论文部分内容阅读
摘 要：随着两化融合及智能制造的深入推进，以大规模定制化生产为重点的柔性化生产制造模式促使生产设备愈加复杂多样，传统的设备管理模式已无法适用于多设备的集成与智能化管理，因此依托先进成熟的信息技术和管理理念构建设备智能化管控体系成为了当前智能制造领域的一个研究热点。本文结合物联网、云计算、数据挖掘等新兴技术，提出一种基于物联网的设备智能化管控云服务平台建设方案，以期为企业提高生产效率、增收益降成本提供保障的同时，也为设备管理平台的建设提供一条可行思路。
关键词：物联网；云平台；数据挖掘；设备管控
中图分类号：TP391.48 文献标识码：A 文章编号：1004-7344（2018）12-0282-02
1 引 言
随着德国工业4.0的兴起及中国制造2025的落实推进，工业设备向着自动化与智能化的方向不断深入发展。与此同时，制造企业面临着产品定制化、设备多样化、系统复杂化等生产模式加速集聚的挑战，使得企业基于信息化手段进行智能化改造的需求越发迫切[1]。工业物联网旨在将传感器、控制器、生产设备等要素通过某种方式进行无缝相连，以形成生产过程信息化、远程管控智能化的数字网络[2]。然而，这也导致了设备物联网数据具有海量性、复杂性、异构性及动态性的特点，使得传统设备管理系统难以满足工业生产现场所需的高效率、高质量、精确决策及实时控制的要求。
当前，以预知性维护决策为核心的设备管控理念和方法成为了智能制造领域的研究热点，其主要依托物联网、数据挖掘、云计算等技术构建设备智能管理平台，不仅可以为用户提供动态可伸缩的虚拟化资源，还能基于分布式计算来充分利用现有的计算与存储能力，实现数据的实时处理和挖掘分析[3]。通过挖掘获取的设备健康状态趋势实现设备维管的智能规划，以满足企业在生产可持续、提高设备使用率等方面的迫切需求，同时对支撑企业实施面向智能制造的智能化设备管理具有重要意义。
2 设备智能化管控关键技术
如图1所示，设备生命周期管理一般包括采购期、运行期和报废期，其中从设备开始使用到申请报废这一时间区间为运行期，是设备管控服务的重点阶段。设备智能化管控主要基于智能化设备管理理念，以设备预知性维护策略及生产计划排程为核心，结合物联网、数据挖掘和云计算等技术实现设备的智能感知、维护、实时预警和高效集成，涉及的关键技术包含以下几方面：
2.1 数据采集技术
针对企业个性化需求构建设备物联网，在考虑经济性和实用性的情况下选择合适的传感器及采集终端来满足设备数据采集需要，在利用传感器和无线感应技术的同时辅以人工检查，可以解决因传统人工方式带来的不准确、不及时、效率低等问题。
2.2 数据存储技术
设备数据的规模海量、类型复杂及结构异质等特点对数据存储技术提出越来越高的要求。从安全、成本等因素考虑，可以将采集的数据存入云端存储系统中，云存储系统支持本地和云端数据流动，同时容灾备份和业务迁移较为方便。
2.3 数据挖掘分析技术
设备智能化管理需要基于一系列数据状态特征构建的映射模型来量化设备状态，而数据状态特征需要通过数据挖掘分析获取：①对原始数据进行预处理及特征提取；②对特征空间降维到工程实用的层次；③采用统计模型识别设备状态，通过状态评估为设备健康预测提供分析依据和基础。
2.4 设备健康趋势预测及可视化技术
健康趋势预测方法主要包括基于模型、基于知识和基于数据的状态预测，涉及机器学习、智能搜索等算法。此外，可利用各种可视化工具或图形化手段直观呈现多维度的预测结果，实现设备使用情况、消耗预警、潜在故障预测等应用需求的可视化分析。
3 设备管控云服务平台系统架构
智能、高效的设备管理体系是设备维管部门和企业决策者的追求，基于物联网、云计算、人工智能等信息技术和先进的设备管理知识，构建符合企业管理模式的设备管理体系，让设备管理从单一台账管理进化到集数据智能采集、多维分析、实时预警、高效维护等功能为一体的全方位管理平台。基于此，本文提出一种基于工业物联网的设备智能化管控云服务平台方案，该平台共分为五个层次，如图2所示。
3.1 物联感知层
物联感知层通过网络区域内的节点采集生产现场的设备数据，包括设備环境数据、状态数据及生产运行数据。区域内数据节点涉及的传感设备种类较多，包括各类传感器、摄像头、移动终端、PLC及仪器仪表等采集装备。不同的设备具有不同的监测参数，因此可针对特定工业标准和个性化需求，在考虑经济和实用性的情况下选择相适应的传感器及监测技术来满足多维度设备数据采集的需要，为后续的分析决策提供数据支撑。
3.2 物联网络层
物联网络层主要用于提供上传设备数据到云平台存储中心所需的网络环境，包括有线网络、互联网及无线网络，并实现网络之间的自由切换和无缝对接。通过将物联感知层的数据快速传递至云平台存储服务器，实现全网通信。此外，在网络层设计面向不同设备类型的泛接入通信协议XM2M以及各种传输协议（如TCP、UDP、MPI等），支持不同制造领域、不同类型设备的接入，从根本上解决基于物联网的设备管控云平台跨领域应用的问题，降低应用的实施和推广成本。
3.3 云服务平台层
云服务平台层是整个平台架构的核心，主要提供数据接入、存储、计算、监控和管理等服务。该层包括平台运行所需的软硬件组成和各种研发要素，构建统一的基于云服务的硬件平台、软件基础平台以及数据库平台，并通过整合各个应用功能软件实现平台开放式数据接口服务。此外，该层还提供设备数据挖掘服务，通过集成各种预测算法实现设备数据更深层次的挖掘分析，为后续的智能应用与决策提供有力保障。
3.4 智能应用层 该层基于数据挖掘模块获得的知识信息，针对各种业务需求提供相应的支持服务，包括设备健康状态管理、设备管理及优化、远程诊断、故障分析等核心功能应用。平台既可基于实际案例提供若干典型的模型框架供用户直接使用，也可提供复杂且个性化的应用服务。
3.5 角色层
该层提供用户与平台的数据接口，针对不同角色需要赋予相应的权限。用户根据自己的角色权限分别登陆到各自的业务平台进行业务处理。采用面向对象建模的思想，根据角色权限的不同构建相应的工作平台，然后利用组件技术封装打包和集成，在底层通过强大的数据库技术实现各功能模块之间的数据共享和统一。
4 平台预期效果
基于物联网的设备智能化管控云服务平台实现从底层设备接入管理、设备数据分析到智能决策应用等多个阶段的功能需求。通过物联网采集终端获取设备的固有属性、运行状态、生产环境等数据，设备的实时位置信息可以通过短信、邮件等方式实时推送，也可以通过平台进行准确查询和定位显示。通过云平台数据挖掘模块自动对设备故障情况、潜在隐患、异常征兆与劣化信息进行预测，及时做出故障分析、诊断和评估。此外，挖掘结果可基于可视化方法生成设备运行状态、异常预测、故障分布趋势等图表，为设备是否按规范要求进行运作提供直观的参考数据。将上述可视化信息实时推送给设备维保部门，通过分析及时掌握设备运行情况和故障解决方案，并实施相应的工作调度和安排，指派维护人员及时赶到现场维修，从而达到提高设备生产效率、降低设备故障率以及实现设备管控PDCA循环的目的。
该平台具备全面的物联网设备接入功能、灵活的数据接口、多方位的数据保护、高效的云平台数据存储和丰富的数据挖掘能力，可以推动价值链整合与业务创新。未来可根据客户需求和技术发展继续丰富和完善设备管控云服务平台的各项功能，保持平台的鲁棒性和技术先进性，为企业提供设备管理整体解决方案，并为工业云平台的建设提供共性基础技术。
5 结 語
“中国制造 2025”、“两化融合”等国家战略明确提出要利用先进的信息技术助力制造企业转型升级。智能制造的兴起以及生产制造模式向着大规模定制化的转变，使得设备管理更加需要引入预知管理决策为核心的智能化管控策略与方法。通过物联网、数据挖掘以及云计算技术的有机整合构建智能化设备管控云平台，能够高效、智能地实现设备管理从单一台账管理进化到集数据采集、存储、挖掘分析等云服务为一体的全方位管控。在保障企业设备可靠性和安全性的前提下，通过提高生产效率、降低维护成本来提升企业竞争力，并为企业设备管理平台的建设提供一条可行思路。
参考文献
[1]马为清，杜慧婵，牛江蓉.智能制造新模式、新业态发展研究[J].智能制造，2017（7）：24～28.
[2]郑树泉.工业物联网大数据平台架构与应用[J].软件产业与工程，2016（6）：15～18.
[3]施灿涛，刘璐新.面向智能制造的设备管理应用研究[J].冶金设备，2016（5）：49～52.
[4]张启亮，韩 键，姜丽萍.工业物联网大数据平台在工程机械行业的应用[J].信息技术与标准化，2017（4）：26～31.
收稿日期：2018-4-11
作者简介：廖一星（1981-），男，工程师，大学，主要从事IT技术服务工作。
关键词：物联网；云平台；数据挖掘；设备管控
中图分类号：TP391.48 文献标识码：A 文章编号：1004-7344（2018）12-0282-02
1 引 言
随着德国工业4.0的兴起及中国制造2025的落实推进，工业设备向着自动化与智能化的方向不断深入发展。与此同时，制造企业面临着产品定制化、设备多样化、系统复杂化等生产模式加速集聚的挑战，使得企业基于信息化手段进行智能化改造的需求越发迫切[1]。工业物联网旨在将传感器、控制器、生产设备等要素通过某种方式进行无缝相连，以形成生产过程信息化、远程管控智能化的数字网络[2]。然而，这也导致了设备物联网数据具有海量性、复杂性、异构性及动态性的特点，使得传统设备管理系统难以满足工业生产现场所需的高效率、高质量、精确决策及实时控制的要求。
当前，以预知性维护决策为核心的设备管控理念和方法成为了智能制造领域的研究热点，其主要依托物联网、数据挖掘、云计算等技术构建设备智能管理平台，不仅可以为用户提供动态可伸缩的虚拟化资源，还能基于分布式计算来充分利用现有的计算与存储能力，实现数据的实时处理和挖掘分析[3]。通过挖掘获取的设备健康状态趋势实现设备维管的智能规划，以满足企业在生产可持续、提高设备使用率等方面的迫切需求，同时对支撑企业实施面向智能制造的智能化设备管理具有重要意义。
2 设备智能化管控关键技术
如图1所示，设备生命周期管理一般包括采购期、运行期和报废期，其中从设备开始使用到申请报废这一时间区间为运行期，是设备管控服务的重点阶段。设备智能化管控主要基于智能化设备管理理念，以设备预知性维护策略及生产计划排程为核心，结合物联网、数据挖掘和云计算等技术实现设备的智能感知、维护、实时预警和高效集成，涉及的关键技术包含以下几方面：
2.1 数据采集技术
针对企业个性化需求构建设备物联网，在考虑经济性和实用性的情况下选择合适的传感器及采集终端来满足设备数据采集需要，在利用传感器和无线感应技术的同时辅以人工检查，可以解决因传统人工方式带来的不准确、不及时、效率低等问题。
2.2 数据存储技术
设备数据的规模海量、类型复杂及结构异质等特点对数据存储技术提出越来越高的要求。从安全、成本等因素考虑，可以将采集的数据存入云端存储系统中，云存储系统支持本地和云端数据流动，同时容灾备份和业务迁移较为方便。
2.3 数据挖掘分析技术
设备智能化管理需要基于一系列数据状态特征构建的映射模型来量化设备状态，而数据状态特征需要通过数据挖掘分析获取：①对原始数据进行预处理及特征提取；②对特征空间降维到工程实用的层次；③采用统计模型识别设备状态，通过状态评估为设备健康预测提供分析依据和基础。
2.4 设备健康趋势预测及可视化技术
健康趋势预测方法主要包括基于模型、基于知识和基于数据的状态预测，涉及机器学习、智能搜索等算法。此外，可利用各种可视化工具或图形化手段直观呈现多维度的预测结果，实现设备使用情况、消耗预警、潜在故障预测等应用需求的可视化分析。
3 设备管控云服务平台系统架构
智能、高效的设备管理体系是设备维管部门和企业决策者的追求，基于物联网、云计算、人工智能等信息技术和先进的设备管理知识，构建符合企业管理模式的设备管理体系，让设备管理从单一台账管理进化到集数据智能采集、多维分析、实时预警、高效维护等功能为一体的全方位管理平台。基于此，本文提出一种基于工业物联网的设备智能化管控云服务平台方案，该平台共分为五个层次，如图2所示。
3.1 物联感知层
物联感知层通过网络区域内的节点采集生产现场的设备数据，包括设備环境数据、状态数据及生产运行数据。区域内数据节点涉及的传感设备种类较多，包括各类传感器、摄像头、移动终端、PLC及仪器仪表等采集装备。不同的设备具有不同的监测参数，因此可针对特定工业标准和个性化需求，在考虑经济和实用性的情况下选择相适应的传感器及监测技术来满足多维度设备数据采集的需要，为后续的分析决策提供数据支撑。
3.2 物联网络层
物联网络层主要用于提供上传设备数据到云平台存储中心所需的网络环境，包括有线网络、互联网及无线网络，并实现网络之间的自由切换和无缝对接。通过将物联感知层的数据快速传递至云平台存储服务器，实现全网通信。此外，在网络层设计面向不同设备类型的泛接入通信协议XM2M以及各种传输协议（如TCP、UDP、MPI等），支持不同制造领域、不同类型设备的接入，从根本上解决基于物联网的设备管控云平台跨领域应用的问题，降低应用的实施和推广成本。
3.3 云服务平台层
云服务平台层是整个平台架构的核心，主要提供数据接入、存储、计算、监控和管理等服务。该层包括平台运行所需的软硬件组成和各种研发要素，构建统一的基于云服务的硬件平台、软件基础平台以及数据库平台，并通过整合各个应用功能软件实现平台开放式数据接口服务。此外，该层还提供设备数据挖掘服务，通过集成各种预测算法实现设备数据更深层次的挖掘分析，为后续的智能应用与决策提供有力保障。
3.4 智能应用层 该层基于数据挖掘模块获得的知识信息，针对各种业务需求提供相应的支持服务，包括设备健康状态管理、设备管理及优化、远程诊断、故障分析等核心功能应用。平台既可基于实际案例提供若干典型的模型框架供用户直接使用，也可提供复杂且个性化的应用服务。
3.5 角色层
该层提供用户与平台的数据接口，针对不同角色需要赋予相应的权限。用户根据自己的角色权限分别登陆到各自的业务平台进行业务处理。采用面向对象建模的思想，根据角色权限的不同构建相应的工作平台，然后利用组件技术封装打包和集成，在底层通过强大的数据库技术实现各功能模块之间的数据共享和统一。
4 平台预期效果
基于物联网的设备智能化管控云服务平台实现从底层设备接入管理、设备数据分析到智能决策应用等多个阶段的功能需求。通过物联网采集终端获取设备的固有属性、运行状态、生产环境等数据，设备的实时位置信息可以通过短信、邮件等方式实时推送，也可以通过平台进行准确查询和定位显示。通过云平台数据挖掘模块自动对设备故障情况、潜在隐患、异常征兆与劣化信息进行预测，及时做出故障分析、诊断和评估。此外，挖掘结果可基于可视化方法生成设备运行状态、异常预测、故障分布趋势等图表，为设备是否按规范要求进行运作提供直观的参考数据。将上述可视化信息实时推送给设备维保部门，通过分析及时掌握设备运行情况和故障解决方案，并实施相应的工作调度和安排，指派维护人员及时赶到现场维修，从而达到提高设备生产效率、降低设备故障率以及实现设备管控PDCA循环的目的。
该平台具备全面的物联网设备接入功能、灵活的数据接口、多方位的数据保护、高效的云平台数据存储和丰富的数据挖掘能力，可以推动价值链整合与业务创新。未来可根据客户需求和技术发展继续丰富和完善设备管控云服务平台的各项功能，保持平台的鲁棒性和技术先进性，为企业提供设备管理整体解决方案，并为工业云平台的建设提供共性基础技术。
5 结 語
“中国制造 2025”、“两化融合”等国家战略明确提出要利用先进的信息技术助力制造企业转型升级。智能制造的兴起以及生产制造模式向着大规模定制化的转变，使得设备管理更加需要引入预知管理决策为核心的智能化管控策略与方法。通过物联网、数据挖掘以及云计算技术的有机整合构建智能化设备管控云平台，能够高效、智能地实现设备管理从单一台账管理进化到集数据采集、存储、挖掘分析等云服务为一体的全方位管控。在保障企业设备可靠性和安全性的前提下，通过提高生产效率、降低维护成本来提升企业竞争力，并为企业设备管理平台的建设提供一条可行思路。
参考文献
[1]马为清，杜慧婵，牛江蓉.智能制造新模式、新业态发展研究[J].智能制造，2017（7）：24～28.
[2]郑树泉.工业物联网大数据平台架构与应用[J].软件产业与工程，2016（6）：15～18.
[3]施灿涛，刘璐新.面向智能制造的设备管理应用研究[J].冶金设备，2016（5）：49～52.
[4]张启亮，韩 键，姜丽萍.工业物联网大数据平台在工程机械行业的应用[J].信息技术与标准化，2017（4）：26～31.
收稿日期：2018-4-11
作者简介：廖一星（1981-），男，工程师，大学，主要从事IT技术服务工作。