面向工业生产的大数据管理与可视化系统设计.docxVIP

面向工业生产的大数据管理与可视化系统设计王志鹏;张丽瑶;陈思逸【期刊名称】《《电子设计工程》》【年(卷)，期】2019(027)024【总页数】5页(P24-28)【关键词】web可视化;实时交互;B/S架构;深度学习【作者】王志鹏;张丽瑶;陈思逸【作者单位】江苏科技大学计算机学院江苏镇江212003【正文语种】中文【中图分类】TP315在新经济时代，工业大数据成为传统制造业转型升级中最重要的生产要素，结合当前工业4.0和中国制造2025这一时代背景［1-2］，我国在工业生产数据管理方面仍存在很多问题，如：数据利用率仍然很低，不能充分发挥工业数据的价值以及没有完善的管理体系等。针对上述问题，采用大数据分析的方法，对现有数据进行分析利用，充分发挥数据价值。设计和实现基于B/S架构的工业生产数据管理可视化系统，在数据可视化显示功能的基础上，增加了设备安全报警，产品合格预测，动态实时监管生产等功能，满足当下工业生产数据分析管理的总体需求。 1系统架构基于B/S架构设计的工业生产数据管理可视化系统主要由四大模块组成：数据分析模块、数据可视化模块、云端数据集中存储模块、实时交互模块。系统架构如图1所示。 图1工业生产数据管理可视化系统架构基于网络数据传输技术将工业生产的基础信息传至云端数据库，进行统一管理和维护。在服务器端对已存储的数据进行提取，利用深度学习对产量和合格率进行预测。基于B/S架构设计数据可视化，通过浏览器即可对数据库存储的基础数据、产量相关统计数据以及深度学习预测的数据进行查看，并提供实时交互技术，实现web客户端对本地工业生产过程进行实时监控。 1.1数据分析模块各相关研究机构对深度学习作了大量的研究，并形成一些流行的深度学习框架。主流上有Caffe、Theano、TensorFlow这3种。其中TensorFlow是Google基于DistBelief进行研发的第二代人工智能学习系统，表达了深层次的深度学习计算，具备更好的灵活性和可扩展性［3］。可以使用多种语言，例如C++和Python。不管有多复杂的神经网络模型都可以用Python来实现。综合考虑框架灵活性、运行效率、开发难度、用户数量等因素，最终决定选取Google公司的TensorFlow深度学习框架作为基础进行应用。利用深度学习的回归方法对工业生产合格率和产量进行预测［4-6］，用以往合格率作为数据基础，进行模型训练，得出预测合格率，与当前工业生产的合格率对比，实现对合格率异常及时排查。将近十年的每个季度生产量进行模型训练，预测每季度产量走势，实现在工业购置原材料上提供针对性意见。 1.2数据可视化模块传统的C/S模式适用面窄，通常用于局域网中，用户群固定。由于程序需要安装才可使用，并且可能需要一些复杂的环境配置，所以不适合面向一些不可知的用户，且维护成本高，每进行一次升级，所有客户端的程序都需要改变，因此选用基于B/S架构的web客户端，可以具有更加丰富和生动的表现方式与用户交流，无需考虑到操作系统的因素，只需考虑不同浏览器的兼容性问题或者为用户指定特定的浏览器即可，这样不仅降低了开发者的工作量，减少了工作时间，节约了成本，同时在性能方面更优［7-8］。在数据可视化的基础上，将数据分析模型部署在云端，实现基于深度学习的工业产量预测等功能。数据可视化是利用Django框架建立的，为系统提供服务。在web浏览器上提供了工业生产的基础信息、数据分析信息、实时交互等可视化模块，满足不同用户的不同需求，具有更好地普及性。 1.3云端数据集中储存模块云端数据库系统选择的是MySQL数据库系统，MySQL是一个可以在各种不同的操作系统上使用的关系型数据库，是目前应用最为广泛的关系型数据库。并且对于多种不同的编程语言（C++，Java和PHP等）都提供了API函数［9］，所以对于使用各种编译语言程序开发者都能方便的使用，因此能够很好的结合本地MFC系统将信息推至给云端，实现多台设备数据的统一管理，使得数据结构清晰且易于维护。 1.4实时交互模块实时交互功能要将web客户端和本地端进行有效的连接，实现全双工通信。传统的不断请求连接通信方法有Ajax轮询和长轮询。Ajax轮询的基本原理是让浏览器隔个几秒就发送一次请求，询问服务器是否有新信息。长轮询也是采用轮询的方式，采取的是阻塞模型，客户端发起请求后，如果没消息，服务器不会回复，客户端还会持续请求。两种通信方式都只是单项请求，服务器不主动连接客户端，这样客户端一直请求连接，增大服务器负担，也增加网络资源消耗。Websocket很好的解决了这个问题，服务器可以主动推送消息，只需要经过一次HTTP请求，就可以做到源源不断的信息传送了［10-11］。在实时交互功能模块上选用Websocket具有很好通信效果，而且尽可能的减少资源消