2022 IoTDB Summit:中航王闯《Apache IoTDB 在中航机载智能云制造系统的应用解决方案》

12 月 3 日、4日,2022 Apache IoTDB 物联网生态大会在线上圆满落幕。大会上发布 Apache IoTDB 的分布式 1.0 版本,并分享 Apache IoTDB 实现的数据管理技术与物联网场景实践案例,深入探讨了 Apache IoTDB 与物联网企业如何共建活跃生态,企业如何与开源社区紧密配合,实现共赢。

我们邀请到中航机载航空工业机载共性中心高级工程师王闯参加此次大会,并做主题演讲——《Apache IoTDB 在中航机载智能云制造系统的应用解决方案》。以下为内容全文。

大家好,我是来自航空工业机载共性中心的王闯,我今天报告的题目是《IoTDB 在航空机载智能云制造系统的应用解决方案》。

报告分为这样五个部分,第一是我们机载共性中心的单位介绍,第二部分是航空机载智能云制造系统项目简介。第三方面是 IoTDB 在这个项目系统里面的具体应用。第四部分是具体的应用效益以及价值。第五部分是对于未来的一些规划。

01 机载共性中心单位简介

首先是单位介绍。中航机载系统共性技术有限公司是航空工业下属的,专门从事机载系统共性技术研究的这样一个专门机构。

从行业定位来说,我们是面向机载系统的系统供应商、子系统供应商,来提供底层的流程、工具、方法、环境及公共资源。具体的形式包括前沿关键共性技术研究,包括机载专网工业云平台的研制,包括机载系统智能云制造系统,包括机载的仿真中心等。

具体的业务领域主要是通过机载关键共性技术的研究,来制定机载系统研制的体系,研发机载系统管理平台及工具系统,研发机载的虚拟集成仿真验证系统,建立支持机载系统协同研制及生产制造的工业互联网环境,并通过这样的环境向用户提供服务。

核心业务包括一些关键共性技术的研究。

包括基于工业互联网的复杂机载系统协同研发的生态,来向用户提供研制体系、工具系统、管理系统、包括协同办公,包括安全管控等这些服务的内容。

第三部分是通过虚拟集成仿真验证环境,来提供仿真相关的一些服务。

第四部分是通过面向生产制造的智能云制造系统,来提供协同生产制造以及相关的云智能服务。

02 航空机载智能云制造系统项目介绍

第二部分是航空机载智能云制造系统这个项目的介绍。

整个项目实际上是针对当前数字化技术及制造技术深度融合这样的背景下,通过对于数字化设计、数字化生产、数字化管理及人工智能技术的综合应用,实现对于机载系统产品的快速生产,进而制造出满足用户需求、适航要求、商业成功的机载产品这样的过程。

它的具体的背景是针对当前行业里面存在的对于研发、制造等核心环节技术被国外所垄断,无法实现自主可控、产业链不完备这样的突出问题。举一个典型例子,像我们都知道 C919 型号,机载系统里面的核心设备基本上被国外供应商所垄断。

另外一方面,目前机载系统的生产制造过程中,生产制造的效能与国外的先进水平相比,差距相对还是比较明显。

我们进行问题的一个总体的整理,梳理出来当前机载系统生产制造过程中主要存在这样三方面的问题。

第一,对于当前机载系统制造模式相对比较落后,难以满足民机机载产品的快速蓬勃的发展要求。因此,需要将新一代的信息技术与传统的生产制造过程结合,建立基于工业互联网协同的智能制造系统;并通过这样的专网,连接制造工厂,形成这样的广域网络;以云平台为载体,统一管控云上的制造资源与制造过程,形成现场协同制造的模式。

第二方面的问题是,当前机载系统的生产制造的适航符合性验证缺乏体系的指南。因此,需要在相关国家标准及规范的基础上,融合适航规章对于制造过程及质量的要求,建立包含支持过程及活动要素的智能制造体系架构以及各层级的文件,为民机机载系统智能制造提供体系的引领。

第三方面是,当前生产制造活动中智能化程度相对比较低,数据利用的效率不足。需要打通制造过程中全要素的数据感知、采集、存储及应用的链路,利用人工智能、大数据、数字孪生技术,构建信息空间与物理空间基于数据自动流动,涵盖状态感知、实时分析、科学决策与精准执行这样的闭环赋能系统,来提高制造过程的数据利用效率及智能化的水平。

整个项目的研制目标是构建面向整个机载系统的智能云制造系统,以此来打通机载当前产业链的上下游,形成涵盖主机单位、机载系统的供应商、机载子系统的供应商、机载的工厂、包括一些下游的一些供应链的供应商合作伙伴,这样一个产业的新的生态。

因此,我们提出了一种覆盖了人、机、料、法、环、测,六个维度的智慧云制造的一个新的模式。通过在这个六个维度的一些智能化的具体的应用赋能,来构建这样一个更优化、更智能、更高效、更协同的产业新模式。

它具有这样几方面的特征。第一方面能够实现制造过程云化,我们基于这样弹性、安全、高效的专网云平台,来提供这样一个统一的云环境,实现了集中云中心与分布式部署的智能工厂、云-边-端的协同制造模式。

第二方面,通过这样的资源的中台化供给,提供统一的体系、统一的 IoT 解决方案、统一的数据中台、统一的业务中心、统一的可视化服务等等这些共性服务,来实现对于制造过程的一个统一的赋能。

第三方面,通过大数据分析平台以数字孪生系统,来构建这样一个对于数据的智能化应用的服务,实现对于制造过程中从智慧排产、质量预测、产能重构等一些技术点上,提供一些智慧化的服务。

另外一方面,我们通过构建制造过程中的完整数据,以适航中心的形式来实现对于制造过程数据的统一的归集,为民用航空产品生产制造过程提供相应的适航符合性的证据。

整体的技术架构是以云计算为底座,以业务中台和数据中台为核心,构建了包括计划管理、质量管理、适航管理和效能评估为核心的这样的一个统一的、共性的服务。具体的智能工厂,基于自己的生产制造过程,与云中心实现这样一个协同,并进行差异化的调用,来实现云制造的模式。

整体的功能架构是以覆盖云边端这样的一个形式,边缘侧则是以智能化工厂,通过一个智能化改造以及现场统一部署的数据采集与管控系统,来实现对于制造现场数据的统一的采集和统一的一个归集。边缘侧是一套完整的 IoT 的边缘解决方案,实现云边协同,包括对于现场数据的统一的一个清洗、预处理,包括一些对于设备现场的数据的管控等等这些内容。云上则部署了包括数据中心、包括执行层的协同管控系统、包括企业层的计划中心、适航中心、业务中心等业务服务,以及智慧层的一些大数据、人工智能等服务内容,来实现对于制造过程的一个统筹。

通过两年的建设,目前我们研发的像制造大数据的分析平台、包括可视化服务系统、数字孪生系统、协同管控业务系统、生产效能评估系统、云 MES 生产管控系统都已经上线并且运行。

针对具体工厂,已经完成了某些工厂的智能化改造及对云制造的试运行,实现了生产效能的大幅度的提升。

具体的服务形式方面,我们面向主机提供了对于计划的一个下发,下发到对应的机载单位。机载单位基于这个生产计划来组织自己的生产制造活动,同时将生产制造活动过程中的数据,通过云平台进行归集。主机单位通过这样的云平台能获得到当前的计划执行情况,包括质量情况、包括适航需要的一些资料,实现这样一个协同。

同时,我们在云上部署了统一的制造体系、统一的协同管控系统、数字孪生系统、大数据分析平台以及一些智慧决策的应用。通过这样的云中心,具体的工厂端用户可以通过终端接入云中心,实现这样的易于工厂端和云中心的一个协同。

第三方面,我们也针对不同的用户,构建了这样一个柔性的服务提供模式。不同的用户在我们的云中心有不同的用户空间以及平台的入口,在自己平台入口里面,可以获取自己的生产制造过程中相关的数据,同时与别的用户之间的数据,能实现物理的一个隔离。

以此实现这样一个对于多用户的信息安全的一个供给模式。

03 IoTDB 在机载云制造系统的应用

第三方面,我重点介绍一下 IoTDB 在机载云制造系统里面的具体应用。

在云制造的过程中,涉及到这样几方面需求:对于工厂现场的加工设备、装备设备、物流设备等设备的边缘采集以及边缘处理的需求;第二部分,对于这些生产制造过程当中完整数据的数据存储的需求;第三方面,对于云上的业务系统与数据中心的数据交互、调用的需求。

针对机载系统当前的特点,我们是典型的多品种、小批量的生产模式,系统的组织结构和产品的交联关系相对比较复杂。因此我们对于制造过程的层级关系、数据结构的复杂度,包括对于现场设备的协议、接口的多样化、适配设备的难度都是非常高的。

第二方面的特点,对于制造过程中现场的数据,总体来说还是原始的数据。数据的质量差、数据查询困难而且还存在一些乱序等等的情况。

第三方面是整个制造过程中,因为是面向整个行业的应用,所以数据量是非常的巨大,数据的存储成本相对是非常非常的高。

基于这些需求,我们也进行了市场调研,后来发现 IoTDB 基于它自身的一些先进特性,与我们的行业需求能够达到非常好的一个完美匹配。

一方面,对于复杂系统关联的工业数据库存储的需求,IoTDB 的树状 Schema 结构能够较好的解决这个问题。对于现场设备协议、接口多样化及难适配这样的问题,IoTDB 生态提供了多种类的数据接口协议,能够实现对于这些接口和协议的快速适配。

第三方面,对于乱序数据存储、查询难度大这样的问题,IoTDB 也提供了包括前保序、写后重排等等这些机制来解决这些问题。第四方面,围绕着海量数据的存储、查询问题,通过 IoTDB 的一个高压缩率、高速写入及查询等等这些特征,也能提供较好的解决方案。

因此,我们将 IoTDB 应用于我们的机载智能云制造系统的研制过程中,具体包括在数据采集和存储和应用的维度都进行了具体的应用。

形成了这样一个应用的系统架构,包括三个方面的内容。第一方面是应用方面,我们提供了数据治理的应用服务,包括基于 IoTDB 的 UDF 和资源算法进行多类型的数据治理应用;提供了通用的数据管控、数据治理的模型接口,提供了多种的对外服务的形式。

第二部分,我们将其应用于我们的数据中心中,将其作为核心的组件,基于 IoTDB 的高读写性能、高超压缩比和 HDFS 的集成组件,实现对于实时数据的高效分布式的存储。

第三方面,我们应用到边缘侧和现场侧,实现了对于多种协议的数据采集,基于 IoTDB 的统一采集框架,实现了对于我们航空生产制造领域涉及的包括 OPCUA、Moudbus 等数据协议的一个高速缓存和采集。

具体来说,对于数据采集侧,我们应用了基于通用数据协议的数据采集的框架,构建了对于工厂侧各种类型协议的数据的统一采集,包括我们航空专用数据采集的这样一个数据采集的流程。

也研发了多种构形的数据采集的套件,部署到位于南京、上海、西安的多个智能工厂里面,实现对于多种协议数据的解析、多种通信协议的适配、健康监控、指令下发、包括边缘存储这些具体的应用。

第二方面,我们将其应用于分布式数据中心中,将其作为核心的组件,构建了包括结构化数据、非结构化数据构成的数据湖,将 IoTDB 用于对于时序数据以及实时数据的采集,达到了较好的效果。

与国内其他一些解决方案相比,数据整体的从压缩效率、读写效率、包括延迟参数、以及云协同方面,都达到了较好的效果。

第三方面,基于 IoTDB 的 UDF,用于对于关键核心参数的一个灰度预测,实现较好的对核心参数预测的一个效果。

04 应用效益及价值

第四部分是整个项目的应用效益和价值。

通过这些应用,我们在项目里面实现了对于 KAFKA 协议、HTTP 协议、OPC UA 协议等近十种协议的一个数据接口,并且基于这些接口与协同制造云系统里面的一些应用子系统,包括管控子系统,进行了交联和有机的一个数据交互。

对于应用侧,通过与协同管控系统和数据应用子系统一些包括像大数据分析平台、数据孪生系统、可视化服务中心、包括业务中心的计划管理、质量管理等 APP 进行一个交联。

对于大数据分析平台来说,通过 KAFKA 协议,实现了对于像低代码 AI 建模平台当前任务建模信息、所处的模型阶段等数据的一个完整的存储。对于数字孪生系统,通过 KAFKA 协议,实现了对于制造过程中数字孪生系统所需要的工厂信息、工厂工艺流程、工艺状态、工序时间等等信息的一个完整的记录和实时的交互。对于应用可视化服务系统,通过 KAFKA 协议,实现了平均生产周期、生产调度等一些数据的完整的一个供给。

另外,对于制造业务管理系统,也通过 HTTP 协议,实现了相关数据的一个集成和数据的有机的交互。以及对于生产效能管控系统,也实现了相同的内容,最终达到了比较好的一个效果。

第二个应用场景是面向产线、车间级的数据分布式采集,我们实现了对于 MES 生产管控系统的数据接口以及对应数据内容的一个存储和管控,实现了对于 PCS 产线管控系统相关数据的采集以及管控。

第三方面,基于时序数据的管控、治理及应用,也达到了较好的效果。

比如说,我们就通过构建了对应的信息看板,实现了对于工业协议清单、工厂设备状态的一个完整的描述和展示。

实现了对于工厂侧的一个状态监控及预警相关的应用。

同时,我们也构建了一些元学习的模型,实现了对于轴承损伤预测、包括电机磨损预测的一个智能化的应用。

对于轴承的损伤预测方面,我们基于采集的一些震动信号,输出未来不同时间尺度、不同损伤类型的发生概率,并进行这样一个超阈值的预警,以方便最终来进行预检修。

另外,对于电机磨损的预测,也通过在线执行梯度更新,结合损伤判别模型等,实现了对于电机损伤模型的一个预测。

应用效益方面,具体一方面我们将其应用在我们公司自己的一个云制造系统里面,实现了刚才提到的那些方面的一些创造的价值。另外对于工厂侧,比如说 171 工厂通过这样的系统的应用,实现了一些降本增效的目标。除此之外,还包括像上海斯铠巍、包括航空工业 634 等一些单位进行了应用和适用,总体来说取得比较好的一些效果。

预期价值方面,通过这些系统的应用,我们估计在未来三到五年里面,基于我们智能云制造系统这个项目的持续推进,至少从硬件成本开销、包括一些计算效能方面,都会产生一些比较好的一个效益和预期的价值。

05 未来规划

第五方面是对于未来的规划。基于 IoTDB 我们希望在未来能进一步推进 IoTDB 在航空制造领域的应用,通过接入更多的工厂,包括通过 IoTDB 在基于云制造中心里面构建更多的应用,来创造更大的价值。另外一方面,我们也是基于这样的平台和系统,将 IoTDB 构建这样组织级的数据采集协议库,并且将其部署在云制造中心里面,来向不同的工厂来提供服务。第三方面,也是来构建这样一个组织级的制造大数据中心,通过这样的中心的不断扩容来实现对于实时数据较好的一个存储,最终形成一些基于 IoTDB 的行业解决方案,向不同的单位来进行推送,形成一些商业的价值。

从推广战略方面,我们是从按照整个项目的规划,我们计划用三到五年实现覆盖整个航空领域的智能制造的一个产业链,形成这样一个完整的生态。第二方面,再通过五到十年,覆盖到其他的高端装备制造业,形成一个更大范畴的一个这样的产业生态。

以上是我今天汇报的内容,谢谢大家。

更多内容推荐:

了解更多 IoTDB 应用案例

回顾 IoTDB 2022 大会全内容