基于工業(yè)互聯(lián)網(wǎng)和大數(shù)據(jù)分析的智能控制平臺建設(shè)研究

黎勇 錢杰 金偉

[摘 要]文章以寧波卷煙廠智能制造轉(zhuǎn)型實例為背景，介紹了智能控制平臺的建設(shè)情況及實施效果。實踐證明，智能控制平臺建設(shè)充分發(fā)揮了人工智能和工業(yè)互聯(lián)網(wǎng)平臺的作用，顯著提升了生產(chǎn)質(zhì)量穩(wěn)定性，實現(xiàn)了生產(chǎn)過程工藝質(zhì)量的精準控制和協(xié)同優(yōu)化。

[關(guān)鍵詞]工業(yè)互聯(lián)網(wǎng);大數(shù)據(jù);智能制造

doi：10.3969/j.issn.1673 - 0194.2020.24.045

[中圖分類號]F270.7;TP315[文獻標識碼]A[文章編號]1673-0194（2020）24-00-02

1? ? ?建設(shè)背景

隨著《中國制造2025戰(zhàn)略》發(fā)布及相關(guān)配套政策的出臺，煙草行業(yè)提出探索卷煙智能制造新模式、促進企業(yè)轉(zhuǎn)型升級的總體要求。寧波卷煙廠積極響應，大力推進兩化深度融合，創(chuàng)建智慧企業(yè)，并積極開展生產(chǎn)制造智能管控平臺建設(shè)，推進制造智能化。該平臺以生產(chǎn)控制實際問題為導向，融合“云大物智”等新技術(shù)，全面采集生產(chǎn)過程實時參數(shù)和關(guān)鍵要素信息，引用關(guān)聯(lián)分析、神經(jīng)網(wǎng)絡(luò)、遺傳算法等實現(xiàn)智能控制數(shù)據(jù)處理和知識沉淀，依托自動化控制方法實現(xiàn)烘絲冷卻水分智能控制應用，以顯著提升工藝質(zhì)量控制的穩(wěn)定性和標準化水平。

2? ? ?實施經(jīng)驗分享

2.1? ?基于工業(yè)互聯(lián)網(wǎng)平臺架構(gòu)標準的架構(gòu)設(shè)計

圖1是基于工業(yè)互聯(lián)網(wǎng)平臺架構(gòu)標準的架構(gòu)設(shè)計。其中，在平臺的邊緣層，通過連接和管理相關(guān)設(shè)備，利用協(xié)議轉(zhuǎn)換實現(xiàn)海量工業(yè)數(shù)據(jù)的互聯(lián)互通;同時，采用邊緣計算技術(shù)，實現(xiàn)錯誤數(shù)據(jù)剔除、數(shù)據(jù)緩存等預處理及邊緣實時分析，降低網(wǎng)絡(luò)傳輸負載和云端計算壓力。平臺層在通用PaaS（Platform as a Service，平臺即服務）架構(gòu)上進行二次開發(fā)，實現(xiàn)煙草工業(yè)PaaS層構(gòu)建，為用戶提供海量數(shù)據(jù)的管理和分析服務，并對煙草工業(yè)生產(chǎn)、設(shè)備、工藝質(zhì)量等領(lǐng)域技術(shù)、知識、經(jīng)驗等資源進行封裝、固化和復用，為創(chuàng)新應用快速開發(fā)提供基礎(chǔ)平臺。應用層面向卷煙工藝質(zhì)量參數(shù)、設(shè)備狀態(tài)參數(shù)、物料流量等智能控制提供信息化支持，通過為用戶提供創(chuàng)新應用平臺，實現(xiàn)煙草工業(yè)知識的復用和推廣，創(chuàng)造智能制造場景。

2.2? ?建立邊云協(xié)同的工業(yè)互聯(lián)網(wǎng)平臺，提升平臺數(shù)據(jù)處理和控制響應能力

通過加裝傳感設(shè)備、改造設(shè)備等措施提高平臺的即時感知能力，實時獲取生產(chǎn)、工藝、質(zhì)量、設(shè)備運行等原始數(shù)據(jù)，通過邊云協(xié)同快速處理數(shù)據(jù)。邊云協(xié)同降低了云端服務器計算負載、減緩了網(wǎng)絡(luò)帶寬壓力，規(guī)避了多種采集設(shè)備帶來的多源異構(gòu)數(shù)據(jù)問題。

2.3? ?開展符合工業(yè)業(yè)務特性的數(shù)據(jù)模型訓練

本文針對“面向多機協(xié)同的模型仿真與預測、數(shù)據(jù)混合存儲、增強學習算法優(yōu)化”等關(guān)鍵技術(shù)進行研究;采用逆向工程法解構(gòu)與分析烘絲筒控制原理，解析出烘絲筒熱風數(shù)字電視（Packet Identifier，PID）控制等關(guān)鍵參數(shù)的控制算法，并進行準確性和有效性驗證。同時，在上述基礎(chǔ)上結(jié)合工廠業(yè)務特點調(diào)整算法，形成更精準的數(shù)據(jù)挖掘和預測算法，構(gòu)建數(shù)學模型，如圖2所示。

2.4? ?融合大數(shù)據(jù)、云計算、人工智能、虛擬仿真等技術(shù)建立云端智能控制平臺

依托云端算力進行關(guān)聯(lián)分析，識別關(guān)鍵工藝質(zhì)量指標的特征向量，并利用虛擬仿真技術(shù)建立基于實際業(yè)務數(shù)據(jù)的仿真環(huán)境，模擬參數(shù)變化對工藝質(zhì)量的影響，動態(tài)預測工藝質(zhì)量信息，并根據(jù)預測結(jié)果反向指導物理世界的相關(guān)參數(shù)控制。系統(tǒng)實時跟蹤調(diào)整后的工藝質(zhì)量變化，并根據(jù)調(diào)整結(jié)果優(yōu)化數(shù)據(jù)模型。

2.5? ?效果驗證

智能制造應用在全球范圍內(nèi)都處于探索階段，有效的參考案例不足，為了保證研發(fā)的嚴謹性及實現(xiàn)項目預期目標，寧波煙廠在各個階段都進行了大量實驗，驗證內(nèi)容如表1所示。

3? ? ?效果展示

2019年7月至2019年12月，智能控制模型產(chǎn)線控制實驗共完成111批次的煙絲測試。關(guān)鍵指標值控制效果如下。①煙絲冷卻水分均值。2019年7月至2019年9月測試了10個批次，冷卻均值達標率為30%。10月至12月指標達標率持續(xù)上升至100%，冷卻水分均值變化控制在工藝設(shè)定值小數(shù)點后2位。②冷卻水分標偏。模型融入氣候變化、小樣本牌號控制精度、不同牌號煙絲互相摻配等異常因素后，在冷卻水分均值達標的情況下標偏月度均值由10月份的0.045持續(xù)下降至12月份的0.038 5，效果明顯。隨著模型持續(xù)調(diào)優(yōu)，標偏值將會持續(xù)降低。③料頭干頭量。智能控制比人工控制提前10秒實現(xiàn)冷卻水分值達標（冷卻水分設(shè)定值±0.5內(nèi)），流量按4 500千克/小時計，干頭量減少12.5千克。10月至12月，每月隨機挑選智能控制和人工控制生產(chǎn)的各10批煙絲進行對比，智能控制批次的干頭量指標明顯優(yōu)于人工控制批次，其中，12月份有7批次智能控制的干頭量優(yōu)于人工控制。

4? ? 結(jié) 語

寧波卷煙廠基于工業(yè)互聯(lián)網(wǎng)和大數(shù)據(jù)分析的智能控制平臺已全面上線。該平臺顯著提升了生產(chǎn)質(zhì)量的穩(wěn)定性，實現(xiàn)了生產(chǎn)過程工藝質(zhì)量的精準控制和協(xié)同優(yōu)化。隨著智慧工廠建設(shè)持續(xù)推進，寧波卷煙廠已將成功經(jīng)驗運用在其他領(lǐng)域，希望打造更多的智能制造應用場景，實現(xiàn)智能化紅利，昂首邁向行業(yè)、省級智能工廠領(lǐng)先行列。

主要參考文獻

[1]姬廣鵬.基于工業(yè)互聯(lián)網(wǎng)的大數(shù)據(jù)中心建設(shè)探索[J].中國新通信，2014（18）：66.

[2]許基偉，馬欣.基于工業(yè)互聯(lián)網(wǎng)背景的大數(shù)據(jù)平臺建設(shè)研究[J].軟件工程，2019（12）：41-43.

[3]倪曉東.基于工業(yè)互聯(lián)網(wǎng)背景的大數(shù)據(jù)平臺建設(shè)及企業(yè)管理探究[J].中外企業(yè)家，2020（17）：73-74.