摘要
在生产过程中，设备综合效率（Overall Equipment Effectiveness, OEE）准确追踪设备使用效率、各生产环节损失，是评价企业精益制造的关键性指标。基于OEE分析企业可减少设备非计划停机、减少生产过程中的浪费，从而降低企业生产成本，提高企业生产力。由于传统的 OEE统计方法存在一定的滞后性，并不能及时反馈并指导生产。因此实时识别设备运行状态、统计设备在线状态时长、在线准确预测产品合格率成为在线求解OEE的关键。数字孪生方法及相关体系，为车间实时可视化监控、物理与信息世界的数据交互提供了思路，通过数字孪生系统所提供的服务可以实现设备运行状态在线状态监控、生产在线评估、生产进程干预调控等目标。 本文以广东省某发动机气门生产企业为研究对象，结合物联网技术、大数据分析技术、数据实时交互技术、三维建模技术，开发了基于数字孪生车间的设备监控与生产评估系统。本文主要研究内容如下： （1）本文根据实际生产车间各设备数据采集需求分析，设计并实现了基于智能采集设备的高吞吐、低延迟的数据采集模块。该模块由车间设备数据源层、数据传输与解析层、数据存储层组成。其中数据传输层为该模块核心层，利用Modbus协议对智能采集设备实时上传的数据进行数据解析，同时借助 Kafka消息队列实现数据的缓冲，在此基础上将解析后的数据进行封装并存入数据库中。该模块实现了对车间设备运行数据的实时、准确采集，为后续数据分析提供稳定的数据来源。 （2）在产品质量在线预测方面，针对车间生产数据存在特征文本型数据，同时各特征数据之间具有一定交叉相关性的特点，本文引入 DeepFM算法对各订单产品良品率进行预测。同时为提高模型预测的精度，在FM部分融入注意力机制，放大对结果预测相关度更高的交叉特征的权重，并通过相关对比实验验证算法的可行性。 （3）在设备状态实时监控、设备在线时长统计方面，本文提出了一种基于梯度上升的设备状态阈值自适应动态调整计算方法，利用海量历史数据对各设备进行动态划分。同时设计相关服务模块对设备运行状态进行实时监控及在线状态时长进行统计。 （4）针对企业对生产车间设备运行状态与生产进程实时监控的需求，本文设计并实现了车间数字孪生系统框架。在此基础上基于三维建模技术与WebGL技术实现了数据孪生车间的构建，并在服务层实现了对车间设备状态的实时判断、设备在线状态时长的统计、产品良品率的预测等功能，并基于以上服务模块实现了OEE在线求解模块与车间生产状态异常告警模块。经测试，本文实现的系统满足车间对生产监控的需求，能很大程度上解决工业产品生产精益化管理的痛点，具有一定的工程应用价值。
NETL