大數據驅動的紡織智能制造平臺架構

張 潔， 呂佑龍， 汪俊亮， 王海超

(1. 東華大學 機械工程學院， 上海 201620； 2. 上海交通大學 機械與動力工程學院， 上海 200240)

大數據驅動的紡織智能制造平臺架構

張 潔1， 呂佑龍1， 汪俊亮2， 王海超2

(1. 東華大學 機械工程學院， 上海 201620； 2. 上海交通大學 機械與動力工程學院， 上海 200240)

在分析紡織工業面臨的“十三五”發展形勢與智能制造建設任務的基礎上，探討了大數據技術在新一代工業革命中的關鍵地位，詳細闡述了大數據對制造過程的透明化、精益化、高效化和智能化作用。基于工業4.0參考架構與中國智能制造標準化參考模型，分析了紡織智能制造的具體需求，以及信息物理融合技術與大數據技術在紡織智能制造中的核心地位與驅動作用。提出了大數據驅動的紡織智能制造平臺體系架構，闡述了橫向集成、縱向集成與端到端集成3項智能制造工作，以及基于大數據平臺的產品設計智能化、生產組織智能化、營銷智能化、售后服務智能化等應用場景。

紡織智能制造； 大數據； 平臺架構； 集成工作； 應用場景

推進紡織智能制造作為我國在紡織工業“十三五”期間的6項重點任務之一，需要在先進紡織裝備、紡織信息化技術和大規模個性化定制模式等方面展開突破性工作，幫助紡織行業實現在全球貿易新格局、消費市場新空間、產業模式新變革、區域結構新局面下的轉型升級[1]。

根據2012年的麥肯錫報告《大數據：創新、競爭和生產力的下一個領域》[2]，隨著傳感器、數據采集裝置和其他具備感知能力的智能設備在生產車間的大量、廣泛使用，制造業數據具備了海量體量、高實時性、高多樣性和高潛在價值等大數據特點[3]。以工業互聯網為基石，利用大數據的驅動力實現智能制造目標，已經是新一代工業革命的大勢所趨。

1)德國工業4.0計劃將大數據技術與移動計算、社會化媒體、物聯網等技術，作為推動下一次工業革命的核心動力[4-5]；

2)美國工業互聯網項目希望通過智能機器間的連接并最終人機連接，結合大數據分析，重構全球工業，激發生產力[6]；

3)《中國制造2025》規劃指出，要以信息化與工業化深度融合為主線，重點促進以云計算、物聯網、大數據為代表的新一代信息技術與現代制造業、生產性服務業等的融合創新，發展壯大新興業態，打造新的產業增長點[7]。

具體來說，大數據蘊含的巨大價值主要體現在可以幫助實現更透明、更精益、更高效、更智能的生產過程：

1)大數據的透明化作用包括了物理和信息2個層面，其中物理層面主要體現在通過數據實時采集手段實現對工廠生產過程的全面掌握，信息層面主要體現在通過大數據分析手段實現工廠運行規律的挖掘和運用[8-9]；

2)大數據的精益化作用體現在對生產過程各個環節進行數據全面監控與管理的基礎上，利用大量數據的統計分析算法，對生產過程中的物料、工藝、人員、設備、計劃等要素進行更加精確的管控[10]；

3)大數據的智能化作用體現在從設備自動化出發，利用互通互聯、數據集成、信息分析、知識歸納和智能應用過程，實現面向多個維度性能優化需求的制造過程智能決策，提升工廠制造水平[11]；

4)大數據的高效化作用體現在將智能決策方法應用在產品創新設計、工藝自動規劃、制造過程監控、產品質量管控、售后維護服務等多個應用場景，幫助提高工廠性能的持續提升，帶來可觀成本效益[12]。

在以上背景下，本文討論如何利用大數據技術推動紡織行業的透明化、精益化、智能化、高效化生產過程，形成以大數據為核心的紡織智能制造體系架構，對紡織行業的智能化轉型升級具有一定借鑒價值。

1 紡織智能制造需求

參照工業4.0參考架構模型(RAMI 4.0)[13]和中國智能制造標準化參考模型[14]，紡織智能制造體系應該是考慮了產品全生命周期、多個階段價值鏈和多層次系統架構的多維度建設工作：1)需要包括產品設計、生產制造、物流輸送、市場銷售和售后服務等紡織產品全生命周期的各個環節；2)需要實現資源配置、系統集成、互聯互通、信息融合和新興業態的紡織制造價值不斷提升；3)需要完成設備層、控制層、管理層、企業層、網絡層等系統層次化架構的全面構建與實現。

在滿足以上智能制造建設需求的過程中，信息物理融合系統(簡稱CPS)起著十分重要的作用。在利用物聯網技術全面互聯紡織制造過程各加工工序設備的基礎上，CPS系統在將紡織原料轉換為智能產品的過程中，通過接入服務互聯網，實現產品智能設計、設備智能維護、質量智能控制、生產智能調度、物流智能規劃等一系列智能服務功能，幫助紡織產品制造過程從自動化逐步提升為智能化和服務化[15]。

此外，隨著大量紡織工藝設備、眾多供應鏈成員、不同信息系統的互通互聯，紡織行業數據將呈現進一步爆發趨勢。通過集成市場、設計、工藝、生產、管理和銷售等的海量數據，紡織行業將實現產業鏈各個環節的融合與協同優化；通過分析挖掘這些數據中所蘊含的特征信息、規律知識和應用智能，紡織行業的整體智能化水平將得到顯著提升；通過將這些大數據技術應用到精準營銷模式、眾創設計平臺、自動工藝規劃、自適應生產調整和自主設備維護等環節，為紡織制造業帶來新的業務增長與附加價值。

綜上所述，需要以CPS系統為核心環節、大數據為驅動基礎，從產品全生命周期、制造價值鏈和層次化架構3個維度，打造大數據驅動的紡織智能制造平臺架構體系。

2 紡織智能制造平臺體系架構

參考工業4.0參考架構模型與中國智能制造標準化參考模型，本文提出以工業互聯網為基礎、信息物理融合平臺為核心、3大集成為手段的紡織智能制造平臺體系架構，如圖1所示(圖中，ERP系統是企業資源計劃系統的簡稱，PDM系統是產品數據管理的簡稱)。其中，橫向集成實現紡織生產車間及紡織供應鏈的協同優化；縱向集成實現制造過程的互聯化、數據化、信息化、知識化和智能化；端到端集成實現企業不同部門之間協同管理。

圖1 大數據驅動的紡織智能制造體系架構Fig.1 Framework of big-data-driven intelligent textile manufacturing

2.1 橫向集成

紡織行業智能制造的橫向集成指面向紡織產品的生產流程，實現物料、信息的全面集成，其可分為企業間橫向集成與企業內橫向集成2部分，如圖2所示(圖中MES是制造執行系統的簡稱)。企業間的橫向集成旨在打通產業鏈的信息壁壘，加速生產、采購、物流過程，提高產業協同水平，使大規模定制成為可能。針對紡織產品的全產業鏈，實現上游的纖維制造、紡紗，中游的織物織造、染整，下游的服飾制造與流通全流程的信息與物料集成。企業內部的橫向集成指在生產設備、生產過程、業務經營和信息系統上實現資源、業務和信息的全面集成。

圖2 紡織產業橫向集成工作Fig.2 Horizontal integration of textile industry

大數據催生了橫向集成的新需求，在企業間的橫向集成中，各企業之間采用的信息系統各不相同，如何構建統一的數據接口規范，實現數據的流轉是急需解決的關鍵問題。在企業內部，構建在工業通信網絡以及現場總線基礎之上的全流程數據的全局存儲、組織、查詢與分析應用，是實現橫向集成中的關鍵。

2.2 縱向集成

紡織過程中的縱向集成包括制造服務封裝，制造服務平臺與制造服務配置3個層次的縱向集成架構，如圖3所示。

圖3 織造車間縱向集成Fig.3 Longitudinal integration in the weaving shop

制造服務封裝指對制造資源、制造服務、制造能力進行封裝，實現資源、能力、服務的虛擬化封裝。制造服務平臺對流程中涉及的計劃、工藝、質量、物料和設備多個維度進行集成。以織造過程為例，從織造車間的生產計劃與調度、織造工藝執行與管理、織造生產過程質量管理、織造生產物流管理、織造車間設備管理5個方面實現集成。制造服務配置指在制造服務平臺的基礎上，實現設備網絡化協同共享，智能生產線構建服務、生產工藝實時優化決策與生產進程監控等多項配置功能。

2.3 端到端集成

在紡織產品的智能制造中，客戶將參與到產品的設計和生產中來，全產業鏈進行了更緊密的整合。在紡織車間的端到端集成基于高效的大數據處理技術，將供應商、銷售商、客戶、織物的應用環境與生產環境進行集成，快速、高效地完成織物設計、織物織造與染整、售后服務、信息反饋和織物回收，這使得紡織產品的大規模定制成為可能。成衣制造的端到端集成如圖4所示。

針對端到端集成目標，需要在大數據平臺中組織面向不同業務場景的數據倉庫，運用智能決策方法滿足業務需求。首先要針對供應商、銷售商、客戶等每一端形成數據標準報文，實現信息流通的標準化。此外，針對端到端集成帶來的按需大規模定制生產模式，基于大數據技術，設計面向設備管理、生產調度、工藝管理、產品質量等業務的決策算法，滿足新模式帶來的高效率與高柔性要求。

圖4 成衣制造端到端集成Fig.4 End-to-end integration for clothing manufacturing

3 紡織智能制造業務場景

基于3個集成工作，紡織智能制造體系需要實現多種業務場景下的應用，提升產品全生產周期中的智能化水平，如圖5所示(圖中，CAM是計算機輔助制造的簡稱，CAPP是計算機輔助工藝過程設計的簡稱，CAD是計算機輔助設計的簡稱，SDM是安全設備管理器的簡稱)。

圖5 基于大數據的紡織智能制造業務場景Fig.5 Applications of intelligent textile manufacturing

具體來看，存在織物研發/設計、紡織品生產組織、紡織品銷售與售后服務3大類業務場景。

3.1 織物研發/設計

本場景處于紡織工業的前端，包括織物研發設計環節中的產品設計智能化，紡織機械產品的協同工藝設計等。

3.1.1產品設計智能化

產品設計智能化通過客戶數據采集、大數據分析、供應鏈協同和工廠互聯化，實現全流程數據可視化和大規模定制化的生產目標，如圖6所示。

圖6 成衣產品設計智能化Fig.6 Intelligent designing of garment products

需要采集的數據包括時間維度、地域維度和紡織產品種類維度的市場消費數據，以及客戶的形體數據。然后基于復雜網絡、深度學習等方法的大數據分析，預測消費市場在時間維度和地域維度上的發展趨勢及其對各類紡織產品的需求度，從而準確把握各地紡織品消費市場的動向。大數據分析的結果通過互聯工廠平臺與全國各地供應商和經銷商共享，再分別針對整體和個體的用戶形體數據，對紡織產品進行研發定制，最后將成衣產品準確供應至全國各地。

3.1.2紡織機械的協同工藝設計

紡織機械的協同工藝設計(如圖7所示)，在ERP、MES、CAD、CAPP、CRM(客戶關系管理)等數字化和網絡化生產輔助軟件的基礎上，通過多元信息融合方法與制造特征識別方法實現紡織機械產品MBD模型的位置、工藝約束關系分析和特征相似度分析，建立紡織機械產品制造工藝專家知識庫，最終實現包含工藝設計、工藝表達、工藝生成和工藝發布的全流程三維數字化工藝建模，并搭建基于模型的工藝管理、工藝更改、工藝會簽、工藝審簽等協同工藝管控體系。

圖7 紡織機械的協同工藝設計Fig.7 Collaborative process planning for textile machinery

3.2 紡織品生產組織

本場景處于紡織工業的中游，主要包括紡織品生產組織環節的車間智能監控、先進生產調度、產品質量控制、制造資源優化等。

3.2.1紡織生產車間智能監控

紡織生產車間智能監控系統主要包括數據感知網絡和可視化監控系統2部分，如圖8所示。

圖8 紡織生產車間智能監控Fig.8 Intelligent monitoring of textile workshop

數據感知網絡是通過二維碼、無線射頻識別裝置(RFID)、藍牙、無線通訊等技術，對車間層面的實驗、設計、加工、存儲、裝配、質檢和物流等環節進行產品和設備的數據采集，并將采集數據傳輸到可視化監控中心。采集的數據最終通過BI等數據可視化工具，將數據以圖表形式呈現在車間可視化看板、工位可視化終端和其他移動終端上。

產品數據在各類終端上的可視化呈現可實現對整個產品制造過程的全方位監控。同時，生產線上裝備的運行數據可用于支持設備故障診斷、設備維護規劃和生產線協同管理等設備運維服務。產品制造過程和生產線的監控與管理通過對生產過程的智能感知、過程監控、故障診斷、運維服務，提高設備利用率和生產穩定性，提高紡織工藝水平與生產線生產效率。

3.2.2紡織車間先進生產調度

圖9示出紡織車間先進生產計劃與調度系統。由圖9可知，先進生產調度通過生產過程數據采集與分析平臺，建立融合訂單數據、產品數據、原料數據、設備數據、工藝數據、訂單數據、執行狀態數據、設備參數數據、調度信息、檢測數據、質量數據、配套數據等的紡織品多維狀態模型，考慮單工序生產過程中的各類影響因素，構建面向紡織生產過程的工序間多維耦合模型。在系統實時監控的基礎上，對工序完工時間和紡織品性能進行預測和異常評估。最后對數據融合模型中的逆調度因子進行識別，結合逆調度規則，制定自適應逆調度策略，優化計劃與調度方案，提高企業對客戶需求的快速反應能力。

圖9 紡織車間先進生產計劃與調度Fig.9 Advanced production scheduling in textile workshop

3.2.3織物產品質量控制

產品質量控制首先建立紡織生產過程的信息物理融合系統，并搭建大數據分析模塊作為物理系統與信息系統數據融合的媒介。大數據分析模塊以開放數據庫互連(ODBC)、傳輸控制/網絡通訊協義TCP/IP、Web Service等為數據協議，包含數據模型、統計分析、挖掘預測、持續查詢、分布式計算引擎、流計算引擎等功能，對從物理系統采集的數據進行處理和分析，用于支持信息系統層面的多維統計控制、質量異常偵測、質量智能評估和質量改進優化等。

3.2.4制造資源能效優化

制造資源能效優化針對紡織制造系統中的設備，如以化纖成套設備、紡紗設備、印染設備等為對象，以其效率評估數據集為基礎進行大數據分析，為紡織品生產過程的人、機、料、法、環等定制制造資源運行效率的精準評估量化規則，對制造資源運行效率進行實時預測，實現制造系統的異常自動偵測和統計過程監控，以此為依據制定紡織制造系統的主動維護計劃，完成制造系統的效率自優化。

3.3 紡織品銷售與售后服務

本場景處于紡織工業的末端，主要是售后服務和紡織品銷售環節的智能物流。

紡織智能制造體系中的智能物流以供應鏈數據、物料需求計劃數據、生產現場物料配送數據和生產訂單數據為數據源，其主要內容包括物流資源關聯、物流系統性能監控、生產執行跟蹤與控制、物流管理優化、關鍵物料安全庫存預警和物流資源綜合評估。

首先建立物料信息、生產計劃、物流計劃、庫存信息、采購信息、物料消耗、工具信息等物流資源的關聯關系。物流系統性能監控以訂單優先級、庫存捕獲策略、采購優先級等為調控手段進行物料管理，結合計劃排程、派工單、采購單進行物料監控。生產執行跟蹤的目的是對物料消耗、零部件庫存、物料準時送達利用率等物流信息進行預測、評價與控制。物流管理優化模型采用負反饋控制理論、智能并行算法、優化規則庫等調整物流數據。此外需要制定關鍵物料安全庫存預警等級，并形成物流資源綜合評估報表。

4 結束語

隨著以計算機、物聯網、服務互聯網為代表的信息技術在制造行業的不斷深入應用，制造業正在經歷以信息化與自動化深度融合為標志的新一代產業革命。大數據蘊含的巨大價值幫助實現智能過程的透明化、精益化、智能化與高效化，發揮了極為關鍵的作用。

本文分析了紡織行業在“十三五”期間面臨的智能制造建設任務，探討了信息物理融合技術與大數據技術在紡織智能制造中的核心地位與驅動作用，提出了包括一個基礎、一個核心和三大集成的紡織智能制造平臺體系架構，闡述了橫向集成、縱向集成與端到端集成3項智能制造工作，并對應用場景中的紡織智能制造工作進行了詳細闡述。本文提出的大數據驅動的紡織智能制造體系架構，對紡織行業合理應用與集成物聯網技術、服務互聯網技術、大數據技術、信息物理融合技術具有重要借鑒價值，為紡織制造工廠從自動化轉型升級到智能化發展，提供重要的參考。

[1] 工信部. 紡織工業 “十三五”發展規劃 [R]. 北京：工業和信息化部，2012.

Ministry of Industry and Information Technology. The “13th Five-Year” development plan for textile indus-try [R]. Beijing: Ministry of Industry and Information Technology, 2012.

[2] MANYIKA J., CHUI M., BROWN B., et al. Big data: the next frontier for innovation, competition, and productivity [R]. Las Vegas: The McKinsey Global Institute, 2012.

[3] LANEY D. 3D data management: controlling data volume, velocity and variety [J]. META Group Research Note, 2001(6): 70.

[4] 工業4.0工作組, 德國聯邦教育研究部. 德國工業 4.0 戰略計劃實施建議：上[J]. 機械工程導報, 2013 (8): 23-45.

Industrial Group 4.0，Federal Ministry for Education and Research. German industrial strategic plan implementation suggestion 4.0: part 1 [J]. Journal of Mechanical Engineering Review, 2013(8):23- 33.

[5] 羅文. 德國工業 4.0 戰略對我國推進工業轉型升級的啟示 [J]. 工業經濟論壇, 2014, 1(4): 52-59.

LUO Wen. Enlightenment of German industry 4.0 strategy on promoting industrial transformation and upgrading in china [J]. Industrial Economic Forum, 2014, 1(4): 52-59.

[6] 胡晶. 工業互聯網, 工業 4.0 和 “兩化”深度融合的比較研究[J]. 學術交流, 2015(1): 151-158.

HU Jing. Comparative study of industrial internet, Industry 4.0 and integration of information technology and industrialization [J]. Academic Exchange, 2015(1): 151-158.

[7] 國務院. 中國制造2025 [R]. 北京: 國務院, 2015.

The State Council of the People′s Republic of China. Made in China 2025[R]. Beijing: The State Council of the People's Republic of China, 2015.

[8] 祝憲民. “智能制造”和“數控一代”紡織機械發展探討 [J]. 紡織機械, 2011 (5): 2-4.

ZHU Xianmin. ″Intelligent manufacturing″ & ″NC next″: discussions on textile machinery evolution [J]. Textile Machinery, 2011 (5): 2-4.

[9] 王天然. 中國至2050年先進制造科技發展路線圖 [M]. 北京: 科學出版社, 2009:1-30.

WANG Tianran. Advanced Manufacturing Technology in China: a Roadmap to 2050 [M]. Beijing: Science Press, 2009:1-30.

[10] 路甬祥. 走向綠色和智能制造 [J]. 中國機械工程, 2010, 21(4): 379-386.

LU Yongxiang.Moving towards to green and intelligent manufacturing [J]. China Mechanical Engineering, 2010, 21(4): 379-386.

[11] 張潔, 高亮, 秦威,等. 大數據驅動的智能車間運行分析與決策方法體系 [J]. 計算機集成制造系統, 2016, 22(5): 1221-1229.

ZHANG Jie, GAO Liang, QIN Wei, et al. Big-data-driven operational analysis and decision-making methodology in intelligent workshop [J]. Computer Integrated Manufacturing Systems, 2016, 22(5): 1221-1229.

[12] 呂佑龍, 張潔. 基于大數據的智慧工廠技術框架[J]. 計算機集成制造系統, 2016, 22(11): 2691-2697.

Lü Youlong, ZHANG Jie. Big-data-based technical framework of smart factory [J]. Computer Integrated Manufacturing Systems, 2016, 22(11): 2691-2697.

[13] PETER A, HEINZ B, DIRZUS D, et al. Reference architecture model industrie 4.0 (RAMI4.0) [R].VDI/VDE Society Measurement and Automatic Control (GMA), 2015.

[14] 中國電子技術標準化研究院. 智能制造標準體系研究白皮書(2015年)[R]. 北京, 中國電子技術標準化研究院, 2015.

China Electronics Standardization Institute. White paper on research of intelligent manufacturing standards sys-tem (2015)[R]. Beijing: China Electronics Standardization Institute, 2015.

[15] 劉向舉, 李敬兆, 劉麗娜. 基于物聯網的紡織車間環境智能測控系統 [J]. 計算機應用, 2015, 35(7): 2073-2076.

LIU Xiangju, LI Jingzhao, LIU Lina. Research on environment intelligent measuring and controlling system of textile workshop based on internet of things [J]. Journal of Computer Application, 2015, 35(7): 2073-2076.

Big-data-drivenframeworkforintelligenttextilemanufacturing

ZHANG Jie1， Lü Youlong1， WANG Junliang2， WANG Haichao2

(1.CollegeofMechanicalEngineering,DonghuaUniversity,Shanghai201620,China; 2.SchoolofMechanicalEngineering,ShanghaiJiaotongUniversity,Shanghai200240,China)

As the development of the 13th Five-Year Plan and intelligent manufacturing, the textile industry is encouraged to be smarter. This paper pointed out the key position of big data technology in the coming new generation of industrial revolution, and set forth the effect of big data on transparentizing, refining, high efficiency and intellectualization of the manufacturing process. According to the industry 4.0 reference frame and the standard reference model of intelligent manufacturing in China, this paper analyzed the detail requirement of intelligent textile manufacturing, and the key position and the drive effect of the information physical fusion technology and big data technology in the intelligent textile manufacturing. The authors proposed a big-data-driven framework for intelligent textile manufacturing, expounded the three basic tasks in intelligent manufacturing: horizontal integration, vertical integration and end-to-end integration, and finally discussed some typically application occasion such as product design intellectualization, production organization intellectualization, sale intellectualization and after-sale service intellectualization based on the big data platform.

intelligent textile manufacturing; big data; platform framework; integration; application occasion

TH 186; TS 103

A

10.13475/j.fzxb.20170601307

2017-06-02

2017-07-10

國家自然科學基金資助項目(51435009)

張潔(1963—)，女，教授，博士。主要研究方向為智能制造與大數據、智能工廠與數字工廠、制造型服務、智能制造執行系統等。E-mail：mejiezhang@dhu.edu.cn。