基于云邊協(xié)同的大型鍛壓裝備遠(yuǎn)程運維系統(tǒng)研究

袁 超，孫 勇，張 浩，黃達(dá)力，凌云漢，李武愷，吳平平

（1.北京機電研究所有限公司，北京 100083；2.北京化工大學(xué)，北京 100029；3.廣東精銦海洋工程股份有限公司，廣東 佛山 528241）

隨著國民經(jīng)濟與科學(xué)技術(shù)的發(fā)展，大型鍛造裝備已在汽車、航空、海洋船舶等眾多領(lǐng)域得到廣泛應(yīng)用，其中最具標(biāo)志性的有二重萬航800000kN（80000t）壓力機、伊萊特16M 碾環(huán)機、中機鍛壓2500kJ 大型液壓打樁錘、北方重工360000kN（36000t）垂直擠壓機等，如圖1 所示。大型鍛造裝備加工效率的不斷提高，也伴隨著維修難度的不斷增大。大型鍛造裝備主要有以下幾個顯著特征：①由多個系統(tǒng)共同組成，結(jié)構(gòu)復(fù)雜；②多個系統(tǒng)之間聯(lián)動工作，憑借單一傳感器不易快速準(zhǔn)確判斷故障部位；③工作環(huán)境惡劣（高溫、粉塵、腐蝕等），監(jiān)測參數(shù)的隨機干擾大；④故障現(xiàn)象和故障原因存在多重映射關(guān)系，不易準(zhǔn)確判斷故障原因[1-4]。

圖1 大型鍛造裝備示例圖

這些特征導(dǎo)致了工業(yè)現(xiàn)場人員沒有足夠的技術(shù)水平和運維能力處理相對復(fù)雜的裝備故障難題，需要裝備供應(yīng)商提供技術(shù)支持，找到故障原因，從而恢復(fù)生產(chǎn)。對于企業(yè)來說，由于整個流程響應(yīng)時間長、信息不對稱，生產(chǎn)線運行時間縮減，生產(chǎn)效率降低[5]。對于裝備供應(yīng)商來說，由于不能實時監(jiān)測裝備的運行情況和健康狀況，不能主動提供運維服務(wù)，導(dǎo)致人力調(diào)度難、維護成本高、售后服務(wù)質(zhì)量下降，大型裝備遠(yuǎn)程運維技術(shù)的應(yīng)用顯得愈發(fā)重要。

2007 年IBM 和Google 首次提出了云計算（Cloud Computing）的概念[6]。隨后各大IT 公司紛紛推出了商業(yè)云平臺，代表性的云平臺有AWS、Azure 和阿里云等。2012年，GE[7]將云計算的概念引入工業(yè)領(lǐng)域，并開放了其工業(yè)云平臺Predix[8]。西門子也開發(fā)了云平臺MindSpere[9]。在國內(nèi)，徐工集團借助阿里云平臺，搭建了國內(nèi)首個工業(yè)云平臺“徐工工業(yè)云”[10]。2016年，三一重工開放了其工業(yè)云平臺“根云”[11]。以上工業(yè)云平臺的出現(xiàn)，使故障診斷系統(tǒng)的基礎(chǔ)設(shè)施出現(xiàn)了更多新的選擇，但目前國內(nèi)對于細(xì)分行業(yè)云平臺故障診斷的研究較少。本文在阿里云平臺的基礎(chǔ)上，以鍛壓行業(yè)規(guī)則、常識、經(jīng)驗、案例為核心，建立了基于云計算和邊緣計算協(xié)同的大型鍛造裝備遠(yuǎn)程運維系統(tǒng)，以實現(xiàn)遠(yuǎn)程連接、遠(yuǎn)程在線狀態(tài)監(jiān)測、遠(yuǎn)程健康狀態(tài)管理、遠(yuǎn)程故障診斷分析等工作為目標(biāo)，優(yōu)化傳統(tǒng)運維方式，提高大型鍛壓裝備的運行可靠性、減少大型鍛造裝備的故障停機時間。

1 基于云邊協(xié)同的遠(yuǎn)程運維系統(tǒng)總架構(gòu)

云計算是一種計算范式，它可以根據(jù)用戶的需求隨時隨地為最終用戶提供無限的計算資源，可以提供如資源池、彈性和靈活性、可擴展性、性能高等各種類型的服務(wù)[12]；邊緣計算主要指在靠近物或數(shù)據(jù)源頭的一側(cè)，就近提供計算服務(wù)，以產(chǎn)生更快的網(wǎng)絡(luò)服務(wù)響應(yīng)，滿足應(yīng)用的實時性和數(shù)據(jù)保護等方面的需求[13]。在大型鍛壓裝備遠(yuǎn)程運維系統(tǒng)構(gòu)建過程中，邊緣計算負(fù)責(zé)對需要實時處理的數(shù)據(jù)進行預(yù)處理，為云端提供高價值的數(shù)據(jù)；云端則負(fù)責(zé)長周期、非實時數(shù)據(jù)的處理，為邊緣層提供訓(xùn)練后的模型。圖2 為大型鍛壓裝備遠(yuǎn)程運維系統(tǒng)架構(gòu)設(shè)計圖。

圖2 大型鍛壓裝備遠(yuǎn)程運維系統(tǒng)架構(gòu)設(shè)計圖

邊緣層通過對數(shù)據(jù)的實時采集和處理，把整合后準(zhǔn)確且有效的信息輸送到云平臺；云平臺則發(fā)揮自身計算能力，通過設(shè)備機理模型和智能算法模型對生產(chǎn)過程關(guān)鍵參數(shù)進行訓(xùn)練和升級，并把優(yōu)化輸出的業(yè)務(wù)規(guī)則或模型下發(fā)到邊緣層，從而完成自主學(xué)習(xí)的閉環(huán)，如圖3 所示。

圖3 大型鍛壓裝備遠(yuǎn)程運維平臺流程設(shè)計

2 多源異構(gòu)數(shù)據(jù)采集技術(shù)

面對多源異構(gòu)數(shù)據(jù)對象的時間精度要求、數(shù)據(jù)價值等級不均等特征，采集系統(tǒng)分為一般數(shù)據(jù)采集和高速采集。如圖4 所示。

圖4 多源異構(gòu)數(shù)據(jù)采集系統(tǒng)架構(gòu)圖

（1）一般數(shù)據(jù)采集。一般數(shù)據(jù)采集的對象包括以下特征：對時間精度要求不高，按照秒級的頻率采集可以滿足對對象的監(jiān)控和分析，比如：產(chǎn)量、能耗、節(jié)拍等。

（2）高速采集。高速采集的對象一般包括以下特征：變化量較小，對時間精度要求高，秒級的采集頻率不能滿足監(jiān)控的需求。數(shù)據(jù)價值高，對數(shù)據(jù)分析有直接或間接作用。通過毫秒級的設(shè)備監(jiān)控，可以清楚地判斷系統(tǒng)內(nèi)故障發(fā)生的先后次序，幫助現(xiàn)場人員追溯到導(dǎo)致故障發(fā)生的真實原因。

3 大數(shù)據(jù)驅(qū)動為核心的鍛壓裝備故障診斷技術(shù)

3.1 基于機理模型的鍛壓裝備制造知識與知識庫構(gòu)建技術(shù)

通過數(shù)字化和網(wǎng)絡(luò)化的方法，以行業(yè)知識和制造經(jīng)驗為出發(fā)點，通過長期積累的有效數(shù)據(jù)分析對比，沉淀行業(yè)規(guī)則、常識、經(jīng)驗、案例，利用行業(yè)專家的碎片化時間遠(yuǎn)程完善機理模型、構(gòu)建鍛壓裝備工業(yè)知識庫。通過機理模型和知識的共享，中小企業(yè)可以低成本的獲得優(yōu)質(zhì)資源。圖5 和圖6 分別為特別類型的鍛壓裝備工業(yè)機理模型。

圖5 鍛壓裝備工業(yè)機理模型

圖6 伺服液壓機工業(yè)機理模型

3.2 基于分布式傳感的鍛壓裝備工況實時感知技術(shù)

在成形工藝和設(shè)備運行機理模型建立的基礎(chǔ)上，考慮成形過程中由環(huán)境因素、設(shè)備狀態(tài)、工藝問題等導(dǎo)致的壓力機設(shè)備運行異常以及故障表征，將不同類型的智能傳感器嵌入壓力機的主要部件中，以傳感器的返回數(shù)據(jù)當(dāng)作感知的數(shù)據(jù)基礎(chǔ)，實現(xiàn)鍛造過程中的過程動態(tài)參數(shù)包括壓力機打擊能量、電機轉(zhuǎn)速、滑塊位移、平衡缸氣壓、制動器油壓等數(shù)據(jù)的實時監(jiān)控；以內(nèi)置智能判定算法作為認(rèn)知的判定依據(jù)，對鍛壓裝備當(dāng)前運行工況進行實時分析和評價。傳感器類別和位置如圖7 所示。

圖7 傳感器的類別和安裝位置

3.3 基于機器學(xué)習(xí)的設(shè)備故障診斷技術(shù)

通過機器學(xué)習(xí)和數(shù)據(jù)挖掘等算法，實現(xiàn)歷史數(shù)據(jù)的強相關(guān)性分析、故障的報警和壽命預(yù)測等核心功能。工業(yè)知識庫是設(shè)備故障診斷人工智能算法的基礎(chǔ)，同時，設(shè)備故障診斷算法的結(jié)果不斷修正和完善工業(yè)知識庫，形成閉環(huán)。其中圖8 是用哈希算法進行圖形擬合分析，判定設(shè)備生產(chǎn)狀況正常與否的流程圖。

圖8 哈希算法圖像擬合分析流程圖

4 系統(tǒng)實現(xiàn)

4.1 遠(yuǎn)程連接

通過在現(xiàn)場安裝5G 智能網(wǎng)關(guān)，實現(xiàn)對現(xiàn)場設(shè)備動態(tài)IP 地址的快速解析（圖9），遠(yuǎn)程、安全、穩(wěn)定地訪問現(xiàn)場終端（圖10），隨時隨地對程序進行上傳下載、對設(shè)備進行實時監(jiān)控，能夠有效降低運維時間、提高運維效率。

圖9 動態(tài)IP 解析軟件

圖10 設(shè)備遠(yuǎn)程訪問和監(jiān)控

4.2 設(shè)備狀態(tài)監(jiān)控

系統(tǒng)通過對鍛造生產(chǎn)設(shè)備實時狀態(tài)、節(jié)拍、打擊力、滑塊位移等關(guān)鍵參數(shù)進行監(jiān)控（圖11），使用戶能夠直觀、準(zhǔn)確地了解設(shè)備的實時運行狀態(tài)、歷史運行狀態(tài)、設(shè)備OEE、設(shè)備故障報警、設(shè)備保養(yǎng)等，提高和優(yōu)化用戶決策的質(zhì)量和速度。如圖12 所示。

圖11 設(shè)備狀態(tài)實時監(jiān)控

圖12 設(shè)備健康狀態(tài)分析

4.3 關(guān)鍵參數(shù)高速采集展示和故障診斷分析

高速采集實現(xiàn)關(guān)鍵參數(shù)的數(shù)據(jù)預(yù)處理和存儲，故障診斷分析功能利用工業(yè)知識庫的知識，對實時運行關(guān)鍵參數(shù)進行分析，檢測異常數(shù)據(jù)并給出解決方案，輔助現(xiàn)場人員做出更優(yōu)決策，最后將分析結(jié)果寫入數(shù)據(jù)庫，如圖13 所示。

圖13 數(shù)據(jù)庫中設(shè)備故障診斷分析結(jié)果展示

4.4 大型鍛壓裝備遠(yuǎn)程運維云平臺的搭建

建立大型鍛壓裝備遠(yuǎn)程運維云平臺，幫助企業(yè)對設(shè)備運行狀態(tài)進行實時監(jiān)測和分析，可在故障程度輕微時準(zhǔn)確發(fā)現(xiàn)和識別，輔助運行人員對異常進行處理，避免嚴(yán)重事故，提高設(shè)備可靠性。

圖14 鍛壓裝備遠(yuǎn)程運維云平臺

5 結(jié)論

隨著大型鍛壓裝備復(fù)雜性的不斷提高，設(shè)備故障停機的損失越來越大，同時企業(yè)維護能力有限，大型鍛壓裝備遠(yuǎn)程運維系統(tǒng)的搭建顯得尤為重要。本文采用云邊協(xié)同這種新型計算范式，將云計算強大的資源能力與邊緣計算低時延特性相結(jié)合。在此基礎(chǔ)上，針對鍛壓裝備的知識、機理、生產(chǎn)特點，設(shè)計并實現(xiàn)了對鍛壓裝備的遠(yuǎn)程連接、遠(yuǎn)程高速采集、遠(yuǎn)程監(jiān)控、遠(yuǎn)程故障診斷等功能。經(jīng)多個項目驗證，大型鍛壓裝備遠(yuǎn)程運維系統(tǒng)的應(yīng)用，能夠有效加快鍛壓裝備運維服務(wù)響應(yīng)速度，提高裝備生產(chǎn)質(zhì)量和生產(chǎn)效率、減少設(shè)備故障發(fā)生時間和運維成本，整體提高鍛壓生產(chǎn)線智能化制造水平。