基于工业互联网的烟厂卷接机、包装机、封装箱机远程监控与运维管理系统搭建

摘要：工业互联网繁荣发展的大环境下，烟草行业也探索出了一条智能化的转型道路。烟厂卷接机，包装机和封装箱机是烟厂生产的核心设备，这些设备的运行状况直接关系到生产效率和产品质量。构建以工业互联网为平台的烟厂远程监控和运维管理系统可以实现对烟厂这些关键设备进行实时监控，智能诊断和高效运行维护，提高烟厂生产管理水平和竞争力。文章对系统的搭建思路，关键技术和系统架构进行了详细描述，对烟厂智能化升级具有借鉴意义。

关键词：工业互联网；烟厂的设备；远程监控；运维管理；系统搭建方面

引言：烟草生产中卷接机担负着把烟丝卷成烟支、包装机完成烟支打包、封装箱机完成成品装箱等任务，这类设备能否稳定工作对于烟厂生产具有重要意义。传统设备管理模式往往依赖于现场人工巡检和维修，具有反应不及时，信息传递落后，维修成本高的特点。在工业互联网技术日趋成熟的今天，在烟厂设备管理领域中的应用可以突破地域限制对设备数据进行实时采集，传递和分析，对设备远程监控，智能化运维等提供了强有力的支持。通过基于工业互联网构建远程监控和运维管理系统，使烟厂能够实时了解设备运行状况，对可能出现的故障进行提前预警，并优化设备维修计划，从而提高了生产效率，降低了生产成本，保证了产品质量稳定。

1.系统的总体架构设计

1.1在感知层

感知层作为系统数据采集源头主要包括各种传感器及智能设备。我们在卷接机、包装机和封装箱机上都安装了如振动传感器、温度传感器、压力传感器和转速传感器等设备，这些传感器的主要功能是实时收集设备的运行数据，例如，设备关键部件振动状况，电机温度，包装压力，机器转速。同时通过智能电表和水表对装置能耗数据进行收集。此外，通过在设备上安装PLC（可编程逻辑控制器）的数据采集模块，我们可以获取设备的控制逻辑数据和运行状态信息，例如设备的启动和停止状态、故障报警信号等。这些传感器及智能设备对所收集的各种数据经过初步处理，以有线或者无线通信的形式输送到网络层。

1.2在网络层

网络层承担着感知层和平台层数据传输的任务。利用工业以太网，5G和其他通信技术，建立了高速，稳定网络通道。工业以太网以其高带宽，低延迟和可靠性好等优点适合车间内各设备间及设备和本地服务器间数据的传输。针对某些移动性比较强的设备或者需要远程传输数据的情况，本文介绍了5G通信技术，该技术具有大带宽，低时延和广连接等特点，可以保证数据实时稳定地进行传输。网络架构上，建立防火墙，入侵检测系统及其他网络安全设备来加密传输数据，避免数据泄露及网络攻击，保障工业网络安全性。

1.3在平台层

平台层为整个体系的中心，它主要由数据处理中心与应用服务平台组成。数据处理中心承担着感知层收集的大量设备数据的汇聚，存储，清洗和分析等功能。运用大数据技术深度挖掘设备运行数据并提取设备运行趋势和故障特征等宝贵信息。通过构建数据仓库实现了对设备历史数据分类存储并对后续数据分析与决策提供数据支撑。应用服务平台根据数据处理中心分析结果向用户提供设备远程监控，故障诊断，运维管理和报表生成多种应用服务。利用微服务架构对应用服务平台进行设计，把不同业务功能拆解成独立服务模块以增强系统可扩展性与维护性。

1.4在应用层

应用层以烟厂设备管理人员，维修人员及生产管理人员为主要服务对象，针对不同用户群体提供了直观方便的操作界面。借助PC端、移动端等多样化的终端设备，用户有能力在任何时间和地点访问该系统。设备管理人员可在监控界面上实时观察设备运行状态，关键参数并远程发出设备控制指令；维修人员可以收到设备的故障报警信息、查看故障诊断报告、制订维修方案；生产管理人员可通过系统产生的生产报表和设备效率分析对生产计划进行优化和改进。同时，应用层还支持与烟厂现有的ERP（企业资源计划）、MES（制造执行系统）等信息化系统进行集成，实现数据的共享与交互，提升企业整体信息化管理水平。

2.关键技术的实现

2.1数据采集和传输技术

在数据采集技术上，根据不同种类传感器及装置，编写了对应的采集驱动程序以保证数据采集准确稳定。利用分布式数据采集架构实现了数据采集任务在各设备节点上的分散，降低了单个数据采集点负担并提高了采集效率。在数据传输上，除选择可靠通信技术之外，使用了数据缓存和异步传输机制。网络发生短暂失效或者拥塞的情况下，首先将数据缓存到本地，等网络恢复到正常状态，然后异步传输以保证不会丢失数据。同时为减少数据传输量，实时压缩采集数据并使用了Lempel-Ziv-Welch算法（LZW）等高效数据压缩算法，本实用新型降低了对数据传输带宽的要求，同时不会对数据准确性造成影响。

2.2设备故障诊断技术

根据获取的设备运行数据利用机器学习与深度学习算法建立了设备故障诊断模型。像支持向量机（SVM）和随机森林这样的常见机器学习方法，都是通过对大量设备在正常和故障状态下的数据样本进行训练来实现的，建立了设备运行状态和故障类型映射关系。像卷积神经网络（CNN）和长短期记忆网络（LSTM）这样的深度学习方法，可以自动抽取数据中的深层特性，从而在诊断复杂设备故障时展现出更高的准确率和适应能力。在实际操作过程中，我们将设备的振动、温度、压力等多种数据进行了综合处理，并将这些数据输入到故障诊断模型中，从而实现了对设备故障的快速和准确的诊断。同时，利用故障树分析（FTA）等方法，对诊断出的故障进行原因分析，为维修人员提供详细的故障排查指导。

2.3远程运维管理技术

远程运维管理技术包括远程控制，远程协作，智能运维决策。远程控制功能可以使运维人员通过应用层界面将控制指令发送到远程终端上，从而达到远程启停和参数调整的目的。在远程控制过程中，使用严格权限管理及安全认证机制保证操作合法安全。远程协作功能是在视频会议和即时通讯的辅助下，现场维修人员和远程专家进行实时交流和合作。在设备发生复杂故障的时候，现场维修人员可通过视频实时向远程专家传送设备的故障状况，由专家结合现场条件进行维修指导。智能运维决策是基于设备的故障诊断结果和运行状态数据，结合设备的历史维修记录和维护计划，利用大数据分析和优化算法，对运维人员提出最佳维护方案及维护建议，例如对设备最佳维护时间进行预测，建议更换零部件，以达到预防性维护设备，减少设备故障率。

结束语

基于工业互联网构建烟厂卷接机，包装机和封装箱机远程监控及运维管理系统，为烟厂设备管理模式创新和提升提供一种有效方式。通过搭建完善系统架构，采用先进数据采集和传输，故障诊断和远程运维管理，对烟厂重点生产设备进行全方位，实时化监控和智能化运维。本系统的使用有利于烟厂生产效率的提高，设备维护成本的减少和产品质量一致性的保证，增强了企业的市场竞争力。在工业互联网技术日益发展以及应用场景不断扩大的背景下，烟厂装备远程监控及运维管理系统在今后会向着更智能化，集成化以及云化等方面发展。一方面会进一步结合人工智能，边缘计算等新兴技术来提升系统预测设备故障精度及实时响应能力；另一方面，加强与企业其他信息化系统的深度集成，实现生产管理全流程的数字化和智能化。与此同时，应用云平台会让系统变得更灵活，更方便，减少企业信息化建设费用，给烟草行业高质量发展带来新动力。

参考文献

[1]申家恒，魏远帆，杨欣怡，王文清，陈江彦.基于数字孪生的教学楼智慧运维平台研究[J].价值工程，2022，41（15）：79-81.

[2]林剑远，张涛.TOD模式综合交通枢纽智慧运维平台研究[J].智能建筑，2022（03）：14-18.

[3]王荣鑫，张锐，葛振福，王晨，张致尧.基于人工智能技术的区域供热智慧运维平台的构建[J].信息记录材料，2021，22（12）：30-32.

[4].智慧运维平台在隧道管养中的研究与运用[J].中国设备工程，2020（S1）：219-221.