面向工业大数据的可视化系统设计与实现

发布时间：2020-05-05 02:55

【摘要】：随着企业的生产力竞争日益扩大以及老龄化所带来的工作人口数量不断的降低、劳动力成本的不断上升和用户需求的不断更替,传统的制造企业面临了巨大的产业升级压力,这些企业只有通过不断提高产品的生产效率和质量才能够在竞争中取得优势。为了能够更有效地实现对传统制造企业进行产业升级,就必须在这些企业中利用现代的一些智能信息技术,比如,大数据、云计算、人工智能等技术,通过这些技术手段以科学的方式帮助它们完成向智能制造方向的改革,在传统工业向智能制造方向改革的进程中,工业大数据成了一个重要的研究课题,通过对工业大数据的利用,可以帮助企业察觉到生产进程中的瓶颈和工艺缺陷等等,通过对这些因素的不断优化可以使得产品的生产效率和质量得到提高。工业大数据涵盖了工业企业的供应链、物流、仓库、生产现场、售后等多方面的数据,这些数据最终将会形成一个闭环,通过对这个闭环数据的分析可以不断的对产品进行迭代升级从而优化产品的质量。本课题主要是针对工业大数据中的生产现场的数据的处理,通过利用可视化等分析方法和手段帮助企业完成对生产数据可视化的改造工作,加快向智能制造方向的推进。论文主要围绕以下几个方面进行展开:(1)设计并实现了一套基于TCP的传输协议,解决了TCP在传输过程中的粘包等问题,同时设计并实现了一套设备登录认证和动态加密等流程和手段解决设备在连接和数据传输的安全问题。(2)提出了以时序数据库、消息中间件等方式和手段解决了工业大数据在存储、推送方面的难题,同时为了满足工业大数据在可视化方面的性能问题设计并实现了一套基于新一代的界面框架的可视化程序。(3)通过RFID等手段实现了对产品生产过程的关键环节进行数据标记和数据关联,并以此为基础实现了面向制造行业的质量回溯系统,通过该系统可以将产品生产过程中的一些关键阶段的数据进行回溯展示。(4)通过以系统在线缆行业中的应用证明了系统的可行性,同时设计并实现了后台管理系统,对对企业的物料、人员、工艺参数等进行统一的管理,通过系统与MES系统的对接完成排产任务监控等功能。
【图文】：

热点,可视化

大数据主要是通过实时数据可视化和历史数据可视化的两种方式进行展示的，实时数据可视化对性能要求比较高所以将会采用原生的方式，而历史数据可视化对性能要求不高，但是需要具有高度的可定制性，用户需要从多个维度查询，比如可以通过从时间、机台、产品等多个维度进行历史数据筛选查询，所以对于历史数据可视化将采用基于 Web 的方式来减小开发难度。数据可视化一般通过曲线、图表等形式来进行展示，为了能够让用户更直观的察觉到机台等工作状态，可以采用热点图等方式来直观展示，如图 2-3 所示，通过在机台的示意图上面加一些小圆点来表示传感器，小圆点的颜色和大小来表示传感器所感知到的数据是否出现了异常以及传感器的工作状态是否正常等等，用户可是直接通过查看类似于图 2-3 这样的热点图就能直接感知到机台的参数状态，图中的每个热点都是可以点击的，点击进去就能够看到该传感器采集的数据情况。通过这种方式可以很直观地将整个机台的一些物理状态进行可视化展示，同时还可以用来监控机台的异常状态，当机台发生故障时，，该图上面对应的热点颜色会发生相应的变化，比如当传感器不工作时，热点就变为灰色，当采集的参数异常时热点就变为黄色或者红色。

时序数据

第三章系统总体方案设计降低资源的耗用，非常适用于高速处理那些在短时间内产生大量数据的场景。（3）对外的接口主要以超文本传输协议（HTTP）提供，同时也支持用户数据报协议（UDP），所以它符合“高内聚、低耦合”的设计准则，使得数据库的操作变得十分方便而且不依赖与编程语言、操作系统等外部环境。（4）提供了类 SQL 的查询语言，方便查询聚合数据。（5）支持在连续查询中动态计算聚合数据，使得高频查询更具效率。（6）数据存储机制支持自动清除过期数据，且清除的效率是十分高效的。（7）支持以标签的形式建立索引，从而支持快速高效的查询。（8）支持插件，用户可以自主开发基于 InfluxDB 的插件从而极大的增加了数据库功能的扩展性。截止到 2019 年 05 月，InfluxDB 在时序数据库排行榜上仍保持第一名的位置，且其评分为 18.08 比第二名高出了三倍的得分，如图 3-7 所示，由此可见InfluxDB 在时序数据库中占领了十分重要的地位。
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP311.13;F424;F49

【参考文献】