面向智能制造的多通道数据采集、感知、融合与服务方法研究

Big data in the intelligent manufacturing is characterized by 3V (Volume, Variety and Velocity). The data acquisition provides a variety of data for the decision-making of the entire intelligent manufacturing system. However, at present, data modeling and acquisition is insufficient, collection method is isolated and tight coupling, which cannot fulfill the data demand of the intelligent manufacturing system. Thus, the method of multi-channel data acquisition, perception, fusion and service for intelligent manufacturing is proposed in this project. The method helps realize the loose coupling among the data, the data acquisition device and the upper application, which could be applied in different types of intelligent manufacturing system. Major work of this project is as follows: The manufacturing data expression and modeling method are studied by analyzing the data in the intelligent manufacturing and the demand of relevant application systems, and the unified data model for intelligent manufacturing is construct. Based on this model, an event-driven data acquisition and perception framework is studied. Event-driven data acquisition and perception methods are established. Data is transformed to the information based on the data fusion method, and the information is shared in intelligent manufacturing and served the application systems by SOA in a standard format. In this project, methods and theories are established for the data modeling and acquisition in the intelligent manufacturing, which provides support to the intelligent manufacturing data modeling and acquisition.

智能制造大数据呈3V特性，即：规模性、多样性、高速性，感知层的数据采集为整个智能制造系统提供决策所需的各种数据。而目前数据建模和采集方法普遍存在建模采集不全面、采集方式孤立和紧耦合等问题，无法应对智能制造对大数据的需求。为此，本项目提出了面向智能制造的多通道数据采集、感知、融合和服务方法，可实现数据、采集设备以及上层应用系统的松耦合，灵活应用于不同类型的智能制造系统。项目从分析智能制造数据种类及应用系统对数据的需求入手，研究制造大数据的表达和建模方法，探索面向智能制造的统一数据模型；在此基础上，研究基于事件驱动的数据采集和感知框架，建立基于事件驱动的数据采集、感知方法，通过数据融合方法使数据成为信息；最终统一描述形成标准制造信息，并基于SOA在智能制造中实现共享，为智能制造相关应用系统提供数据服务。通过研究，形成智能制造数据建模和采集领域的方法和理论，为智能制造数据建模和采集提供支撑。

针对工业数据采集不全面、采集方式孤立以及与上层应用系统紧耦合等问题，本项目以面向智能制造的制造数据采集作为切入点，系统地开展了多通道制造数据采集、感知、融合和服务方法研究，支撑数据、采集设备以及上层应用系统的松耦合，并可灵活应用于不同类型的智能制造系统。项目从分析智能制造数据种类及应用系统对数据的需求入手，提出了制造大数据的表达和建模方法，形成面向智能制造的工业数据采集图谱；提出了多通道智能制造生产数据采集、感知与服务框架，包括封装多通道的发布/订阅的数据统一采集、感知与服务模式以及基于OPC UA 的多通道数据采集、感知与服务模式。针对工业时序数据在采集过程中存在缺失或异常等质量问题，提出了知识与数据混合驱动的工业时序数据融合处理方法。在此基础上，分别提出了基于发布订阅的数据服务方法和基于OPC UA的数据服务方法，打通了底层异构数据到上层应用的链路。项目执行期间，开发了多通道数据采集硬件和基于发布/订阅数据服务软件，并将其应用到工业现场进行了实例验证，结果表明，项目提出的方法可有效实现异构多维的数据采集并松耦合地应用于上层应用系统，同时可进一步形成制造数据池，为后续工业大数据挖掘奠定基础，最终为提升生产质量和生产效率提供有效的数据决策支持。项目共发表论文7篇，申请专利6项，其中2项授权，已培养和正在培养研究生共6名。