技术领域
[0001] 本
发明涉及制造业大数据领域，更具体地，涉及一种基于大数据的压延机压延质量预警系统。
背景技术
[0002] 面对市场竞争的日益激烈，制造企业要想增强企业核心竞争
力就不得不更加注重产品的质量，对于压延加工企业来说，产品质量的高低已经关系到企业的生存和发展，而先进的质量管理已成为增强企业核心竞争力的重要一环。随着大数据时代的到来，制造业已经向智能化的方向发展，每天企业都会产生大量的机器的历史数据，这些数据呈现规模大、高维度等工业大数据的特征，因此，着眼于压延工艺环节，引入大数据技术，构建压延工艺大数据质量预测架构成为提高车间生产质量的重要一环。对于压延工艺，以原有的压延质量数据资源为
基础，搭建分布式文件系统和大数据分析平台，为企业降低生产工艺带来的误差，减少人力物力财力的支出。
[0003] 目前压延工艺质量指标的检测大多是在产品生产出来后才进行,滞后的质量数据对生产过程的实时质量控制帮助不大,而且当发现产品质量不合格时,损失已无法挽回,极大地影响了企业的生产质量和效益。
发明内容
[0004] 本发明为克服上述
现有技术中对压延机压延质量的检测存在滞后性，无法在生产过程中进行质量预警的
缺陷，提供一种基于大数据的压延机压延质量预警系统。
[0005] 本发明的首要目的是为解决上述技术问题，本发明的技术方案如下：
[0006] 一种基于大数据的压延机压延质量预警系统，包括：
数据采集模
块、消息队列模块、大数据分析平台、数据展示模块，
[0007] 所述数据采集模块用于从压延机采集延时的实时状态数据；
[0008] 所述消息队列模块用于将采集的实时状态数据传输至大数据分析平台；
[0009] 所述大数据分析平台用于对实时状态数据进行压延质量分析预警，得到
预测分析结果；
[0010] 所述数据展示模块用于读取压延质量预测分析结果并展示。
[0011] 进一步地，所述数据采集模块采集的点位数据包括：自动计量系统采集的当前订单配方的物料用量信息；
[0012] 开炼机位点采集每个压轮的
温度、速度、
电流；
[0013] 过滤机位点采集过滤机的温度；
[0014] 压延机位点采集各个引取轮的温度、速度、电流、压花辊的速度、压花辊的电流；
[0015] 冷却点位采集各个冷却轮的速度、电流；
[0016] 测厚点位采集产品的厚度值。
[0017] 进一步地，所述数据采集模块包括网络接入子模块、Agent子模块，压延设备的
传感器通过网络接入子模块与Agent子模块通信连接，所述Agent子模块通过网络接入子模块下达实时状态采集的轮询指令报文到压延机设备的传感器，所述传感器处理指令后通过网络接入子模块把实时状态数据以报文的形式反馈给Agent子模块。
[0018] 进一步地，所述消息队列模块包括若干订阅主题，其中不同的订阅主题表示不同位点的压延设备，每个订阅主题均包括有唯一标识：GateID、DeviceName、Receive，其中GateID表示无线Wifi网关，或有线的RS485通信网关，DeviceName表示某位点设备名称，Receive表示数据采集标志。
[0019] 进一步地，所述大数据分析平台包括数据清洗子模块、历史数据建模子模块、实时数据分析子模块，所述数据清洗子模块的清洗处理过程为：
[0020] S1：把压延设备各个位点的数据拼装成适合训练的数据模型；
[0021] S2：使用
数据仓库工具的SQL语句把现有的压延机历史数据中存在残缺值的记录删除；
[0022] S3：使用数据仓库工具的SQL语句把样本中重复的记录删除；
[0023] S4：若数据的质量指标的值超出正常值范围则标记为不合格品，用0表示，否则表示合格品，用1表示，完成数据清洗；
[0024] S5：把清洗完成后的数据保存到非关系型
数据库中。
[0025] 进一步地，历史数据建模子模块完成以下步骤
[0026] S1：从非关系型数据库中获取清洗后的压延机历史数据；
[0027] S2：构建
随机森林模型，从压延机历史数据中用Bootstrap方法有放回
抽取训练样本生成m个训练子样本，然后每个训练子样本分别从全部特征中随机选择n个特征，计算n个特征的最佳分裂方式，得到k棵
决策树，k棵决策树组成的分类器投票决定最终分类结果。
[0028] 进一步地，实时数据分析子模块完成以下步骤：
[0029] S1：实时数据分析子模块订阅消息队列的各个位点的订阅主题，每当消息队列模块有消息推送，大数据分析平台首先把各个位点的实时状态数据清洗并整合为预设格式，然后触发质量预测，输入到历史数据建模模块生成的随机森林模型中实时预测压延质量，若预测出为0的概率大于预设参考值则表示为不及格品，得到压延质量预测分析结果；
[0030] S2：把预测分析结果存储到大数据分析平台的缓存工具中供数据展示模块的
可视化展示。
[0031] 进一步地，所述数据展示模块每隔预设的时间从大数据分析平台的缓存工具中读取预测分析结果并封装成json数据格式返回数据展示模块进行展示，若预测分析结果中返回的数据值出现0且概率大于预设参考值时则弹出质量预警对话框进行质量的告警。
[0032] 与现有技术相比，本发明技术方案的有益效果是：
[0033] 本发明通过构建基于大数据的数据采集、传输和分析的预警分析系统，能够在生产过程对压延机压延质量进行预测分析，克服了传统方法检测分析的滞后性。
附图说明
[0034] 图1为本发明系统架构图。
[0035] 图2为大数据分析平台架构原理图。
具体实施方式
[0036] 为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本
申请的
实施例及实施例中的特征可以相互组合。
[0037] 在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
[0038] 实施例1
[0039] 如图1所示本实施例提供了一种基于大数据的压延机压延质量预警系统，包括：数据采集模块、消息队列模块、大数据分析平台、数据展示模块，
[0040] 所述数据采集模块用于从压延机采集延时的实时状态数据；
[0041] 所述消息队列模块用于将采集的实时状态数据传输至大数据分析平台；
[0042] 所述大数据分析平台用于对实时状态数据进行压延质量分析预警，得到预测分析结果；
[0043] 所述数据展示模块用于读取压延质量预测分析结果并展示。
[0044] 所述数据采集模块包括网络接入子模块、Agent子模块，压延设备的传感器通过网络接入子模块与Agent子模块通信连接，所述Agent子模块通过网络接入子模块下达实时状态采集的轮询指令报文到压延机设备的传感器，所述传感器处理指令后通过网络接入子模块把实时状态数据以报文的形式反馈给Agent子模块。
[0045] 更具体地，首先Agent子模块以xml文档的方式完成对所有压延机设备的注册和属性的配置，Agent子模块对属性配置和成功注册的压延机设备具有实时采集状态数据和控制指令实时下达的功能。部署在上位机的Agent子模块程序通过网络接入子模块(如WIFI网关)下达状态采集的轮询指令报文到压延机设备的各传感器，传感器处理指令后通过WIFI网关把实时状态数据以报文的形式反馈给Agent。
[0046] 更具体地，所述数据采集模块采集的点位数据包括：自动计量系统采集的当前订单配方的物料用量信息；如订单号，产品型号，原料1设定值，原料1称重值，原料n设定值，原料n的称重值,所采集的物料用量信息数据格式如下：，ORDERID表示订单号，PRODTYP表示产品型号，MATERIAL-S1表示原料1设定值，MATERIAL-W1表示原料1称重值，MATERIAL-Sn表示原料n设定值，MATERIAL-Wn表示原料n称重值；
[0047] 开炼机位点采集每个压轮的温度、速度、电流，其数据格式如下：；Mill-T1表示压轮1的温度，Mill-Tn表示压轮n的温度，Mill-S1表示压轮1的速度，Mill-Sn表示压轮n的速度，Mill-C1表示压轮1的电流,Mill-Cn表示压轮n的电流。
[0048] 过滤机位点采集过滤机的温度，数据格式表示为,FILTER-T表示过滤机的温度；
[0049] 压延机位点采集各个引取轮的温度、速度、电流、压花辊的速度、压花辊的电流，数据格式表示为：，FETCH-T1表示引取轮1的温度，FETCH-Tn表示引取轮n的温度，FETCH-S1表示引取轮1的速度，FETCH-Sn表示引取轮n的速度，FETCH-C1表示引取轮1的电流，FETCH-Cn表示引取轮n的电流,EMBOSSING-S表示压花辊的速度，EMBOSSING-C表示压花辊的电流；
[0050] 冷却点位采集各个冷却轮的速度、电流，其数据格式表示为：，COOLING-S1表示冷却轮1的速度，COOLING-Sn表示冷却轮n的速度，COOLING-C1表示冷却轮1的电流，COOLING-Cn表示冷却轮n的电流；
[0051] 测厚点位采集产品的厚度值，其数据格式表示为：,THICKNESS表示采集产品的厚度值。
[0052] 进一步地，所述消息队列模块包括若干订阅主题，其中不同的订阅主题表示不同位点的压延设备，每个订阅主题均包括有唯一标识：GateID、DeviceName、Receive，其中GateID表示无线Wifi网关，或有线的RS485通信网关，DeviceName表示某位点设备名称，Receive表示数据采集标志。
[0053] 更具体地，Agent子模块把采集的数据报文封装成json格式的数据并追加上时间戳，发送到消息队列模块带有唯一标识的GateID/DeviceName/Receive的订阅主题中供大数据分析平台使用，不同的订阅主题topic代表不同位点的设备，其中GateID表示无线Wifi网关，或有线的RS485通信网关，DeviceName表示位点设备名称，Receive表示数据采集标志。具体示例如表1所示。
[0054] GateID DeviceName Agent Receive Topic17756456 PLC001 17756456/PLC001/Receive
[0055] 如图2所示为大数据分析平台架构原理图。
[0056] 所述大数据分析平台包括数据清洗子模块、历史数据建模子模块、实时数据分析子模块共同完成对采集回来的压延机数据进行压延质量分析预警，所述数据清洗子模块的清洗处理过程为：
[0057] S1：把压延设备各个位点的数据拼装成适合训练的数据模型；
[0058] 所述数据模型的格式为：
[0059] ；
[0060] S2：使用数据仓库工具的SQL语句把现有的压延机历史数据中存在残缺值的记录删除；
[0061] S3：使用数据仓库工具的SQL语句把样本中重复的记录删除；
[0062] S4：若数据的质量指标的值超出正常值范围则标记为不合格品，用0表示，否则表示合格品，用1表示，完成数据清洗；
[0063] S5：把清洗完成后的数据保存到非关系型数据库MongoDB中。
[0064] 历史数据建模子模块完成以下步骤
[0065] S1：从非关系型数据库中获取清洗后的压延机历史数据；
[0066] S2：构建随机森林模型，从压延机历史数据中用Bootstrap方法有放回抽取训练样本生成m个训练子样本，然后每个训练子样本分别从全部特征中随机选择n个特征，计算n个特征的最佳分裂方式，得到k棵决策树，k棵决策树组成的分类器投票决定最终分类结果。
[0067] 实时数据分析子模块完成以下步骤：
[0068] S1：实时数据分析子模块订阅消息队列GateID/DeviceName/Receive的各个位点的订阅主题，每当消息队列模块有消息推送过来时，大数据分析平台首先把各个位点的实时状态数据清洗并整合为预设格式，然后触发质量预测，输入到历史数据建模模块生成的随机森林模型中实时预测压延质量，若预测出为0的概率大于预设参考值则表示为不及格品，得到压延质量预测分析结果；
[0069] 在一个具体的实施例中所述预设参考值可以设置为80％。
[0070] S2：把预测分析结果存储到大数据分析平台的缓存工具中供数据展示模块的可视化展示。
[0071] 进一步地，所述数据展示模块每隔预设的时间从大数据分析平台的缓存工具中读取预测分析结果并封装成json数据格式返回数据展示模块进行展示，若预测分析结果中返回的数据值出现0且概率大于预设参考值时则弹出质量预警对话框进行质量的告警。
[0072] 在一个的具体的实施例中，数据展示模块每隔2秒从大数据分析平台的缓存工具Redis中读取预测分析结果并封装成json数据格式返回数据展示模块进行展示，若预测分析结果中返回的数据值出现0且概率大于80％时则弹出质量预警对话框进行质量的告警。
[0073] 显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何
修改、等同替换和改进等，均应包含在本发明
权利要求的保护范围之内。
