首頁 > 新聞中心 > 汽車熱模鍛行業智能化鍛造系統與開放創新服務平臺研發及應用示范(中)…

汽車熱模鍛行業智能化鍛造系統與開放創新服務平臺研發及應用示范(中)

文/董銘，胡斌，張波·浙江威力鍛壓機械有限公司

熱模鍛多尺度、多參數的數據知識圖譜及智能算法庫構建

本項目金屬熱模鍛成形方法是工件和模具相互作用的過程，“鍛壓機一模具-工件”組成一個完整的機械加工工藝系統。將與金屬熱模鍛加工相關的數據歸類為事實性知識和過程性知識，前者描述的是金屬熱模鍛過程中的各種物理現象及其變化規律，而后者指存儲在各種應用系統代表制造型企業利用熱模鍛方式加工工件產生的各種數據及數據之間的聯系。針對事實性知識和過程性知識彼此隔離、相互轉化的難題，構建熱模鍛多尺度、多參數的數據知識圖譜及智能算法庫，在語義層面將事實性知識和過程性知識關聯起來，為熱模鍛加工構建智慧的大腦提供新的方法。

金屬熱模鍛知識圖譜的構建采用自頂向下的方式，先利用OWL語言對熱模鍛成形過程中概念之間的關系建模，建立熱模鍛知識圖譜的模式層，然后實現數據層的數據融合，即先構建TBox,再建立ABox。項目用Protégé軟件對這兩種知識類型進行OWL本體建模，OWL提供三種表達能力遞增的子語言、OWLLite、OWLDL、OWLFull。

熱模鍛知識圖譜本體模型構建

熱模鍛知識圖譜本體模型構建包括事實性知識本體建模和過程性知識本體建模。事實性知識本體建模包括物理現象和物理量本體建模、物理量變化關系本體建模，過程性知識本體建模包括工件結構特征類本體建模、材料本體建模、鍛壓機本體建模、熱模鍛過程建模。

(1)物理現象和物理量本體建模。

熱模鍛成形過程產生多種物理現象，如模鍛變形量、鍛壓力、鍛壓溫度和加熱溫度、模具磨損和破損等等，對這些物理現象和物理量建立本體模型。

(2)物理量變化關系本體建模。

金屬熱模鍛過程產生的各種物理現象相互關聯、相互影響，而且這種關聯錯綜復雜，建立恰當的本體模型準確表達這些關系將是構建金屬熱模鍛知識圖譜的基礎。是以圖結構的形式描述金屬熱模鍛成形規律的前提條件。項目建立本體模型將熱模鍛成形過程中相關物理現象之間的關系轉換為三元組，并用圖結構的形式表示，如圖15所示。

圖15 熱模鍛相關物理現象關系圖譜

(3)工件結構特征類本體建模。

工件的結構形狀多種多樣，項目將工件的結構特征分為棱柱形工件、旋轉對稱工件、異形工件等，每一類又細分為若干更明細的結構特征，其幾何形狀特征通過定義數據屬性來描述。

(4)材料本體建模。

建立“Materials”類代表金屬材料類型，下面有6個個體P-鋼、M-不銹鋼、K-鑄鐵、S-耐熱合金、N-有色金屬、H-高硬度材料。金屬材料的性能由一系列指標來表征.包括物理性能指標、強度性能指標、硬度性能指標、塑性指標、疲勞指標和熱性能指標等。

(5)鍛壓機本體建模。

鍛壓機是模鍛成形的主要設備，根據公司實際的情況，增加“maching_center”類描述模鍛成形中心。另外，建立獨立“CNC_equipments”類描述控制設備，運用owl:equivalentClass使其等價于其他鍛壓機的并集。以方便數據的統計和分析。

(6)熱模鍛過程建模。

建立“Processes”和"Forging_processes"類作為橋梁來連接熱模鍛成形的各個要素，熱模鍛成形過程本體模型如圖16所示。在上述模型的基礎上，形成如圖17所示的金屬熱模鍛完整本體模型，包含了事實性知識和過程性知識的基本類、對象屬性和數據屬性。

圖16 熱模鍛成形過程本體模型

圖17 金屬熱模鍛成形完整本體模型

熱模鍛知識圖譜數據生成和融合

金屬熱模鍛成形知識圖譜數據的生成和融合。對于事實性知識，基于自然語言處理技術，建立了BI-LSTM+CRF的知識抽取架構，對于過程性知識，基于OBDA架構，制定了關系模型到本體模型的映射關系實現關系型數據向三元組的轉換，建立基于屬性相似度的數據融合方法。

(1)事實性知識生成。

熱模鍛事實性知識主要來源于圖書、期刊論文、技術手冊以及試驗報告等文檔資料，數據結構形式為非結構化文本文檔或半結構化表格。事實性知識生成就是從這些復雜結構形式的數據中抽取出反映金屬熱模鍛鍛造規律的物理現象、物理量以及它們之間的變化關系，從而形成三元組數據的過程。

①條件隨機場技術。

條件隨機場是一種判別式概率模型，聯合概率一般寫成若干勢函數聯乘的形式，其中最常用的是線性鏈條件隨機場。條件隨機場在自然語言處理任務中，廣泛用于分詞、詞性標注和命名實體識別等序列標注任務中。

②長短時記憶網絡技術。

循環神經網絡RNN是一種所有節點按鏈式連接的遞歸神經網絡，其輸入為序列數據，在序列的演進方向進行遞歸。RNN帶有一個指向自身的環，用來表示可以傳遞當前時刻處理的信息給下一時刻使用。RNN具有一定的記憶功能，可以被用來解決很多問題，例如語音識別、語言模型、機器翻譯等。但是它并不能很好地處理長時依賴問題，當預測點與依賴的相關信息距離比較遠，存在長序列訓練過程出現梯度消失和梯度爆炸的問題。

而長短時記憶網絡LSTM是一種特殊的RNN,可以很好地解決長時依賴問題。圖18顯示了一個單元的LSTM結構，計算過程可概括為，通過對細胞狀態Ct中信息遺忘和記憶新的信息，使得對后續時刻計算有用的信息得以傳遞，而無用的信息被丟棄，并在每個時間步都會輸出隱層狀態ht,其中遺忘、記憶與輸出由通過上個時刻的隱層狀態ht-1和當前輸入Xt,計算出來的遺忘門ft、記憶門it和輸出門ot來控制。

雙向長短時記憶網絡Bi-LSTM網絡在LSTM的基礎上增加向后計算，即輸入層的數據經過向前和向后兩個方向推算，最后輸出的隱含狀態再進行連接，作為下一層的輸入。Bi-LSTM通過雙向計算，能夠更深入理解文本中句子的上下文語義，取得更準確的識別效果。

圖18 LSTM單元結構圖

③文本處理。從非結構化的文本中抽取知識是自然語言處理技術NLP的核心內容之一，是產生金屬熱模鍛鍛造知識圖譜事實性數據的基礎，需要完成以下三方面的工作。

(a)文本表示。為了利于計算機識別和算法計算，金屬切削加工事實性知識的各種非結構化文檔多為字符串形式的文本數據，首先需要將人類理解的、富含語義的字符文本通過某種形式表示成數值化的數據。這一過程也稱為詞向量嵌入。

(b)命名實體識別。命名實體識別任務是識別句子中出現的實體，本文主要識別金屬熱模鍛鍛造領域的物理現象、物理量以及物理量的取值。

(c)關系抽取。關系抽取的主要任務是從句子中識別出給定實體對之間的關系類型，進而形成三元組。

④數據生成工作流程。為了有效地從非結構化文檔中抽取出實體及實體之間的關系，產生金屬熱模鍛事實性知識，建立文本預處理→命名實體抽取(BI-LSTM)→關系抽取(基于觸發詞和句法依存關系)→生產三元組的總體工作流程架構。

⑤文本預處理。無論是基于機器學習還是深度學習的算法模型，都要求數值化的數據作為輸入，均不能直接處理離散化的字符信息。因此需要進行文本預處理，目的是將原始文本數據表示成計算機可以運算的數值化數據，一般是將文字轉換成固定大小維度的數值向量。本項目采用Word2Vec法對文本進行詞向量化，最終訓練生成300維的詞向量作為模型的輸入。

⑥實體抽取。從文本中識別出金屬熱模鍛領域的物理現象、物理量以及物理量的變化值，為此建立了一個網絡結構。在編碼階段，使用Bi-LSTM網絡對上下文文本中的語義進行編碼，而在解碼階段使用CRF對實體抽取結果進行解碼輸出。

⑦關系抽取。為描述關系的詞匯定義標簽，對CRF層的輸出采用基于觸發詞和句法依存關系的方式實現關系的抽取。初步定義了種子觸發詞與定義的對象屬性之間的對應關系，隨著語料庫的增加，訓練的不斷進行，觸發詞的規模也不斷增長。

⑧生成三元組。命名實體和關系抽取完成后，后續任務就是依據制定的觸發詞和對象屬性/數據屬性之間的對應關系生成三元組數據。

(2)過程性知識生成。

①數據生成工作流程。項目采用R2RML(從關系數據庫到RDF數據集的自定義映射的語言)方式生成金屬熱模鍛成形過程性知識的RDF數據集。另外。項目基于Ontop建立了數據集成框架，以此產生知識圖譜過程性知識的三元組。

②實施步驟、通過JDBC建立與Oracle的連接：設計Mappingaxiom。按照構建的過程性知識本體模型建立14個映射關系；編程調用OntopAPI.生成三元組，目前，已將公司模具、鍛壓機、工件和材料方面的數據轉換生成大約30多萬條三元組。

(3)知識融合。項目重點解決在實體層面的知識融合，即將來自不同數據源的同一客觀實體(如模具、鍛壓機和工件)數據融合起來，以保證知識圖譜數據的準確性和一致性。項目采用計算屬性相似度的方法來進行實體的對齊。描述模具、鍛壓機和工件屬性的字符多為短文本，而Jaccard系數和Levenshtein最小編輯距離均適合計算短文本的相似度。因此項目采用二者相結合的方式確定實體的等價性、以提高準確性。

模鍛鍛造系統多參數智能算法庫構建

智能算法庫將采用面向對象程序設計的思想，應用于鍛造過程控制管理，充分利用面向對象編程語言的繼承性和多態性。運用接口開發技術定義規范和類的繼承實現父類和子類層次分解，使熱模鍛智能算法庫具有很好的靈活性和可擴展性。從中觀和微觀層面實現鍛造過程的控制與管理，以及企業生產計劃的閉環控制，最終實現智能算法庫與傳統智能化決策系統地有效結合。圖19為數據知識圖譜及智能算法庫構建流程圖。

圖19 數據知識圖譜及智能算法庫構建流程圖

在數據庫中，創建了多個表來存儲不同類型的數據。例如，模具表用于存儲模具的基本信息，包括模具編號、名稱、規格、材質等，鍛壓機表用于存儲鍛壓機的相關信息，如設備編號，設備名稱、額定功率等工件表則用于存儲工件的信息，如工件編號、名稱、尺寸等。為了有效管理和查詢項目中的大量數據，采用了關系型數據庫MySQL來存儲和管理數據。除了基本信息表外，還創建了關聯表來存儲實體之間的關系。例如，模具與工件之間的關聯表可以記錄哪個模具用于加工哪個工件，以及加工的具體參數等信息。

為了方便用戶查詢和操作數據，我們還提供了友好的用戶界面。用戶可以通過瀏覽器訪問數據庫，并使用SOL語句或圖形化界面進行數據查詢、插入，更新和刪除等操作。智能熱模鍛可視化技術根據生產現場及產品全生命周期采集的數據，基于智能算法

利用創新服務平臺數據顯示系統，展示現場加工過程和數據管理過程。可視化技術通過測控部件獲取加工設備狀態、作業完成情況、材料使用情況及產品質量等實時信息，提供產品全生命周期數據，將數據知識圖譜與智能算法庫的內容進行直觀表達。在使用數據庫時，需要注意以下幾點：首先，確保數據庫的安全性，避免數據泄露或被非法訪問：其次，定期進行數據備份，以防數據丟失或損壞，最后，根據項目的需要不斷優化數據庫結構和查詢語句，提高數據查詢和處理的效率。

汽車熱模鍛智能化鍛造設備與生產線建設

鍛造壓力機本體系統

針對汽車熱模鍛行業智能化鍛造系統進行了深度研發，特別是在壓力機等核心裝備的設計、研發和制造方面。通過結合我公司和合作高校的自主創新技術并借鑒韓國、日本、俄羅斯等國外頭部企業的裝備特點，我們針對高噸位、快節拍的生產特性進行了壓力機裝備的創新性設計和優化。

壓力機機架結構如圖20所示，機身間距相比一般壓力機得到了加寬，更方便實現多工位布局，且能加入操控性更強的大重量曲軸，使得設備能力更大。設備主板得到了加強，整體剛性高于國家標準3倍.提高了加工精度與使用壽命。設備參考MP型輕型機的設計，將壓力角增大到20°:同時，該設備采用了多層摩擦片結構，增大離合器扭矩，有效提高了打擊力。此外，該設備還考慮了鍛件在生產過程中溫度變低和工人操作間隔時間不一致導致噸位異常超出的情況，進行了特殊設計。

在飛輪方面，該設備加大了飛輪的尺寸并加厚了飛輪的厚度，使得飛輪蓄能大且慣量變大，見圖21。

在滑塊方面，該設備采用了雙連桿設計和加長型的八面導軌設計(圖22),提高了設備的偏心載荷能力并保持了高精度。此外，該設備還采用了蝸輪蝸桿機構調模，實現了在生產過程中任意點可調模高的功能。

圖20 機架結構圖

圖21 傳動曲軸與飛輪

圖22 滑塊上頂料與機架下頂料圖

智能化在線質量監測與控制系統

(1)下料智能化在線檢測與控制子系統。

主要組成，傳送裝置1套、棒料切割機1臺、上料機1臺。數據處理器將長度數據轉換成電機驅動信號，并通過伺服控制器驅動切割機圓盤鋸定位塊電機運行，驅動長度定位塊調整相應長度，實現下料長度調整。毛坯經棒料切割機鋸斷后，通過自動傳送裝置傳送至下一工位。

(2)加熱溫度自適應控制子系統。

主要組成：加熱爐1臺、紅外測溫儀1臺，模數轉換器1臺、數據處理系統1套。建立不同型號產品的加熱工藝參數、質量參數及質量控制規則數據庫，指導并控制加熱過程。設置好紅外測溫儀檢測坯料加熱溫度，經模數轉換器、數據處理系統進行數據處理判斷后，輸入調節控制系統，自動調整和控制加熱參數，實現生產過程加熱質量均一化。所需設備在國內相關廠家采購，數據處理軟硬件系統主要部分自主研發、部分零部件外購，單元組合技術及相關數據庫自主研制。

(3)智能化鍛造中心。

①多柱塞聯動成形工藝參數的數控子系統。

多柱塞鍛造專家系統所提供的工藝參數由數控系統發出指令，通過液壓執行系統實現。數控系統相當于執行人員的大腦，接受上級指令后經過一系列的信號放大、電路開合、邏輯判斷等形成的程序自行運算，將多工藝參數的時間相位關系曲線以及所有的行程、壓力、速度傳感器信息等轉換成數字電磁信號.發給液壓執行部件，形成液壓執行部件的輸入指令。數控系統由程序執行部分PLC、信號放大器、數模D/A轉換器、顯示屏、上位計算機、電氣組件等組成。

②多柱塞聯動成形工藝參數的數字液壓執行子系統。

工件的精密成形是靠智能化鍛造壓力機各個柱塞的有序運動來實現的，柱塞是通過控制有壓力流體的流動而運動。而各柱塞施行壓力大小、運行速度、作用時間等鍛造成形工藝參數通過鍛造工藝專家系統獲得。MES系統調取專家系統數據庫工藝參數給設備數控系統，數控系統的數字指令經放大后傳給數字比例閥，借助位移、速度等傳感器的精確控制信息，控制比例閥或伺服閥的開合及開口大小.進而控制進入各個液壓柱塞缸的流體容量、流速、時間等。液壓執行系統主要由液壓執行元件——液壓柱塞，數字比例閥/伺服閥/伺服泵、方向控制閥、安全閥、集成閥塊，行程、壓力、速度、流量等參數傳感器，油液冷卻系統、過濾系統、液面報警裝置，液壓泵動力單元、動力油箱等組成。

③壓力機行程、壓力、速度、流量、溫度等參數傳感器感知及反饋子系統。

對于不同的精密成形工件，鍛造專家系統給出的多柱塞運動時間相位關系參量不同，具有特殊時間節點的參量如行程、壓力、速度等控制信息需要感知部件完成。因此，位移傳感器、流量計、數字壓力表、速度傳感器、角位移傳感器等感知部件成為智能控制

系統的關鍵組成部分，相應的信號放大部分、信號傳輸及反饋至控制部分必不可少，進而控制程序的比對及計算，重新調整壓力機各液壓柱塞的控制參數，完成工件的精密成形。該部分主要由各種傳感器組件、信號放大器、模數轉換器及反饋電子組件、安裝連接組件等所組成。設置傳感器的位置主要和鍛造專家系統需要的多參數時間相位曲線有關，也和本工序操作機器人的動作、節拍協調相配，同時考慮上下工序的時間協調配合。

④壓力機故障監測、報警、診斷子系統。

監測子系統：主要監測各液壓柱塞和液壓泵的液體壓力、柱塞運動速度及移動位置，關鍵方向閥的液體流量，系統液壓安全閥液體壓力、溫度、純凈度、液面高度，鍛件外觀尺寸，主要電氣開關開合狀態等。

報警子系統。各關鍵節點液體壓力、溫度、純凈度以及柱塞行程、液面高度、鍛件外觀尺寸等超過設定范圍時的報警。

診斷子系統根據各關鍵節點壓力傳感器信息診斷相應液壓系統部位閥工作狀態，進而判斷設備液壓方面故障原因，根據位移傳感器信息診斷工件成形缺陷的有關各柱塞運動方面故障。根據關鍵位置的電氣開關狀態診斷設備電氣故障方面的原因：根據鍛造專家系統結合上下工序數據信號診斷工件綜合缺陷信息。

⑤模具智能化潤滑及冷卻子系統

該系統包括測溫儀、數據處理器及潤滑劑自動噴淋系統。復雜零件的精密成形主要靠相應的模具完成模具工作狀態直接決定工件輪廓尺寸合格與否，而模具工作時溫度和潤滑條件對模具使用壽命起著決定性影響。鍛造中心設有模具智能化潤滑及冷卻系統。通過模具監視器檢測模具工作實時狀態，并將所測數據反饋至鍛造中心控制系統，經數據處理器處理判斷后指導模具冷卻系統和自潤滑系統工作，始終將模具狀態控制在最佳狀態。

鍛件在線檢測系統

主要組成：三維掃描儀1臺、機械手1臺、鍛造專家系統1套，信號反饋系統1套，鍛件數據對比軟件及數據庫1套，信號采集系統1套。此系統參考國內先進的自動化三維測量系統，由項目組開發。

通過鍛造專家系統，建立各類鍛件成形的工藝參數，生產時只需輸入所成形鍛件的零件電子編碼，系統自動預設壓力、行程、作用時間等鍛造工藝參數；壓機具有壓力感知功能，可根據鍛件成形狀態，通過信號數據反饋自動調整鍛造壓力，可根據不同鍛造階段的各缸壓力及油的流量，感知壓力機狀態，并通過數據對比判斷，自動采取相應的自我調整、報警、停車等措施。

通過三維掃描儀對鍛件外觀及幾何尺寸進行在線質量檢測，檢測數據反饋至智能識別系統，通過和鍛造工藝專家系統數據庫中檢測標準對比，判斷鍛件質量、壓機狀態、模具狀態及模具可繼續使用壽命。檢測系統的智能化工作過程：機器人將鍛件從壓力機模具內取出后放入檢測位置，進行照相，成像經模數轉換→狀態判斷→數據處理后，將數據自動反饋至相應控制單元，并自動采取措施，包括鍛件質量數據記錄、壓力機壓力行程等參數調整、下料重量調整，加熱參數調整等。鍛件外觀及尺寸判斷合格的.由機器人送入傳送帶：如果超出誤差范圍，說明模具出現問題，報警并停機，操作人員接警后根據報警信息采取相應措施。

智能化汽車零件鍛造生產線建設

目前，項目已完成智能生產線核心設備鍛壓機的研發設計和制造，建立了一條智能鍛造示范生產線此外，全生命周期數據采集與處理、熱模鍛壓力機智能輔助制造系統開發關鍵技術及產品質量在線監測與控制的關鍵技術已完成搭建。根據智能化汽車零件的精密鍛造成形生產線設計進行設備選型，生產線設備三維布置見圖23,實物見圖24。

圖23 車間設備布置局部放大圖

圖24 智能鍛造生產線中設備整體布置

汽車熱模鍛智能化鍛造數據采集方案

軟硬件方案以工業物聯網平臺架構為基礎，符合企業生產管理的基本流程業務實踐，滿足企業日常生產管理基本要求，并預留企業未來信息化新項目的擴展接口，具有企業特色的應用管理平臺。在數據采集處理的硬件部分，工業現場會安裝很多的各種類型的傳感器，本項目對應的生產程序總流程見圖25,數據采集系統根據該流程關鍵節點而鏡像展開。

圖25 生產程序總流程圖

受現場環境的限制傳感器信號如壓力傳感器輸出的電壓或者電流信號不能遠傳或者因為傳感器太多布線復雜，選用分布式或者遠程的采集卡(模塊)在現場把信號較高精度地轉換成數字量，然后通過各種遠傳通信技術(如485、232、以太網、各種無線網絡)把數據傳到計算機或者其他控制器中進行處理。這種數據采集卡對環境的適應能力更強，可以應對各種惡劣的工業環境。此數據采集卡方案為自主研發，基于高性能的嵌入式處理器和高速數據傳輸接口，能夠實時采集生產線中的各類模擬信號和數字信號。數據采集卡的設計考慮了生產線的復雜環境和嚴苛要求，具有良好的抗干擾能力和穩定性。同時，我們采用了模塊化設計，使得數據采集卡可以根據不同的需求進行靈活配置和擴展。

鍛造平臺數據采集處理系統

在項目現場設置數據采集網關，PLC控制系統通過ModbusTCP協議接入到DA系列類數據采集網關，西門子PLC數據通過交換機以西門子S7協議接入到各個數據采集網關，DA系列數據采集網關以4G/WiFi/以太網加密后將數據安全轉發到Data&ControlAnywhere服務器。支持多協議/多系統數據采集：DA系列數據采集網關支持OPCDA/OPCUA/Modbus/IEC103/IEC104等國際標準協議。

該數據采集系統支持多種通訊協議和接口，能夠方便地與生產線其他設備進行連接和數據傳輸。同時預留了足夠的接口和擴展空間、以滿足未來生產線升級和擴展的需求。這些數據包括企業生產設備產生的各種狀態與制造參數、工藝指標、人員信息、物料信息等工業全要素數據。打破廠內的DCS、PLC、ERP等生產系統的數據孤島現象，實現工廠各個環節的生產數據有效融合。由于平臺服務企業至少50家，因此數據采集系統的兼容性、安全性、擴展性必須滿足一定要求。

(1)兼容性。由于平臺服務企業除壓力機外的輔助設備供應商不同，因此需要數據采集系統具有很好的兼容性，滿足國內外主流廠家的PLC、DCS、SCADA等系統軟件的實時數據接入，不同的通訊協議如Modbus,RS-232、RS-485都能實現數據的有效傳輸。

(2)安全性。安全性主要為系統安全和數據安全所有系統的整體設計必須牢固可靠，在后期系統的修改和維護過程中必須科學謹慎。為了系統安全，還要做好防止數據資源泄露，防止系統被惡意攻擊、入侵、修改。本系統中數據的獲取都是通過接口的形式，可對傳輸數據的接口進行數據加密封裝，以保證數據的安全。系統賦予每個用戶唯一標識，能夠禁用賬戶、分配和管理用戶權限，以此保證系統的安全性。平臺基于阿里云部署，由阿里云提供“異地雙活”和“兩地三中心”的災備解決方案，當一處系統因意外(如火災、地震等)停止工作時，整個應用系統可切換到另一處，繼續提供服務。防DDoS系統、安全組規則保護，多用戶隔離，防密碼破解。

(3)擴展性。隨著人工智能的發展以及未來管理系統功能需求的增加，平臺要不斷迭代升級來滿足未來的需求，這樣才能體現出平臺是靈活可靠及可持續性發展的。提高平臺可擴展的核心就是低耦合和良好的組織溝通方式，其中低耦合的模塊是程序層面具有可擴展性的基礎。模塊之間不相互影響，這樣的平臺才具有良好的可擴展性。系統開發需要具有前瞻性，提前為系統預留功能模塊和各種數據接口。考慮到未來用戶數量的急劇增加、生產數據增多和程序代碼越來越龐大，還應該做好增加服務器的準備。

數據采集系統架構

數據采集系統總體功能架構如圖26所示，功能架構在硬件層面主要分為三層。

圖26功能架構圖

工控數采服務主要負責企業數據平臺的數據接入和各類計算場景應用。系統提供多種工業標準數據協議接入能力，如OPC接口、Modbus協議、S7協議，IEC104協議等，滿足國內外主流廠家的PLC、DCS.

SCADA等系統軟件的實時數據接入。在實際應用中數據的特征具有多樣性，一部分管理數據與生產控制具有強相關性，具備較高的實時性和可靠性要求：另外一部分管理數據主要服務于管理人員的統計分析和決策依據，對實時性的要求相對較低，只需及時按需提供即可。

Data&ControlAnywhere工業物聯網平臺包含構建公司大數據平臺，處理海量多元數據的接入，提供數據存儲。查詢和應用服務。同時，平臺提供工業大數據集成，分析，挖掘和可視化展示的一整套T工具集和模版庫，工廠的不同角色(生產者、管理者、經營者和業務專家們)在平臺上可以進行數據創新應用開發，提供基于平臺的統一開發、測試和更新管理。

工業智能APP層主要面向企業工廠運營過程中的各個崗位人員使用的應用功能入口，從輔助操作、生產管理、調度優化、安全管理、能源方案分析、設備資產管理等方面幫助工廠的生產人員和管理人員減輕工作負擔，提升工作效率，從而實現智能化的工廠運維管理。

數據采集傳遞網絡拓撲

數據采集傳遞網絡拓撲見圖27。