基于大數(shù)據(jù)技術的機械機床制造數(shù)字化平臺設計

摘? 要：針對機械機床行業(yè)資源不共享、信息不對稱、發(fā)展決策無依據(jù)、缺少大數(shù)據(jù)化分析等問題，設計一種基于大數(shù)據(jù)技術的機械機床制造數(shù)字化平臺。通過走訪企業(yè)、用戶調查等方式獲得基礎數(shù)據(jù)，然后利用大數(shù)據(jù)采集與挖掘技術、Web技術整合數(shù)據(jù)資源，實現(xiàn)企業(yè)節(jié)約人力資源、優(yōu)化生產(chǎn)管理、提高數(shù)據(jù)利用價值的目的，有效助力機械機床制造產(chǎn)業(yè)轉型升級，提升企業(yè)生產(chǎn)智能化水平，加快實施二十大提出的創(chuàng)新驅動發(fā)展戰(zhàn)略。

關鍵詞：大數(shù)據(jù)；機械機床制造；數(shù)字化；平臺設計

中圖分類號：TP311.5? 文獻標識碼：A? 文章編號：2096-4706（2023）24-0021-04

Design of a Digital Platform for Mechanical Machine Tool Manufacturing Based on Big Data Technology

GUAN Jing

（Zaozhuang Vocational College， Zaozhuang? 277800， China）

Abstract： This paper designs a digital platform for mechanical machine tool manufacturing based on big data technology to address issues such as resource not shared， information asymmetry， unfounded development decisions， and lack of big data analysis in the mechanical machine tool industry. By visiting enterprises， conducting user surveys， and other means to obtain basic data， and then utilizing big data collection and mining technology， Web technology to integrate data resources， the goal of saving human resources， optimizing production management， and improving data utilization value is achieved. It effectively assists in the transformation and upgrading of the mechanical machine tool manufacturing industry， improves the level of enterprise production intelligence， and accelerates the implementation of the innovation driven development strategy proposed at the 20th National Congress.

Keywords： big data; mechanical machine tool manufacturing; digitization; platform design

0? 引? 言

國際機床行業(yè)發(fā)展越來越智能化是如今的大勢所趨。而將新一代信息技術深度融入企業(yè)，是加快形成先進制造業(yè)集群的關鍵，亦是促進經(jīng)濟高質量發(fā)展的重要路徑。但目前國內機械機床制造產(chǎn)業(yè)大多存在以下問題：1）機械機床行業(yè)相關的平臺系統(tǒng)在數(shù)據(jù)分析、數(shù)據(jù)處理等可視化方面存在一定的不足，比如數(shù)據(jù)的實時分析、響應和及時預警[1]。2）傳統(tǒng)煙筒式的數(shù)據(jù)模式，不能及時進行信息共享。3）存在結構化矛盾。4）企業(yè)發(fā)展決策無依據(jù)，全依靠企業(yè)負責人的經(jīng)驗。同時，部分機械機床的翻新，也抑制了整個行業(yè)的飛速發(fā)展。這些問題導致機械制造企業(yè)無法實時有效地獲取數(shù)據(jù)資源，更不能及時作出企業(yè)發(fā)展決策。

隨著大數(shù)據(jù)、人工智能等新技術的普及應用，人們交流和聯(lián)系方式發(fā)生了很大變化。大數(shù)據(jù)正在成為管理和決策的整體基礎。我國在2015年發(fā)布《促進大數(shù)據(jù)發(fā)展行動綱要》[2]，強調推動實施國家大數(shù)據(jù)戰(zhàn)略，推進數(shù)據(jù)資源整合和開放共享，更好地服務于我國經(jīng)濟社會發(fā)展和人民生活改善。鑒于此，本文構建了以Hadoop生態(tài)系統(tǒng)為核心的、采用大數(shù)據(jù)采集與挖掘技術以及Web技術的數(shù)據(jù)一體化創(chuàng)新服務平臺，以期機械機床企業(yè)實現(xiàn)對內精確管控，并實現(xiàn)多鏈條融合創(chuàng)新發(fā)展。

1? 機械機床制造數(shù)字化平臺意義

中國工業(yè)大數(shù)據(jù)還處于起步階段，其應用還存在諸多技術壁壘。但根據(jù)以“中國制造2025”為代表的規(guī)劃，預計到2025年中國工業(yè)大數(shù)據(jù)的發(fā)展速度將大幅提升。

機械機床制造數(shù)字化平臺可以將大數(shù)據(jù)技術深度融合到企業(yè)中，為企業(yè)的可持續(xù)發(fā)展提供新思路。在數(shù)據(jù)供給方和數(shù)據(jù)需求方之間形成常態(tài)化對接機制，推動數(shù)字經(jīng)濟、數(shù)字社會融合發(fā)展，推進數(shù)據(jù)在優(yōu)化治理、造福人民、發(fā)展產(chǎn)業(yè)上的靈活運用。全面實施二十大提出的創(chuàng)新驅動發(fā)展戰(zhàn)略。

2? 機械機床制造數(shù)字化平臺架構

2.1? 整體架構設計

平臺以生產(chǎn)設備和產(chǎn)品聯(lián)網(wǎng)為基礎，結合大數(shù)據(jù)技術，整合存儲資源、計算資源和網(wǎng)絡資源，幫助企業(yè)降本增效，推動機械機床智能化產(chǎn)業(yè)升級。平臺細化成兩個分平臺，即對內管理平臺和對外共享平臺，如圖1所示。

2.2? 基本功能模塊

主要模塊包括：1）監(jiān)控云。對設備情況實時監(jiān)測和智能診斷。2）物流云?？梢暬夹g直觀地顯示物流詳細信息。3）運營云。通過“可視化”地展現(xiàn)地域性需求的比例和演變，來動態(tài)地調整產(chǎn)品和鋪貨策略，從而促進企業(yè)運營部門精準運營。

2.3? 平臺技術

在機床廠設備管理員對設備進行分析處理時，平臺會根據(jù)設備歷史信息及其他機床廠設備運行情況為管理員提供智能AI算法得出的結果進行參考。

本文將車間的每臺設備數(shù)據(jù)信息通過云端技術進行數(shù)據(jù)保存，再通過5G與Hadoop生態(tài)系統(tǒng)中MapReduce技術的結合將海量數(shù)據(jù)進行清洗、分類，合理地歸納到各個模塊。然后，通過echarts技術進行可視化展示，并將數(shù)據(jù)反饋給各個部門，為優(yōu)化決策方案供數(shù)據(jù)基礎。

本文用Scala Spark程序將機床加工的不同零件類型的數(shù)量保存到Hive表中，部分關鍵代碼如下：

import org.apache.spark.sql.{SaveMode， SparkSession}

object MachineToolPartCountSaveToHive {

def main（args： Array[String]）： Unit = {

// 創(chuàng)建SparkSession對象

val spark = SparkSession.builder（）.appName（"Machine Tool Part Count Save To Hive"） . master （"local[*]"） .

enableHiveSupport（） .config（"hive.metastore.uris"，"thrift：

//："） .config（"hive.exec.dynamic.partition"，"true"）? .config（"hive.exec.dynamic.partition.mode"， "nonstrict"） .getOrCreate（）

// 讀取數(shù)據(jù)

val data = spark.read.format（"csv"）.option（"header"， "true"）.option（"inferSchema"， "true"）.load （"machine_tool_data.csv"）

// 統(tǒng)計

val partCount = data.groupBy（"part_type"）.count（）

// 將結果保存到Hive表中

partCount.write.mode（SaveMode.Append）.partitionBy

（"part_type"）.saveAsTable（"mydatabase.machine_tool_part_count"）

spark.stop（）

}

}

對機床加工數(shù)據(jù)進行清洗：

import org.apache.spark.sql.{SaveMode， SparkSession}

import org.apache.spark.sql.functions._

object MachineToolDataCleaning {

def main（args： Array[String]）： Unit = {

// 創(chuàng)建SparkSession對象

val spark = SparkSession.builder（） .appName

（"Machine Tool Data Cleaning"）. master（ "local[*]"） .

getOrCreate（）

// 讀取數(shù)據(jù)

val data = spark.read.format（"csv"）.option（"header"， "true"）.option（"inferSchema"， "true"）

.load（"machine_tool_data.csv"）

// 數(shù)據(jù)清洗

val cleanData = data.withColumn（"date"， to_date

（col（"date"）， "yyyy-MM-dd"）） . withColumn （"total_count"， col（"op1"） + col（"op2"） + col（"op3"）） .drop（"op1"， "op2"， "op3"， "operator"）

// 將清洗后的數(shù)據(jù)保存到文件中

cleanData.write.mode（SaveMode.Overwrite）.option（"header"，"true"）? .csv（"machine_tool_clean_data.csv"）

spark.stop（）

}

}

本文還采用MySQL數(shù)據(jù)庫與Hadoop生態(tài)系統(tǒng)結合混搭使用，實現(xiàn)數(shù)據(jù)處理，大大降低數(shù)據(jù)處理的成本（1個數(shù)量級）來滿足各種數(shù)據(jù)的處理需求[3]。平臺系統(tǒng)主界面如圖2所示。

在其他的模塊中為提高客戶使用時的體驗感，采用了相對成熟的Hadoop HDFS文件存儲技術、Spark離線計算技術、Spark Streaming實時計算技術、Flume日志收集技術和Zookeeper的分布式協(xié)調服務技術。硬軟件配置信息如表1所示。

3? 機械機床制造數(shù)字化平臺設計實現(xiàn)

3.1? 對內管理平臺

主要實現(xiàn)企業(yè)智能預警、可視物流、精準監(jiān)控、智能運營四個方面功能。

3.1.1? 監(jiān)控云

提供精準監(jiān)控，將錯誤定位到工位號并進行詳細記錄，便捷地進行維修和錯誤復盤分析，以便保障機床的工作效率，減少多余時間浪費造成的工期延緩?？梢岳么髷?shù)據(jù)分析技術進行數(shù)據(jù)的抓取、挖掘、分析，以達到在保障加工質量的情況下動態(tài)優(yōu)化延長帶鋸壽命[3]。

3.1.2? 物流云

利用信息技術數(shù)據(jù)化物流信息，實現(xiàn)對供應鏈實體物流綜合管理的數(shù)字化、智能化、標準化和一體化[4]，對產(chǎn)品物流信息、進行便捷的查詢。配合附帶模塊能夠更直觀地分配商品運輸。對接監(jiān)控云，資源信息實時可視，支持資源動態(tài)調配和異常處理，實現(xiàn)物流數(shù)字化、智能化。界面如圖3所示。

3.1.3? 運營云

以直觀的可視化方式展示并與操作者進行互動，為企業(yè)設計更好的運營方案提供基礎。

在具體的產(chǎn)量分析與銷量分析頁面中，采用Hadoop技術、Mapreduce算法對數(shù)據(jù)進行分析整合，大致列出日產(chǎn)量排行、月產(chǎn)量對比、設備生產(chǎn)零件完整度、生產(chǎn)分類、各類銷量統(tǒng)計對比等一系列模塊。實現(xiàn)節(jié)儉運營成本、產(chǎn)品銷售預測、需求管理、生產(chǎn)計劃和排程。生產(chǎn)制造過程中數(shù)據(jù)越積越多，“可視化”讓經(jīng)驗預測和真實偏差的概率一覽無余[5]，可以通過相關性分析和數(shù)據(jù)跟蹤來規(guī)劃未來。

3.1.4? 能耗云

平臺中智能預警模塊提供業(yè)界最全的網(wǎng)絡接入方式，對帶寬需求成倍降低，強大的智能分析平臺，實現(xiàn)對不安全因素的自動檢測和預警，通過數(shù)據(jù)共享的方式可跨域共享和檢索進行數(shù)據(jù)分析，大大提高了工程師的維護效率。界面如圖4所示。

3.2? 對外共享平臺

3.2.1? 供需對接交流

匯集行業(yè)內企業(yè)，以貼吧的形式提供一個表達和交流思想的自由網(wǎng)絡空間，并以此打破了當前信息孤島局面，促進信息交流，便于技術求助和共享，共同促進整個行業(yè)發(fā)展。

3.2.2? 信息展示

設有設備采購、原料采購、供需對接和人物訪談四個模塊，在采購頁面中以分類的方式方便采購者檢索設備信息，供需對接頁面中擁有求購、詢價信息展示及發(fā)布需求功能，人物訪談頁面中提供了專家的生產(chǎn)經(jīng)驗及棘手問題解決方案。

4? 結? 論

該文基于大數(shù)據(jù)相關技術，實現(xiàn)了機械機床的智能預警、可視物流、精準監(jiān)控、智能運營等方面的功能。創(chuàng)新機械機床數(shù)字化平臺細化為兩個分平臺，即對內管理平臺和對外共享平臺，用以加快建設智慧車間，增強工業(yè)產(chǎn)能，全力打造智能制造高地，加快企業(yè)“上云、用數(shù)、賦智”。隨著技術的不斷成熟，平臺相關功能也會變得越來越全面，行業(yè)間數(shù)據(jù)收集難等問題在相關政府部門的重視下將會得到解決。

參考文獻：

[1] 張錢錢.數(shù)控車間質量管理系統(tǒng)的設計與實現(xiàn) [D].成都：電子科技大學，2021.

[2] 廉凱.以數(shù)字山東建設為統(tǒng)領 加快實施國家大數(shù)據(jù)戰(zhàn)略 [J].軟件和集成電路，2019（8）：74-75.

[3] 王雙橋.計算機大數(shù)據(jù)分析與云計算網(wǎng)絡技術應用 [J].數(shù)字技術與應用，2023，41（2）：122-124.

[4] 劉鍇，關忠良.數(shù)字物流——運用現(xiàn)代信息技術實現(xiàn)物流數(shù)字化、一體化 [J].物流技術，2003（4）：32-33+47.

[5] 崔熙媛.一種加密交互NFT作品的控制方法、裝置及設備：CN202111533297.4 [P].2022-03-01.

作者簡介：關靜（1987.08—），女，漢族，山東棗莊人，講師，碩士研究生，研究方向：大數(shù)據(jù)、計算機。