林爾迅

（廣東電網(wǎng)有限責(zé)任公司中山供電局，廣東中山528400）

0 引言

在當(dāng)今競爭激烈的商業(yè)環(huán)境中，很多公司在應(yīng)對快速決策的大數(shù)據(jù)問題方面面臨著挑戰(zhàn)。由于缺乏智能分析工具，許多制造系統(tǒng)還沒有準(zhǔn)備好管理大數(shù)據(jù)。德國正在引領(lǐng)基于網(wǎng)絡(luò)物理系統(tǒng)制造和服務(wù)創(chuàng)新的第四代工業(yè)革命（工業(yè)4.0）的轉(zhuǎn)型。隨著越來越多的軟件和嵌入式智能集成在工業(yè)產(chǎn)品和系統(tǒng)中的應(yīng)用，預(yù)測技術(shù)可以進一步將智能算法與電子和無接觸智能相結(jié)合，然后這些技術(shù)將用于預(yù)測產(chǎn)品性能下降，并自主管理和優(yōu)化產(chǎn)品服務(wù)需求。

如今，智能工廠主要關(guān)注以控制為中心的優(yōu)化和智能。此外，通過與對機器性能有直接影響的不同周圍系統(tǒng)進行交互，可以實現(xiàn)更高的智能。與周圍系統(tǒng)的這種無縫交互可將常規(guī)機器轉(zhuǎn)變?yōu)樽晕腋兄妥詫W(xué)習(xí)機器，從而提高整體性能和維護管理水平。盡管自主計算方法已經(jīng)在計算機科學(xué)中成功實施，但自學(xué)習(xí)機器仍遠(yuǎn)未在當(dāng)前得到實現(xiàn)。從今天的狀態(tài)轉(zhuǎn)變?yōu)楦悄艿臋C器要通過解決幾個基本問題來進一步推進。這些問題可分為以下五個不同類別：

（1）經(jīng)理和運營商互動。目前，運營商控制機器，經(jīng)理設(shè)計物流計劃，機器僅執(zhí)行分配的任務(wù)。雖然這些任務(wù)通常有專業(yè)操作員和管理人員優(yōu)化，但這些決策中缺少一個非常重要的因素——機器組件的健康狀況。

（2）機器隊列。對于不同的任務(wù)，類似或相同的機器（機器隊列）暴露于完全不同的工作條件是很常見的。相反，大多數(shù)預(yù)測和預(yù)后方法都是為了支持單個或有限數(shù)量的機器和工作條件。目前，可用的預(yù)后和健康管理方法沒有利用通過從不同實例收集的有價值的知識將這些相同的機器視為隊列。

（3）產(chǎn)品和工藝質(zhì)量。作為制造過程的最終結(jié)果，產(chǎn)品質(zhì)量可通過后向推理算法提供對機器狀況的深入了解。產(chǎn)品質(zhì)量可以為系統(tǒng)管理提供反饋，可用于改進生產(chǎn)計劃。目前，這種反饋循環(huán)不存在，需要進一步研究。

（4）大數(shù)據(jù)和云。大數(shù)據(jù)環(huán)境中的數(shù)據(jù)管理和分發(fā)對于實現(xiàn)自我感知和自學(xué)習(xí)機器至關(guān)重要。利用云計算提供的額外的靈活性和功能的重要性不言而喻，但調(diào)整預(yù)測和健康管理算法以有效實施當(dāng)前數(shù)據(jù)管理技術(shù)需要進一步的研究和開發(fā)。

（5）傳感器和控制器網(wǎng)絡(luò)。傳感器是機器感知周圍物理環(huán)境的門戶，但是傳感器故障和退化可能會將錯誤且不準(zhǔn)確的讀數(shù)傳遞給決策算法，從而導(dǎo)致錯誤的結(jié)果。

1 工業(yè)4.0時代的趨勢和未滿足的需求

新技術(shù)的涌現(xiàn)保護了行業(yè)發(fā)展，從早期采用機械系統(tǒng)到支持生產(chǎn)流程，再到當(dāng)今高度自動化的裝配線，方便了對當(dāng)前動態(tài)市場需求做出響應(yīng)和適應(yīng)。在工業(yè)4.0概念下，信息技術(shù)和社交媒體網(wǎng)絡(luò)的進步及其應(yīng)用范圍的驚人增長已經(jīng)越來越多地影響著消費者對產(chǎn)品創(chuàng)新、質(zhì)量、品種和交付速度的看法，這就需要建立具有自我意識、自我預(yù)測、自我比較、自我重構(gòu)和自我維護能力的工廠。伴隨著這項新技術(shù)，兩種創(chuàng)新發(fā)展受到了學(xué)術(shù)界和工業(yè)界的更多關(guān)注——服務(wù)創(chuàng)新和工業(yè)大數(shù)據(jù)。在本節(jié)中，將討論關(guān)于這兩個主題的研究。

1.1 制造業(yè)服務(wù)化和創(chuàng)新

經(jīng)濟基礎(chǔ)為制造業(yè)的許多發(fā)達(dá)國家都在努力轉(zhuǎn)變經(jīng)濟發(fā)展模式，它們受到了新興市場和全球制造業(yè)供應(yīng)鏈的威脅。因此，制造企業(yè)不僅尋求制造技術(shù)創(chuàng)新，而且也開始關(guān)注服務(wù)的歸納和推動。

Vandermerve和Rada于1988年提出了服務(wù)化，他們強調(diào)以客戶為中心的理念，提出產(chǎn)品、服務(wù)、支持和知識是最重要的元素。此外，不僅服務(wù)業(yè)，還有制造業(yè)應(yīng)該專注于創(chuàng)新的增值服務(wù)發(fā)展，以便快速提升其核心競爭力。貝恩斯支持將制造服務(wù)化定義為組織能力和流程的創(chuàng)新，從產(chǎn)品銷售到集成產(chǎn)品服務(wù)。

服務(wù)化被定義為組織的能力和流程的戰(zhàn)略創(chuàng)新，從銷售產(chǎn)品轉(zhuǎn)向銷售提供使用價值的集成產(chǎn)品和服務(wù)，即產(chǎn)品服務(wù)系統(tǒng)。產(chǎn)品服務(wù)系統(tǒng)（PSS）的概念是服務(wù)化的特例。Mont將PSS定義為產(chǎn)品、服務(wù)、支持網(wǎng)絡(luò)和基礎(chǔ)設(shè)施系統(tǒng)，旨在提高競爭力，滿足客戶需求，并且其比傳統(tǒng)商業(yè)模式環(huán)境影響更小。在PSS業(yè)務(wù)模型中，行業(yè)開發(fā)具有增值服務(wù)的產(chǎn)品而不是單個產(chǎn)品本身，并為其客戶提供所需的服務(wù)。在這種關(guān)系中，制造商的市場目標(biāo)不是一次性產(chǎn)品銷售，而是通過總體服務(wù)解決方案從客戶那里持續(xù)獲利，這可以滿足未滿足的客戶需求。

1.2 工業(yè)大數(shù)據(jù)環(huán)境

大數(shù)據(jù)一直在數(shù)據(jù)挖掘中，因為人類生成的內(nèi)容已經(jīng)成為社交網(wǎng)絡(luò)的推動力。2004年底以來也被稱為Web2.0時代，許多研究機構(gòu)和公司都致力于這一新課題的研究，其中大部分都專注于社會或商業(yè)數(shù)據(jù)采集，這包括銷售預(yù)測、用戶關(guān)系挖掘、聚類、推薦系統(tǒng)和意見挖掘等。然而，這項研究的重點是“人為或人為相關(guān)數(shù)據(jù)”，而不是“機器生成數(shù)據(jù)或工業(yè)數(shù)據(jù)”，其中可能包括機器控制器、傳感器、制造系統(tǒng)等。

在上述工業(yè)4.0時代，智能分析和網(wǎng)絡(luò)物理系統(tǒng)相互結(jié)合，實現(xiàn)了生產(chǎn)管理和工廠轉(zhuǎn)型的新思路。使用適當(dāng)?shù)膫鞲衅?，可以提取各種信號，例如振動、壓力等；此外，可以收集歷史數(shù)據(jù)以進行進一步的數(shù)據(jù)挖掘；通信協(xié)議可以幫助用戶記錄控制器信號。當(dāng)匯總所有數(shù)據(jù)時，此合并稱為“大數(shù)據(jù)”，而將大數(shù)據(jù)實際處理成有用的信息是工業(yè)4.0工廠內(nèi)可持續(xù)創(chuàng)新的關(guān)鍵。

2 適用于工業(yè)大數(shù)據(jù)環(huán)境的自我感知和自我維護機器

對于機械系統(tǒng)，自我意識意味著能夠評估機器的當(dāng)前或過去狀況，并對評估輸出作出反應(yīng)。可以通過使用數(shù)據(jù)驅(qū)動算法來分析從給定機器及其周圍環(huán)境收集的數(shù)據(jù)/信息來執(zhí)行這種健康評估?？梢詫崟r機器的狀態(tài)反饋給機器控制器以進行自適應(yīng)控制，并根據(jù)機器管理器的反饋及時進行維護。然而，對于大多數(shù)工業(yè)應(yīng)用特別是機器隊列而言，機器的自我意識仍遠(yuǎn)未實現(xiàn)。當(dāng)前的診斷或預(yù)測算法通常用于特定的機器或應(yīng)用，并且不具有足夠的適應(yīng)性或靈活性以處理更復(fù)雜的信息。

自我感知機器尚未完全實現(xiàn)的原因總結(jié)如下：

（1）缺乏緊密耦合的人機交互：機器狀態(tài)和性能的主要影響因素是人工操作和管理。任務(wù)設(shè)計和調(diào)度會極大地影響生產(chǎn)力和生產(chǎn)質(zhì)量。當(dāng)前機器只能被動地聽取操作員的命令并做出反應(yīng)，即使分配的任務(wù)對于其當(dāng)前狀況不是最佳的。另一方面，更智能的機器系統(tǒng)應(yīng)該能夠主動建議任務(wù)安排并調(diào)整操作參數(shù)，以最大化實現(xiàn)生產(chǎn)率和產(chǎn)品質(zhì)量。

（2）缺乏自適應(yīng)學(xué)習(xí)和充分利用可用信息的能力：PHM系統(tǒng)由于適應(yīng)性低而無法在業(yè)界廣泛實施，最終導(dǎo)致健康監(jiān)測算法缺乏穩(wěn)健性。這個現(xiàn)象背后的問題是，對于PHM系統(tǒng)，開發(fā)和實施通常是分開的。PHM算法是通過實驗收集的數(shù)據(jù)開發(fā)的，除非經(jīng)過專家的重新培訓(xùn)，否則在實施過程中不會發(fā)生變化。在大多數(shù)情況下，該算法僅使用預(yù)定義的過程處理來自真實機器的狀態(tài)監(jiān)視數(shù)據(jù)，而不試圖從中學(xué)習(xí)。這種情況遠(yuǎn)非最佳，因為從現(xiàn)場機器收集的實時數(shù)據(jù)通常來自更多的機器單元并且持續(xù)時間更長，這意味著它包含比實驗室生成的數(shù)據(jù)更多的信息。能夠從這些數(shù)據(jù)中學(xué)習(xí)的算法將能夠?qū)崿F(xiàn)用于處理不同情況的最佳靈活性和魯棒性。

為了解決上述研究差距，本文設(shè)計了一種用于自我感知和自我維護機器的統(tǒng)一網(wǎng)絡(luò)——物理系統(tǒng)框架，該框架可以更有效地從大數(shù)據(jù)中提取有意義的信息，并進一步執(zhí)行更智能的決策。該框架包括：先前和當(dāng)前收集的狀態(tài)監(jiān)測（CM）數(shù)據(jù)、控制器參數(shù)、數(shù)字化機器性能（例如產(chǎn)品質(zhì)量測量）、機器和組件配置、型號信息、利用歷史、正在執(zhí)行的任務(wù)、人類行為（包括維護活動、人為控制的操作參數(shù)和使用模式）。

在網(wǎng)絡(luò)（計算）空間中，首先，需要正確定義數(shù)據(jù)和信息格式，以便記錄和管理從物理空間收集的信息。其次，網(wǎng)絡(luò)空間旨在能夠總結(jié)和積累關(guān)于機器退化的知識，以便這些知識用于新機器的健康評估。最后，健康評估結(jié)果應(yīng)及時反饋到物理空間，以便采取適當(dāng)?shù)男袆印?/p>

機器健康意識分析與自學(xué)知識庫：與大多數(shù)面向控制或模擬的現(xiàn)有CPS不同，本設(shè)計的CPS使用知識庫和相關(guān)算法來表示物理世界中的機器退化和性能行為，機器健康意識分析旨在完成此類任務(wù)。使用自適應(yīng)學(xué)習(xí)和數(shù)據(jù)挖掘算法，可以自動填充表示機器性能和退化機制的知識庫，知識庫能夠隨著新數(shù)據(jù)的增長而完善，最終提高其保真度和表現(xiàn)現(xiàn)實世界機器中復(fù)雜工作條件的能力。針對從機器收集的數(shù)據(jù)樣本和相關(guān)信息，將使用專門設(shè)計的知識提取算法進行水平（機器到機器）和垂直（不同時間）比較。每當(dāng)需要特定機器的健康信息時，知識庫將為健康評估和預(yù)測算法提供必要的信息。由于知識庫的全面性，PHM算法可以更靈活地處理前所未有的事件，并且更準(zhǔn)確地生成PHM結(jié)果。

算法方面，使用無監(jiān)督學(xué)習(xí)算法，如自組織映射（SOM）和高斯混合模型（GMM），可用于自主創(chuàng)建不同工作制度和機器條件的集群。自適應(yīng)聚類方法利用了在線更新機制，應(yīng)用此算法將最新輸入與現(xiàn)有聚類進行比較，并嘗試使用多維距離測量來識別與輸入樣本最相似的一個聚類。

搜索類似的集群可以以兩個結(jié)果結(jié)束：

（1）找到類似的集群。那么從中收集樣本的機器將被標(biāo)記為具有由所識別的集群定義的健康狀況。同時，根據(jù)現(xiàn)有集群與最新樣本之間的偏差，算法將使用來自最新樣本的新信息更新現(xiàn)有集群。

（2）沒有找到類似的群集。則算法將使用當(dāng)前樣本保持其操作，直到它看到足夠數(shù)量的簇外樣本。當(dāng)集群外樣本的數(shù)量超過一定量時，意味著存在尚未建模的機器的新行為，因此算法將自動創(chuàng)建新群集以表示此類新行為。聚類算法可以適應(yīng)新條件。此外，自我成長集群將被用作擬議網(wǎng)絡(luò)空間中健康評估的知識庫，利用這種機制，可以在知識庫中累積不同的機器性能行為，并用于將來的健康評估。

3 結(jié)語

本文設(shè)計了一種用于自我感知和自我維護機器的統(tǒng)一網(wǎng)絡(luò)物理系統(tǒng)框架，該框架可以更有效地從大數(shù)據(jù)中提取有意義的信息，并進一步執(zhí)行更智能的決策。