王海峰

(上汽通用汽車有限公司，上海 201206)

0 引 言

2013年，德國在漢諾威工業(yè)博覽會上推出“工業(yè)4.0國家戰(zhàn)略”。這被認為是人類第四次工業(yè)革命的開端，也開啟了各個國家在新一輪產(chǎn)業(yè)革命中競爭的序幕[1]。

隨著新一代信息技術與制造業(yè)的深度融合，新一輪工業(yè)革命的孕育發(fā)展，信息技術滲透到了制造企業(yè)產(chǎn)業(yè)鏈的各個環(huán)節(jié)。條形碼、二維碼、射頻技術(RFID)等物聯(lián)網(wǎng)標識，工業(yè)傳感器、可編程邏輯控制器(PLC)等工業(yè)自動控制系統(tǒng)，企業(yè)資源計劃(ERP)、計算機輔助設計/制造(CAD/CAM)、制造執(zhí)行系統(tǒng)(MES)等軟件技術在企業(yè)中得到了廣泛應用，制造業(yè)企業(yè)的運營也越來越依賴信息技術[2]。制造業(yè)的整個價值鏈和制造業(yè)產(chǎn)品的整個生命周期都涉及諸多的數(shù)據(jù)，制造業(yè)企業(yè)產(chǎn)生的工業(yè)大數(shù)據(jù)也呈現(xiàn)爆炸式增長的趨勢。

1 工業(yè)大數(shù)據(jù)

工業(yè)大數(shù)據(jù)就是在工業(yè)領域信息化相關應用中所產(chǎn)生的海量數(shù)據(jù)。工業(yè)大數(shù)據(jù)是實現(xiàn)智能制造的核心技術。如圖1所示，制造系統(tǒng)中問題的發(fā)生和解決的過程中會產(chǎn)生大量的數(shù)據(jù)，通過對這些數(shù)據(jù)的分析和挖掘可以了解問題產(chǎn)生的過程、造成的影響和解決的方式，這些信息被抽象化建模后轉化成知識，再利用知識去認識、解決和避免問題，核心是以往靠人的經(jīng)驗轉向依靠挖掘工業(yè)數(shù)據(jù)中的隱性線索，使得制造業(yè)知識能夠被更加高效和自發(fā)地產(chǎn)生、利用和傳承[3]。因此，問題和知識是目的，而工業(yè)大數(shù)據(jù)則是一種手段。

圖1 工業(yè)大數(shù)據(jù)-問題-知識之間的關系

工業(yè)大數(shù)據(jù)已經(jīng)成為一個日益明顯的現(xiàn)象，而在制造系統(tǒng)變得日益復雜的今天，利用工業(yè)大數(shù)據(jù)去解決問題和積累知識是一種更加高效和便捷的方式。工業(yè)大數(shù)據(jù)的目的并不是追求數(shù)量大，而是通過系統(tǒng)式的數(shù)據(jù)收集和分析手段，實現(xiàn)價值的最大化。所以推動智能制造的并不是工業(yè)大數(shù)據(jù)本身，而是基于工業(yè)大數(shù)據(jù)的分析技術。

2 智能化能耗管理與故障預診系統(tǒng)

2.1 能耗管理

智能化的能耗管理需要擁有遠程監(jiān)控系統(tǒng)，并涉及生產(chǎn)線的管理工作，可以及時獲取生產(chǎn)線各個工業(yè)機械的能耗數(shù)據(jù)，實現(xiàn)對工業(yè)機械的性能監(jiān)控。企業(yè)通過分析和利用所獲得的能源監(jiān)控數(shù)據(jù)，可以減少生產(chǎn)線運行過程中所消耗的能源，提高生產(chǎn)效率。

除了對能耗進行透明化的分析與管理，并對能耗進行有目的地優(yōu)化外，還可以從能耗數(shù)據(jù)中進一步挖掘更多的信息，從而分析預測設備的運行風險與產(chǎn)品的質(zhì)量風險。

在生產(chǎn)系統(tǒng)中，存在著許多不可以測量的風險。這些風險在真正引發(fā)設備故障和次品率上升之前很難被知曉和避免，這就需要通過采集一些具備先兆性的信號加以預測。然而，由于生產(chǎn)系統(tǒng)中的設備眾多，且生產(chǎn)環(huán)境較為復雜，對所有設備加裝傳感器顯然不太現(xiàn)實。這就需要有一種非侵入式的監(jiān)控手段，通過設備天然具備的信號進行檢測。對于所有設備而言，能耗信息就是天然具備的信號，且能在一定程度上顯示出設備衰退、質(zhì)量偏移等不可測量風險的征兆。

2.2 能耗數(shù)據(jù)采集

在能耗管理與預測方面，首先需要做的是使工廠的能耗透明化。這就要求系統(tǒng)所采集的能耗數(shù)據(jù)不能像以往一樣僅僅統(tǒng)計每一臺設備在某一段時間的總能耗，而是需要根據(jù)實際工廠設備使用情況，對設備的能耗構成進行進一步分解[4]。

(1)每一臺設備在各種模式下的能耗統(tǒng)計。通常設備有停機、待機、空載運轉、工作、待料和自檢等工作模式，在生產(chǎn)系統(tǒng)中的設備是按照生產(chǎn)節(jié)拍在各個模式下有規(guī)律地轉換，而生產(chǎn)節(jié)拍的設計會對能耗產(chǎn)生很大的影響。

(2)每一種產(chǎn)品在不同生產(chǎn)環(huán)節(jié)中的能耗統(tǒng)計。每一種產(chǎn)品在生產(chǎn)過程中的能量消耗能夠增加產(chǎn)品成本的透明度，并將這些數(shù)據(jù)反饋到設計段進行生產(chǎn)工藝和流程的優(yōu)化。

(3)比較執(zhí)行相同任務的不同設備的能耗差異。通常一個工廠內(nèi)會有生產(chǎn)同類產(chǎn)品的多條生產(chǎn)線，對同類生產(chǎn)線相同負載循環(huán)的設備能耗進行比較，就可以知道設備的節(jié)能效果。

2.3 能耗管理與故障預診斷系統(tǒng)

歐姆龍公司開發(fā)了基于能耗信號對工業(yè)系統(tǒng)進行故障預測與健康管理的技術(Power Prognosis Analytics，PPA)并已成功應用于機械、工程設備和汽車流水線等自動化控制領域。通過對設備能耗信息的深度建模與信息挖掘，實現(xiàn)對設備早期故障和產(chǎn)品質(zhì)量風險的預測性管理[5]。

故障預測與健康管理技術能夠對產(chǎn)品各個生產(chǎn)環(huán)節(jié)中不同設備加工過程中的能耗信息進行采集，并在嵌入式處理器中進行自動地分步驟識別和特征提取等功能，分析每一個步驟的質(zhì)量風險貢獻度。

基于PPA的能耗管理與故障預診系統(tǒng)的是由硬件系統(tǒng)與軟件系統(tǒng)兩部分組成。

硬件系統(tǒng)是由一種節(jié)能的、小型化的電量監(jiān)控器所構成的控制系統(tǒng)。此硬件系統(tǒng)通過在設備上安裝用以監(jiān)控設備能耗數(shù)據(jù)的傳感器，如電流傳感器、電壓傳感器等，測量并顯示生產(chǎn)線中各工位各機械設備的初始電壓、電流、累計電量、無功功率和功率因素等參數(shù)，并在存儲器中儲存測量數(shù)據(jù)，在通信網(wǎng)絡中進行集中監(jiān)控管理。其次，硬件系統(tǒng)與設備一起連接至現(xiàn)場工業(yè)控制網(wǎng)絡，通過控制器與設備進行通信，采集設備相關狀態(tài)后，上傳至工廠網(wǎng)絡，將數(shù)據(jù)存儲后用于分析。

軟件系統(tǒng)基于故障預測與健康管理的技術，分析系統(tǒng)的核心被稱為非嵌入式設備能耗診斷分析模塊(Non-intrusive Energy-based Machine Performance Analytics，EMPA)。能耗信號輸入到EMPA模塊后，經(jīng)過如圖2所示的智能化分析過程，針對固定時間固定動作、動態(tài)時間固定動作以及動態(tài)時間動態(tài)動作等不同設備屬性開發(fā)了相應的分析模塊。

圖2 設備能耗診斷分析流程

分析步驟大致可以分解為以下幾部分：

步驟 1：分析模塊讀取傳感器讀入的原始數(shù)據(jù)，并對原始數(shù)據(jù)按照負載循環(huán)進行自動識別和分割。數(shù)據(jù)分割可以按照信號周期性出現(xiàn)的特征，比如功率的峰值、零交點等。對于工業(yè)生產(chǎn)系統(tǒng)而言，由于設備一直在不停地生產(chǎn)同樣的產(chǎn)品，每一個負載循環(huán)的功率和能耗曲線有很大的相似性，因此可以根據(jù)這些曲線中的相似點進行數(shù)據(jù)分割。

步驟2：對步驟1中進行分割后的信號進行特征提取，將原始數(shù)據(jù)映射到特征空間。特征提取是指從傳感器信號中提取能反映信號特性的一些量值，此方法中主要包括時域特征。信號的時域特征主要包括均值、每個步驟的總能耗、總能耗與預期值的偏差、能量最大值和均方值等。

步驟3：對提取的特征矩陣進行降維處理，目的為了去除特征矩陣中的冗余，在保證方差最大情況下盡可能地去除特征之間的相關性。常用的數(shù)據(jù)降維手段包括K-L變換、主元分析等數(shù)據(jù)降維的手段。

步驟4：基于最新獲得的信號特征矩陣，便可在步驟5中對設備的衰退狀態(tài)進行估計。設備衰退狀態(tài)估計主要思路是計算當前設備特征量與健康基線的重合度，從而對設備衰退程度的量化。

步驟5：在獲得設備衰退信息之后便可通過強化學習的機制選擇不同的衰退狀態(tài)下的預測模型，從而進一步預測設備特征空間的未來趨勢。預測獲得的特征量可以通過在預測的置信區(qū)間內(nèi)采樣獲取。當設備的健康值超過了控制范圍，或是所預測的未來健康值在未來設定的時間內(nèi)超過了控制范圍，系統(tǒng)將產(chǎn)生相應的預警提示。

3 結束語

對生產(chǎn)設備的監(jiān)測、預警和控制是實現(xiàn)能源管理的必要條件，對所有生產(chǎn)設備的全面感知已成為實現(xiàn)未來智能工廠能源管理智能化的基礎。

在未來的智能工廠中，各個生產(chǎn)設備可以實時監(jiān)測與采集設備使用狀態(tài)與數(shù)據(jù)，并通過運用先進的預測算法，對設備能耗進行分析，在設備停機前預診相關故障，提前做好維修與保養(yǎng)，這樣將大大減少設備停機時間，提高設備利用率，提升生產(chǎn)效率。