结构

人工神经网络（ANN）是一种解决复杂而又无法用公式定义的问题，在智能控制、机器人训练、生产过程优化和信息处理等方面被广泛研究。多层神经网络是由一个或者多个隐藏层构成，其结构如图1 所示，同一层神经元之间无联系，但是与下级神经有联系。

图1 神经元网络结构图

生产输入要素经过ANN 网络训练，需要调整神经元间每条链路的权重。连接层中神经元互相连接，每个神经元计算结果与输入其上级神经元的权重之和有关，输出值为激活函数调整过的值。S 形激活函数

输入层，即输入到神经网络的主要影响因素，直接关系到厂区生产执行结果，β={x1，x1…xQ}为训练基。每个观测值xi由项目实际生产要素给出输入到训练网络。

隐藏层，作为神经元网络的内部节点，由多层级构成，集合结构为（h1，h2，……，hN），ni为每个隐藏层hi的神经元数量。每个隐藏层输出元素由上一层或者输入层计算得到

输出层，根据hN隐藏层中的结果计算后输出，输出层神经元计算公式为

其中，表示第Nth隐藏层的神经元k与输出层j间的权重，nN表示第Nth隐藏层中神经元数量，Y=（y1，y2，…，ym）为输出层向量，F表示传递函数，W为权重矩阵，具体定义为

首个隐藏层的输出值根据输入值确定

第i层输出计算结果

优化目标函数：目标函数表示实际输出结果和预计结果直接的误差值

边界约束条件满足

1.2 物联网系统

物联网是互联网技术发展的产物，是基于智能感应装置，经过传输网络，将现场指定的信息经过处理，最终汇总到服务器，实现人力、物料的数据化和再分配管理的智能网络。

物联网主要可以分为5 层结构体系：感知层、接入层、网络层、支撑层以及应用层。物联网具有3 个重要的特性。

1）全面感知性 利用射频识别技术（RFID）、智能传感器、信号接收器等智能终端设备获取现场物料、人员、设备的信息。

2）可靠传递性 基于物联网与厂区物料的联系，实现现场数据到智能服务器的汇集。

3）智能处理性 通过对网络传递过来的数据进行处理，并且对数据进行分析和决策，实现对现场数据的反馈管理。物联网以数据处理为中心，起感知数据管理和决策处理技术是物联网的核心技术。

1.3 数字化安全管理系统

数字化安全管理系统是企业核心竞争力的保障，高效的信息化网络的发展造成数据资源的稀缺性，掌握行业核心数据会对项目实施起到关键性作用，甚至直接导致商业竞争的成败，主要有数据库云管理平台和企业内部数字化管理平台组成。

云管理平台将离散的数据源通过数据库进行集中管理，将设备掘进履历、制造过程、供货商和设备设计资料经过数据加密和再分类后传输到用户端进行安全使用。实现数据库对象的数据创建、查询、添加、修改与删除操作等功能。

数字化管理平台是面向制造企业的智能化管理平台，企业通过OA系统集成了包括公告通知、个人考勤、工作流、考勤管理、采购计划、工资上报、绩效考核、会议管理、车辆管理、销售管理、系统日志等功能项。通过特定功能项将企业内部管理纳入平台化管理，节约管理成本和提高协同办公能力。

2 盾构智能厂区时效管理的设计

基于人工智能的物联网技术和数字化安全管理技术的盾构智能厂区系统，主要解决盾构生产厂过程数据分散化和滞后性，尤其是特殊环境下的对时效性的要求。将物联网技术和数字化安全管理系统相结合，不断提升现场作业智能化水平，同时利用加密手段对厂区的核心数据进行管理，保证厂区内数据的高效安全利用。

2.1 基于神经网络的预测系统

利用人工智能预测平台将主要生产要素数据化，盾构厂区主要的生产要素包括商务、设计、采购、制造以及售后整个生命周期。通过初始化生产要素，再利用系统参数修正功能，动态调整生产进度。具体生产要素如表1 所示。

表1 输入输出数字化权重值

项目初始阶段，将各生产要素进行初始化为{h1，…，hn}，经过神经网络计算训练，得到的输出结果{y1，…，yn}。将hi与yi进行对比，预测值越低说明生产要素对项目影响越小，当yi值超过设定的预警值，说明该要素滞后，影响生产进度就越大。数据管理系统将得到数据经过安全网送达各部门，对生产项目起预警作用，指导生产组装进度。

时效管理平台的双层网络构架，由两个独立的安全网络和数据中心构成。上层安全网络主要包括领导决策、数据审核、采购、生产和掘进履历归档等公司核心数据。下层网络执行管理层下传达数据，数据经过审核加密后进入数据循环系统，分配到厂区数据和外部相关单位的客户端。其主要的构架如图2 所示。

图2 智能厂区主要构架

2.2 上层管理网络的构架

上层网络的建立是直接面向客户的服务模块。受特殊环境影响，造成设备采购招标、商务洽谈、售后服务滞后等问题。为了满足智能工厂需求，平台主要解决3个方面外部数据交互问题。

1）面向客户的商务服务平台，受限于无法进行面对面商务洽谈的情况。服务平台可以通过在线服务平台实现业务咨询、再制造设计方案交流咨询、闲置设备网上评估与租赁。经过远程视频联线地质、设计专家进行设计联络，通过将设备数据与地质情况进行模拟，实现设备的网上选型和商务谈判。

2）设备故障在线诊断系统，设备在现场掘进过程中遇到故障常有发生。线上对故障进行会诊，判定现场和远程故障排查，以及对应的服务费用，及时为客户排除故障。

3）设备掘进数据服务平台，为全面跟踪设备的整个生命周期的掘进和故障数据。协助对客户其他品牌设备的数据进行更新维护，保证设备在维护和再制造时数据的完整性和时效性，更好服务客户需求。具体功能如图3 所示。

图3 上层外部管理系统

2.3 厂区下层管理网络的构架

智能化厂区的管理主要以下层安全网为主，盾构厂区的管理的目的是为保障生产的顺畅和设备的按期完工，同时降低制造成本，实现绿色制造。主要从以下几个方面进行构架。

1）立体物料库房动态管理系统，库房作为盾构生产的基础，支撑着生产项目的顺利推进。但是仍然存在不良的库存管理会造成物料积压，占用企业资金流动的状况。立体式库房的智能化建设有助于动态管理物资，有计划消耗和补充库存。通过动态管理系统充分释放公司资金压力，避免造成物资积压的现象。

2）数字化作业指导和无纸化图纸管理模块，不同品牌的盾构之间存在不同的技术壁垒，单盾构市场的竞争性愈发激烈。利用厂区的安全管理模块，在车间安装数字化屏幕，采用面部识别登录管理，对核心数据使用实名登录式使用，随时查阅设备关键部件的组装拆解工艺、可视化作业指导等工艺文件，做到厂区数据的安全使用，实现核心数据的安全交流。

3）基于TDOA 定位技术和厂区智能调度管理系统。主要包括以下3 个方面：①在岗人员的动态管理系统，通过现场TDOA 定位技术，通过对在岗人员进行局域网识别，实现人员合理调配和安防定位，实现厂区安全生产；②叉车动态的管理，通过数据采集传输将车间叉车使用动态情况汇集和分析，在车间监控平台进行上位机动态显示，提高生产效率；③厂区能源监控采集系统，针对厂区的主要用电设备，行吊、在调盾构、楼宇电力系统精细化管理。利用电能监控组件的分析，实现厂区能源的监控和高效分配，降低企业制造成本。

4）厂区生产及采购进度自动调整系统，以盾构生产为中心的厂区，组装与采购到货时间的冲突直接制约着设备的按期出厂，在关键部件上尤为凸显。到货周期数据化可以避免组装延误和库存的积压问题，降低物料资源的滞留。以上具体功能如图4 所示。

图4 厂区下层管理系统

利用物联网MES 系统与设备需求数据中心连接，设备需求数据中心与EPR 模块和PDM 模块连接。生产人员和采购人员可以实时了解物料流动情况，适时安排生产进度，同时根据进度反馈采购进度进行动态调整，做到不积压和不浪费。最大程度实现生产进度和采购的衔接，保证设备按期完工。完整生产流程图如5 所示。

图5 物联网与数字化生产动态管理系统

2.4 厂区数据管理中心

智能厂区的管理是以厂区数据管理中心为主要数据库，上层数据管理平台以数据管理中心为基础，对外展示公司信息，商务交流，技术参数、在线故障处理及设备履历更新等功能。数据管理中心主要功能。

1）为用户盾构数据搭建云平台，在云平台上对可以实现用户盾构数据存储、更新和自动存储历史故障，同时可以为用户寻求设备租赁和再制造维修，通过历史数据指导再制造生产，研究设备的适应性。

2）为下层生产提供技术指导和生产过程数据统计，将立体库房和物联网技术相结合，实现动态跟踪采购件进度和调整生产计划，利用神经网络训练后动态管理厂区生产。

3 总结

本文针对解决掘进机生产厂区离散型、数据泄露的特性，通过预测平台将生产要素数字化，生产过程中参数做出预测性。利用物联网和数字安全管理系统和对盾构厂区进行时效化管控，做到精准控制厂区的生产。智能工厂通过双安全网独立管理，将离散型盾构生产厂区的能源、数据、安全进行数据化再分配应用。盾构厂区的数据分级式管理，不同部门人员具有不同数据使用权限，保障数据的安全使用，最终实现离散型厂区向人工智能科技型厂区的转变。