《基于边缘计算的车间设备监控系统研究》-工学论文，计算机论文-论文范文参考-科学狗论文网

标题

基于边缘计算的车间设备监控系统研究

范文

王美林黄钧

摘要：现有的车间大型设备复杂度高，越来越依赖监控系统对其进行实时性管理。目前依靠云计算的设备监控系统所需传输的数据量越来越大，导致需求紧急响应的告警信息容易出现延迟，严重会造成设备停机等问题。针对现有PVC压延车间设备告警方案定位不明确和告警响应不及时的问題，该文引入边缘计算概念，设计了一个新型设备监控系统，将告警事件处理放置在边缘端，减轻数据长距离传输带来的高延时性和云计算中心处理压力，利用用户定义的阈值告警机制和特征树去重策略减少告警频繁带来的运维困难，提高设备告警处理针对性和实时性。通过对比分析，加入边缘计算对监控系统的告警实时性有了较大的提升。

关键词：边缘计算;PVC车间;阈值告警;去重;监控

中图分类号：TP206+.3? ? ? 文献标识码：A

文章编号：1009-3044（2021）15-0218-04

Abstract： The existing workshop large-scale equipment has high complexity， more and more rely on the monitoring system for its real-time management. At present， the amount of data needed to be transmitted by the equipment monitoring system relying on cloud computing is increasing， which leads to the delay of alarm information requiring emergency response， and seriously causes equipment downtime and other problems. Aiming at the problems of unclear positioning and untimely alarm response of existing PVC calendering workshop equipment alarm scheme， this paper introduces the concept of edge computing and designs a new equipment monitoring system， which places the alarm event processing at the edge end to reduce the high delay caused by long-distance data transmission and the processing pressure of Cloud Computing Center， and uses the user-defined threshold alarm mechanism and feature tree to remove the alarm Heavy strategy reduces the operation and maintenance difficulties caused by frequent alarms， and improves the pertinence and real-time of equipment alarm processing. Through comparative analysis， the real-time alarm performance of the monitoring system is greatly improved by adding edge computing.

Key words： edge computing; PVC workshop; threshold alarm; deduplication; monitoring

1 背景

随着工业4.0建设的不断推进，我国传统工业信息化进程飞速发展，车间的大型机械设备日益呈现复杂化、大型化和多功能化[1]。同时，针对设备的各项数据采集无论从数量上或者精度上也有了质的飞跃，这对设备的监控也提出了新的问题，如何加速数据的实时性处理使得故障信息更快地响应也是车间监控告警的迫切需求。

针对现有大型设备监控系统数据的复杂性和关联性，张棋胜在云计算平台监控系统的研究与应用[2]中设计了推拉混合式数据采集算法以及在云端建立预测模型进行数据处理，大大提高了数据处理的质量。但是，由于云端远距离传输的特性对一些实时性要求高的事件处理效果并不尽如人意。曹彬乾等在基于STM32+FPGA的数据采集系统的设计[3]中采用了嵌入式系统在车间现场进行多类型信号的实时采集和处理，解决了工业精密仪器快速响应的问题。但是，该方法对于设备的可拓展性和告警规则的制定并不方便，以及由于存储功能的薄弱当监控的数据量级超出一定程度后数据处理的效果也会变弱。

本文聚焦某五辊PVC压延机生产线，该生产线现有报警系统是通过故障信息上传云端再实现具体告警通知，在告警信息激增的情况下会导致设备告警响应缓慢而且不利用监控人员排查，容易造成设备停机或更大的后果。

针对该PVC车间对告警高实时性和有效性响应的需求，本文提出基于边缘计算的工业车间设备告警事件处理方法。本方法主要在边缘端处理告警事件，首先利用用户终端定义的越限告警规则确定相关告警信息，再通过去重、特征匹配等方法减少大量冗余且重复的告警信息，使得从边缘端上传到云端的告警信息大幅减少，并有效加速告警通知的实时性和可靠性，对传统工业信息化进程具有积极意义。

2 设备告警整体结构

为提高告警通知实时性，本文利用边缘端实现告警信息的预处理，在提高处理的效率的同时有效减少传输的数据，达到加速的目的，并通过边缘与云端的匹配机制进一步缩短告警的响应时间。

本文采用的车间设备告警事件处理系统如图1，主要由信息采集模块、处理模块和终端模块组成。在边缘端层面分为信息采集模块、第一通信模块、处理模块[4]，主要实现阈值告警信息判定、告警信息去重、边缘端匹配等功能;而在云端包括云端匹配模块、告警模块、第二通信模块和终端模块，主要实现云端定义告警通知、云端匹配等功能。

2.1 数据采集

本文从5M1E[5]角度出发，结合PVC车间案例选取合适的设备信息采集以及告警信息采集设备，找出如表1所示相关传感器：

上述数据传输到边缘端服务器进行协议解析后，其设备状态信息根据模拟量、离散量、开关量将其分类进入数据超限处理子模块得出阈值告警信息，而设备自身基础告警信息进入告警去重处理子模块。

2.2 边缘端处理

2.2.1 超限处理

数据超限处理子模块通过接收用户终端设定的阈值告警规则进行判断定位越限告警信息及对应的告警级别，对设备状态信息的判断结果传输至所述告警去重处理子模块。

其中，离散量用于判断是否超限的内置规则为：

[r=1nt=1ns-sd]

式中，n为一次告警需要判断的数据次数，s为当次数据值，[sd]为用户设定的高低阈值，通过判断r是否超过内置缓冲区而决定是否判定成功。内置缓冲区参考不同设定状态数据而改变，其差别如表2所示：

其中，模拟量通过A/D转换器得到离散量后进行上述公式的判断。另外开关量分为两种，其一为普通机位进行开关运作，该开关量为正常操作跳过阈值判断;其二为报警开关量，如本文提及的PVC车间里的烟雾报警器属于常关量NO，当超过限度时自动跳转为1，则转化成具体的告警信息直接进入去重模块。

本文参照PVC车间定义用户终端设定界面，可输入内容包括设备型号、触发条件、告警级别、告警方式，如下图所示：选取某具体轧轮机，将出现可选的传感器类别以及每个传感器的阈值范围，可选组合形式触发，并根据传感器的超限数量和超限阈值层级选择告警级别，并确定所述设备型号的告警方式。

2.2.2 告警信息去重

经过上一模块后得到的设备越限告警信息将会和基础告警信息采集模块的告警信息一并进行去重处理，其类型与相关信息如表3所示：

由于工业车间对具体故障有详细分类[6]，因此本文基于PVC车间对不同告警信息赋值唯一的类型码和专属于该告警信息的状态码，另外，未提及的未知异常告警不参与去重处理，将统一给予特殊故障碼（00）直接进入所述边缘端匹配子模块。

赋予告警信息唯一特征码，该特征码与所有不同告警信息一一对应，其中特征码形式为二叉树节点，例设备变位告警结构如图3所示：

在对具体故障转换给予唯一特征码S后，根据具体需要可设定从第N层开始截断，只上传截断上方的一个告警通知，其中N>1，如第三层截断，则131-轴承变位节点的子节点变位告警都只上传轴承变位。

除该层级划分方法外还包括时间窗排除法，对任一个告警信息赋予状态码T=0，当某告警信息响应时T置1，并在T=1的时间窗W内删除相同的告警信息，只记录该时间段重复收到该告警信息的次数，保留在边缘端数据库定时集中上传，规定时间结束后T置0，等待新的告警信息响应;

上述可控数值（N、W）在用户终端的去重级别选项上进行控制，以满足不同时段需要的去重效果。

2.3 边缘云匹配机制

经过预处理后的告警信息需要在边缘端和云端建立一套映射关系模型，一方面转化为更简洁的数值提高传输效率，另一方面达到加密目的使数据安全性提升[7]。两端匹配模块均记录告警通知与唯一标识符的映射关系，上述表述中的唯一标识符包括告警设备型号、告警级别和唯一特征码对应的符号，其中唯一特征码对应每个唯一的告警信息，该特征码参考上述去重模块中的二叉树结构。同时，该映射关系由用户终端模块进行任务下达，并可进行更改。

应用本案例中PVC压延机的数据，该映射关系模型部分如表4：

表中设备型号来源于五辊PVC压延机生产线，多个设备模块定义：轧轮机A（01）、轧轮机B（02）、过滤机模块（03）、引取设备模块辊滚轮模块（04）、压花机模块（05）等，告警级别针对具体告警内容有所区别，如温度越限程度确定不同告警级别。最终输出合并数字到达云端进行解析匹配[8]，严重遵循设备型号+告警级别+唯一码顺序进行编排。

3 性能测试

3.1 数据集和参数设置

本次实验数据来源于某五辊PVC压延机生产线，本文采用了三个模块进行实验，分别是轧轮机模块、辊滚轮模块、引取设备模块。为保证本次实验具有通用性，采用的数据集包括不同模块的性能数据（温度、电压、电流和运转速度）和不同模块的自身故障告警信息，测试数据取两天历史数据，总数据量达300万条。

3.2 性能指标

本文将从以上PVC压延机历史数据中进行性能仿真测试，主要从告警响应的实时性和有效性出发，通过设定两组实验测试其性能。

对于响应时间的比较，一为边缘端利用上述机制处理告警事件，并将结果上传至云端进行响应，边缘端设置在实验室服务器，云端设置在阿里云平台上的服务器（华南地区），二为相同的告警机制部署在云端处理，省略匹配模块，云端同样设置在阿里云平台。

以阈值告警信息为例，设定轧轮机温度超出设定阈值创建告警项并进行短信通知告警，初始输入量为1万条温度数据，对比两种方式响应时间，图5短信通知可以看到，加入边缘端处理的告警时间比传统处理方式提早了约2秒。

对于本文所提出的去重策略，进行测试验证去重效果。本次测试依旧采用告警响应时间作为评判标准，改变告警信息并发数观察响应时间，去重模块部署在边缘端，在云端监控界面等待告警响应，在其他参数一致的情况下，设定告警去重级别为2，如图6所示，绿色折线代表加入去重模块，红色折现代表边缘端省略去重模块，当150个告警并发数前并两者响应时间无明显区别，当告警并发数超过250个后，加入去重模块的效果十分明显，不加入去重的响应时间大幅增长，从未来设备拓展性的角度出发该去重模块是值得保留的。

4 结束语

本文提出了基于边缘计算的工业车间告警事件处理方法，相比现有云端处理告警事件的流程大大缩短了告警的响应时间。本文在边缘侧提出一种数据预处理方法，通过状态数据的阈值判断与告警信息的去重完成数据的处理工作，减少云端计算负载以及解决高并发告警信息带来难以运维的问题，并建立边缘端与云端的匹配模型实现数据传输的加速，使告警响应时间进一步减少。该方法为工业信息化的决策科学化、监督过程化提供智能参考的依据，开创车间监控管理的新模式。

参考文献：

[1] 黄猛，李维忠，宋亚昕，等.新型机车车钩缓冲器研发与优化设计[J].机械设计与制造，2011（7）：14-16.

[2] 张棋胜.云计算平台监控系统的研究与应用[D].北京：北京交通大学，2011.

[3] 曹彬乾，程远增，杨青.基于STM32+FPGA的数据采集系统的设计[J].计算機工程与设计，2014，35（4）：1231-1235.

[4] Rut J，Kulinska E，Maslowski D，et al.Supervisory control and data acquisition system as a means of safety at work formation in a manufacturing company[J].European Research Studies Journal，2020，XXIII（Issue 3）：399-409.

[5] 吕华章，陈丹，王友祥.边缘云平台架构与应用案例分析[J].邮电设计技术，2019（3）：35-39.

[6] 吴一凡.基于5M1E的飞机总装过程三维可视化及其管控方法[D].杭州：浙江大学，2019.

[7] 袁静，刘立卫.故障管理系统告警信息处理模型及技术要求[J].电信工程技术与标准化，2014，27（11）：41-45.

[8] 翁兆琦，张琳.面向多角度信息交互的文本语义匹配模型[J/OL].[2021-01-26].计算机工程：1-8.

[9] 傅伟.基于关联规则的服务器告警数据分析的研究与应用[D].南昌：南昌大学，2019.

【通联编辑：谢媛媛】

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。