1. 引言

伴随着全球化竞争的激烈程度加剧，各行各业均在不断的技术转型以跟上竞争化的步伐，生产车间逐渐从大批量、标准化生产转型到小批量、柔性化生产^[1]。产品生产的批量小、产品的种类多、呈现了离散生产的特点，采用人工手工记录的方式进行数据采集的采集方式，采集的数据速度慢，而且受人工主观因素的影响，采集数据容易出错，同时采集的时刻和生产的时刻有延时，不能实时的反应生产的实际情况，随着信息技术的发展，将日新月异的信息技术在车间的生产制造过程中进行匹配运用，不仅能够实现有效地数据收集和汇总分析工作，也能够实时的发送指令给现场生产的工作人员，实现双向的信息流动。

制造生产车间的数据类型多、数据结构也不同，而且不同车间之间的数据表达不同导致数据互相共享困难，而且大量的数据是重复和无用的，本文将对数字化生产车间的数据进行分析建模，以实现对数据的标准化和统一化，这是车间数据化操作的基础工作，不仅能够实现车间数据互换和融合，还能为后期的数据采集、传输以及处理奠定良好的基础^[2]。

2.  制造车间的数据特点

产品的生产制造过程中会产生各种各样的数据，生产设备的信息、生产物料的信息、生产的工序、生产的进度信息以及车间的工作人员信息等等，各种数据之间进行相互的传递和共享，根据设备信息可以了解车间设备的运行情况。因此，为了不断提升车间管理水平，促进车间的生产效率，以及车间人员的工作效率，我们将非常有必要对车间数据进行采集、加工及处理^[3-4]。车间的数据具有以下的特点。

1）车间数据的多样性

制造车间的数据种类繁多，有人员信息，比如人员的工作时间、工作安排和出勤情况等；设备信息，比如设备的工作时间、设备的工作状况、设备的利用效率等；物料信息，比如物料的消耗信息、物料的准备信息以及产品库存的信息等；动态生产信息，比如生产加工过程中的产品质量信息、生产计划的安排信息、生产计划中的反馈信息以及生产计划的进度信息等；生产管理信息，比如管理过程中的成本信息、物料供应信息、各个不同车间之间的协调情况等等，这些不同类型，不同结构的信息共同构成了车间的制造信息。

2）数据的结构不一

数字化制造过程中，不同的工序，不同的流程涉及到的加工车间不同，而且每个车间的生产设备也不相同，每个设备都有自己的管理系统，设备与设备之间的标准和规范也不一样，而且加工过程是动态进行的，不同的设备退出和进入都会产生新的数据，这都使得数据之间头绪纷杂，数据结构也呈现多种样式而不统一。

3）加工数据是动态多变的

数字化加工车间的数据是动态不断变化的，加工过程中设备的监控信息，比如生产设备的温度状况、机械设备的开/关机运转情况、设备电机的转速情况等。生产过程中工序的流动，物料在车间的传送，物料运输的位置等等都是随着时间在不断的发生变化。生产计划也在随着生产的进度不断进行调整，人员的进出流动、商品的进出流动、设备自身的物理特性的变化、生产管理的变化等等都使得这些加工数据是动态多变的。

4）数字化生产车间数据的复杂性

车间的生产环境复杂，各种突发情况随时可能发生，会面临着设备损坏，机械故障、人员缺失等等问题、同时一件产品的生产工序多，一件产品往往需要经过多个设备，多个车间的流动，而这需要各个设备和车间之间建立好良好的通信和数据传递机制，因此数字化车间的数据具有复杂性。

5）数字化生产车间数据的共享性

在一个制造企业中，通常有多个系统。物料管理系统、生产制造系统、数控加工系统、产品数据管理系统、生产信息化管理系统等等系统，多个系统协同工作来保证生产制造的顺利完成，因此这就要求企业的各个信息之间能够共享，生产过程中能互相的传递信息进行反馈，因此数字化车间的数据具有共享性。

6）数字化生产车间数据的不确定性

在车间加工制造过程中，会面临很多不确定性的因素，比如设备的突然损坏、车间突然停电、加工过程中发生突然的状况，导致车间的生产中断，也会导致数据的采集和传输的中断，因此需要面对数据的不确定性因素，要有抵抗不确定性的机制和系统来保证数据采集和传输的连续进行，和生产的正确监控。

3.  数字化生产车间数据类型分析

数字化生产车间在生产过程中的数据包括车间的原材料、工作人员、生产环境、加工设备、生产质量、加工流程、工装等等，涉及到车间的各个组成部分，因此要缕清各种数据之间的联系，建立统一的数据采集平台，就需要对这些数据信息进行分类，尤其是按照计算机可识别的类型对数据进行较为合理的分类^[5]。针对不同类型的数据，计算机系统会对应产生不同的数据采集和数据处理的方法，参照数字化车间的数据分类标准，将数据分为如下几类：

1）传感数据：由设备底层传感器直接采集的数据类型，主要反映设备当前状态。

2）过程数据：与作业相关工序结合形成过程数据，主要反映生产任务执行情况。

3）流程数据：与各业务系统数据交互形成流程数据，主要反应个生产环节的情况。

4）物料信息：直接反映生产物料具体属性的信息。

4.  数据融合处理方法

数字化生产车间的数据结构多样，数据复杂，而且动态多变。因此，要保证计算机对这些数据能进行处理，需要采取的数据内容保持统一和连续^[6]。通过采集传感数据、流程数据、过程数据、物料信息并进行综合分析判断，实现产品仓储出入库、接驳、输送、拆码垛、身份识别、上下料、装配、贴标、分拣等复杂生产过程的全面跟踪^[7]。其逻辑架构如图1所示。

图1 数据融合处理逻辑架构图

由图1所示，车间控制器通过PLC、OPC等通信方式获得底层设备的状态数据，实现对底层设备运行状态的掌控。基于底层设备感知信息，结合工序流提取有效信息，形成过程数据，获得生产任务的执行情况。基于过程数据，按照系统之间数据的交互形成流程数据，及时获取各个制造环节的进展情况。根据传感数据判断设备工作状态，根据传感、流程、物料数据判断工序执行状态，再综合分析传感数据、过程数据、流程数据及物料信息与生产作业之间的关系，实现对数字化车间状态的全面掌控。

5. 结束语

本章首先对车间的数据特点进行了分析，得出车间数据具有多样性、结构不一、复杂性、不确定性、共享性等特点。然后，通过采集传感数据、流程数据、过程数据、物料信息并进行综合分析判断，设计了数据融合处理的逻辑架构，为解决制造车间采集数据融合处理问题提出了一个解决思路。

参考文献

[1]  杜平安，制造业信息化的发展与现状研究[J]，中国机械工程，2003，14(13):1126-1130。

[2]  杨俊涛，面向数字化车间的质量管理研究及系统开发[D]，沈阳：沈阳理工大学，2015。

[3]  杨俊涛，面向数字化车间的质量管理研究及系统开发[D]，沈阳：沈阳理工大学，2015。

[4]  李海洋， 离散制造车间的质量数据采集研究[J]， 企业技术开发（学术版），2015， 34(11):59-60。

[5]  Mc Farlane  D，Sarma  S，Chirn  J  L，et  al．Auto  ID  systems  and  intelligent  manufacturing Control[J]．Engineering Applications of Artificial Intelligence，2003，16(4):365-376.

[6]  李萍，基于WebService的数据共享交换平台的设计与实现[J]，计算机时代，2016(7):34-37。

[7]  许代红，蓝永乾，运用物联网技术构建数字化油田生产运行综合管理平台[J]，通信管理与技术，2011(3):32-35。

作者简介：徐驰（1988.04-），男，汉族，山东济宁人，硕士，工程师。研究方向：计算机及应用。