57、工业数据整合与织机优化：创新解决方案

工业数据整合与织机优化：创新解决方案

在当今的工业领域，数据的有效利用和生产过程的优化至关重要。本文将探讨两个关键方面：一是工业数据的无缝整合与分析，以创造商业价值；二是将多目标优化算法应用于织机，实现织机的自动优化配置。

工业数据整合与分析

在工业场景中，我们的目标是建立一个能实现机器和人工生成的监测数据无缝集成、对齐、处理和分析的应用程序，从而产生具有商业价值的新见解。

机器生成的数据源自各种基于状态的监测应用或工厂的数据仓库。例如，工厂数据仓库（如语义媒体维基）涵盖了生产过程中产生和存储的所有数据源，它会收集已完成生产过程的历史信息，这些数据源可能分布在整个生产链上。而人工生成的数据则通过基于语义的智能用户交互应用程序捕获。

为了实现这一扩展业务场景，需要以下几个组件：
- 工厂数据仓库 ：收集和存储生产过程中的各种数据，包括历史生产信息。
- 监测应用程序 ：持续测量组件的状态，评估其未来是否会发生故障。收集的数据主要关注特定特征的状态跟踪，如振动分析、红外热成像、超声波检测等。记录的数据不仅可用于确定单个组件的状态以决定是否需要维修，还会在适应的事件报告模型中无缝对齐，为整合人机监测数据奠定基础，以提高工厂性能。
- 智能用户界面 ：以高效的方式获取人工生成的数据。这个语义数据采集组件可以实现为智能笔应用程序，与专家的工作流程相匹配，确保使用方便。同时，智能用户界面确保所有数据以语义注释的形式捕获，通过确定用户输入的上下文并使用相应的语义术语表达来实现。在实际应用中，我们使用智能笔应用程序与定制的事件/异常报告（纸质版）相结合。当维护人员检测到异常时，需要填写如图 7 所示的事件报告文档（热轧机）。

在能源领域，集成数据分析有望带来显著的商业影响。与其他行业相比，能源和资源行业的公司预计在大数据投资方面能获得最高回报。然而，要充分利用这些数据，我们面临两个挑战：
1. 无缝数据集成 ：如何使不同且不兼容的数据集在企业间可用、可互操作并具有价值。
2. 数据分析以洞察新产品 ：通过结合现有的数据发现技术和语义技术，将研究和原型实现智能电表和智能电网分析应用领域的新见解。重点将放在信息技术与运营技术的无缝集成上，涵盖各种传感器，如保护设备、监控和数据采集（SCADA）等。集成 IT/OT 世界中的分析应用范围广泛，包括电压图生成、停电预防、优化应用、保险丝尺寸确定和资产寿命、资产管理、预测或故障电网分析等。潜在的商业应用包括资产管理、基于 SCADA 的数据分析、停电预防等。通过系统的客户评估过程，将确定价值主张并实现为原型和高级功能。

织机的多目标优化

织机是织物制造中最常见且最古老的工艺。直到今天，织物仍然是通过使经纱和纬纱以直角交叉来制造的，这种方法大约从公元前 4000 年就开始使用了。如今，织物的应用广泛，包括服装（如牛仔裤、衬里织物等）、土工织物（如侵蚀防护、土壤加固等）和工业纺织品（如过滤器、防火织物、安全气囊织物、纤维复合材料增强材料等）。

由于生产成本较低，纺织品生产已转移到亚洲国家，而高质量和工业纺织品的生产则逐渐转移到欧洲。像德国这样的高工资国家的纺织行业面临着诸多挑战，例如小批量生产的趋势要求更短的周期时间，这使得商品的经济生产变得更加困难。

在织物生产中，小批量生产通常涉及织物的更换。一台织机约有 200 个参数，每次更换织物后都需要重新配置以满足客户的期望。为了找到机器的最佳配置，织机操作员需要进行织造试验。这些试验既耗时又浪费，根据操作员的经验，可能需要织造多达 120 米的织物才能找到最佳参数。

为了解决这个问题，我们提出了一种将多目标自优化（MOSO）算法应用于织机的方法。自优化系统在输入条件或干扰发生变化时会调整其内部状态或结构。织机的多目标自优化考虑以下目标函数：
- 经纱张力
- 织机的能源消耗（空气和有功功率消耗）
- 织物质量

这些目标函数根据以下参数进行优化：
- 基本经纱张力（bwt）
- 每分钟转数（n）
- 垂直经纱停止运动位置（wsmy）

通过织机的多目标自优化，织机能够自动找到最佳配置。自优化程序在可编程逻辑控制器（PLC）中实现。下面我们来详细看看实现这一优化所需的硬件和软件基础设施以及具体的测量技术和程序步骤。

硬件和软件基础设施

为了实现信号处理和自优化程序的执行，我们使用了德国 iba AG 公司的 ibaPADU - S 模块系统，该系统包括以下模块：
- ibaMS16xAI - 20 mA ：用于采集范围在 [0…20] mA 的电流信号的模拟输入模块。
- ibaMS16xAl - 10 V ：用于采集范围在 [−10…10] V 的电压信号的模拟输入模块。
- ibaPADU - S - IT - 16 ：模块化系统的中央处理单元（CPU）。

模拟输入模块收集和处理来自传感器系统的信号，并通过背板总线连接到基单元 ibaPADU - S - IT - 16。基单元通过背板总线接收来自模拟输入模块的数据。中央单元通过 TCP/IP 接口连接到计算机，计算机上安装了 iba AG 公司的 ibaLogicV4 软件。ibaLogicV4 是一个编程环境，与引入的模块化系统一起形成基于软件的可编程逻辑控制器（软 PLC）。在计算机上创建的 ibaLogicV4 程序通过 TCP/IP 传输到中央单元，中央单元为 ibaLogicV4 程序提供运行时平台。在 ibaLogicV4 程序中，收集和处理来自模拟输入模块的数据。MOSO 程序在 ibaLogicV4 环境中开发，并使用 ibaPADU - S - IT - 16 模块作为运行时系统。

测量技术

• 经纱张力测量 ：使用意大利 BTSR International S.p.A. 公司的纱线张力传感器 TS44/A250 测量经纱张力。该传感器产生范围在 [0…10] V 的电压信号，与当前纱线张力成正比。传感器放置在织机中间，位于后梁和经纱停止运动装置之间，其数据连接器通过模拟/数字转换器连接到软 PLC。
• 能源消耗测量
  • 空气消耗测量 ：使用德国 ifm Electronic GmbH 公司的流量传感器 SD8000 测量织机的空气消耗。该传感器产生与压缩空气消耗成正比的信号，范围在 [4…20] mA，输出数据无线传输到软 PLC。
  • 有功功率测量 ：功率测量模块收集三相电源的特征值并保存到过程映像中。为了访问这些测量值，功率测量模块通过终端总线连接到现场总线控制器。过程映像通过终端总线提供给现场总线控制器，现场总线控制器通过 TCP/IP 接口连接到软 PLC，通信采用 Modbus 协议格式。软 PLC 以 Modbus 协议格式向现场总线控制器发送特定请求，并从过程映像中接收请求的值。
• 织物质量测量 ：德国亚琛工业大学纺织技术研究所（ITA）开发了一种用于织物生产过程中在线错误检测的测量系统。相机拍摄织物的图片，然后使用数字图像处理技术检查织物中的缺陷。数字图像处理软件运行在单独的计算机上，相机系统安装在织机织物成型的部分上方。该系统能够在织物生产后立即检测到缺陷，数字图像处理软件使用无缺陷的织物进行校准，将与校准条件的偏差分类为缺陷。根据图片中不正确像素的比例，将织物分配到一个质量类别。检查在织造过程中实时进行，运行数字图像处理的计算机通过 TCP/IP 接口连接到软 PLC，根据织物的状态，质量类别的编号（0 - 4）通过 TCP/IP 连续传输。质量类别为 0 表示织物质量准确，质量类别为 4 表示织物损坏。

程序步骤

MOSO 程序的步骤如下：
1. 生成实验设计（DoE） ：自动计算实验设计，在这个设计中，考虑三个设置参数（静态经纱张力、经纱垂直位置）和四个目标函数，共有 24 种设置。
2. 测试程序 ：设置参数并收集数据。
3. 建模 ：使用二次回归模型进行建模。
4. 确定最优设置 ：根据用户偏好，使用 Nelder/Mead 方法确定最优设置。
5. 设置机器 ：将确定的最优设置应用到织机上。

通过以上的工业数据整合与分析方法以及织机的多目标优化算法，我们可以提高工业生产的效率和质量，为企业创造更大的商业价值。在未来，随着技术的不断发展，我们有望看到这些方法在更多领域得到应用和进一步的优化。

工业数据整合与织机优化：创新解决方案

工业数据整合与分析

在工业数据整合与分析方面，其核心目标是打破数据壁垒，实现不同来源数据的协同作用，从而为企业带来新的商业价值。

从数据来源来看，机器生成数据和人工生成数据各有特点。机器生成的数据如同工业生产中的“无声记录者”，它默默记录着生产过程中的各种状态信息。例如，基于状态的监测应用就像是生产线上的“眼睛”，时刻关注着设备的运行状况；而工厂的数据仓库则是这些数据的“大本营”，将生产过程中的点点滴滴都汇聚在一起。人工生成的数据则更具灵活性和主观性，它通过智能用户交互应用程序，将人的经验和判断转化为数据。

为了实现这一目标，各个组件之间需要紧密配合，形成一个有机的整体。工厂数据仓库作为数据的存储中心，需要具备强大的存储和管理能力，能够对海量的数据进行有效的组织和分类。监测应用程序则要像敏锐的“侦探”，及时发现设备中的潜在问题，并将相关数据准确地传递出去。智能用户界面则是人机交互的桥梁，它需要充分考虑用户的使用习惯和需求，让用户能够轻松地输入和获取数据。

在能源领域，数据的有效利用更是具有巨大的潜力。随着能源行业的数字化转型，大量的数据被产生和积累。然而，这些数据往往分散在不同的系统和设备中，如何将它们整合起来并进行有效的分析，是当前面临的主要挑战。通过无缝数据集成和数据分析，企业可以更好地了解能源的使用情况，优化能源分配，提高能源利用效率，从而降低成本，增加收益。

织机的多目标优化

织机的多目标优化是一个复杂而又关键的过程，它涉及到多个方面的技术和知识。

从硬件和软件基础设施来看，ibaPADU - S 模块系统就像是织机优化的“大脑”和“神经系统”。各个模块各司其职，模拟输入模块负责收集数据，中央处理单元负责数据的处理和分析，而 ibaLogicV4 软件则是整个系统的“指挥官”，协调各个模块的工作。这种模块化的设计使得系统具有更高的灵活性和可扩展性，可以根据不同的需求进行定制和升级。

在测量技术方面，经纱张力、能源消耗和织物质量的测量都需要高精度的传感器和先进的技术。纱线张力传感器就像是织机的“触觉神经”，能够敏锐地感知经纱的张力变化；流量传感器和功率测量模块则分别监测着织机的空气消耗和有功功率消耗，为能源管理提供数据支持；而织物质量测量系统则像是织机的“视觉系统”，能够及时发现织物中的缺陷，保证产品质量。

MOSO 程序的步骤则是一个严谨的流程，每个步骤都紧密相连，缺一不可。生成实验设计是整个流程的起点，它为后续的测试和分析提供了基础。通过合理的实验设计，可以在有限的时间和资源内，获取尽可能多的有效数据。测试程序则是对织机实际运行情况的检验，通过设置不同的参数并收集数据，可以了解织机在不同条件下的性能表现。建模过程则是对数据的深度挖掘，通过二次回归模型，可以找出目标函数与设置参数之间的关系。确定最优设置则是整个流程的核心目标，根据用户的偏好和实际需求，使用 Nelder/Mead 方法找到织机的最佳配置。最后，将最优设置应用到织机上，实现织机的自动优化。

下面通过一个表格来总结织机多目标优化的相关信息：
| 类别 | 具体内容 |
| ---- | ---- |
| 目标函数 | 经纱张力、织机的能源消耗（空气和有功功率消耗）、织物质量 |
| 优化参数 | 基本经纱张力（bwt）、每分钟转数（n）、垂直经纱停止运动位置（wsmy） |
| 硬件模块 | ibaMS16xAI - 20 mA、ibaMS16xAl - 10 V、ibaPADU - S - IT - 16 |
| 测量技术 | 经纱张力测量（纱线张力传感器 TS44/A250）、能源消耗测量（空气消耗测量：流量传感器 SD8000；有功功率测量：功率测量模块）、织物质量测量（相机系统和数字图像处理软件） |
| 程序步骤 | 生成实验设计（DoE）、测试程序、建模（二次回归模型）、确定最优设置（Nelder/Mead 方法）、设置机器 |

为了更直观地展示 MOSO 程序的步骤，我们可以使用 mermaid 格式的流程图：

graph LR
    A[生成实验设计（DoE）] --> B[测试程序]
    B --> C[建模（二次回归模型）]
    C --> D[确定最优设置（Nelder/Mead 方法）]
    D --> E[设置机器]

综上所述，工业数据整合与织机的多目标优化是工业生产中两个重要的方面。通过有效的数据整合和分析，企业可以更好地了解生产过程中的各种信息，做出更明智的决策；而织机的多目标优化则可以提高织机的生产效率和产品质量，降低生产成本。随着技术的不断进步，这些方法和技术将会不断完善和发展，为工业生产带来更多的创新和变革。在未来的工业发展中，我们应该充分利用这些技术，推动工业生产向智能化、高效化和绿色化方向发展。