基于Storm流处理的数控机床运行数据监测方法的设计与实现

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。