人工智能学院2025届学生毕业综合实践优秀作品
作品名称：零件加工产线运维系统设计与实现
作 者：陈剑波、王良宇
专 业：软件技术
班 级：软件2203、2202
指导教师：郑迎亚（讲师）
作品特点：
汽车产业是我国国民经济重要的支柱产业，近些年随着新能源汽车的兴起，我国汽车产业正迎来技术和创新应用层出不穷的大变革，这也驱动着汽车零部件产业的转型与变革，当前企业生产主要存在设备难管理、排产效率低、生成不透明和数据应用难等问题，本项目基于工业互联网技术对产线进行了改造，开发了产线运维系统，能有效解决企业存在的难题，项目主要特点如下：
1.解决企业生产过程中的困难：本项目对产线进行了改造，添加多种传感器，利用树根工业网关和根云云平台实现数据采集、上云与展示，并通过自主开发数据中台，对接云端数据，实现数据私有化。同时支持开发数据应用服务，通过低代码平台，快速实现mes系统、工业app部署，实现生产管理以及数据分析，包括设备剩余寿命预测、电耗预测、生成式AI数据分析等。
2.运用工业互联网等新技术，技术综合性强：本项目使用了树根互联网的工业互联网技术，包含底层到上层的成熟解决方案，在此基础上进行了应用创新，自主开发数据中台，能对接不同云平台、实现数据私有化、支持自定义开发各类Web应用等，同时运用AI技术实现工业质检、安全生产、电机剩余寿命预测等，项目综合了硬件、软件、算法三个层面的开发工作，具有一定的技术复杂度与难度，综合性强。
3.实用性与可行性高：通过实验验证，本项目设计的运维系统具有良好的实用性和可行性，能够实时采集产线数据、上云，实现设备的实时管理，同时依靠大数据、人工智能等技术对数据进行分析，实现零件预测性运维等智能功能，有效提高了产线的生产效率、节约生产成本，也为制造业数智化改革提供了一种创新的解决方案。
作品说明：
1.课题来源
我校与中软国际共建信创产业学院与鸿蒙工坊，学生在鸿蒙工坊开展信息技术相关创新工作，本课题来源于学生在学习与创新实践过程中对当前制造业产品生产的关注、思考与探索。随着汽车行业的不断发展，生产过程的自动化程度不断提升。为了确保生产线的稳定性和生产效率，运维管理显得尤为重要。本项目基于汽车零部件自动化产线的特点，利用工业互联网技术、软件技术、人工智能技术开发了一种运维应用系统的设计方案。该系统旨在提高生产线的自动化运维效率，通过实时监控、故障诊断、数据分析和预警机制，实现对自动化产线的智能化管理，从而减少停机时间、提高生产效率并降低维护成本。
2.本智能垃圾分类系统具有以下主要功能：
（1）产线改造：通过加装各类传感器，采集PLC、温度、电能、电机运行参数等关键工况，采集设备报警信息，消除现有报警不准确不规范问题；
（2）实时监控：实现数据上云，开发可视化大屏等，实现实时数据监控、设备工况再现、自动巡检与消息推送等功能；
（3）预防维护：基于loT数据构建易损件计时、计次更换策略 ，及时提醒更换，统计更换记录指导备件采购；
（4）预测性维护：针对产线关键设备实现在线监测、状态预警、故障预测与使用寿命预测。
3.设计方法或设计思路
（1）硬件平台：基于树根互联的工业互联网数据采集站和生成应用站，并加装温湿度传感器、温振传感器、噪声传感器等，运用西门子plc1200实现智能控制；
（2）软件平台：选择树根互联的工业互联网平台和工业APP平台，同时自主开发数据中台，对接处理各类数据与平台，实现全流程的数据对接；
（3）可视化平台：基于低代码可视化开发平台，通过数据绑定与对接，实时展示各类传感器采集上传的数据，同时实现一定的智能分析与图表展现；
（4）预测算法：采用长短期记忆人工神经网络（LSTM）对时序数据进行分析、训练，实现电机设备的剩余寿命预测；
（5）应用开发：基于低代码平台，通过拖拽式实现工业APP，包括维修任务管理、产品追溯管理、自动排产管理等。
成果展示：
效果如图1、2、3、4所示。
图1 设备外观
图2 云平台数据实时监控
图3 加工分拣设备监控云平台
图4 生产管理看板图
指导教师点评：
本项目作品聚焦于温州本地的支柱产业汽车零部件生产产业，并能发现企业在生产过程中的问题，体现了学生对于产业关注度与敏锐的技术嗅觉。同时本项目在新技术运用方面表现出色，体现了学生对当前技术趋势的深刻理解和实践能力。通过选择树根互联的工业互联网平台，结合软硬件开发技术、工业互联网技术、人工智能技术等新技术，开发了智能化运维设备，能有效解决当前汽车零部件生产企业存在的一些难题，为制造业数智化转型升级提出了自己的解决方案，具有一定的实际价值与借鉴意义。该组成员在整个毕业设计过程中表现出了很好的团队协作能力、自主学习能力、良好的沟通能力以及非常强的软硬件协同开发能力，做到学以致用，表现优异。不足之处是采集的数据种类还偏少，许多重要的数据还没有进行采集，同时软件的界面设计、用户体验方面可以进一步优化，另外在人工智能技术用于预测性维护的准确度上面仍有一定的提升空间，后续可以继续研究改进AI算法，在准确率与效率上进一步提升，同时对应用程序进行优化开发，以提升整个运维系统的使用体验。
