【www.zhangdahai.com--其他范文】
刘晶晶, 韩秀林, 于振宁, 刘传水,李建一, 胡 涛, 王 洋
(1. 华油钢管有限公司, 河北青县 062658;
2. 河北省高压管线螺旋焊管技术创新中心, 河北青县 062658)
焊管制造是标准化的工业流程, 有着较多的工序、 较复杂的工艺以及繁多的指标等特点,生产过程中会产生大量的数据。
随着全球焊管市场竞争压力的增大, 企业可以通过提高产品质量、 产品生产效率、 降低生产过程中的能耗等方式在激烈的竞争中脱颖而出, 将传统的焊管制造企业发展成为智能化、 绿色化的企业。由于焊管产品的种类和质量各不相同, 对生产数据实施有效的采集、 传输、 分析和监控是提高焊管产品整体质量和生产效率的关键, 也是焊管生产企业从自动化、 信息化走向数字化、智能化的重要因素。
近年来, 在大数据、 云计算、 人工智能为代表的新一代信息技术蓬勃发展的背景下, 石油装备制造业紧密把握 “中国制造2025” 战略机遇,坚持转变发展方式, 深入推进信息化与工业化深度融合[1]。
螺旋焊管生产工厂自动化、 信息化水平不断提升, 通过信息系统应用实现了生产车间人员、 设备、 物料、 测量等生产要素的实时监控[2]。MES 系统[3]、 物联网系统[4]和SCADA[5]系统的持续应用与优化, 对生产制造过程中的多源信息采集[6]、 生产过程动态可视化监控[7-8]以及数据、 信息与知识协同和交互效能提出了更高的要求[9]。
在焊管生产线向智慧工厂转型过程中, 积累了海量的生产数据信息, 而这些数据信息又分布在不同的应用系统中, 存在信息流与实物流脱节、 生产过程不透明等问题[10], 如何有效实现各系统之间的集成应用, 并存储管理、 分析和应用这些数据资源进行效率分析, 对于管理决策具有重要作用[11]。
从这个角度出发, 本研究提出并设计了基于物联网系统、 SCADA 系统和MES 系统的焊管机组生产线监控系统, 并对软件的设计与实现进行了叙述, 为信息系统之间的集成提供了实现方式, 为制造过程中的生产过程信息、 设备状态信息、 数据统计信息的监控提供了一种新的交互模式和实现途径。
螺旋埋弧焊管制造工艺从带钢进入拆卷机开始, 经过二十几道工序, 最后制成焊管成品, 整个过程全部在机械化、 数字化的生产线上连续完成。
焊管生产工艺整体流程如图1 所示。
从带钢开卷到定尺切断前工序为成型阶段。
成型阶段的主要工序包括拆卷→矫平→剪板→对头焊→粗铣边→精铣边→递送成型→内外焊接→定尺切断。在成型阶段, 带钢经螺旋成型及焊接后制成焊管。
精整阶段的主要工序包括管端内外焊缝磨削→管端扩径→全焊缝X 光检测→水压试验→管体及焊缝超声波探伤→倒棱→成品检验→成品喷标入库。
经过精整阶段, 得到合格的螺旋埋弧焊管成品。
2.1 系统架构
焊管生产监控系统主要通过数据采集引擎和数据处理引擎的应用, 建立实时数据库和历史数据库, 完成实时数据采集、 处理。
MySQL 中间数据库对各种数据源分类规整存储, 实现生产、 质量、 理化数据的报表分析导出, 设备运行状态的在线监控, 能耗信息的多维度分析及日报月报的多元化分析。
焊管生产监控系统架构如图2 所示。
2.2 功能架构
焊管生产监控系统的业务功能主要是对焊管生产过程中的生产数据实施监控, 其中包括产品质量、 生产工艺、 物料信息等数据, 实现对数据的整合过滤分析。
焊管生产监控系统功能架构如图3 所示。
生产监控系统结合焊管生产过程中的物联网系统、 MES 系统、 SCADA 系统搭建ETL 数据仓库[12],并为算法分析模块提供数据, 把分析结果回存到ETL 数据仓库。
系统提供用户对数据的管理, 数据可视化模块通过ETL 数据仓库提供数据, 对用户展示。
图4 所示为焊管生产监控系统实施内容。
3.1 ETL 数据仓库应用
ETL 负责将业务系统分布的、 异构数据源中的数据, 如关系数据、 平面数据文件等, 抽取到临时中间层后进行清洗、 转换、 集成[13], 最后加载到数据仓库或数据集市中, 成为联机分析处理、 大数据分析的基础[14]。
运用数据仓库ETL 转换处理技术, 采用转换工具Kettle 软件进行实时数据转换[15], 自动定时无断式转移大量历史数据, 数据抽取高效稳定, 实现各异构数据库之间的互联互通, 业务数据多源梳理, 跨数据库按照逻辑设定对数据进行转换处理, 保障数据源头采集, 数据同步按需触发, 无人值守式数据同步。
图5 为ETL 数据转换流程图。
3.2 算法分析
系统以聚类分析、 时间序列模型、 线性回归等典型的大数据处理算法为依据, 结合焊管产品的工艺标准、 机组参数标准、 产量与材耗比、 用电量与生产量比等生产数据, 可以自动识别异常数据, 向用户传达异常数据的转折点, 能为管理者改善生产工艺、 降低生产成本、 延长生产机组寿命提供数据支持。
以采用聚类分析模型在机组生产时参数出现异常拐点的情况为例, 对机组生产时的参数数据进行聚类分析。
初步分析确定有两大类聚类:
正常生产和异常生产。
对参数曲线进行归一化处理, 得到该机组的参数特征;
根据参数异常转折点的时间, 对机组的参数曲线进行比较, 必要时设置阈值区间, 不属于区间的判断为机组异常。图6 为机组生产参数的聚类分析模型。
3.3 数据可视化
可视化过程首先完成业务数据的清洗, 并根据ECharts 基础图形图表库的参数要求, 结合业务数据可视化模型对相关数据进行规格化处理。然后进行可视化分析及数据封装, 构建可视化数据服务接口, 再通过Ajax 技术调用该接口获取可视化参数数据, 利用ECharts 库调用可视化处理逻辑形成可视化组件, 依据业务需求创建可视化视图或支持可视化的交互, 利用HTML5 页面呈现给终端用户。
系统可视化的内容包括:
(1) 机组运行状态可视化。
系统通过可视化方式对机组运行参数以及运行状态进行实时监控, 实现机组异常或报警情况的快速处理。
(2) 焊管产品质量检测可视化。
在对产品进行质量检测时, 系统会根据标准的工艺指标, 对产品的数据进行可视化分析展示, 实现焊管产品质量的严格把控。
(3) 生产消耗可视化。
系统能够对生产过程中的原材料、 电能、 水、 气的消耗数据进行可视化分析, 实现生产消耗的把控。
基于上述介绍, 设计开发了基于大数据技术的焊管生产状态监控系统, 并进行初步验证实验。
基于大数据技术的焊管生产状态监控系统的运行如图7 所示。
在测试阶段, 该系统运行平稳, 前端设计友好, 各级人员都能够快速、 清晰地从设备中获取到实时参数和指标;
通过系统中提供的报表、 图形、 文档等模块, 辅助人员能够快速做出初步决策;
系统中的设备故障诊断模块、 工况异常识别模块和产品性能指标异常模块等能够满足对焊管生产的监控需求, 且诊断结果与实际情况基本一致。
通过对数据的可视化处理,该系统使相关人员能够直观、 高效地理解数据,是智能监控中不可缺少的技术;
当生产线上出现设备报警或产品质量异常时, 报警信息会传递给现场人员, 以便及时参与维护和支持移动现场检查。
基于大数据技术的焊管生产状态监控系统降低了企业的运营成本, 提高了焊管生产线的运行效率和产品质量, 促进了传统制造企业的初步智能化。
本研究基于实时数据驱动的螺旋焊管机组生产状态监控技术, 开发了生产线、 质量、 设备和能耗监控模块, 建立起新型的人机交互集成可视化生产状态监控平台。
平台采用物联网、 大数据、可视化分析等新兴技术, 提出基于大数据技术的焊管生产状态监控系统。
系统采用基于物联网技术的分布式数据采集, 有效提高了数据采集的可靠性和有效性;
利用数据挖掘方法对设备运行状况、 工序异常检测、 产品性能指标进行监控;
采用可视化技术辅助用户完成更有效的分析决策,为提高焊管生产的运行效率和产品质量奠定基础。现场应用表明, 该系统实现了对焊管数字化车间的实时监控与评估分析, 提升了企业的制造执行能力和交付能力, 给企业的生产调控提供一定的数据基础, 有助于螺旋焊管制造企业生产向数字化、 信息化与精益化管理模式转型升级。