文献类型：期刊文章

作　　者：孙顺苗[1] 何彦[1] 吴鹏程[1] 王乐祥[1] 凌俊杰[1] 李军[2]

SUN Shun-miao;HE Yan;WU Peng-cheng;WANG Le-xiang;LING Jun-jie;LI Jun(College of Mechanical Engineering,Chongqing University,Chongqing 400044,China;Shaanxi Hanjiang Machine Tool Co.,Ltd.,Hanzhong 723003,China)

机构地区：[1]重庆大学机械工程学院,重庆400044 [2]陕西汉江机床有限公司,陕西汉中723003

出　　处：《工程设计学报》

基　　金：国家科技重大专项资金资助项目(2017ZX04019001)

年　　份：2019

卷　　号：26

期　　号：3

起止页码：245-251

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、DOAJ、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对目前数控机床运行数据种类多、数量大且难以实现实时处理的问题,提出一种基于Storm流处理技术的数控机床运行数据监测方法。该方法采用实时大数据计算框架Storm作为核心,通过外置传感器和数控系统通信协议获取数控机床运行数据。使用Kafka作为消息队列将机床运行数据上传给Storm,然后在Storm框架中进行数据统计、数据异常检测等实时分析业务,之后将分析结果存储于数据库中,并实现分析结果的可视化展示。在实际生产环境中对基于Storm流处理的监测方法进行测试,实验结果表明:该方法能够实现对数控机床运行数据的实时监测与处理,具有强实时计算能力、高扩展性的优点;并且在处理相对复杂的数控机床运行数据监测业务时,该方法的优势更显著。研究结果为数控机床运行数据监测提供了新思路,该监测方法具有广阔的工程应用前景。

关 键 词：数控机床 流处理  大数据

分 类 号：TG659]