智能制造在纺织系统中的应用实例：纺织制造执行系统

制造执行系统（Manufacturing Execution System，简称MES）是美国AMR（Advanced Manufacturing Research,Inc.）公司在20世纪90年代初提出的，并将其定义为：“Information systems that reside on the plant floor,between the planning systems in offices and direct industrial controls at the process itself”[1]，其优点在于：通过执行系统将MRP计划同车间作业现场控制联系起来，实现企业生产信息的有效整合。

纺织企业作为传统的制造业，在ERP或设备控制系统设计实施时都涉及中间的车间管理层，使得对MES的需求应运而生，而且随着信息化管理水平的不断发展，其需求也不断增大。在国外，如古巴、韩国、德国、日本，以及美国等，对纺织制造执行系统的研究相对较早。如在1991年，Colorni A M等人对纺织制造执行系统进行研究，并提出了一种Distributed Optimization by Ant Colonies方法；Geroge Coppus等人在1995年开发了Manufacturing Information Systems（MIS）；Dorigo M等人在1996年对纺织制造执行系统进行了深入研究，并提出了一种Optimization by a colony of cooperating agents方法；在1998年，Tanju Yurtsever等人为纺织企业构建了一种Computerized manufacturing monitoring and dispatch system；在2005年，Michael N Huhns等人对纺织制造执行系统所需的先进技术和规则进行深入介绍，使制造执行系统在纺织企业中的应用趋于成熟。

在我国，对纺织企业制造执行系统的研究始于20世纪80年代初[7]。由于当时我国纺织企业的设备自动化水平较低，信息技术力量有限，加之生产管理水平落后等原因，没有形成面向整个纺织企业的制造执行系统，而是仅研究面向特定车间的监测系统。如织机生产监测系统、服装厂车间生产物流系统、印染厂生产过程集中管理系统等，均属于制造执行系统的范畴，但由于长期被看作不同的应用系统，不能做到综合集成，往往成为信息孤岛，作用没有得到充分发挥。尽管国内纺织学者在系统的研究方面做了大量工作，但仍处于理论分析、系统框架和实现方法方面，如Cheng Fantien等人在1998年提出的面向纺织企业的制造执行系统框架；吴迪等人在2004年研究的纺织行业现代集成制造系统的发展战略；李惠成等人在2007年提出的计算机集成制造——我国纺织、服装业现代化的必由之路等。近几年，随着中国纺织工业联合会的政策支持和纺织企业信息化进程的不断加快，将制造执行系统的研制推向了重要日程，使之成为重点研发对象。在此背景下，国内纺织学者开始着手研发真正面向纺织企业的制造执行系统。如郑永前等人构建的基于UML的面向服务的MES模型；董玉倩等人对制造执行系统的关键技术进行了研究，并将其应用于纺织企业；于冬青等人将制造执行系统应用于纺织企业；台达电子集团研究的纺织制造执行系统等，从而为纺织制造执行系统的研究奠定了基础。

通过文献回顾发现：国内外纺织学者的研究重点主要在于系统模型的构建、先进技术在系统中的应用，但在系统体系结构的整合方面相对欠缺，并没有开发面向制造层面的纺织制造执行系统。为此，我们以面向制造层面的纺织制造执行系统为切入点，在原有各个车间监控系统的基础上进行系统体系结构的构建，以实现上层计划层与车间现场控制层间信息的有效衔接。

（一）问题提出

通过调研发现：就纺织企业上层管理层而言，制订的计划任务不能及时得到执行、计划任务变动时得不到及时响应、无法对整个制造过程进行跟踪管理、制造层面无法实时准确地提供生产管理与决策分析所需要的数据依据、数据报表的正确性得不到验证等一系列问题。同样，就制造层面而言，计划任务的安排与调度往往得不到及时调整，生产现场的异常情况等不到及时反馈，往往导致生产过程中断，设备停台，使得上层管理层与生产制造层之间存在一个断层。那么，如何才能有效地解决纺织企业的生产计划与制造层间信息脱节问题呢？同时，纺织企业的制造执行系统与其他流程企业的制造执行系统有何区别？诸如此类问题，国内外纺织学者至今还没有触及。

（二）系统结构

传统的MES框架是基于B/S或C/S的三层架构，如图6-16所示，其包括用户界面层、业务逻辑层和数据访问层。由于在系统设计过程中遵守了开放—封闭原则（OCP）、里氏替换原则（LSP）、依赖倒转原则（DIP）以及接口隔离原则（ISP）等，使得这种系统结构具有很好的灵活性和组件重用性。

图6-16 传统的MES系统结构

由图6-16可见，系统的结构虽具有通用性，但不足之处在于缺乏一定的特殊性，为此，需对此结构进行改进，以适应纺织企业的个性化需求和工艺流程特点，故采取的改进设计原则为：对个性化需求和工艺流程进行针对性地配置，使其与企业的信息管理系统、工艺管理系统、各个车间的监测系统、企业ERP系统等在结构上相兼容，通过系统的应用集成模块与上述系统的接口进行数据交换与信息整合，让企业的各个信息系统融为一体，以增强制造执行系统的通用性，满足企业不断变化的业务需求。同时，系统还应满足界面友好、响应时间短等要求，从根本上解决企业内部信息“孤岛”问题；当然，系统还应具有较多的数据接口，方便各类数据的导入导出，进行二次开发，以及数据报表的二次编辑。

改进后的系统体系框架如图6-17所示，其将系统功能分为三层，即数据采集层、数据应用层和生产现场控制（PCS）层。其中，数据采集层主要用来解决MES层的数据通信、存储、加工等问题，是MES层的核心，它的功能在于实时地接受PCS层的生产数据，同时将其组织成规整的格式，动态地分发给内部的实时数据库，并为数据应用层和PCS层提供及时、准确的生产数据。而对于一些非业务的操作，如日志操作、安全验证与授权等，采用面向切面的方法使其透明地贯穿于整个系统之中。数据应用层的主要任务是将分散的监测系统、工艺管理系统、信息管理系统等有机地集成起来，并运用计算机技术、自动化技术、现代管理技术等进行生产数据的融合处理，使其具有通用性。PCS层用来统一管理底层数据，使轮班班次实时数据和历史数据得到有效分离，并通过数据接口进行数据的高速传输和实时“读写”操作。

图6-17 改进后的系统体系结构图

（三）总体设计

1.业务流程设计

当企业接到订单后，首先开始制订订单任务的生产计划，并将计划分配到各个生产车间，而车间领导接收到生产计划后，根据机台的实际运转能力、车间的生产效率，将计划进行细化，并将生产计划分配到相应的组和岗位上，由各个组、岗位对实际运转机台进行管理，完成整个品种的计划任务过程。这样，整个系统的工作原理为：根据车间接收的生产计划P，即系统计划任务，车间领导根据P的大小，以及机台j的实际生产能力C【【j】】，为其分配满足实际需要的组G和岗位S（岗位大小不等，视实际情形来划分），并最终确定计划任务批次对应的开台数m，且m∈[0，G*S]，这样，任务i所属的计划任务组为f（i），其中f（i）∈[1，G*S]，使得同一个组的计划任务能在一个批次中同时生产制造，不同组的计划也可在同一个批次中生产制造，因为整个计划的生产时间由机台的生产能力、生产管理水平以及任务量的大小来决定。

现用π=（π1，π2，……，πm）来表示车间的一种实际生产过程，在该生产过程中，用π={rjj1，rj2，……}表示在机台j上加工的各个计划的批次，而批次rjk的生产时间P（rjk）等于该批次中任意一个计划的生产时间，这样，计划任务i在批次rjk中生产的实际时间则为。但值得注意的是，在生产过程中，可能存在各种因素，如人为、机械故障、

停电等，会导致机台异常或停台，耽误了计划任务批次的合理安排和后期工序的排序。这时，关键问题在于，既要考虑如何保证机台尽可能快的恢复生产，进行计划任务批次的生产，以提高实际有效工作时间Ei，提高设备利用率，又要考虑如何在机台上设置合适的批次并排序，保证整个工序的合理有序化。总之，无论如何安排整个计划工序，其主要的目的就是保证整个生产过程的最优化，从而提高设备利用率，并提高车间乃至企业的生产管理水平。故令机台j的停台时间为Sj，工作能力为Cj，则有Sj=Qj-Ej，如果

令Ti=max{0，Si}，那么生产过程π最大的停台时间为，则批次rj的利用率为，则机台j的利用率为，对于生产过程π对应的开台数m而言，其平均利用率为。这样，在最小化停台时间T的基础上来提高机台的平均利用率，促进整个生产过程中计划任务的合理安排。

2.多源异构数据融合

纺织企业的整个生产制造过程具有高温度、高湿度、强噪声、强电干扰的特点，而这些都为机台监测器的正常工作有一定程度的影响，即使在监测器的硬件设计过程中，进行了抗干扰的处理，但很多影响监测器正常工作的不确定性因素无法精确预测，这在多源数据融合处理过程中表现得尤为突出，加之，一般监测器都存在交叉灵敏度问题，使得监测器的融合处理输出值不只决定于一个参量。当其他参量发生变化时，其输出值也相应地发生变化，而这种变化对机台生产数据的正确性有影响，甚至部分影响因素是无法估计的。当然，针对不同车间的不同机台类型，其机台监测器需采集的设备数据信号有所区别，很难采用通用的数据融合方法去处理。那么，能否将这些信号的共性抽出来，采用较通用的数据融合方法进行处理，以保证共性数据信号的正确性，然后，根据不同车间不同机型生产数据的特殊性，采取特殊化处理，从而达到提高每一个被测数据信息精度的目的，这是值得去深思的问题。

通过文献回顾发现，对数据信息进行融合处理的方法较多，如简单加权法、滤波法、神经网络法、不确定推理法，以及聚类分析等方法[18]。其中，最普遍应用的是简单加权法，即根据班次信息，进行品种信息的权重系数设置，则系统自动按照一定的权重系数，进行生产数据的实时采集、处理，同时，将权重系数与单位时间内的机台实时数据相乘，最后将当班机台生产数据叠加，从而得到较为理想的融合数据。但此方法尚需改进，因为其无法准确定义单个品种的权重系数，纯属人工经验，使得最终融合处理后的数据与机台实际生产数据间存在较大误差。同时，这个权重系数的设置缺乏通用性，在一些纺织企业内部不适用。当然，这个班次权重系数设置是否合理？比例是否准确？是否具有科学性？目前很少纺织学者去探究。为此，对各类数据融合方法的实际应用结果进行了比较，其结果不尽如人意，故根据纺织企业制造过程中的业务流程和数据流程，以及生产过程的实际特点，特构建了一种基于多属性决策的数据融合方法，该方法的优点在于准确性高，获取融合数据容易，而且简洁。

（1）基本原理。

数据融合方法的基本原理是：首先，对各种可能的融合输出值进行组合，使其形成多个可能的决策方案，但每种决策方案应具有三个基本属性，即监测值精度、历史值偏差、总体平均值偏差；然后，根据决策方案的属性，构建决策矩阵，并使用信息熵的方法获取每种决策方案的属性权重；其次，利用加权法进行计算，直到找出最优方案为止，所得输出值则为最优融合输出值。

（2）基本步骤。

①构建决策方案。在监测器实时采集机台生产数据的过程中，任选取一时间区间[t1，t2]，在该时间段上选择n个数据采集点x1，x2，……，xn，将该区间划分为n-1个时间段，并在每个时间段计算数据采集点的融合输出值。当然，时间区间[t1，t2]和数据采集点n的值不易过大，因为其影响监测器采集机台数据的效率。最后，从n个数据采集点中选取任意个监测器输出值来构建一个集合，其中每个集合就是一个融合决策方案。

②构建方案属性。多源纺织信息的融合处理技术的最终目的是：在保证各个工序间生产数据的正确性和一致性的基础上，实现生产数据信息的共享。但是，保证所有工序间业务数据的正确性难度较大，因为影响数据正确性的不确定性因素很多，而且很多因素是未知的、不可预见的。在这种情形下，如何将这些未知的因素加以深层次挖掘，并进行合理的输出、量化处理，从中找出影响数据正确性的主要因素，从而达到主要因素可控可测的目的，这是构建方案属性构建的关键所在。当然，在不确定性因素中，有些因素是显性的，可采取人工处理的方法进行解决，如监测器校验数据的精确度和误差。由于数据校验精度是固定的，且只与机台监测器本身有关，其数据间的误差则主要考虑历史偏差和总体平均值偏差。因此，判断一个数据融合输出值是否准确，主要考虑校验后的数据精度和误差。具体的方案属性构建过程如下：

现任意选取一个方案P={x1，x2，……，xm}，其中，x1，x2，……，xm分别表示各个数据采集点的实时生产数据，即机台实时数据的监测值，并令ε1，ε2，……，εm分别表示各个数据采集点的监测值精度。这样，方案P所对应的监测值精度的属性值可表示为：

平均值；历史平均值，则：；

历史偏差值为

总体平均偏差值为：。

③确定权重系数。在确定基础权重系数的过程中，主要采用了信息熵方法[19]。为此，首先构建一个决策矩阵M，并令决策矩阵M为m*n矩阵，其中，矩阵的行由方案数m构成，矩阵的列由属性值数n构成，则元素xij表示第i个方案的第j个属性值。这样，方案

中关于属性j的评价定义可表示为：。相应地，方案关于属性j的熵可表示为：，信息偏差度表示为：εj=1-Sj，第j个属性权重系数可表示为：。(www.xing528.com)

④计算权重。利用简单加权方法进行计算各个方案的权重，其可表示为：

＜p＞

；然后，获取最小权重方案，并将其作为最优方案：。

3.异构数据库的集成

在系统数据集成过程中，为保证各工序间信息的有效衔接，采取XML技术与全局数据模式相结合的方法，使所有的数据交互操作在中间件中以XML文档形式存在，对异构数据库中的数据进行转换，其优点是在数据交互过程中，保持了一定的独立性，降低了数据间的耦合度，提高了数据的重用性[21]。异构数据库间的集成方案如图6-18所示。

图6-18 异构数据库间的集成方案

由图6-18可见，整个集成方案主要分为三层：即应用层、中间件层和数据源层。其中，中间件层的主要功能是集成各个车间的异构数据源，为实现纺织制造执行系统数据库中数据的共享而提供访问支持。中间件层中的注册器主要负责各异构数据库的注册服务，并生成公共模型；查询处理器需要根据用户提交的查询请求，并提交给包装器进行执行，结果处理器将包装器中的执行结果进行汇总，并以XML的格式返回；包装器主要用于底层数据源的交互，实现数据位置和访问的透明性。

为此，该异构数据库的集成工作原理与实现流程为：首先由客户端发出一个全局查询请求，其可能涉及异构数据库中的数据，例如查询品种的生产执行情况，可能涉及细纱、筒并捻、准备、织布，以及整理等车间的生产信息监测系统、信息管理系统等；然后，应用服务器确认接收到的客户端请求，由中间件层接收客户端的查询请求。具体处理步骤是：首先，对异构数据源所注册的共享信息进行分析，然后将全局查询分解为具体的数据库子查询，并将子查询发送到对应的数据源；其次，处于数据层的所有数据库管理系统接收到查询中间件层传输的查询请求后，先从数据库中查询相关信息，然后把查询结果返还给结果处理器，由结果处理器将其合并成同一条数据记录，并将所需要的查询结果返还给应用服务器，由应用程序服务器将用户的请求结果返回给用户。

（1）关系模式转换算法的设计。关系模式的转换主要包括数据库关系模式的提取及关系数据模式到XML Schema的转换。关系模式提取方法的目的是构建共享数据库的关系模式（包括表、字段、属性、主键和外键），以保证数据提取的完整性。在关系数据模式到XML Schema模式的转换过程中，由于XML DTD采用了非XML文档语法规则、不支持数据类型等原因，所以使用DTD无法对关系表之间的约束进行转换[22]，为此，在关系模式转换过程中，通过XML Schema转换算法来实现数据库关系模式到XML的转换。其算法的构建过程如下：

①针对纺织制造执行系统中的每一个异构数据源，为其XML Schema的转换结果定义一个唯一的命名空间；

②为异构数据库中的每张表T和表T中的字段A1，……，An，创建复杂类型元素和子元素A1，……，An，并设置子元素的数据类型。

③在XML Schema中，为数据库TextileMesBase增加一个TextileMesBase元素，并为其插入一个复合类型元素，使其子元素分别为T1，……，Tm，这样，各子元素对应的数据类型为每个表创建的复杂类型。

④表中主键映射的属性或元素定义为key属性，外键映射的属性或元素定义为keyref属性。根据主外键之间的关系创建子元素，若一个表中的外键作为另一个表中的主键或主键的一部分，则同一字段为外键的表映射为父元素，而另一个表映射为子元素。

（2）基于GAV的查询分配方法设计。在XML作为数据交换语言的基础上，通用查询分配方式主要有两种：GAV（Global As View）方法和LAV（Local As View）方法[23]。鉴于GAV方法具有查询转换简单的特点，所以本系统设计过程中采用了GAV方法。

（四）系统实现

整个系统以纺织企业的工艺流程为主线进行系统功能的构建，面向整个制造层面进行系统功能的集成。当然，在系统功能的设计过程中，根据用户角色权限级别的不同，主要采取了两种系统管理方式：一是集中式管理方式，主要面向企业上层管理者，进行整个企业生产过程的全方位监测，也可实时监测某一车间的生产制造过程，以实现系统功能的集成和管理方式的统一化；二是分散式管理方式，这种方式主要是面向某一生产制造车间。

具体的实现过程为：首先为系统用户提供一个启动各子系统的入口，使每个子系统都可以独立运行，以完成系统用户所属车间的机台运转状态的监测和管理。这样，每个用户登录制造执行系统以后，系统管理模块根据职工信息表中的用户角色自动判断用户权限，拥有权限的用户只能访问相应角色对应的系统子功能。如通过制造执行系统可进行并粗车间机台岗位的动态设置，此动态设置功能与并粗车间监控系统中的岗位设置功能是同步的，如图6-19所示。

若某个部门想查询或者调用其他部门的生产数据，需系统功能授权。在拥有系统功能权限后，可通过制造执行系统实现数据的共享。如计划调度科需要调用各车间的棉纱产量数据时，系统根据计划调度科的用户角色，自动分配系统功能权限，其通过通用数据接口，实现数据的访问和报表的统计分析，具体的实现功能界面如图6-20所示。

图6-19 并粗车间岗位的动态设置界面

图6-20 棉纱产量统计界面

（五）结论

根据纺织企业信息化建设的实际需求，在原有车间监控系统、企业信息管理系统、部门工艺管理系统等的基础上，设计和开发了面向制造层面的制造执行系统（MES），弥合了企业计划层和生产车间过程控制系统之间的间隔，将企业内部的与生产管理相关的数据进行合理整合，通过数据接口，实现异构数据库的有效集成，通过强调制造过程的整体优化来帮助企业实施完整的闭环生产，同时也为企业信息化的建设提供了良好的基础。当然，系统成功构建的另一个主要目的是以待解决我国纺织企业在生产管理方面主要依靠手工管理的落后状态，以及企业内部所有生产数据孤立，信息不能共享，无法为生产管理者的生产管理与决策分析提供实时的基础数据，导致生产决策结果不能及时执行的目前现状。

纺织执行制造系统作为纺织企业管理自动化领域的一项重要技术，它的成功实现，一方面，可以对来自上层ERP系统的计划任务进行细化、分解、分配，并将计划层的操作指令传递给现场控制层；另一方面，可以采集生产现场设备的生产数据，并实时监控底层设备的运行状态；同时，将机台的实时生产数据提供给上层ERP系统，从而加强计划层与现场控制层之间的信息衔接，起承上启下的作用。

面对全球制造业风起云涌的智能制造大潮，纺织行业亟须加快融入“互联网+”行动中，推动移动互联网、云计算、大数据、物联网等与纺织服装业的融合，促进电子商务健康发展，以《中国制造2025》计划行动为纲要，实现纺织生产从“制造”到“智造”。

“互联网+”技术、大数据技术以及智能制造技术作为典型的高新技术的信息化技术近年来在纺织行业得到较快发展，已经融入纺织产业链的各个环节，对于纺织企业提高生产效率、产品质量、营销水平产生了明显的促进作用。但是目前来看，CAD/CAM、MES、ERP等信息技术在行业中的推广多限于具有一定规模的大中型企业，而且多数企业仍处于局部应用阶段。企业信息化的协同与集成应用水平还比较低，管控一体化应用程度不高。我国纺织工业的产业链配套齐全，且衔接紧密，从原料到最终消费品，产业链中不同的细分领域对信息化的需求各不相同，因此，重点是要因行业而异、因需求而异、因发展阶段而异，有针对性地推动纺织信息化向纵深发展，实现以信息化技术带动传统制造行业的转型升级。

【习题】

1.“互联网+”技术在纺织生产管理系统中有哪些应用？

2.大数据技术在纺织信息系统中的应用将主要体现在哪些方面?

3.智能制造技术在纺织信息系统中的应用主要有哪些方面?

4.简述数据融合方法的基本原理及基本步骤。