eis/eqpm/eqpm_readme.md

eqpm — 设备点检与状态管理

概述

eqpm（Equipment Point-inspection Management / 设备点检管理）是 EIS 系统中的设备预测性维护和实时状态监控服务。它做两件事：

1. 预测性维护 — 根据生产累计指标（处理重量、长度或经过天数），计算设备何时需要检修，预测下次检修日期
2. 实时状态监控 — 解码遥测二进制数据，跟踪报警信息，将设备状态推送到 Memcached 供仪表盘使用

进程架构

eqpm 作为单个 PACE 平台组件运行，注册 ICE 端点 "baosight/eqpm"。

                    ┌──────────────────────────┐
                    │        eqpm 进程          │
                    │                           │
  ICE TimeNotify ──→│  事件0 → update_repair()  │──→ DB2 T_EQP_REPAIR
  ICE SendData ────→│  事件1 → 状态写入         │──→ Memcached
  (1002/99999)     │  事件2 → update_alarm()   │──→ DB2
                    │  事件3 → update_coil()    │
                    │                           │
  共享内存 ────────→│  EqpmAlg::update_data()   │──→ 产量环形缓冲区
  (FV_PDI)         │                           │
                    └──────────────────────────┘

ICE 接口

方法	事件号	说明
SendDataShort	99999	触发 update_repair() 刷新检修计划
SendDataShort	1002	解码机组状态二进制遥测数据
SendDataLong	—	未实现
TimeNotify	0	更新检修计划
TimeNotify	1	获取状态 JSON 写入 Memcached（key: "unit_status"）
TimeNotify	2	更新报警信息
TimeNotify	3	更新钢卷信息

核心模块

1. EqpmAlg — 预测性维护引擎

负责设备点检计划的计算。核心数据结构：

EqpRule {
  int rule_type;           // 0=无 1=重量(吨) 2=长度(千米) 3=时间(天)
  double data;             // 自上次检修后的累计值
  TimePoint repair_date;   // 上次检修日期
  TimePoint repair_plan;   // 预测下次检修日期
}

三种检修规则类型：

rule_type	名称	计算方式
1	基于重量	从 FV_PDI 累计每日重量(吨)，超阈值触发检修，按日均重量外推未来日期
2	基于长度	从 FV_PDI 累计每日长度(千米)，超阈值触发检修，按日均长度外推未来日期
3	基于时间	按日历天数计算，距上次检修超过 interval 天后预测在 interval 天满的那天

工作流程：

1. update_data() — 从 FV_PDI 视图读取每日钢卷产量（长度、重量），写入共享内存环形缓冲区（10年，3650天）
2. update_slope() — 计算 3 日滑动平均的日产量（length_slope_、weight_slope_），用于外推预测
3. update_repair() — 从 DB2 加载设备规则配置，针对每条有规则类型的设备计算累计值和下次检修日期
4. update_db2() — 将计算结果写回 DB2 T_EQP_REPAIR 表

产量数据流：

FV_PDI (钢卷视图) → EqpmAlg::update_data()
                         │
                         ▼
              EqpmRecord 共享内存 (环形缓冲区)
              /users/dsc/shm/EqpmRecord_boost.mmap
                         │
                         ▼
              update_slope() → 日均产量
                         │
                         ▼
              update_rule_data() → 预测检修日期

2. EqpStatus — 实时状态监控

解析来自 PLC 的二进制遥测数据，转换为结构化 JSON。

解码的数据组：

数据组	内容
status_data	泵状态、液位、温度、速度等 25 个数值测点
tension	张力数据（2组 × 12个值）
cpc	CPC 对中数据（3组 × 10个值，含位掩码处理）
TR	运输辊道数据（钢卷ID + 5个数值，含时间格式转换）
POR	卷取机数据（入口/出口共2组，钢卷ID + 4个数值）

报警跟踪（update_alarm_info()）：

• 查询 DB2 视图 FV_RESULT_JOIN_EQPID，统计最近 3 天的报警
• isAlarm = 0: 无报警；isAlarm = 1: 有新报警(statuscode=100)；isAlarm = 2: 仅跟踪报警(statuscode=200)

钢卷信息（update_coil_info()）：

• 从 DB2 FV_DSC_PDI_DATA 读取当前生产中的钢卷数据（最多4条）
• 每条包含：入口外径、出口外径、厚度、宽度、重量、长度、钢种等9个字段

3. 共享内存环形缓冲区（EqpmRecord）

• 路径: /users/dsc/shm/EqpmRecord_boost.mmap（500MB）
• 结构: Map<int, EqpmRecord>，天偏移量为 key，存储每日重量和长度
• 容量: 3650天（10年）
• 元数据: TimeRecord 记录有效时间范围和日均产量

目录结构

eqpm/
├── eqpm.cc/h              # 进程入口
├── eqpm_icei.cc/h         # ICE 接口（处理事件和定时回调）
├── eqpm_alg.cc/h          # 预测性维护算法
├── eqp_status.cc/h        # 实时状态监控、遥测解码
├── EqpmRecord.h           # 共享内存环形缓冲区定义
├── utility.cc/h           # 时间工具（时区感知、UTC+8）
├── jsonReader.hpp         # JSON 文件读取工具
├── rule_info.h            # 规则信息结构体（暂未使用）
├── table_struct/          # DB2 表结构
│   ├── fv_pdi.h           # 卷材产量视图
│   ├── t_eqp_data.h       # 设备规则配置
│   ├── t_eqp_repair.h     # 检修记录（输出）
│   ├── FV_RESULT_JOIN_EQPID.h  # 报警信息视图
│   └── FV_DSC_PDI_DATA.h # 钢卷信息视图
├── json/                  # JSON 模板与配置
│   ├── eqp_status.json    # 输出模板
│   ├── eqp_status_config.json  # 遥测解码映射
│   └── eqpm.json          # 测试用 MQ 消息
└── CMakeLists.txt

与其它进程的关系

进程	关系
eqpalg	eqpalg 产生设备报警 → eqpm 查询 FV_RESULT_JOIN_EQPID 获取报警统计
RICS	同系统内独立模块，RICS 做规则配置展示
dsm	同系统内独立模块，dsm 做规则数据归档
前端页面	eqpm 将实时状态和检修计划写入 Memcached 供前端读取

作者

• Cat (null.null.null@qq.com)
• 宝信软件（Baosight Co. Ltd.）