文档介绍：该【基于工业互联网和大数据分析的智能控制平台建设研究 】是由【科技星球】上传分享，文档一共【6】页，该文档可以免费在线阅读，需要了解更多关于【基于工业互联网和大数据分析的智能控制平台建设研究 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。基于工业互联网和大数据分析的智能控制平台建设研究
 
 
黎勇钱杰金伟
[摘要]文章以宁波卷烟厂智能制造转型实例为背景,介绍了智能控制平台的建设情况及实施效果。实践证明,智能控制平台建设充分发挥了人工智能和工业互联网平台的作用,显著提升了生产质量稳定性,实现了生产过程工艺质量的精准控制和协同优化。
[Key]工业互联网;大数据;智能制造
doi:.1673-
[];TP315[]A[]1673-0194(2020)24-00-02
1   建设背景
随着《中国制造2025战略》发布及相关配套政策的出台,烟草行业提出探索卷烟智能制造新模式、促进企业转型升级的总体要求。宁波卷烟厂积极响应,大力推进两化深度融合,创建智慧企业,并积极开展生产制造智能管控平台建设,推进制造智能化。该平台以生产控制实际问题为导向,融合“云大物智”
等新技术,全面采集生产过程实时参数和关键要素信息,引用关联分析、神经网络、遗传算法等实现智能控制数据处理和知识沉淀,依托自动化控制方法实现烘丝冷却水分智能控制应用,以显著提升工艺质量控制的稳定性和标准化水平。
2   实施经验分享
  基于工业互联网平台架构标准的架构设计
图1是基于工业互联网平台架构标准的架构设计。其中,在平台的边缘层,通过连接和管理相关设备,利用协议转换实现海量工业数据的互联互通;同时,采用边缘计算技术,实现错误数据剔除、数据缓存等预处理及边缘实时分析,降低网络传输负载和云端计算压力。平台层在通用PaaS(PlatformasaService,平台即服务)架构上进行二次开发,实现烟草工业PaaS层构建,为用户提供海量数据的管理和分析服务,并对烟草工业生产、设备、工艺质量等领域技术、知识、经验等资源进行封装、固化和复用,为创新应用快速开发提供基础平台。应用层面向卷烟工艺质量参数、设备状态参数、物料流量等智能控制提供信息化支持,通过为用户提供创新应用平台,实现烟草工业知识的复用和推广,创造智能制造场景。
  建立边云协同的工业互联网平台,提升平台数据处理和控制响应能力
通过加装传感设备、改造设备等措施提高平台的即时感知能力,实时获取生产、工艺、质量、设备运行等原始数据,通过边云协同快速处理数据。边云协同降低了云端服务器计算负载、减缓了网络带宽压力,规避了多种采集设备带来的多源异构数据问题。
  开展符合工业业务特性的数据模型训练
本文针对“面向多机协同的模型仿真与预测、数据混合存储、增强学****算法优化”等关键技术进行研究;采用逆向工程法解构与分析烘丝筒控制原理,解析出烘丝筒热风数字电视(PacketIdentifier,PID)控制等关键参数的控制算法,并进行准确性和有效性验证。同时,在上述基础上结合工厂业务特点调整算法,形成更精准的数据挖掘和预测算法,构建数学模型,如图2所示。
  融合大数据、云计算、人工智能、虚拟仿真等技术建立云端智能控制平台
依托云端算力进行关联分析,识别关键工艺质量指标的特征向量,并利用虚拟仿真技术建立基于实际业务数据的仿真环境,模拟参数变化对工艺质量的影响,动态预测工艺质量信息,并根据预测结果反向指导物理世界的相关参数控制。系统实时跟踪调整后的工艺质量变化,并根据调整结果优化数据模型。
  效果验证
智能制造应用在全球范围内都处于探索阶段,有效的参考案例不足,为了保证研发的严谨性及实现项目预期目标,宁波烟厂在各个阶段都进行了大量实验,验证内容如表1所示。
3   效果展示
2019年7月至2019年12月,智能控制模型产线控制实验共完成111批次的烟丝测试。关键指标值控制效果如下。①烟丝冷却水分均值。2019年7月至2019年9月测试了10个批次,冷却均值达标率为30%。10月至12月指标达标率持续上升至100%,冷却水分均值变化控制在工艺设定值小数点后2位。②冷却水分标偏。模型融入气候变化、小样本牌号控制精度、不同牌号烟丝互相掺配等
异常因素后,,效果明显。随着模型持续调优,标偏值将会持续降低。③料头干头量。智能控制比人工控制提前10秒实现冷却水分值达标(冷却水分设定值±),流量按4500千克/小时计,。10月至12月,每月随机挑选智能控制和人工控制生产的各10批烟丝进行对比,智能控制批次的干头量指标明显优于人工控制批次,其中,12月份有7批次智能控制的干头量优于人工控制。
4  结语
宁波卷烟厂基于工业互联网和大数据分析的智能控制平台已全面上线。该平台显著提升了生产质量的稳定性,实现了生产过程工艺质量的精准控制和协同优化。随着智慧工厂建设持续推进,宁波卷烟厂已将成功经验运用在其他领域,希望打造更多的智能制造应用场景,实现智能化红利,昂首迈向行业、省级智能工厂领先行列。
主要Reference
[1][J].中国新通信,2014(18):66.
[2]许基伟,[J].软件工程,2019(12):41-43.
[3][J].中外企业家,2020(17):73-74.
 
-全文完-