CN114253697A - 一种面向锂离子电芯制造的设备状态监测边缘计算架构 - Google Patents
一种面向锂离子电芯制造的设备状态监测边缘计算架构 Download PDFInfo
- Publication number
- CN114253697A CN114253697A CN202010998914.7A CN202010998914A CN114253697A CN 114253697 A CN114253697 A CN 114253697A CN 202010998914 A CN202010998914 A CN 202010998914A CN 114253697 A CN114253697 A CN 114253697A
- Authority
- CN
- China
- Prior art keywords
- edge
- equipment
- data
- layer
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 104
- 238000012544 monitoring process Methods 0.000 title claims abstract description 91
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 63
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 55
- 238000004364 calculation method Methods 0.000 title description 5
- 238000000034 method Methods 0.000 claims abstract description 87
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000012360 testing method Methods 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims description 59
- 230000002159 abnormal effect Effects 0.000 claims description 22
- 230000006854 communication Effects 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 21
- 230000008447 perception Effects 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 2
- 238000003754 machining Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 18
- 239000000178 monomer Substances 0.000 abstract description 12
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000001914 filtration Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 14
- 238000007726 management method Methods 0.000 description 10
- 230000007246 mechanism Effects 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000005611 electricity Effects 0.000 description 6
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 5
- 239000011248 coating agent Substances 0.000 description 5
- 238000000576 coating method Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 238000010030 laminating Methods 0.000 description 5
- 229910052744 lithium Inorganic materials 0.000 description 5
- 238000004140 cleaning Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- SECXISVLQFMRJM-UHFFFAOYSA-N N-Methylpyrrolidone Chemical compound CN1CCCC1=O SECXISVLQFMRJM-UHFFFAOYSA-N 0.000 description 2
- 230000007175 bidirectional communication Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000011049 filling Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000004537 pulping Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000012356 Product development Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000007872 degassing Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000010921 in-depth analysis Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5072—Grid computing
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/05—Accumulators with non-aqueous electrolyte
- H01M10/058—Construction or manufacture
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/50—Manufacturing or production processes characterised by the final manufactured product
Abstract
本发明涉及锂离子单体电芯制造的设备状态体系结构,具体地说是一种面向锂离子单体电芯制造的设备状态监测边缘计算体系架构。本发明包括边缘感知层,用于管理高性能锂离子单体电芯的实际生产的过程,覆盖电极加工、电芯装配、化成测试三个主要工艺步骤;边缘接入层,用于实现设备的多方式接入,设备状态数据的预处理与存储,并发送至边缘服务层;边缘服务层,用于根据来自边缘接入层的数据进行设备状态的监测和维护,并进行生产控制,发送控制指令实现锂离子单体电芯制造的各设备操作。本发明实现了数据的处理和过滤,减轻了网络的流量压力,减少从设备到边缘服务层的数据流量,大大提高了设备状态监测和维护的效率。
Description
技术领域
本发明涉及锂离子单体电芯制造的设备状态体系结构,具体地说是一种面向锂离子单体电芯制造的设备状态监测边缘计算体系架构。
背景技术
我国作为锂电池的需求大国和生产大国,锂电池生产企业众多,但是达到一定规模的少,行业里鱼龙混杂的现象十分严重,技术水平相对落后。目前国际性的动力锂电池企业亏损已经成为一种常态,一方面是因为下游应用市场尚未启动,另一方面是由于生管理混乱,生产技术落后。
伴随着客户的多样化、小批量需求增加,要求产品快速迭代、生产灵活、效率提升、开发周期缩短、资源和能源降低、产品质量高而且一致。
当前面向锂离子单体电芯的制造设备主要偏重于生产制造,基本没有故障预警机制。一方面缺乏设备运行状态监测功能,另一方面也缺乏对故障判断依据的深入研究。设备故障基本靠人工监测,靠人员经验和定期检验来识别,缺乏数据统计和提前预警,导致生产设备故障发生不可预见,影响生产进度和产品质量。
边缘计算是指在靠近物或数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台,就近提供最近端服务。其应用程序在边缘侧发起,产生更快的网络服务响应,满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间,或处于物理实体的顶端。而云端计算,仍然可以访问边缘计算的历史数据。
在锂离子单体电芯制造过程中,设备状态的监测的快速部署和实现要有广泛适用的、标准化的、开放的体系框架以及参考体系结构作为支撑。参考体系结构为系统、解决方案和架构应用的研发提供指导,提供通用和一致的定义、组成和设计模式,以及用于讨论的通用词汇。
发明内容
鉴于目前国内外高性能锂离子单体电芯生产企业中针对设备状态监测参考体系结构方面还没有相关的标准,本发明调研了目前国内外知名的的标准组织制定的体系架构方面的标准,包括德国的工业4.0参考模型(RAMI4.0),美国工业互联网联盟(IIC)制定的工业互联网参考体系结构,及我国制定的边缘计算参考架构3.0,为本发明的制定提供指导和参考依据。
本发明为实现上述目的所采用的技术方案是:
一种面向锂离子电芯制造的设备状态监测边缘计算架构,包括:
边缘感知层,用于采集锂离子单体电芯制造过程中工艺生产设备的状态数据以及根据边缘接入层的控制命令对工艺生产设备进行控制;
边缘接入层,用于工业通信协议的转换以及同步边缘感知层与边缘服务层的数据;
边缘服务层,用于监测边缘感知层发送的工艺生产设备状态数据并根据该数据生成控制指令,实现对边缘感知层中的工艺生产设备的控制。
所述边缘感知层中的工艺生产设备用于包括电极加工、电芯装配、化成测试三个工艺步骤,边缘感知层用于建立工艺生产设备之间、工艺生产设备与边缘接入层之间的网络传输。
所述边缘接入层将边缘感知层中的工艺生产设备接入边缘服务层,实现工业通信协议的转换,具体为:
边缘接入层通过工业网络协议识别转换,将边缘感知层中的工艺生产设备接入;
边缘接入节点实时采集边缘感知层中工艺生产设备的采集点数据并储存,通过预处理将采集点数据进行标准化,完成异构数据的融合;
将融合后的工艺生产设备状态数据传输到边缘服务层。
所述采集点数据包括:采集通道编号、采集通道名称、采集点关联的设备编号,采集点的数据标签编号、采集点的数据标签名称、采集点的数据类型、采集点的数据读取方向。
所述边缘服务层实现了锂离子单体电芯生产过程中的工艺生产设备状态监测过程,具体为:
边缘服务层根据工艺生产设备的基础状态以及对工艺生产设备的动态监测数据分别建立设备基础状态模型以及设备动态监测模型;
将融合后的工艺生产设备状态数据分别导入设备基础状态模型以及设备动态监测模型并储存,完成工艺生产设备状态的实时监测并通过边缘接入层向边缘感知层发送控制指令控制边缘感知层中的工艺生产设备;
在工艺生产设备状态的实时监测过程中,边缘服务层还进行实时异常状态报警、设备历史状态评估以及接入点状态管理。
本发明具有以下有益效果及优点:
1.低延时的数据计算和处理。靠近高性能锂离子单体电芯制造现场的边缘节点上,数据在边缘端做处理,极大地减轻了网络带宽和数据中心的压力,及时满足业务要求。工业系统检测、控制、执行的实时性高,边缘计算聚焦实时、短周期数据的分析,能够更好地支撑本地业务的实时智能化处理与执行;
2.数据处理效率更高,本发明将原有云计算中心的部分或全部计算任务迁移到边缘节点的附近执行,服务请求不需要等待云计算中心的处理结果,在边缘节点处实现了对数据的过滤和分析,减少了网络延迟,提升了服务质量,因此效率更高;
3.本发明对设备情况、工艺过程、以及异常情况等定义清晰,过程描述数字化、信息化、细节化,云端服务和边缘接入相结合,云端服务聚焦非实时、长周期的数据分析,能够在商业决策支撑等领域发挥优势;边缘接入聚焦实时、短周期数据的分析,能更好地支撑本地业务的实时智能化处理与执行,大大提高了制造过程的执行效率,从管理体系上缩短产品研制周期。
附图说明
图1是本发明的层次模型图;
图2是本发明的网络架构图;
图3是本发明的系统体系架构图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
在“原材料—单体电芯—电池系统—电动汽车”构成的动力电池产业链中,高性能锂离子单体电芯的质量一致性和产量对行业发展起决定作用。提高锂离子单体电芯车间的数字化和智能化水平,对于企业、行业和国家的重要性不言而喻。
一种面向锂离子单体电芯制造的设备状态监测边缘计算体系架构,就是针对锂离子单体电芯智能化工厂中,促进边缘计算、故障模式识别、物联网以及云计算等新一代信息技术在锂离子电芯生产和管理中的应用,规范电芯数字化车间中的边缘感知层、边缘接入层以及边缘服务层等不同层面的纵向集成,提高电芯数字化车间的运行效率和产品质量,提升我国动力电池行业的整体国际竞争力。
它包括边缘感知层、边缘接入层、边缘服务层,指导锂离子单体电芯智能工厂中关于设备状态监测方面内容,并通过标准项目的推广实施,规范锂离子单体电芯智能工厂体系结构,填补我国高性能锂离子电芯智能制造数字化车间集成标准的空白,提出适合我国国情的锂离子单体电芯智能制造工厂参考体系结构和通用技术要求是具有创新意义的,将用于指导锂离子单体电芯智能制造工厂的设备状态监测,提升我国锂离子单体电芯智能化生产的效率和水平,对整个新能源汽车动力电池制造业的转型也将有绝对的引领和示范作用。
其中,边缘感知层,定义了高性能锂离子单体电芯的实际生产的过程,覆盖电极加工、电芯装配、化成测试三个主要工艺步骤,其中,关键的工艺生产设备应该具备设备通信接口、设备基本信息描述文件以及设备采集点信息列表,可以根据边缘接入层的控制指令执行操作;
边缘接入层,用于实现边缘感知层与边缘服务层之间的网络协议转换;定义了高性能锂离子单体电芯的主要工艺设备接入状态监测系统的过程。其中,主要进行设备多方式接入、设备状态数据采集、状态数据预处理和数据同步,并发送数据至边缘服务层;
边缘服务层,用于根据来自边缘接入层处理后的设备状态数据进行设备状态监测和维护,并进行生产控制,发送控制指令实现边缘感知层的各设备操作。定义了高性能锂离子单体电芯生产过程的设备状态监测的过程。其中,包括边缘服务层与边缘接入层的协同、设备基础状态建模、设备动态监测建模、设备状态实时监控、实时异常状态报警以及设备历史状态评估,所述设备基础状态包括但不限于设备基础状态编号、设备名称、设备固定编号、关联的边缘接入节点编号、生产厂家;
面向高性能锂离子单体电芯数字化车间的各类设备的基础状态模型,设备动态监测模型需具有自适应的动态优化与更新机制,以适应设备的机构性变化,达到设备状态监测的最终目的。
动态优化与更新是指当接入层上传的设备状态数据与设备已设置的基础状态模型、动态监测模型之间的差异超出设定边界时,设备动态监测模型能够重新优化、并且更新,以生成新的包容此种数据的动态监测模型。
设备动态监测模型的建立是在基础状态建模的基础上,需进行模型提取、建模,并且可以进行动态优化和更新。
所述边缘感知层涉及高性能锂离子单体电芯的实际生产过程的关键设备,包括设备上的传感器,执行器,控制器和数据对外接口,实现不同的数据接口,利用现场装备与系统集成的多方式数据接入技术,以及互联互通的通信协议机制、满足数字化车间现场设备运行的可行性和可靠性;
所述边缘接入层,状态数据预处理具体为有效性检查、数据清洗、统一归类处理中的一种或多种;
有效性检查:识别设定范围外的错误值,或者检查异常数据值,并清除错误值和异常数据值;
数据清洗:对高性能锂离子单体电芯制造过程上的设备状态数据进行数据过滤或数据清洗;
归类处理:对采集的设备状态数据进行整合分类,对异构数据进行合并,并把同类的数据进行统一归类;
所述边缘服务层,用于设备状态监测和维护,具体为:通过和边缘接入层同步,实时获取高性能锂离子单体电芯制造过程中各类设备的温度、电压、电流、液位、压力数据;基于各类设备状态数据来进行设备状态评估,从而起到监测和维护的目的。
如图1所示为本发明的系统体系架构的层次模型图;
锂离子电芯单体智能制造数字化车间的设备状态监测边缘计算体系架构的参考模型分为:边缘感知层、边缘接入层和边缘服务层。
边缘感知层:定义了锂离子电芯单体的实际生产的过程,覆盖电极加工、电芯装配、化成测试三个主要工艺步骤,其中,关键的工艺生产设备应该具备设备通信接口、设备基本信息描述文件以及设备采集点信息列表等。
边缘接入层:定义了锂离子电芯单体的主要工艺设备接入状态监测系统的过程。包括通信协议适配、异构数据转换、数据采集、警情监视等。
边缘服务层:定义了锂离子电芯单体生产过程的设备状态监测的过程。包括设备信息管理、设备状态实时监控、设备状态历史追溯等;
如图2所示为本发明的系统体系架构的网络架构图;
锂离子电芯单体智能制造数字化车间的设备状态监测网络架构包括设备状态监测系统、若干接入节点、以及诸如混料机、涂布机、叠片机、超声波焊接机的主要工艺设备,采用的通信协议包括以太网、现场总线、工业以太网、工业无线网络;
如图3所示为本发明的系统体系架构的结构图,本发明包括以下部分:
(1)边缘感知层,位于锂离子单体电芯生产过程中出现的物联网(IoT)设备,定义了高性能锂离子单体电芯的实际生产的过程,覆盖电极加工、电芯装配、化成测试三个主要工艺步骤,其中,关键的工艺生产设备应该具备设备通信接口、设备基本信息描述文件以及设备采集点信息列表,可以根据边缘接入层的控制指令执行操作,所述控制指令,是指包括但不限于设备开关、边缘接入节点的开关;
(2)边缘接入层,用于实现边缘感知层与边缘服务层之间的网络协议转换;定义了高性能锂离子单体电芯的主要工艺设备接入状态监测系统的过程。其中,主要进行设备多方式接入、设备状态数据采集、状态数据预处理和数据同步,并发送数据至边缘服务层;
在边缘接入层面,直接的末端工艺设备状态数据传输方式、机制、协议都会有不同,因此,这里要解决传输的数据标准问题。
(3)边缘服务层,用于根据来自边缘接入层处理后的设备状态数据进行设备状态监测和维护,并进行生产控制,发送控制指令实现边缘感知层的各设备操作。定义了高性能锂离子单体电芯生产过程的设备状态监测的过程。其中,包括接入节点状态管理、边缘服务层与边缘接入层的协同、设备基础状态建模、设备动态监测建模、设备状态实时监控、实时异常状态报警以及设备历史状态评估;该层中的功能是将应用逻辑、规则和模型以宏观、可视化的方式进行展示,并且可以和其他传统企业信息化系统或者新型工业互联网业务功能进行集成。
边缘感知层:
主要的作用是对锂离子单体电芯制造过程中的设备状态的感知和控制,此体系架构的边缘感知层应具备对设备状态数据进行简易的匹配、运算和管理功能。因此,边缘感知层的设备利用低延迟需求,快速上传自身状态信息并且实时进行操控。
锂离子单体电芯数字化车间的制浆设备、涂布设备、液压设备、卷绕/叠片设备、组装设备、烘烤设备、化成分容设备、注液设备等应具备设备描述电子表格、数据模型和通讯接口;宜实现设备的网络实时操控,并获得实时操控结果反馈;所有工艺设备的数据按照设备描述电子表格定的属性格式进行读取、匹配、运算、管理操作;
根据设备要实现的功能,应具有以太网、USB或串口等标准通讯接口;设备应支持主流的工业通信协议,诸如OPCUA、Modbus、Profinet;
应根据业务需求制定设备和接入层之间的通信方式,满足不同情境下的实时通信和非实时通信条件;设备应能够向接入层发送服务请求数据,且保证可实现数据互操作;边缘接入层应能够向设备发送控制指令,且保证可实现数据互操作;同时,特定设备应能够与接入层实现双向通信功能。
边缘接入层:
主要作用是支持边缘感知层的现场设备多方式接入,实现各种工业通信协议的转换,设备状态数据的采集与预处理,边缘接入层和边缘服务层的数据同步。首先,边缘接入层是在边缘感知层的基础上进行网络部署,通过工业网络协议识别转换,实现设备的多方式接入;然后,边缘接入节点实时采集设备中采集点的数据,进行数据的存储与计算,通过对数据进行预处理,完成设备状态数据的标准化,进一步融合异构数据;最后将处理后的数据传输到边缘服务层。在边缘接入层,各边缘接入节点一方面保障用户数据的隐私与安全,另一方面,对数据进行合理的检查和清洗,保持与边缘服务层的协同工作。
边缘服务层:
主要作用是与边缘接入层的数据同步、设备基础状态建模、设备动态监测建模、设备状态实时监测、接入节点状态管理、实时异常状态报警以及设备历史状态评估。首先,边缘服务层对设备的基础状态以及动态监测两方面进行建模;然后根据边缘接入层处理后的设备状态数据,进行模型数据的填充和数据的存储;在此基础上,实现设备状态的实时监测;在实时监测过程中,实现实时异常状态报警、设备历史状态评估和接入节点状态的管理。边缘服务层的主要功能包括数据的查询与数据交互的机制和策略问题;
此面向锂离子单体电芯的设备状态监测边缘计算体系架构可以分为边缘感知层(感知与控制层)、边缘接入层(连接和网络层)、边缘服务层(业务与管理层。此架构具有信息感知,对数据进行智能化处理,本地化计算以及实时传输的功能,特别是对带宽需求较高的服务。
此体系架构基于边缘计算,其于传统意义的云计算的系统架构的主要区别是此体系架构可以实现低延迟、实时的进行数据管理与计算,此特性决定了此体系架构具备快速反应的能力,减少网络传输所带来的延迟,实现实时计算的功能。
实施例:
背景:某动力电池生产单位生产锂离子单体电芯的产品,由于没有统一的国际、国家标准可供参考,目前的动力电池生产厂商均存在车间数字化建设不规范、自动化程度不高、设备状态监测能力不足、设备故障预警能力缺失以及产品质量一致性差等问题,其各动力电池生产厂商相对的封闭性、局限性不具备广泛的参考及产业化推广价值,这些问题导致了我国锂电池厂家众多而强者寥寥,已经成为制约动力电池和新能源汽车发展的瓶颈。
锂离子单体电芯制造过程中的各种工艺设备的正确运行是保证锂离子单体电芯产品质量的重要保证。根据实际生产的需要,关键工艺设备可以分为混料机、涂布机、辊压机、分条机、高速冲片机、叠片机、超声波焊接机、真空烘箱、顶侧封机、压力化成机、Degassing机、搁置库、充放电检测柜;其关联的采集要素包括转速、时间、速度、温度、张力、压力、充放电流等,它们各司其职,一旦某个工艺设备出现问题,对应的装置工作就会不正常甚至不工作。则用本发明所述方法解决此问题的过程如下:
(1)建立此体系结构的边缘感知层
边缘感知层包括锂离子单体电芯制造过程的工艺设备物理实体,实现设备状态数据本地处理,本地数据存储,以及能够与边缘接入层实现双向通信功能,通过嵌入传感、仪表等工艺设备的内部采集点,支撑现场设备实现实时的智能互联及智能应用。根据功能的不同,设备层可以分为传感器,执行器,控制器和边缘计算节点等物理单元。边缘感知层覆盖电极加工、电芯装配、化成测试三个主要工艺步骤,其中,关键的工艺生产设备应该具备设备通信接口、设备基本信息描述文件以及设备采集点信息列表等。
边缘感知层一方面实现现场设备之间对等通信,交换输入、输出数据,例如现场设备质检传送的设定值(输出数据),以及现场设备质检传送的测量值(输入数据);另一方面,现场设备向边缘接入节点发送与生产运行相关的采集点数据,包括采集通道编号、采集通道名称、采集点关联的设备编号,采集点的数据标签编号、采集点的数据标签名称、采集点的数据类型(开关量、模拟量、字符量)、采集点的数据读取方向(只读、可读可写),如涂布机的NMP浓度、叠片机的正负极数量等,并实时响应边缘接入层下发的控制指令。
同时确保边缘感知层的物理设备的安全,包括各种传感器数据、设备状态信息数据、生产过程数据和各种信息控制数据等等;
本层与锂离子单体电芯制造过程中的IoT物理设备进行交互,获得各种底层数据,可以对感知的信息通过边缘接入层直接处理并进行传递,同时把从边缘接入层传递下来的控制信息数据,通过边缘感知层去控制底层的物联网IoT设备,保证锂离子单体电芯的生产质量。
(2)建立此体系结构的边缘接入层
以高性能锂离子单体电芯数字化车间为基础,生产现场长期以来存在大量异构的总线联接,多种制式的工业以太网并存,边缘接入层解决兼容多种联接并且确保联接的实时可靠,利用现场装备的多方式数据接入技术,与边缘接入层建立连接,从而边缘感知层的现场设备与边缘接入层的边缘接入节点之间实现不同的数据接入接口,基于工业以太网,工业无线网络,通过工业网络协议识别转换,支持海量边缘接入节点的灵活扩展,实现网络与安全的策略协同与融合,一体化的信息传递。
本层用来实现各种网络协议(包括OPC协议、工业现场总线协议、串口通讯协议以及无线传输协议等等)的转换,标准化处理网络传输。
边缘接入层把边缘感知层获得的各类数据,转成统一标准的数据,往边缘服务层进行传递,保证数据传输正确。同时边缘接入层把边缘服务层传递下来的各类控制信息数据准确的传递到边缘感知层,保证控制命令信息及时下达到底层进行相应操作。
设备状态数据是通过设备数据接口来进行采集的。所读取的设备状态传感器数据一方面是设备实时数据,也可以是与数采系统进行合并后的数据,但需保证所有数据在采集时间(时间段)上的一致性。边缘接入层对设备的状态传感器数据进行预处理,包括但不限于数据有效性检查、数据清洗、数据归类处理等,同时保障数据的安全与隐私性。
数据的有效性检查旨在保证数据的正确性,对数据的完整性和一致性进行分析,包括检查数据中是否缺值或包含非数值。
当数据中出现存在的一些问题:不一致;重复;无效数据时,需要进行数据清洗(即数据删除或数值插补)。在数据缺值的情况下,通常要删除或过滤相关数据;而在包含非数值情况下,需要进行数据插补。数据插补方法包括邻近值、拉格朗日、线性回归等。
数据归类处理是指基于数据集各参数的最大最小值或预设的最大最小值将所有数值进行归一化。对各种异构数据进行合并,并把同类的数据进行统一归类。良好的数据整合有助于减少数据集的冗余和不一致,保证数据的正确,唯一。归一化后的数据用于状态模式建模及实时模式识别。
边缘接入层与边缘服务层的数据同步的方式可以通过接入层的各类接入节点直接上传至边缘服务层的设备状态监测服务系统。其同步的数据主要包括但不限于接入层的各类接入节点基础描述信息、各类接入节点运行状态信息、预处理后的设备状态数据等,上传后的数据保存于系统层的数据库中。
此体系架构边缘接入层的主要作用就是利用边缘接入节点进行网络部署,实现对数据的标准化。进一步对以后的网络融合进行智能化的管理。要解决网络中数据异构的问题,就需要在网络域中部署边缘计算,以实现数据格式的标准化和数据传递的标准化。
(3)建立此体系结构的边缘服务层
边缘服务层系统从边缘接入层获取相关数据后,就可以实现锂离子单体电芯生产的设备状态监测,其中包括设备状态虚拟化、建模、关联、检索,生产过程实时模拟仿真与优化等信息化方面功能。边缘服务层可以锂离子单体电芯汽生产过程,合理安排生产计划的时间,控制成本,提高生产效率,另外可以降低能耗,利于生产运行的稳定,减少异常发生的概率。同时,边缘服务层的业务信息及控制信息通过边缘接入层,传递给边缘感知层进行执行操作。具体的主要包括以下几个部分应用:
设备基础状态建模:基于锂离子单体电芯数字化车间的各类设备相关属性、运转状态,建立信息模型,用以实现设备的自我描述,设备基础状态建模是设备动态监测建模的基础。设备基础状态模型应包括但不限于设备基础状态模型编号、设备名称、设备固定编号、关联边缘接入节点编号、设备图片、设备说明等信息;
设备动态监测建模:面向锂离子单体电芯数字化车间的各类设备的基础状态模型,设备动态监测模型需具有自适应的动态优化与更新机制,以适应设备的机构性变化,达到设备状态监测的最终目的。动态优化与更新是指当边缘接入层上传的设备状态数据与设备已设置的基础状态模型、动态监测模型之间的差异超出设定边界时,设备动态监测模型能够重新优化、并且更新,以生成新的包容此种数据的动态监测模型。设备动态监测模型的建立是在基础状态建模的基础上,需进行模型提取、建模,并且可以进行动态优化和更新。设备动态监测模型应包括但不限于动态监测模型编号、动态监测模型名称、隶属设备编号、动态监测类型、动态监测数据类型、小数保留位数、储存类型等;
边缘服务层与边缘接入层的协同:建立在边缘接入层的数据同步的基础上,需进行边缘接入层的各类边缘接入节点建模,进而建立边缘接入节点运行状态模型,保存并监测其运行状态,达到边缘服务层与边缘接入层的协同。边缘接入节点模型根据现场设备的实际接入情况,应包括但不限于接入节点模型编号、接入节点名称、报文协议版本、接入节点固定编号、厂商编号;接入节点运行状态模型包括但不限于运行状态模型编号、关联的接入节点模型编号、接入节点运行状态,时间节点;
设备状态实时监测:基于设备动态监测模型,接收并保存接入层上传的设备状态数据,设备状态实时监测结果应包括但不限于设备实时数据编号、关联的设备动态监测模型编号、设备状态数据类型、实时的状态值、单位、采集时间、通信情况;
实时异常状态报警:通过在设备的实时监测中及时发现和避免设备运行稳定性恶化,从而稳定生产质量的有效机制。实时异常状态报警需根据具体应用场景设置相关边界参数,如已知异常或故障预警模式连续出现的次数、未知状态连续出现的次数、关键传感器参数的实时数值与预测数值偏差极限等。在实时监测中,当实时数据所呈现的形态超过异常状态报警边界时,给出异常状态报警信息。
实时异常状态报警模型应包括但不限于异常报警类型、异常状态名称、异常状态等级、警情允许最大值、报警持续时间、持续时间单位,隶属设备动态监测编号等;
设备历史状态评估:设备历史状态评估是在设备基础状态模型以及动态监测模型建立完成后,对设备的历史状态数据进行状态模式识别,即通过对设备的历史状态数据进行数据分析、挖掘,并根据模式识别结果,即设备在对应的时间周期内的稳定性,包括设备是否出现异常或者故障预兆,评判设备在历史数据对应的时间周期内的稳定性,包括是否出现异常时段、是否出现故障征兆等;
单周期设备历史状态评估是指对设备运行历史中某个时段的状态的评估,如对某月的运行状态的评估。此类评估旨在发现设备在某时段的状态稳定性,主要针对设备出过异常或故障状态的时段进行深入分析;
全周期设备历史状态评估是指对设备生命周期的运行状态进行评估。此类评估主要目的是观察和分析设备在生命周期中的常态变化,以分析设备的性能老化过程。
Claims (6)
1.一种面向锂离子电芯制造的设备状态监测边缘计算架构,其特征在于,包括:
边缘感知层,用于采集锂离子单体电芯制造过程中工艺生产设备的状态数据以及根据边缘接入层的控制命令对工艺生产设备进行控制;
边缘接入层,用于工业通信协议的转换以及同步边缘感知层与边缘服务层的数据;
边缘服务层,用于监测边缘感知层发送的工艺生产设备状态数据并根据该数据生成控制指令,实现对边缘感知层中的工艺生产设备的控制。
2.根据权利要求1所述的一种面向锂离子电芯制造的设备状态监测边缘计算架构,其特征在于,所述边缘感知层中的工艺生产设备用于包括电极加工、电芯装配、化成测试三个工艺步骤,边缘感知层用于建立工艺生产设备之间、工艺生产设备与边缘接入层之间的网络传输。
3.根据权利要求1所述的一种面向锂离子电芯制造的设备状态监测边缘计算架构,其特征在于,所述边缘接入层将边缘感知层中的工艺生产设备接入边缘服务层,实现工业通信协议的转换,具体为:
边缘接入层通过工业网络协议识别转换,将边缘感知层中的工艺生产设备接入;
边缘接入节点实时采集边缘感知层中工艺生产设备的采集点数据并储存,通过预处理将采集点数据进行标准化,完成异构数据的融合;
将融合后的工艺生产设备状态数据传输到边缘服务层。
4.根据权利要求3所述的一种面向锂离子电芯制造的设备状态监测边缘计算架构,其特征在于,所述采集点数据包括:采集通道编号、采集通道名称、采集点关联的设备编号,采集点的数据标签编号、采集点的数据标签名称、采集点的数据类型、采集点的数据读取方向。
5.根据权利要求1所述的一种面向锂离子电芯制造的设备状态监测边缘计算架构,其特征在于,所述边缘服务层实现了锂离子单体电芯生产过程中的工艺生产设备状态监测过程,具体为:
边缘服务层根据工艺生产设备的基础状态以及对工艺生产设备的动态监测数据分别建立设备基础状态模型以及设备动态监测模型;
将融合后的工艺生产设备状态数据分别导入设备基础状态模型以及设备动态监测模型并储存,完成工艺生产设备状态的实时监测并通过边缘接入层向边缘感知层发送控制指令控制边缘感知层中的工艺生产设备。
6.根据权利要求5所述的一种面向锂离子电芯制造的设备状态监测边缘计算架构,其特征在于,在工艺生产设备状态的实时监测过程中,边缘服务层还进行实时异常状态报警、设备历史状态评估以及接入点状态管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010998914.7A CN114253697A (zh) | 2020-09-22 | 2020-09-22 | 一种面向锂离子电芯制造的设备状态监测边缘计算架构 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010998914.7A CN114253697A (zh) | 2020-09-22 | 2020-09-22 | 一种面向锂离子电芯制造的设备状态监测边缘计算架构 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114253697A true CN114253697A (zh) | 2022-03-29 |
Family
ID=80788363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010998914.7A Pending CN114253697A (zh) | 2020-09-22 | 2020-09-22 | 一种面向锂离子电芯制造的设备状态监测边缘计算架构 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114253697A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117766956A (zh) * | 2024-02-22 | 2024-03-26 | 宁德时代新能源科技股份有限公司 | 注液系统及注液方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108023952A (zh) * | 2017-12-04 | 2018-05-11 | 西安电子科技大学 | 一种基于云雾结合的模块化物联网应用快速构建平台 |
CN109936619A (zh) * | 2019-01-18 | 2019-06-25 | 中国科学院空间应用工程与技术中心 | 一种基于雾计算的空间信息网络架构、方法和可读存储介质 |
CN110336703A (zh) * | 2019-07-12 | 2019-10-15 | 河海大学常州校区 | 基于边缘计算的工业大数据监测系统 |
CN110380880A (zh) * | 2018-04-13 | 2019-10-25 | 中国科学院沈阳自动化研究所 | 一种基于边缘计算框架的整车制造智能工厂的体系结构 |
CN110401262A (zh) * | 2019-06-17 | 2019-11-01 | 北京许继电气有限公司 | 基于边缘计算技术的gis设备状态智能监控系统及方法 |
CN110830943A (zh) * | 2019-11-06 | 2020-02-21 | 湖南银河电气有限公司 | 一种基于边缘计算和大数据分析的设备状态监测系统 |
-
2020
- 2020-09-22 CN CN202010998914.7A patent/CN114253697A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108023952A (zh) * | 2017-12-04 | 2018-05-11 | 西安电子科技大学 | 一种基于云雾结合的模块化物联网应用快速构建平台 |
CN110380880A (zh) * | 2018-04-13 | 2019-10-25 | 中国科学院沈阳自动化研究所 | 一种基于边缘计算框架的整车制造智能工厂的体系结构 |
CN109936619A (zh) * | 2019-01-18 | 2019-06-25 | 中国科学院空间应用工程与技术中心 | 一种基于雾计算的空间信息网络架构、方法和可读存储介质 |
CN110401262A (zh) * | 2019-06-17 | 2019-11-01 | 北京许继电气有限公司 | 基于边缘计算技术的gis设备状态智能监控系统及方法 |
CN110336703A (zh) * | 2019-07-12 | 2019-10-15 | 河海大学常州校区 | 基于边缘计算的工业大数据监测系统 |
CN110830943A (zh) * | 2019-11-06 | 2020-02-21 | 湖南银河电气有限公司 | 一种基于边缘计算和大数据分析的设备状态监测系统 |
Non-Patent Citations (2)
Title |
---|
谭武: "基于边云框架的物联网平台设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 February 2020 (2020-02-15), pages 136 - 1612 * |
邹萍;张华;马凯蒂;程仕通;: "面向边缘计算的制造资源感知接入与智能网关技术研究", 计算机集成制造系统, no. 01, 15 January 2020 (2020-01-15) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117766956A (zh) * | 2024-02-22 | 2024-03-26 | 宁德时代新能源科技股份有限公司 | 注液系统及注液方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102073085B1 (ko) | Fbd 머신러닝 기반의 동적 모니터링 시스템 및 그 방법 | |
CN102510127B (zh) | 电网在线监测的一次和二次设备统一模型的方法 | |
CN111142414B (zh) | 基于边云协同的智慧电厂管控系统 | |
CN101567814A (zh) | 基于SNMP和随机Petri网的自动化网络管理方法 | |
CN111541574B (zh) | 一种智能变电站可视化巡检方法及系统 | |
CN202956644U (zh) | 一种基于dcs的动力电池生产过程信息监控系统 | |
CN112085261A (zh) | 基于云端融合和数字孪生技术的企业生产现状诊断方法 | |
CN111915143B (zh) | 一种基于智能合约的复杂产品装配管控系统 | |
CN110380880A (zh) | 一种基于边缘计算框架的整车制造智能工厂的体系结构 | |
CN111541576A (zh) | 一种基于zigbee网络的设备可视化方法及系统 | |
CN110543142A (zh) | 一种数控机床故障诊断与预警系统 | |
CN102904343A (zh) | 基于分布式多智能体的状态监测系统及方法 | |
Du et al. | IIoT-based intelligent control and management system for motorcycle endurance test | |
CN117390529A (zh) | 多因素溯源的数据中台信息管理方法 | |
CN114253697A (zh) | 一种面向锂离子电芯制造的设备状态监测边缘计算架构 | |
CN214067660U (zh) | 基于物联网的监测系统 | |
CN117060591A (zh) | 一种基于数字孪生的数字电网系统 | |
CN115604013B (zh) | 一种工业数据交互平台及交互方法 | |
Zhang et al. | Study on internet of things architecture of substation online monitoring equipment | |
CN106200563A (zh) | 一种数控设备状态采集和设备控制系统及方法 | |
CN115640980A (zh) | 基于目标控制的电网工程造价动态管理系统 | |
CN214225758U (zh) | 一种基于工业互联网的多级监控中心架构 | |
CN115221215A (zh) | 基于物联网设备状态感知系统 | |
CN113596076A (zh) | 一种应用于智能电网的物联网信息聚合方法 | |
CN113110361A (zh) | 一种基于产联网的智能工厂综合控制系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |