基于大数据技术的机械机床制造数字化平台设计

摘  要：针对机械机床行业资源不共享、信息不对称、发展决策无依据、缺少大数据化分析等问题，设计一种基于大数据技术的机械机床制造数字化平台。通过走访企业、用户调查等方式获得基础数据，然后利用大数据采集与挖掘技术、Web技術整合数据资源，实现企业节约人力资源、优化生产管理、提高数据利用价值的目的，有效助力机械机床制造产业转型升级，提升企业生产智能化水平，加快实施二十大提出的创新驱动发展战略。

关键词：大数据；机械机床制造；数字化；平台设计

中图分类号：TP311.5  文献标识码：A  文章编号：2096-4706（2023）24-0021-04

Design of a Digital Platform for Mechanical Machine Tool Manufacturing Based on Big Data Technology

GUAN Jing

（Zaozhuang Vocational College， Zaozhuang  277800， China）

Abstract： This paper designs a digital platform for mechanical machine tool manufacturing based on big data technology to address issues such as resource not shared， information asymmetry， unfounded development decisions， and lack of big data analysis in the mechanical machine tool industry. By visiting enterprises， conducting user surveys， and other means to obtain basic data， and then utilizing big data collection and mining technology， Web technology to integrate data resources， the goal of saving human resources， optimizing production management， and improving data utilization value is achieved. It effectively assists in the transformation and upgrading of the mechanical machine tool manufacturing industry， improves the level of enterprise production intelligence， and accelerates the implementation of the innovation driven development strategy proposed at the 20th National Congress.

Keywords： big data; mechanical machine tool manufacturing; digitization; platform design

0  引  言

国际机床行业发展越来越智能化是如今的大势所趋。而将新一代信息技术深度融入企业，是加快形成先进制造业集群的关键，亦是促进经济高质量发展的重要路径。但目前国内机械机床制造产业大多存在以下问题：1）机械机床行业相关的平台系统在数据分析、数据处理等可视化方面存在一定的不足，比如数据的实时分析、响应和及时预警[1]。2）传统烟筒式的数据模式，不能及时进行信息共享。3）存在结构化矛盾。4）企业发展决策无依据，全依靠企业负责人的经验。同时，部分机械机床的翻新，也抑制了整个行业的飞速发展。这些问题导致机械制造企业无法实时有效地获取数据资源，更不能及时作出企业发展决策。

随着大数据、人工智能等新技术的普及应用，人们交流和联系方式发生了很大变化。大数据正在成为管理和决策的整体基础。我国在2015年发布《促进大数据发展行动纲要》[2]，强调推动实施国家大数据战略，推进数据资源整合和开放共享，更好地服务于我国经济社会发展和人民生活改善。鉴于此，本文构建了以Hadoop生态系统为核心的、采用大数据采集与挖掘技术以及Web技术的数据一体化创新服务平台，以期机械机床企业实现对内精确管控，并实现多链条融合创新发展。

1  机械机床制造数字化平台意义

中国工业大数据还处于起步阶段，其应用还存在诸多技术壁垒。但根据以“中国制造2025”为代表的规划，预计到2025年中国工业大数据的发展速度将大幅提升。

机械机床制造数字化平台可以将大数据技术深度融合到企业中，为企业的可持续发展提供新思路。在数据供给方和数据需求方之间形成常态化对接机制，推动数字经济、数字社会融合发展，推进数据在优化治理、造福人民、发展产业上的灵活运用。全面实施二十大提出的创新驱动发展战略。

2  机械机床制造数字化平台架构

2.1  整体架构设计

平台以生产设备和产品联网为基础，结合大数据技术，整合存储资源、计算资源和网络资源，帮助企业降本增效，推动机械机床智能化产业升级。平台细化成两个分平台，即对内管理平台和对外共享平台，如图1所示。

2.2  基本功能模块

主要模块包括：1）监控云。对设备情况实时监测和智能诊断。2）物流云。可视化技术直观地显示物流详细信息。3）运营云。通过“可视化”地展现地域性需求的比例和演变，来动态地调整产品和铺货策略，从而促进企业运营部门精准运营。

2.3  平台技术

在机床厂设备管理员对设备进行分析处理时，平台会根据设备历史信息及其他机床厂设备运行情况为管理员提供智能AI算法得出的结果进行参考。

本文将车间的每台设备数据信息通过云端技术进行数据保存，再通过5G与Hadoop生态系统中MapReduce技术的结合将海量数据进行清洗、分类，合理地归纳到各个模块。然后，通过echarts技术进行可视化展示，并将数据反馈给各个部门，为优化决策方案供数据基础。

本文用Scala Spark程序将机床加工的不同零件类型的数量保存到Hive表中，部分关键代码如下：

import org.apache.spark.sql.{SaveMode， SparkSession}

object MachineToolPartCountSaveToHive {

def main（args： Array[String]）： Unit = {

// 创建SparkSession对象

val spark = SparkSession.builder（）.appName（"Machine Tool Part Count Save To Hive"） . master （"local[*]"） .

enableHiveSupport（） .config（"hive.metastore.uris"，"thrift：

//："） .config（"hive.exec.dynamic.partition"，"true"）  .config（"hive.exec.dynamic.partition.mode"， "nonstrict"） .getOrCreate（）

// 读取数据

val data = spark.read.format（"csv"）.option（"header"， "true"）.option（"inferSchema"， "true"）.load （"machine_tool_data.csv"）

// 统计

val partCount = data.groupBy（"part_type"）.count（）

// 將结果保存到Hive表中

partCount.write.mode（SaveMode.Append）.partitionBy

（"part_type"）.saveAsTable（"mydatabase.machine_tool_part_count"）

spark.stop（）

}

}

对机床加工数据进行清洗：

import org.apache.spark.sql.{SaveMode， SparkSession}

import org.apache.spark.sql.functions._

object MachineToolDataCleaning {

def main（args： Array[String]）： Unit = {

// 创建SparkSession对象

val spark = SparkSession.builder（） .appName

（"Machine Tool Data Cleaning"）. master（ "local[*]"） .

getOrCreate（）

// 读取数据

val data = spark.read.format（"csv"）.option（"header"， "true"）.option（"inferSchema"， "true"）

.load（"machine_tool_data.csv"）

// 数据清洗

val cleanData = data.withColumn（"date"， to_date

（col（"date"）， "yyyy-MM-dd"）） . withColumn （"total_count"， col（"op1"） + col（"op2"） + col（"op3"）） .drop（"op1"， "op2"， "op3"， "operator"）

// 将清洗后的数据保存到文件中

cleanData.write.mode（SaveMode.Overwrite）.option（"header"，"true"）  .csv（"machine_tool_clean_data.csv"）

spark.stop（）

}

}

本文还采用MySQL数据库与Hadoop生态系统结合混搭使用，实现数据处理，大大降低数据处理的成本（1个数量级）来满足各种数据的处理需求[3]。平台系统主界面如图2所示。

在其他的模块中为提高客户使用时的体验感，采用了相对成熟的Hadoop HDFS文件存储技术、Spark离线计算技术、Spark Streaming实时计算技术、Flume日志收集技术和Zookeeper的分布式协调服务技术。硬软件配置信息如表1所示。

3  机械机床制造数字化平台设计实现

3.1  对内管理平台

主要实现企业智能预警、可视物流、精准监控、智能运营四个方面功能。

3.1.1  监控云

提供精准监控，将错误定位到工位号并进行详细记录，便捷地进行维修和错误复盘分析，以便保障机床的工作效率，减少多余时间浪费造成的工期延缓。可以利用大数据分析技术进行数据的抓取、挖掘、分析，以达到在保障加工质量的情况下动态优化延长带锯寿命[3]。

3.1.2  物流云

利用信息技术数据化物流信息，实现对供应链实体物流综合管理的数字化、智能化、标准化和一体化[4]，对产品物流信息、进行便捷的查询。配合附带模块能够更直观地分配商品运输。对接监控云，资源信息实时可视，支持资源动态调配和异常处理，实现物流数字化、智能化。界面如图3所示。

3.1.3  运营云

以直观的可视化方式展示并与操作者进行互动，为企业设计更好的运营方案提供基础。

在具体的产量分析与销量分析页面中，采用Hadoop技术、Mapreduce算法对数据进行分析整合，大致列出日产量排行、月产量对比、设备生产零件完整度、生产分类、各类销量统计对比等一系列模块。实现节俭运营成本、产品销售预测、需求管理、生产计划和排程。生产制造过程中数据越积越多，“可视化”让经验预测和真实偏差的概率一览无余[5]，可以通过相关性分析和数据跟踪来规划未来。

3.1.4  能耗云

平台中智能预警模块提供业界最全的网络接入方式，对带宽需求成倍降低，强大的智能分析平臺，实现对不安全因素的自动检测和预警，通过数据共享的方式可跨域共享和检索进行数据分析，大大提高了工程师的维护效率。界面如图4所示。

3.2  对外共享平台

3.2.1  供需对接交流

汇集行业内企业，以贴吧的形式提供一个表达和交流思想的自由网络空间，并以此打破了当前信息孤岛局面，促进信息交流，便于技术求助和共享，共同促进整个行业发展。

3.2.2  信息展示

设有设备采购、原料采购、供需对接和人物访谈四个模块，在采购页面中以分类的方式方便采购者检索设备信息，供需对接页面中拥有求购、询价信息展示及发布需求功能，人物访谈页面中提供了专家的生产经验及棘手问题解决方案。

4  结  论

该文基于大数据相关技术，实现了机械机床的智能预警、可视物流、精准监控、智能运营等方面的功能。创新机械机床数字化平台细化为两个分平台，即对内管理平台和对外共享平台，用以加快建设智慧车间，增强工业产能，全力打造智能制造高地，加快企业“上云、用数、赋智”。随着技术的不断成熟，平台相关功能也会变得越来越全面，行业间数据收集难等问题在相关政府部门的重视下将会得到解决。

参考文献：

[1] 张钱钱.数控车间质量管理系统的设计与实现 [D].成都：电子科技大学，2021.

[2] 廉凯.以数字山东建设为统领 加快实施国家大数据战略 [J].软件和集成电路，2019（8）：74-75.

[3] 王双桥.计算机大数据分析与云计算网络技术应用 [J].数字技术与应用，2023，41（2）：122-124.

[4] 刘锴，关忠良.数字物流——运用现代信息技术实现物流数字化、一体化 [J].物流技术，2003（4）：32-33+47.

[5] 崔熙媛.一种加密交互NFT作品的控制方法、装置及设备：CN202111533297.4 [P].2022-03-01.

作者简介：关静（1987.08—），女，汉族，山东枣庄人，讲师，硕士研究生，研究方向：大数据、计算机。