面向智能制造的膠類中藥行業MES 系統設計

王東云，張鳳會，劉新玉，平燕娜

（1.黃淮學院 智能制造學院，駐馬店463000；2.中原工學院 電子信息學院，鄭州451191）

隨著全球新一輪技術革命和產業變革的深度融合[1]，膠類中藥企業的產品加工方式已不能滿足智能制造的需要。目前，膠類中藥企業生產設備實現了較高水平的自動化，但是網絡化程度較低，且不能進行有效的數據實時采集和存儲，給產品追溯、設備管理等智能化應用的開展造成較大困難[2]。

針對上述問題，一個有效的方法是實施面向智能制造的生產執行系統MES[3]。MES 系統于1990 年被美國先進制造公司首次提出，經過近三十年的發展，應用領域覆蓋離散與流程制造行業，美、德、日等制造強國對MES 系統的研究和應用已經很深入[4-5]，國內相關研究逐漸增多。在中藥生產領域，文獻[6]提出基于知識的中藥制藥企業MES 系統，將生產與管理中的知識提取到MES 系統，供MES 系統重用；文獻[7]介紹了制藥行業信息化解決方案，即生產制造系統在制藥行業中的應用；文獻[8]提出基于中藥制造提取車間各類狀態數據的在線采集和實時控制方案，構建了提取車間智能制造體系，但未對數據采集方式進行設計。

不同中藥種類的生產工藝差異較大，本文提出面向智能制造的膠類中藥智能生產數據管理平臺。采用開放平臺通信統一架構OPC-UA（OLE for process control unified architecture）標準，將無線射頻識別RFID（radio frequency identification）技術運用到膠類智能生產數采系統當中。在SQL Server 2014 數據庫設計數據模型并通過一致性與完整性驗證。本系統處于試驗階段，將于2019 年在工廠應用。實現膠類藥品在線質量檢測、產品追溯和設備預維護等智能化應用，有效提升企業經濟效益。

1 系統總體設計

1.1 需求分析

典型的膠類生產過程包括預處理、提取、濃縮、混成、制膠、包裝6 個階段，每個階段又包括多個具體環節，如圖1 所示。將現場設備分為傳統設備與單體自動化設備。其中傳統設備包括泡藥池、洗藥機、提沫機等，自動化設備包括雙效濃縮蒸發器、切膠機、內包機等。傳統設備完全是人工操作，耗時費力且生產效果不佳；單體自動化設備實現了自動控制，在一定范圍內可自動調節參數，但未與其余設備以及中控室設備網絡連接，致使每個設備都是一個信息孤島。除此之外，還存在以下現象：中間品、成品質量檢測均是離線送檢方式，檢測時間長、控制手段單一；生產記錄 表、清場記錄表、生產環節間的銜接以及物料清單等信息均采用人工記錄、回報的形式，數據不能實現自動采集與存儲，經常會出現脫節現象，致使數據的實時性、可追溯性無法保證；生產數據利用率低，不能為深入分析形成決策支持。

圖1 膠類生產流程Fig.1 Flow chart of glue production

隨著生產規模逐漸擴大以及智能化程度的加深，數據來源和數據量還將不斷增加。實現生產數據全范圍、全類型采集與存儲，并在此基礎上進行挖掘分析和可視化展示，使相關人員快捷、準確地獲取相應權限的生產數據，成為膠類中藥生產企業應用MES 系統的最主要的需求。

1.2 系統架構

本數據管理平臺是從數據產生、 數據采集、數據存儲、數據分析、數據應用的數據全生命周期進行設計，如圖2 所示。平臺劃分為采集層、存儲層、分析層、應用層，每相鄰兩層可進行數據交互，應用層通過工業以太網將信息反饋到人機交互界面或者直接作用到現場設備，形成閉環反饋，確保生產高效可控。整個平臺自底向上體現了數據、信息、知識和智慧的主線，全方位、深層次地感知和獲取生產數據，將孤立數據關聯起來，形成數據資源池，把數據變成信息，通過智能分析將信息變成知識，再把知識與信息技術融合起來支撐膠類生產的各項智慧應用。

圖2 膠類數據管理平臺Fig.2 Glue data management platform

其中，數據采集層分為兩部分，通過標準工業以太網或者無線網絡傳輸到數據中心服務器以及控制室，對于無以太網口的設備可利用RS485 總線或者安裝總線轉以太網模塊。數據采集后通過數據整合實現數據的清洗與集成，然后按照一定邏輯關系進行有效存儲。同時，管理平臺也將實現數據資產的登記注冊、目錄管理等工作。

數據分析層是按照應用層對生產環境的管理和決策支持的需求，對存儲層的六類數據進行分析、挖掘的層級。數據分析在制造過程數據庫基礎上，根據數據間屬性連接和主題相關性，構建以數據為節點、數據相關性為邊的數據關系復雜網絡[12]。按照數據分析的功能劃分，數據分析方法可以大致分為降維分析、分類與聚類分析、相關性分析和預測分析。本系統主要應用相關性分析，建立相關獨立關聯模型和非獨立關聯模型，為上層決策支持提供理論方法和數據支持。數據應用層是數據平臺的大腦。將優化的標準數據進行共享包裝，利用數據分析層提供的數據和功能接口，加上膠類生產特定模型的知識，從質量管理、能源管理、人員考核、產品追溯四個方面，產生相應生產管理的決策信息，并反饋到現場設備層，不斷優化生產。作為一站式服務平臺實現膠類生產智能工廠應用。

2 關鍵模塊設計

2.1 數據采集設計

數據采集是企業信息化過程中非常重要的部分，若沒有數據的有效采集，信息化就像是無源之水。本節按照數據來源將膠類生產現場數據分為設備數據、環境數據、質量數據、能耗數據、物料數據、人員數據六類。其中，設備數據包括生產設備預設與實際運行參數，設備的名稱、編號等數據，周期性采集即可；人員數據包括工人姓名、工號、工種等數據，屬于靜態數據，一次性輸入即可；質量數據包括原材料、半成品、成品的質量檢測數據，屬于靜態數據，隨每次檢測結果及時錄入；環境數據主要是膠類D 級生產車間的溫度、濕度以及塵埃粒子，屬于動態數據，需周期性實時采集；能耗數據包括用電量、蒸汽消耗量、食用水消耗量；物料數據包括出入庫數據、內外包材消耗數據、合格率等，屬離散靜態數據，需實時采集。

2.1.1 基于OPC-UA 標準的采集系統設計

基于PLC 系統的數據采集是自動化生產領域最主要的采集方式。由于各種原因，工廠自控設備不可能采用一家產品，而不同設備的生產廠家由于各自利益和技術局限性，往往采用自家的現場總線技術。對應OSI 七層通信模型，現行標準的工業以太網在傳輸層及以下基于IEEE 802.1-IEEE802.11標準，采用TCP/IP 協議。但是在傳輸層以上，如會話層、應用層還沒有統一的標準，這就導致了應用不同工業以太網的設備間可以互通互聯但是不能互操作，即不能識別彼此傳輸的數據和指令。除此之外，系統編程軟件和組態軟件與硬件緊密綁定，不同廠商間的軟硬件不能混用，這對系統集成、備品備件、人才培養造成很大困擾。鑒于此，本系統采用OPC-UA 通信標準[13]的方式采集部分數據，以實現設備間以及信息系統間數據的交換和語義的互通，如圖3 所示。

圖3 基于OPC-UA 標準的數據采集示意圖Fig.3 Schematic diagram of data acquisition based on OPC-UA standard

現場工藝設備以及D 級生產區的溫度傳感器、濕度傳感器、 粉塵粒子傳感器通過網口或者RS485串口與數據采集網關設備連接，數據采集網關設備通過標準的工業以太網或者無線傳輸，將數據通過交換機傳輸到MES 系統服務器。數據采集網關設備嵌入OPC-UAserver，MES 系統服務器嵌入OPC-UA client。處于監視控制層或車間層的OPC-UA client應用程序可直接獲取現場數據，期間無任何數據格式變化，避免了由于協議轉換而帶來的延遲。

2.1.2 RFID 采集系統設計

RFID 是構建物聯網的關鍵技術，廣泛應用在食品安全溯源、出入庫管理系統、門禁系統等領域。典型的RFID 系統主要包括讀寫器、 電子標簽、RFID中間件、應用系統軟件四部分[14]。其中，讀寫器又稱閱讀器，是對電子標簽進行讀/寫的關鍵設備，可外接電線增強功率，然后通過無線射頻方式將能量與時鐘傳送給電子標簽。電子標簽主要以貼附在物體表面的形式存在，內部芯片包括控制模塊與存儲器兩部分，射頻模塊通過天線與讀寫器進行數據交互。中央信息系統，包括RFID 中間件與系統數據庫，可對信息進行有效處理[15]。

本文應用RFID 采集物料數據、 人員數據以及部分設備數據和生產過程中的數據。系統結構如圖4 所示，生產過程中會通過RFID 讀寫器掃描膠類原材料上的標簽，采集原材料產地、質地、采購人以及提供商的信息；同理，采集出入庫信息和設備維護信息以及人員考勤信息。數據經過網絡傳送到中央信息系統以及工廠監控部門[16]，為膠類質量安全溯源、人員考勤以及設備維護提供基礎數據支撐。

圖4 RFID 系統結構Fig.4 RFID system structure

2.2 數據存儲設計

因為現場數據紛繁復雜，既有不同單位、不同范圍的各類傳感器數據，也有通過人機交互界面輸入的人工數據以及其他類型數據。為了實現統一管理，必須對數據進行整理和劃分，按照各類數據類型和格式建立標準化的數據邏輯模型。

2.2.1 數據庫處理邏輯

數據處理邏輯如圖5 所示，當各工藝環節的數據采集設備發來數據更新信號時，數據庫進行數據接收并判斷是否接收完畢。如果判斷接收完畢則進行數據校驗，若判斷未接收完畢或未接收到數據，則返回上一狀態，準備接收數據。數據接收完畢后，對數據合法性、完整性進行校驗，判斷是否校驗成功，若校驗成功，則進行數據處理、數據存儲。否則認為數據為非法數據，程序結束，返回開始狀態。從數據是否接收完畢到程序結束，每個過程均記錄在日志中，以備數據存儲和數據修復等。

圖5 數據庫處理邏輯Fig.5 Data base processing logic

2.2.2 數據關系分析

為了實現面向應用的數據分析，完成數據平臺設定的各項功能，需要使用統一建模語言，并利用跨庫關聯檢索的方式進行數據集的構建。基于對現場數據的分類以及對生產工藝過程分析，可知六類現場數據是關聯的，他們之間的關系可以用實體聯系圖進行描述。

以工藝參數表為例說明，如表1 所示。實體主鍵屬性為工藝參數編號，表示工藝參數表的唯一標識。外鍵有預設編號和產品編號，用于與設備預設參數表和產品表的聯系。一般屬性還有工藝參數名稱、單位、上限值、下限值以及工藝錄入人。每個屬性設置適合的參數類型，保證數據的完整性和一致性。

表1 工藝參數表Tab.1 Process parameter

3 系統實現

3.1 數據庫實現

由于界面原因，只截取質量數據相關表格，如圖6 所示。將數據模型導入SQL Server 2014，驗證模型一致性與完整性。驗證通過后，將邏輯模型轉化為數據庫可識別的物理模型，刷新數據庫，生成設計的數據表。

圖6 數據庫實現Fig.6 Database implementation

3.2 MES 系統原型實現

膠類中藥MES 系統采用C++語言，基于SIMATIC NET V12 服務器，開發OPC-UA 數據采集客戶端；使用JAVA 語言進行后臺開發，數據庫采用SQL Server 2014 與Oracle，最終實現MES 軟件原型開發。

系統的主控制界面如圖7 所示。預設十個功能模塊，其中已經實現運行的模塊包括：設備管理、人員績效管理、生產計劃管理。軟件安裝在控制室中，根據不同的職位分配不同的權限，保證軟件安全、穩定運行。

圖7 MES 系統控制界面圖Fig.7 MES control interface diagram

4 結語

本文針對膠類中藥生產，在企業智能化改造的需求基礎上，設計基于MES 系統的膠類中藥智能生產數據管理平臺。對采集何種數據、如何采集數據、數據存儲方式、數據應用等問題進行了論述，實現了現場數據的有效管理和智能應用，對制膠企業智能化改造具有借鑒作用。下一步將充分吸收互聯網、大數據、人工智能最新技術，與實際生產相結合，篩選影響質量指標的參數，利用先進算法，不斷優化參數的權重，建立數據驅動的質量在線檢測模型，提高生產效率和產品合格率。