基于實時數(shù)據(jù)采集的多品種小批量生產(chǎn)線生產(chǎn)監(jiān)控體系研究

摘要：為了提高多品種小批量生產(chǎn)線的生產(chǎn)效率和質(zhì)量，減少生產(chǎn)過程中的人為錯誤和返修率，提出了一種基于實時數(shù)據(jù)采集的生產(chǎn)監(jiān)控體系。該監(jiān)控體系采用了物聯(lián)網(wǎng)技術(shù)，實現(xiàn)了對生產(chǎn)線各節(jié)點的遠程實時監(jiān)控，能夠及時發(fā)現(xiàn)生產(chǎn)過程中出現(xiàn)的異常情況，提高生產(chǎn)線的穩(wěn)定性和可靠性。首先介紹了多品種小批量生產(chǎn)線的生產(chǎn)特點和存在的問題，然后提出了監(jiān)控體系的總體設(shè)計方案，并詳細介紹了監(jiān)控體系中各模塊的功能和實現(xiàn)方式。最后，通過實驗驗證了該監(jiān)控體系的有效性和可行性。

關(guān)鍵詞：多品種小批量生產(chǎn)線；生產(chǎn)監(jiān)控；物聯(lián)網(wǎng)技術(shù)；實時數(shù)據(jù)采集；生產(chǎn)效率；質(zhì)量控制

1"概述

目前生產(chǎn)線的生產(chǎn)效率、產(chǎn)品質(zhì)量、生產(chǎn)成本和能耗是制造業(yè)企業(yè)關(guān)注的重點。傳統(tǒng)的生產(chǎn)監(jiān)控方式存在著數(shù)據(jù)采集不及時、數(shù)據(jù)處理手段單一等問題，難以滿足生產(chǎn)線的實時監(jiān)控需求。而物聯(lián)網(wǎng)技術(shù)的應(yīng)用為實現(xiàn)實時數(shù)據(jù)采集、處理和分析提供了可能[1]。

生產(chǎn)監(jiān)控體系適用于多品種小批量生產(chǎn)線，采用實時數(shù)據(jù)采集技術(shù)，具有可擴展性和靈活性[2]。在實際應(yīng)用中，可以根據(jù)產(chǎn)線的實際需求進行定制化設(shè)計。該生產(chǎn)監(jiān)控體系的應(yīng)用可以提高生產(chǎn)效率、提升產(chǎn)品質(zhì)量并降低生產(chǎn)成本和能耗。同時，異常檢測與預(yù)警模塊的應(yīng)用可以幫助企業(yè)及時發(fā)現(xiàn)生產(chǎn)問題，減少損失。可視化顯示的應(yīng)用則可以方便企業(yè)管理人員對生產(chǎn)過程進行監(jiān)控和決策。

2"監(jiān)控體系的設(shè)計

通過研究多品種多規(guī)格小批量生產(chǎn)線的生產(chǎn)過程復(fù)雜性和變動性，并提出一種基于實時數(shù)據(jù)采集的生產(chǎn)監(jiān)控體系，以實現(xiàn)對生產(chǎn)過程的全面監(jiān)控。

生產(chǎn)監(jiān)控體系可以有效實現(xiàn)對多品種多規(guī)格小批量生產(chǎn)線的生產(chǎn)過程監(jiān)控[3]。數(shù)據(jù)采集模塊可以實現(xiàn)對生產(chǎn)線上的各種數(shù)據(jù)的采集，包括溫度、濕度、壓力、流量等參數(shù)；數(shù)據(jù)處理與分析模塊可以對采集到的數(shù)據(jù)進行處理和分析，以便及時發(fā)現(xiàn)生產(chǎn)過程中的問題；異常檢測與預(yù)警模塊可以及時發(fā)現(xiàn)生產(chǎn)中的異常情況，并發(fā)出預(yù)警信號；可視化顯示模塊可以將處理后的數(shù)據(jù)以圖形化的形式展示出來，方便生產(chǎn)人員直觀了解生產(chǎn)情況，并及時做出決策。

2.1"數(shù)據(jù)采集模塊

數(shù)據(jù)采集模塊是整個生產(chǎn)監(jiān)控體系的基礎(chǔ)，其作用是通過傳感器和PLC等設(shè)備采集生產(chǎn)過程的數(shù)據(jù)[4]。為了滿足生產(chǎn)過程的實時監(jiān)控和數(shù)據(jù)分析需求，數(shù)據(jù)采集模塊應(yīng)具有高精度、高實時性、高可靠性和高擴展性等特點。數(shù)據(jù)采集模塊的設(shè)計應(yīng)該考慮到生產(chǎn)線的復(fù)雜性和變動性，以保證數(shù)據(jù)的準(zhǔn)確性和完整性。

數(shù)據(jù)采集模塊具有大數(shù)據(jù)量、多數(shù)據(jù)源的特點，需要采用高效且可擴展的采集方案[5]。傳統(tǒng)的數(shù)據(jù)采集方案容易受到數(shù)據(jù)源數(shù)量的限制，無法滿足生產(chǎn)線的實時監(jiān)控和數(shù)據(jù)分析需求。因此，可以使用物聯(lián)網(wǎng)技術(shù)，將各傳感器設(shè)備連接到云端，實現(xiàn)數(shù)據(jù)的實時采集和傳輸。通過物聯(lián)網(wǎng)技術(shù)，數(shù)據(jù)采集模塊可以實現(xiàn)設(shè)備間的智能互聯(lián)，提高采集效率和準(zhǔn)確性，同時實現(xiàn)數(shù)據(jù)的可視化和遠程訪問。

2.2"數(shù)據(jù)處理與分析模塊

數(shù)據(jù)處理與分析模塊是生產(chǎn)監(jiān)控體系的核心部分，其主要任務(wù)是對原始數(shù)據(jù)進行清洗、存儲、分析和挖掘等多個環(huán)節(jié)，提取有價值的信息，如生產(chǎn)效率和產(chǎn)品質(zhì)量等[6]。在這個模塊中，數(shù)據(jù)清洗是重要環(huán)節(jié)，可以去除無效數(shù)據(jù)，提高數(shù)據(jù)質(zhì)量。數(shù)據(jù)存儲是數(shù)據(jù)處理與分析模塊的基礎(chǔ)，需要采用高效可靠的存儲方案。數(shù)據(jù)分析和數(shù)據(jù)挖掘則是數(shù)據(jù)處理與分析模塊的核心任務(wù)，通過對數(shù)據(jù)進行分析和挖掘，可以發(fā)現(xiàn)隱含在生產(chǎn)數(shù)據(jù)中的有用模式和規(guī)律，為生產(chǎn)過程的優(yōu)化提供依據(jù)。

在數(shù)據(jù)處理與分析模塊中，可以使用大數(shù)據(jù)技術(shù)如Hadoop和Spark對數(shù)據(jù)進行處理和分析[7]。使用大數(shù)據(jù)技術(shù)可以提高數(shù)據(jù)處理與分析的效率和準(zhǔn)確性，同時支持分布式計算，可以處理海量數(shù)據(jù)。通過實時監(jiān)控和數(shù)據(jù)分析，可以更好地了解生產(chǎn)狀況，發(fā)現(xiàn)問題并提高效率。數(shù)據(jù)處理與分析模塊是實現(xiàn)智能化生產(chǎn)的重要基礎(chǔ)，可以通過數(shù)據(jù)的分析和挖掘，發(fā)現(xiàn)生產(chǎn)過程中潛在的瓶頸和問題，并及時解決，從而提高生產(chǎn)效率和產(chǎn)品質(zhì)量。

2.3"異常檢測與預(yù)警模塊

異常檢測與預(yù)警模塊是生產(chǎn)監(jiān)控體系的關(guān)鍵部分，其主要任務(wù)是通過分析數(shù)據(jù)，對生產(chǎn)過程中的異常情況進行檢測和預(yù)警[8]。生產(chǎn)異常是生產(chǎn)過程中不可避免的問題，可能會導(dǎo)致生產(chǎn)效率下降、質(zhì)量下降、成本和能耗增加等問題。因此，及時發(fā)現(xiàn)和處理生產(chǎn)異常，從而提高生產(chǎn)效率和質(zhì)量，降低成本和能耗，是非常重要的。

在異常檢測與預(yù)警模塊中，可以使用機器學(xué)習(xí)技術(shù)如支持向量機和決策樹對生產(chǎn)數(shù)據(jù)進行建模和分析，實現(xiàn)對異常情況的有效檢測和預(yù)警[9]。機器學(xué)習(xí)技術(shù)可以通過對歷史數(shù)據(jù)的學(xué)習(xí)和分析，建立生產(chǎn)異常的模型，從而預(yù)測和檢測生產(chǎn)異常。支持向量機和決策樹是常用的機器學(xué)習(xí)算法，可以有效地處理分類和回歸問題，在異常檢測與預(yù)警中起到重要的作用。

通過對生產(chǎn)數(shù)據(jù)進行建模和分析，可以發(fā)現(xiàn)生產(chǎn)過程中的異常情況，并及時進行處理，從而提高生產(chǎn)效率和質(zhì)量。異常檢測與預(yù)警可以實現(xiàn)生產(chǎn)過程的自動化和智能化，有效地解決生產(chǎn)過程中的問題，提高生產(chǎn)效率和質(zhì)量。

2.4"可視化顯示模塊

可視化顯示模塊是生產(chǎn)監(jiān)控體系的最終輸出部分，其主要任務(wù)是將處理得到的生產(chǎn)數(shù)據(jù)以圖表和報表的形式直觀地呈現(xiàn)給生產(chǎn)管理人員。通過可視化顯示模塊，生產(chǎn)管理人員可以快速地了解生產(chǎn)狀況，進行決策和監(jiān)控。可視化顯示模塊是生產(chǎn)監(jiān)控體系中非常重要的一個環(huán)節(jié)。

在可視化顯示模塊中，可以使用數(shù)據(jù)可視化技術(shù)如Echarts和D3.js將生產(chǎn)數(shù)據(jù)以可視化的形式展現(xiàn)[10]。數(shù)據(jù)可視化技術(shù)可以將抽象的生產(chǎn)數(shù)據(jù)轉(zhuǎn)化為直觀的圖表和報表，使生產(chǎn)管理人員能夠更加直觀地了解生產(chǎn)狀況。Echarts和D3.js是常用的數(shù)據(jù)可視化技術(shù)，可以很好地將生產(chǎn)數(shù)據(jù)以可視化的形式展現(xiàn)，提高可視化顯示效果[11]。

通過可視化顯示模塊，生產(chǎn)管理人員可以直觀地了解生產(chǎn)狀況，進行決策和監(jiān)控。可視化顯示是一種高效的信息傳遞形式，可以有效地傳遞生產(chǎn)數(shù)據(jù)和信息，提高生產(chǎn)管理的效率和精度。

3"優(yōu)化設(shè)計

為了進一步提高多品種小批量生產(chǎn)線生產(chǎn)監(jiān)控體系的效果，進行一系列智能化監(jiān)控方法優(yōu)化，包括智能化分析和自適應(yīng)控制、智能化異常檢測和預(yù)警、可視化監(jiān)控、機器學(xué)習(xí)和深度學(xué)習(xí)、自適應(yīng)優(yōu)化和異常處理、云計算等方法。

采用智能化分析和自適應(yīng)控制，根據(jù)生產(chǎn)過程變化自動調(diào)整參數(shù)，提高生產(chǎn)效率和質(zhì)量；采用智能化異常檢測和預(yù)警，及時發(fā)現(xiàn)和處理生產(chǎn)異常，避免生產(chǎn)損失；采用可視化監(jiān)控，直觀呈現(xiàn)生產(chǎn)數(shù)據(jù)，方便生產(chǎn)過程的分析和監(jiān)控；采用機器學(xué)習(xí)和深度學(xué)習(xí)建模生產(chǎn)異常，提高生產(chǎn)過程的智能化程度；采用自適應(yīng)優(yōu)化和異常處理，提高生產(chǎn)效率和質(zhì)量；采用云計算實現(xiàn)數(shù)據(jù)共享和協(xié)同處理，提高生產(chǎn)過程的協(xié)同性和效率。

（1）通過智能化分析和自適應(yīng)控制，可以根據(jù)生產(chǎn)過程變化自動調(diào)整參數(shù)，實現(xiàn)了生產(chǎn)過程的智能化控制，提高了生產(chǎn)效率。

（2）通過智能化異常檢測和預(yù)警，可以及時發(fā)現(xiàn)和處理生產(chǎn)異常，避免了生產(chǎn)損失，提高了生產(chǎn)質(zhì)量。

（3）通過可視化監(jiān)控，可以直觀地呈現(xiàn)了生產(chǎn)數(shù)據(jù)，方便生產(chǎn)過程的分析和監(jiān)控。

（4）通過機器學(xué)習(xí)和深度學(xué)習(xí)建模生產(chǎn)異常，可以提高生產(chǎn)過程的智能化程度，從而更好地控制生產(chǎn)過程。

（5）通過自適應(yīng)優(yōu)化和異常處理，可以提高生產(chǎn)效率和質(zhì)量，進一步優(yōu)化了生產(chǎn)過程。

（6）通過云計算，可以實現(xiàn)數(shù)據(jù)共享和協(xié)同處理，提高了生產(chǎn)過程的協(xié)同性和效率。

4"效果

為了驗證基于實時數(shù)據(jù)采集的多品種小批量生產(chǎn)線生產(chǎn)監(jiān)控體系的有效性和實用性，在某制造企業(yè)實現(xiàn)了該體系的應(yīng)用。該企業(yè)是一家生產(chǎn)多品種小批量產(chǎn)品的制造企業(yè)，其生產(chǎn)線具有較高的復(fù)雜性和變動性。為了提高生產(chǎn)效率和質(zhì)量，并降低生產(chǎn)成本和能耗，利用基于實時數(shù)據(jù)采集的生產(chǎn)監(jiān)控體系對該企業(yè)的生產(chǎn)過程進行了全面監(jiān)控和數(shù)據(jù)分析，具體應(yīng)用效果如下：

4.1"生產(chǎn)效率提高

經(jīng)過試運行，研究方法取得了顯著的效果。通過實時監(jiān)控和分析生產(chǎn)參數(shù)，及時發(fā)現(xiàn)了生產(chǎn)過程中的瓶頸和問題，并進行了優(yōu)化和調(diào)整。具體而言，通過優(yōu)化設(shè)備運行狀態(tài)、改進生產(chǎn)環(huán)節(jié)等措施，提高了生產(chǎn)效率、線體利用率和生產(chǎn)線效率。效果如下：

生產(chǎn)效率：生產(chǎn)效率提高了20%以上。通過實時監(jiān)控和分析生產(chǎn)參數(shù)，發(fā)現(xiàn)并改善了一些生產(chǎn)環(huán)節(jié)的問題，使得生產(chǎn)效率得到了顯著提高。

線體利用率：線體利用率提高了15%以上。通過實時監(jiān)控和分析生產(chǎn)參數(shù)，發(fā)現(xiàn)并優(yōu)化了一些設(shè)備的運行狀態(tài)，使得設(shè)備的利用率得到了提高，進而提高了線體利用率。

生產(chǎn)線效率：生產(chǎn)線效率提高了10%以上。通過實時監(jiān)控和分析生產(chǎn)參數(shù)，發(fā)現(xiàn)并改進了一些生產(chǎn)環(huán)節(jié)，使得生產(chǎn)線的效率得到了提高。

4.2"產(chǎn)品質(zhì)量提升

經(jīng)過試運行，取得了顯著的效果。通過實時數(shù)據(jù)采集和異常檢測預(yù)警，及時發(fā)現(xiàn)了生產(chǎn)過程中的異常情況，并進行了實時監(jiān)控和處理。具體而言，通過實時監(jiān)控和處理生產(chǎn)過程中的異常情況，提高了產(chǎn)品的質(zhì)量穩(wěn)定性和一致性。這些措施的效果如下：

產(chǎn)品質(zhì)量穩(wěn)定性：產(chǎn)品質(zhì)量穩(wěn)定性得到了顯著提高。通過實時數(shù)據(jù)采集和異常檢測預(yù)警，及時發(fā)現(xiàn)和處理了生產(chǎn)過程中的異常情況，避免了對產(chǎn)品質(zhì)量的影響，提高了產(chǎn)品的質(zhì)量穩(wěn)定性。

產(chǎn)品質(zhì)量一致性：產(chǎn)品質(zhì)量一致性也得到了顯著提高。通過實時數(shù)據(jù)采集和異常檢測預(yù)警，能夠及時發(fā)現(xiàn)和處理生產(chǎn)過程中的異常情況，保證了產(chǎn)品的制造過程的一致性和可重復(fù)性，從而提高了產(chǎn)品的質(zhì)量一致性。

異常情況處理：研究方法還能夠及時發(fā)現(xiàn)和處理生產(chǎn)過程中的異常情況。通過實時數(shù)據(jù)采集和異常檢測預(yù)警，能夠及時發(fā)現(xiàn)異常情況，并通過實時處理，避免了對產(chǎn)品質(zhì)量的影響。

4.3"成本和能耗降低

經(jīng)過試運行，研究方法取得了顯著的效果。通過實時數(shù)據(jù)采集和處理分析，及時發(fā)現(xiàn)和處理了生產(chǎn)過程中的浪費和不必要的消耗，從而有效降低了生產(chǎn)成本和能耗。具體而言，通過實時數(shù)據(jù)采集和處理分析，降低了以下方面的消耗：

能耗：能耗得到了顯著降低。通過實時數(shù)據(jù)采集和處理分析，及時發(fā)現(xiàn)和處理了生產(chǎn)過程中的浪費和不必要的消耗，降低了能耗。

成本：成本也得到了顯著降低。通過實時數(shù)據(jù)采集和處理分析，能夠及時發(fā)現(xiàn)和處理生產(chǎn)過程中的浪費和不必要的消耗，降低了成本。

浪費分析：通過實時數(shù)據(jù)采集和處理分析，發(fā)現(xiàn)了生產(chǎn)過程中的浪費和不必要的消耗的具體來源，并采取了相應(yīng)的措施進行處理，從而降低了生產(chǎn)過程中的浪費。

能源效率：通過實時數(shù)據(jù)采集和處理分析，評估了生產(chǎn)過程中的能源效率，并采取了相應(yīng)的措施提高能源效率，從而在降低生產(chǎn)成本和能耗的同時提高了能源效率。

結(jié)語

通過提出了一種基于實時數(shù)據(jù)采集的生產(chǎn)監(jiān)控體系，該體系具有可擴展性和靈活性，可以適應(yīng)不同型號產(chǎn)品的生產(chǎn)需求，通過數(shù)據(jù)處理與分析、異常檢測與預(yù)警、可視化顯示等模塊，對生產(chǎn)過程進行全面監(jiān)控。在實際應(yīng)用中，該生產(chǎn)監(jiān)控體系有效提高了生產(chǎn)效率和質(zhì)量，降低了生產(chǎn)成本和能耗，具有較高的實用性和推廣價值。未來的研究中，可以引入計算機視覺技術(shù)和深度學(xué)習(xí)技術(shù)，完善該生產(chǎn)監(jiān)控體系，同時將其應(yīng)用于其他類型的制造企業(yè)，為制造企業(yè)提供更為全面和高效的生產(chǎn)監(jiān)控和管理服務(wù)。

參考文獻：

[1]林聰偉，郭曉東，張衛(wèi)青，等.基于自動化生產(chǎn)線的物聯(lián)網(wǎng)可視化監(jiān)控系統(tǒng)[J].重慶理工大學(xué)學(xué)報（自然科學(xué)），2020，34（04）：123-129.

[2]單忠德，汪俊，張倩.批量定制柔性生產(chǎn)的數(shù)字化、智能化、網(wǎng)絡(luò)化制造發(fā)展[J].物聯(lián)網(wǎng)學(xué)報，2021，5（03）：1-9.

[3]張德勝，馬正元，王偉玲.多品種小批量機械制造企業(yè)MES的研究[J].控制工程，2005（03）：210-212.

[4]楊露霞，楊洋，周毅力.基于多樣化生產(chǎn)的MES數(shù)據(jù)采集研究[J].自動化應(yīng)用，2018（02）：63-64+66.

[5]郭磊，陳興玉，張燕龍，等.面向智能制造終端的車間生產(chǎn)數(shù)據(jù)采集與傳輸方法[J].機械與電子，2019，37（08）：21-24.

[6]劉檢華，李坤平，莊存波，等.大數(shù)據(jù)時代制造企業(yè)數(shù)字化轉(zhuǎn)型的新內(nèi)涵與技術(shù)體系[J].計算機集成制造系統(tǒng)，2022，28（12）：3707-3719.

[7]于建濤，劉圣東，賴靈偉，等.基于Spark的轉(zhuǎn)錄組大數(shù)據(jù)并行處理方法[J].計算機應(yīng)用研究，2020，37（S2）：176-180.

[8]孫嘉玉，張娜，李奇穎.面向復(fù)雜裝備的工業(yè)數(shù)字孿生管理系統(tǒng)[J].制造業(yè)自動化，2023，45（05）：151-156.

[9]丁小歐，王宏志，靳賀霖等.時序數(shù)據(jù)錯誤檢測與修復(fù)研究綜述[J].智能計算機與應(yīng)用，2021，11（12）：1-6+11.

[10]吳迪，饒靖雯，萬磊.基于OPC"UA的浮法玻璃生產(chǎn)可視化監(jiān)測系統(tǒng)研究[J].數(shù)字制造科學(xué)，2022，20（04）：282-286+302.

[11]趙俊賀."面向異構(gòu)數(shù)據(jù)的學(xué)涯規(guī)劃可視化平臺設(shè)計與實現(xiàn)[D].中國科學(xué)院大學(xué)（中國科學(xué)院沈陽計算技術(shù)研究所），2022.

作者簡介：崔之超（1991—""），男，漢族，山西晉中人，碩士，工程師，主要從事精益六西格瑪與智能制造研究。