1 目標和概述
作為中國聯通15個邊緣云試點省分之一,廣東省立足于制造行業,打造邊緣云智能制造產業示范基地。借助牽頭國家專項《面向制造業的邊緣計算:邊緣云模型與技術要求》的契機,結合當地工業制造現狀和業務需求,中國聯通將重點推廣工業邊緣云平臺,融合本地網絡、計算、存儲、應用核心能力,為智能工廠提供快速連接、實時業務、數據優化、應用賦能、安全保障等方面的全鏈條管理服務。賽特斯作為中國聯通網研院戰略合作伙伴,針對客戶風華高科專門成立信息化小組,將信息化作為業務研判的有效科學手段,以“致力于業務技術創新 成功于企業降本增效”為實踐宗旨。本著質量管理活動的基本原理,借助工業邊緣云解決方案,引入邊緣計算,結合電容器質檢業務經驗,積極嘗試各種分析思路和方法,建立完善的數據采集、樣本模型、數據分析機制,鞏固了降誤判升精確的創新對策,有效融合了業務協同,提升了產品品質。
1.1 存在問題
(1)器是基于樣品的監測結果進行分類,但是樣品監測過程未知,監測結果也不能輸出,不能定量判斷監測結果是否合理。
(2)設備檢修和維護,縮短時間,提高效率。
1.2 實現目標
(1)利用工業大數據分析樣品監測數據,根據樣品數據的穩定性,分析判斷檢測結果是否真實可靠。
(2)利用不同時段的樣品監測數據,進行大數據畫像,分析判斷設備的可靠性,進行預防性維護。通過設備故障報警信息,迅速判斷。
2 解決方案詳細介紹
2.1 場景需求
(1)風華高科片式陶瓷電容器生產工序預估合格品率95%,質量檢測部門日均檢電容器4.5億顆,質量檢測部門日常工作繁重。
(2)質檢機臺因分選盤清洗、測試針接觸不良、缺料等異常故障影響正常質檢工序。不規律的機臺保養嚴重影響了設備壽命及質檢工序任務。
2.2 落地方案
電容器檢測機臺提供了識別產品特性變化的接口,接口可在機臺運行電容檢測的同時,與外界通過OPC協議通信實現數據輸出。智能網關與機臺實現雙向通信,智能網關啟動監聽服務,機臺發送連接請求,建立鏈接通道后智能網關下發樣本采集指令,機臺持續不斷將實時檢測數據推送給智能網關。
圖1 風華高科工業邊緣云檢測平臺整體架構圖
智能網關將采集數據通過消息隊列推送工業邊緣云時序數據庫存儲。工業邊緣云啟用數據清洗服務,依據消息隊列的發布主題訂閱清洗數據,與規則配置文件建立關聯后存儲。
大數據分析服務依據業務指標合格率的判別計算公式,對數據展開描述型分析,獲悉電容器測試要素信息,通過評估描述型數據鉆取到數據的核心。OICT融合數據中心可視化實時采集、機臺異動、機臺停機等情況,面向生產管理者,提供全面的質檢工序環節數據全景視角駕駛艙。
預測型分析通過采集運維、保養、故障數據,預測模型會使用各種可變數據來實現,通過邊緣云側機器學習不斷完善模型,形成故障因素畫像及分布規則,構建預防性維護體制,降低了設備維護成本。
圖2 風華高科工業邊緣云檢測平臺主界面
2.3 硬件平臺
采用四子星超融合一體機承載,服務器主要參數如下:
智能網關采用凌華NVP500 INTER i7-6700TE(4C/8H/2.4GHZ)、16G、128G SSD、
2×RS232+2×RS485、3×千兆電口、Linux系統承載。
2.4 軟件平臺
工業邊緣云檢測平臺主要功能:
2.5 數據通訊
軟硬件平臺部署在風華高科廠房內網。管理平臺與智能網關南北向以RESTful API實現控制流指令通訊,智能網關間東西向利用MQTT協議實現設備管理、網絡管理、業務編排、安全管理和可視化管理。
2.6 安全措施
智能網關間數據流量通過VXLAN隧道加密通訊。
智能網關支持嵌入式系統和虛擬化環境,通過Docker進行部署安裝,并對微服務進行隔離,使用SDN在單個網絡內組合云計算和邊緣計算,實現資源池和敏捷網絡管理。
3 推廣價值
中國制造業凈出口居世界第一位,工業競爭力指數只排第七位,當下中國制造業大而不強、多而不精的矛盾突出,無法適應國際競爭和發展的需要,必須推動制造業升級。借助信息化提升制造業生產管理水平,是實現智慧制造的重要組成部分,是從制造大國轉變為制造強國的重要手段之一。
兩化深度融合是制造業獲得可持續發展競爭優勢的必由之路,隨著制造業信息技術不斷深入,生產環節協同、設備能耗及預測維護日益明顯,迫切需要從邊緣側通過數據采集、傳輸、存儲、處理及反饋解決上述問題,提升制造業品質和效率。
隨著新興信息技術的產生和應用,傳統的生產方式和商業模式正在不可避免地發生著變化。中國工程院院士鄔賀銓認為,“隨著信息技術與各行各業結合得更加緊密,未來工業的生產方式,也將發生顯著的改變”。因此,在第三次工業革命背景下,需要更深層次地推動信息技術和其他產業的融合,以引領顛覆性創新技術的研發,成功實現中國制造向“中國智造”轉型。
工業邊緣云解決方案,首先在全國率先為制造業解決數據“孤島”的難題、提高工業生產數據共享度摸索出了有效切入模式,其次,邊緣計算在制造業中的實際應用,對生產降本增效、設備預測保養、流程標準規范等方面,提出了獨到的見解,為制造業更早在數據為王時代由大轉強,做出了貢獻,有效地降低了投入成本,大大提高了工作效率,實現了較好的經濟效益。
摘自《自動化博覽》2018年增刊《邊緣計算2018專輯》