杨旭辉 胡琳 姚波 林毅

摘要：研发了混凝土运营生产管理系统（TOPS），该系统基于云计算平台，业务信息系统与装置在线协同，强化生产控制的自动化和智能化水平，结合混凝土生产的海量数据，利用信息化技术管理方法，优化混凝土生产工艺，并提供便利化的服务等，借助大数据、人工智能等技术，实现混凝土生产在线质量管控和预测，为混凝土行业的智能化发展提供参考。

关键词：混凝土;云计算;人工智能;质量管控

中图分类号：TP18;TB497 文献标识码：A 文章编号：1001-5922（2021）01-0141-05

0引言

混凝土作为现代建设工程中应用范围最广、用量最大的工程材料，由于其将在特定时间完成凝固，这对材料保供、生产控制以及客户服务为代表的供应链协同提出了更高的要求，其质量安全成为影响建筑寿命的核心原因之一。目前，混凝土生产受制于现有技术和管理方式，缺乏对原材料人厂、成品出厂和现场浇筑的实时的有效检测和控制，导致质量控制进退失据。一方面由于混凝土质量控制不严导致建筑事故或建筑寿命大幅缩水，另一方面混凝土质量控制，推高导致大幅增加企业生产成本。随着云计算、大数据、人工智能等技术的不断成熟，通过融合相关技术实现对材料质量动态监管，有助于规避质量风险、减少质量事故，提升企业乃至于整个行业的动态、全过程监管的能力。

李伯虎提出云制造3.0，將大数据、人工智能等新技术深度融进制造业，建立了基于互联网、人工智能、信息通信等新技术的云制造系统，将其应用于航天工业。任磊、张霖等人通过物联网、信息、计算机等技术研究制造物理资源的虚拟化处理，并提出云制造系统虚拟化技术构架，实现物理制造资源的高效利用。吉旭等人研究了高分子材料行业的云制造技术，从状态感知、物联通信、知识管理向云制造服务平台整合、适配等方面进行了研究，解决了基于云制造平台的知识学习技术。曾强等人通过云计算对混凝土的生产质量进行管控。张永辉等人利用大数据、云计算，研发了集混凝土生产、销售、服务等于一体的云平台框架，并将其应用于混凝土企业。

英国、瑞典、德国等国通过网络内的制造资源共享和优化调度来实现整体效率的提升，明确提出了“Cloud Manufacturing”云制造概念。QUACK·T阐述了基于网络的事物的对象识别。目前在欧美发达国家，随着混凝土行业集中度的提升，以及企业信息化的不断发展，基于计算机网络的“动态供应链集成系统”已成为行业信息化管理的发展趋势，通过集成信息技术、计算机虚拟技术、人工智能等技术，极大的促进制造生产，为客户提供高效的服务，如世界最大的混凝土供应商西麦斯即以供应链管理及客户管理系统为主形成信息的无缝集成及资源调度，包括接收订单和交付的解决方案，会为客户提供全方位量身定制的具体解决方案和配套产品，并在后续的需求中也会进行实时调度，进一步优化资源和客户服务监控，不仅确保产品的质量，而且也保证客户可按时交付产品。

本文针对具有大物流、制造以及市场服务等特性的预拌混凝土行业，利用混凝土生产过程中的海量数据，基于互（物）联网、大数据以及人工智能等技术，实现对混凝土材料的质量动态监管和预测。

1预拌混凝土行业云计算平台架构

随着信息化、智能化等技术的发展，由于混凝土产品的特性和行业特征，如何优化资源配置、调度、生产质量工艺以及高效服务等，制约着混凝土行业的发展。由此，研发了一套ERP系统，整套系统命名为TOPS系统，TOPS是由混凝土（Tong）+Operation+Product+System首字母组合而成，即“混凝土运营生产管理系统”，该系统基于net技术框架，采用了C^#、JQuery/Ajax、jQuery mobile、HTML5/CSS3、Bootstrap、Unity、Nhibernate、MongoDB、Log4Net、WCF、Web API等技术，软件采用1个TOS、1个微信端和N个TPS的架构设计，界面操作友好，可拓展性强。可以实现以下内容：

1）面向集团化管理的运管模式研究。商品混凝土云制造是一种网络化的制造模式，利用信息化、互联网技术，优化制造物理资源配置，连通管理中心、生产中心、服务对象，实现资源、数据、安全、财务等信息的集成，并与客户形成便捷的信息交流，进一步提升企业集团化管理能力。打造网络制造模式，需要对资源进行服务化封装和集成，以实现制造资源整合。

2）面向供应链全周期的“互联网+”新型服务模式研究。混凝土生产完成时属半成品，且具有不可逆性。因此，混凝土生产时，要求生产商与使用客户之间具有较高的耦合性，首先要针对服务客户研究从混凝土生产到应用全过程的服务体系，即C2M;其次开展云平台供应管理机制研究（B2B））为供应商提供更多参与到需求计划，提升原材料配送、质控等协同效率。

3）面向绿色、可持续、以及智能高效的生产技术研究。利用互联网技术的优势，将物理制造资源信息化、数字化，形成虚拟化的资源池，整合混凝土生产、服务、成本、财务、安全等各种信息，将其集成到云平台系统，并利用大数据、人工智能等技术，对资源、生产质量工艺、管理等进行优化，提高混凝土企业的生产、管理效率，为客户提供更优质、便捷的服务。

4）利用大数据、人工智能等技术，基于海量的混凝土生产数据，将神经网络模型与遗传算法相结合，实现混凝土生产过程的在线质量预测。

图1为混凝土行业的基于云计算平台构架，包含三个层次，即基础层（IaaS）、平台层（PaaS）和应用层（SaaS）。架构中的基础层（IaaS）是云制造面向信息的网络基础设施，在异构资源环境下，IaaS可访问虚拟化资源池，同时利用平台硬件，满足用户需求。平台层（PaaS）不仅能整合硬件资源，还能进行开发、调试应用。应用层（SaaS）要能充分利用底层资源，还需提供功能化的应用服务。

混凝土生产过程中，在其质量数据的存储、挖掘、分析基础上，利用信息化技术管理方法，优化混凝土生产工艺，形成混凝土生产、销售、后续服务等一系列的管控体系。图2为云平台在线质量管控流程。

2基于BP神经网络和量子遗传混合算法的在线质量管理

质量管理经历了质量检验阶段、统计质量控制阶段、全面质量管理阶段三个阶段。质量管理常用的工具主要有“老七种工具”“新七种工具”，其针对的分析对象不同，“老七种工具”重视数据的重要性，“新七种工具”分析非数据的文件等。预拌混凝土的生产过程是动态发展的，其质量管理也应是动态的，随着云技术、智能技术的发展，制造业的质量管理也朝着信息化、智能化方向发展。将科技新技术应用于混凝土生产在线质量管理中，利用智能算法有效处理多维异构的海量数据，对预拌混凝土的生产过程进行在线质量管控。

2.1BP神经网络与遗传混合算法

2.1.1BP神经网络

BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络，通过输人一输出的模式进行非线性的处理系统。改模型的结构有输人层（inputlayer）、隐藏层（hide layer）和输出层（output lay-er），如图3所示。

BP神经网络输人层中混凝土原材料质量的影响因素具有多样性，如水泥质量影响因素有品种、细度、用量、强度、体积安定性、凝结时间、烧失量、不溶物等，粗细骨料影响因素有粒径、吸水率、含泥量、针片状颗粒含量、压碎值、坚固性等，谁的影响因素主要有PH值、硬度等。

2.1.2

遗传算法

遗传算法是通过模拟生物进化论的自然选择和遗传学理论的计算模型，对群体进行搜索，即问题解的串集开始搜索，通过选择、交叉、变异3个基本算子，产生出代表新的解集的种群，逐步得到群体近似最优解。图4为遗传算法流程。

本文采用BP神经网络与遗传混合算法，利用大数据、云计算等技术，对预拌混凝土的生产质量进行在线质量管理，如图5所示，其计算步骤为：

1）首先建立网络拓扑结构：确定输人、输出节点数，隐含层数，确定神经网络计算法;

2）通过遗传算法优化人工神经网络的初始权值和阈值：通过选择、交叉、变异进化过程，计算每个个体适应度，以确定种群适应度是否最优，将最优的权值和阈值赋值给人工神经网络;

3）利用人工神经网络BP算法进行计算，得到预算结果。

3.2预拌混凝土在线质量管理实例

基于混凝土现场生产实时数据，其已知变量为原材料技术参数、配合比等，质量管理指标为混凝土28d压缩强度，通过BP神经网络和遗传混合算法进行计算，验证混凝土在线质量管理的可行性。

1）样本选取：以某工程混凝土拌和站数据作为样本，选取强度等级为C30的混凝土，质量管理指标为混凝土28d压缩强度。样本数据共计1000组，作为对人工神经网络进行训练，如表1所示。实验数据共计100组，对训练后的网络检验，如表2所示。

2）结果：BP神经网络与遗传混合算法结果如图6所示。由图可知，基于BP神经网络和遗传算法的预拌混凝土强度的预测结果与实际值存在一些细微差异，但差值不大，预测值与实际值的相对误差在一7.85%-6.94%之間，能较好的预测混凝土生产质量，可对预拌混凝土生产的在线质量进行管控。

3结语

通过研发预拌混凝土运营生产管理系统（TOPS），统一优化调配包括资金、设备资产、人力资源、仓贮供应、销售运输等各类资源，实现混凝土产业链的资源优化、信息高效共享、业财深度融合。利用大数据、人工智能（AI）等技术，对混凝土生产进行实时在线质量管理和预测，具有一定的可行性。