崔偉鋼 對外經(jīng)濟(jì)貿(mào)易大學(xué)統(tǒng)計(jì)學(xué)院在職人員高級課程研修班學(xué)員

引言：工業(yè)4.0為德國政府與工業(yè)領(lǐng)域共同設(shè)想的制造行業(yè)未來發(fā)展藍(lán)圖。當(dāng)下，人類正進(jìn)入“工業(yè)4.0”時(shí)代，實(shí)質(zhì)上就是實(shí)體物理世界與虛擬網(wǎng)絡(luò)世界相互融合的時(shí)代，對工業(yè)4.0的核心要素予以分析，等同于傳統(tǒng)制造行業(yè)以物聯(lián)網(wǎng)與大數(shù)據(jù)分析為支撐進(jìn)行智能化轉(zhuǎn)型。既往諸多研究資料指出，制造行業(yè)發(fā)展運(yùn)營對信息技術(shù)表現(xiàn)出高度的依賴性，本行業(yè)整個(gè)價(jià)值鏈條與產(chǎn)品的全生命周期均會涉及到大量數(shù)據(jù)，這在很大程度上促進(jìn)制造行業(yè)產(chǎn)生的工業(yè)大數(shù)據(jù)呈現(xiàn)出“爆炸式”增長的態(tài)勢。

一、工業(yè)大數(shù)據(jù)的概述

工業(yè)大數(shù)據(jù)，實(shí)質(zhì)上就是工業(yè)領(lǐng)域數(shù)據(jù)以及有關(guān)技術(shù)與應(yīng)用的整合體，其內(nèi)容核心為生產(chǎn)業(yè)務(wù)、設(shè)備物聯(lián)與外部跨界數(shù)據(jù)，與此同時(shí)還會對外延展到有關(guān)技術(shù)與應(yīng)用。對工業(yè)大數(shù)據(jù)自身而言，從橫向?qū)用嫔线M(jìn)行分析，發(fā)現(xiàn)其跨越產(chǎn)品需求、設(shè)計(jì)、開發(fā)、工藝流程、生產(chǎn)、供應(yīng)、管理、運(yùn)行維護(hù)、回收再生產(chǎn)等全生命周期囊括的各個(gè)流程；縱向和企業(yè)，供應(yīng)鏈、生態(tài)鏈，行業(yè)管理三個(gè)層面的內(nèi)容建立較明顯的關(guān)聯(lián)性。工業(yè)大數(shù)據(jù)技術(shù)在現(xiàn)實(shí)中的使用，實(shí)質(zhì)上等同于依照制定工業(yè)場景，利益收集、整合、存管、挖掘等多種技術(shù)手段，深度挖掘大數(shù)據(jù)內(nèi)涵蓋的價(jià)值信息并充分釋放，其宗旨是提高生產(chǎn)運(yùn)轉(zhuǎn)水平及經(jīng)營管理高度，為產(chǎn)品及產(chǎn)業(yè)模式創(chuàng)新發(fā)展過程提供強(qiáng)大的技術(shù)支撐。

工業(yè)大數(shù)據(jù)不僅具備傳統(tǒng)大數(shù)據(jù)信息量龐大、類型多樣化、價(jià)值密度偏低、傳播速度快等基本特征，還囊括如下屬性：

（1）關(guān)聯(lián)性、時(shí)序性：生產(chǎn)制造各流程之間的數(shù)據(jù)存在著正向或逆向的傳導(dǎo)關(guān)系，相同流程不同學(xué)科與專業(yè)形成的數(shù)據(jù)不僅存在一定相關(guān)性，還相互約束。與此同時(shí)，工業(yè)大數(shù)據(jù)還會依照一定的時(shí)間序列產(chǎn)出與收集。

（2）高流通性、動態(tài)性：工業(yè)采集設(shè)備能在較短時(shí)間內(nèi)完成大規(guī)模數(shù)據(jù)的寫入任務(wù)，數(shù)據(jù)吞吐數(shù)量龐大并且處于實(shí)時(shí)更新的狀態(tài)中。

（3）高緯度性、多尺度性：即站在不同緯度其闡述同一個(gè)數(shù)據(jù)。并且各種工業(yè)數(shù)據(jù)在取值頻次上存在差異性，故而對外呈現(xiàn)出多時(shí)間尺度的屬性。

（4）易干擾性、高噪聲性：很多工業(yè)生產(chǎn)作業(yè)是在強(qiáng)干擾、惡劣的環(huán)境下進(jìn)行的，以致工業(yè)大數(shù)據(jù)經(jīng)常帶有一定噪音，但是關(guān)于是否摻雜噪音的問題存在著一定不確定性。

二、智能化能耗管理與故障預(yù)診系統(tǒng)

（一）能耗管理

為實(shí)現(xiàn)對能源耗用情況的智能化管理，就需要有遠(yuǎn)程監(jiān)控系統(tǒng)的支撐，并和生產(chǎn)線路的管理工作之間建設(shè)一定關(guān)聯(lián)性，通常就能夠在短時(shí)間內(nèi)獲取生產(chǎn)線上個(gè)工業(yè)機(jī)械設(shè)備能源損耗情況對應(yīng)的數(shù)據(jù)，以此為基礎(chǔ)實(shí)現(xiàn)對機(jī)械設(shè)備性能的有效監(jiān)控。工業(yè)企業(yè)通過合理分析、使用所獲取的能源監(jiān)控?cái)?shù)據(jù)，針對性的采取相關(guān)完善措施，在很大程度上能降低企業(yè)生產(chǎn)期間的能源耗損量，提升生產(chǎn)效益。

該系統(tǒng)的功能不僅為分析、管理及優(yōu)化能源消耗情況，還能通過深度挖掘能耗數(shù)據(jù)中蘊(yùn)含的信息資源，進(jìn)而科學(xué)預(yù)見機(jī)械設(shè)備的運(yùn)行風(fēng)險(xiǎn)與產(chǎn)品質(zhì)量存在的不足。

在生產(chǎn)系統(tǒng)內(nèi)，存留者多種不能被檢測的風(fēng)險(xiǎn)類型，這些風(fēng)險(xiǎn)在誘發(fā)設(shè)備故障與制作劣質(zhì)產(chǎn)品之前通常是不被感知與規(guī)避的，此時(shí)就需要通過收集一些具有預(yù)見性的信號進(jìn)行估測。但是生產(chǎn)線內(nèi)設(shè)置的設(shè)備類型繁雜、數(shù)目眾多，并且運(yùn)作環(huán)境體現(xiàn)出復(fù)雜化特征，將傳感器安裝在各個(gè)設(shè)備內(nèi)的操作實(shí)現(xiàn)概率偏低。面對以上工況，迫切需要一種非侵入式監(jiān)控方法的輔助，監(jiān)測機(jī)械設(shè)備具備的原始信號。對于各類設(shè)備來說，其具備的原始信號實(shí)質(zhì)上就是能耗信息，在某種程度上分析，原始信號能呈現(xiàn)出設(shè)備功能衰減、產(chǎn)品質(zhì)量偏差等無法檢測風(fēng)險(xiǎn)的先兆。

（二）采集能耗數(shù)據(jù)

在管理與估測能源耗損程度方面上，基礎(chǔ)工作是強(qiáng)化工業(yè)企業(yè)能耗數(shù)值的透明度。這就預(yù)示著本系統(tǒng)采集能耗數(shù)據(jù)，并不是單純統(tǒng)計(jì)各臺設(shè)備在某一時(shí)段內(nèi)的能源耗損情況，而是需依照企業(yè)設(shè)備的現(xiàn)實(shí)運(yùn)用狀況，對設(shè)備能耗組成進(jìn)行逐一分解[1]。

1.統(tǒng)計(jì)各臺設(shè)備在不同模式下的能耗信息。從宏觀層面上分析，機(jī)械設(shè)備的運(yùn)轉(zhuǎn)模式有停機(jī)、待機(jī)、空載運(yùn)行、待料及自檢等。在企業(yè)生產(chǎn)線內(nèi)，各機(jī)械設(shè)備是依照生產(chǎn)節(jié)奏于各個(gè)模式下有規(guī)劃的轉(zhuǎn)換，生產(chǎn)節(jié)奏設(shè)計(jì)的規(guī)范性與否，將會對能耗程度形成較明顯的影響。

2.統(tǒng)計(jì)不同生產(chǎn)流程內(nèi)各產(chǎn)品的能耗情況。在生產(chǎn)活動中各產(chǎn)品的能量損耗情況在很大程度上能提升產(chǎn)品運(yùn)營成本的透明度，同時(shí)會以合理方式把相關(guān)數(shù)據(jù)信息反饋至設(shè)計(jì)階段，其能為生產(chǎn)工藝及程序的完善提供數(shù)據(jù)支持。

3.對比不同設(shè)備完成同一任務(wù)時(shí)能耗差異性。為提升產(chǎn)品的生產(chǎn)效率，現(xiàn)階段很多工業(yè)企業(yè)為設(shè)置數(shù)條生產(chǎn)線去制造同一種產(chǎn)品，比較同種生產(chǎn)線等同負(fù)載循環(huán)的設(shè)備能耗情況，便能夠知曉機(jī)械設(shè)備的節(jié)能效果。

（三）系統(tǒng)分析

歐姆龍公司以能耗信號為基礎(chǔ)，自主研發(fā)了故障預(yù)測與健康管理的技術(shù)（PPA），并且用于機(jī)械、工程機(jī)械設(shè)備等諸多智能化控制領(lǐng)域中取得較好成效。針對工業(yè)機(jī)械設(shè)備的能耗信息予以深層次挖掘并有效建設(shè)模型，其對設(shè)備運(yùn)行初期故障問題及產(chǎn)品質(zhì)量風(fēng)險(xiǎn)均能實(shí)現(xiàn)預(yù)見性管理。

PPA能采集產(chǎn)品各生產(chǎn)流程中不同機(jī)械設(shè)備加工制造時(shí)形成的能耗信息，并且能于嵌入式處理器內(nèi)智能化分步驟辨識與提取產(chǎn)品特點(diǎn)等多項(xiàng)功能，解讀并判斷各步驟對產(chǎn)品質(zhì)量風(fēng)險(xiǎn)發(fā)生情況的貢獻(xiàn)率。

以PPA為基礎(chǔ)的能耗管理與故障預(yù)測系統(tǒng)由硬件、軟件系統(tǒng)兩大部分構(gòu)成。

硬件系統(tǒng)為一種由能耗低、體積微小的電量監(jiān)控器組成的控制系統(tǒng)，通過將電流、電壓傳感器等安設(shè)于硬件系統(tǒng)內(nèi)，以實(shí)現(xiàn)對設(shè)備能耗情況的有效監(jiān)控，同時(shí)還能對外呈現(xiàn)出生產(chǎn)線內(nèi)不同工位各類設(shè)備持有的原始電壓、電流及功率因素等多項(xiàng)參數(shù)。該系統(tǒng)還和機(jī)械設(shè)備共同銜接到工業(yè)控制網(wǎng)絡(luò)體系內(nèi)，控制器和機(jī)械設(shè)備兩者互通信息，收集與機(jī)械設(shè)備運(yùn)轉(zhuǎn)相關(guān)的狀態(tài)信息，隨后將其傳導(dǎo)到企業(yè)網(wǎng)絡(luò)，存儲數(shù)據(jù)后為分析工作的開展創(chuàng)造便利條件。

軟件系統(tǒng)是以PPA為基礎(chǔ)開發(fā)的，系統(tǒng)的核心是能耗診斷分析模塊（EMPA）。把能耗信號傳導(dǎo)到EMPA以后，歷經(jīng)智能化分析流程，針對固有時(shí)間固定動作、動態(tài)時(shí)間動態(tài)動作等不同機(jī)械設(shè)備研發(fā)了與之相匹配的分析模塊。

可以把分析步驟細(xì)化為如下幾個(gè)部分：

步驟I：分析模塊負(fù)責(zé)捕獲傳感器讀入的初始數(shù)據(jù)，并且依照負(fù)載循環(huán)對初始數(shù)據(jù)予以智能化辨識與分割處理，針對數(shù)據(jù)分割工作，可以依照信號周期性呈現(xiàn)出的特征進(jìn)行。工業(yè)生產(chǎn)系統(tǒng)內(nèi)的機(jī)械設(shè)備因?yàn)橹芏鴱?fù)始的制造同一產(chǎn)品，以致不同負(fù)載循環(huán)的功率和能耗曲線之間存在較大相似度，故而可以依照這些曲線內(nèi)的相似位點(diǎn)對數(shù)據(jù)進(jìn)行分割。

步驟II：提取步驟I內(nèi)經(jīng)分割處理后產(chǎn)出的信號特征，把初始數(shù)據(jù)映射至特征空間內(nèi)?！疤卣魈崛　北欢x為將傳感器信號內(nèi)能反映信號屬性的一些量值提取出來，該方法內(nèi)主要涵蓋時(shí)域特征。信號的時(shí)域特征以均值、各分步驟能耗總量、總能耗和預(yù)設(shè)值兩者偏差、能量最高值等為主。

步驟III：針對提獲的特征矩陣予以降維處理，其宗旨是剔除特征矩陣內(nèi)的冗余部分，在確保方差最大狀況下，最大限度的剔除特征間的關(guān)聯(lián)性[2]。K-L變換、主元分析等均是較頻繁使用的數(shù)據(jù)降維方法。

步驟IV：以最新獲得信號特征矩陣為基礎(chǔ)，就可以在步驟V內(nèi)預(yù)估機(jī)械設(shè)備的衰退狀態(tài)。預(yù)估機(jī)械設(shè)備衰退狀態(tài)的思路以測算當(dāng)下設(shè)備特征量和健康基線兩者的重合度為主，進(jìn)而對設(shè)備衰退情況予以數(shù)量化處理。

步驟V：利用強(qiáng)化學(xué)習(xí)的機(jī)制，于獲取設(shè)備衰退信息后選擇與之相對應(yīng)的預(yù)測模型，進(jìn)而更科學(xué)的預(yù)見設(shè)備特征空間的后續(xù)幾年發(fā)展趨向。針對預(yù)測取得的特征量，能夠通過在預(yù)測置信區(qū)間中采取樣本取得。若機(jī)械設(shè)備的健康值超出控制范疇，或者所預(yù)估的未來健康值能在后續(xù)幾年中設(shè)定的實(shí)踐中超出控制范疇，系統(tǒng)化的形成相對應(yīng)的預(yù)警提示信息。

三、能耗管理與故障預(yù)診的關(guān)鍵技術(shù)

（一）數(shù)據(jù)感知與采集

感知與采集數(shù)據(jù)，是深度挖掘工業(yè)大數(shù)據(jù)價(jià)值的關(guān)鍵技術(shù)類型，其主要涵蓋數(shù)據(jù)獲取與接入治理兩個(gè)方面，數(shù)據(jù)獲取實(shí)質(zhì)上就是由數(shù)據(jù)始源獲得數(shù)據(jù)，具體有：（1）億傳感器網(wǎng)絡(luò)為基礎(chǔ)的數(shù)據(jù)采集技術(shù)：比如在數(shù)控機(jī)床、PCL等設(shè)備上加裝傳感器，安置接口或智能采集零部件，與工廠內(nèi)構(gòu)建傳感器網(wǎng)絡(luò)，以O(shè)PC配置為載體采集與機(jī)械設(shè)備及產(chǎn)品相關(guān)的運(yùn)行數(shù)據(jù)；（2）基于智能辨識感知的數(shù)據(jù)采集技術(shù)：利用光、電、磁及溫度等能量傳導(dǎo)原理，在條碼技術(shù)、光信號以及嵌入式技術(shù)等支撐下，自動辨識感知信息載體，進(jìn)而獲取相關(guān)信息[3]。

接入治理，等同于對經(jīng)不同途徑所獲取數(shù)據(jù)進(jìn)行統(tǒng)一控制、整合以及預(yù)處理，主要涵蓋：（1）多源數(shù)據(jù)采集的配置和調(diào)控：針對多源數(shù)據(jù)實(shí)時(shí)統(tǒng)一接入，打造數(shù)據(jù)攝取模型，規(guī)劃數(shù)據(jù)同步、分片、分割及索引等多個(gè)模塊及策略，并規(guī)劃差異性算法；協(xié)調(diào)多線程數(shù)據(jù)，遵照先到先服務(wù)的原則應(yīng)對優(yōu)先級與時(shí)效性問題，在保證數(shù)據(jù)傳送效率的基礎(chǔ)上，維護(hù)其過程的穩(wěn)定性；（2）實(shí)時(shí)融合技術(shù)：即使用卡爾曼濾波、人工智能等方法實(shí)現(xiàn)數(shù)據(jù)融合。

（二）數(shù)據(jù)的統(tǒng)一存儲和建模

實(shí)質(zhì)上就是以一定的組織形式對收集到的多源異構(gòu)數(shù)據(jù)進(jìn)行統(tǒng)一存儲，基本是集中在龐大數(shù)據(jù)的小成本存管、多模態(tài)數(shù)據(jù)的一致化管理、無秩序數(shù)據(jù)片段的整體建模三個(gè)方面上。本文只對面向全局的制造數(shù)據(jù)自體建模技術(shù)進(jìn)行分析，通過自體建模過程，能使全局的制造數(shù)據(jù)以規(guī)范化的形式被存管與存儲系統(tǒng)內(nèi)。捕獲生產(chǎn)數(shù)據(jù)自身的概念、內(nèi)涵、結(jié)構(gòu)等內(nèi)容，相互關(guān)聯(lián)的數(shù)據(jù)片段體現(xiàn)出零散化、無序性特征，通常需要緊扣制造自體規(guī)劃屬性特征，構(gòu)建數(shù)據(jù)集與概念集兩者的映射關(guān)系，最后打造出面向全局的規(guī)范性、共享性的語義闡述。

（三）數(shù)據(jù)分析和決策支持

即緊扣工業(yè)企業(yè)運(yùn)行期間形成的某一業(yè)務(wù)問題，建設(shè)行業(yè)數(shù)據(jù)分析模型，在云計(jì)算、可視化等技術(shù)的支撐下，探尋大數(shù)據(jù)背后隱藏的規(guī)律和機(jī)制，形成“工業(yè)大腦皮層”，對工業(yè)生產(chǎn)決策形成強(qiáng)大的智能化支撐作用。

（1）大數(shù)據(jù)采集技術(shù)：結(jié)合采集方式的差異性，可以把大數(shù)據(jù)采集分為集中式采集和分布式采集兩種，前者能采集到所有數(shù)據(jù)，而后者使用過程中更具靈活性。在大數(shù)據(jù)采集過程中，不僅要收集企業(yè)內(nèi)部的數(shù)據(jù)，還要收集企業(yè)之間的信息數(shù)據(jù)，以分布式計(jì)算方法為支撐，聯(lián)合使用不同的采集方法，全面提升數(shù)據(jù)采集的效率?？梢栽谄髽I(yè)內(nèi)部安置數(shù)個(gè)服務(wù)器，存儲企業(yè)共享的數(shù)據(jù)信息，針對中心服務(wù)器間組織采用分布式數(shù)據(jù)采集法。

（2）數(shù)據(jù)挖掘下的智能分析技術(shù)：對工業(yè)數(shù)據(jù)進(jìn)行挖掘是指上就是在冗雜、龐大的工業(yè)數(shù)據(jù)內(nèi)提獲規(guī)律、信息，進(jìn)而對企業(yè)業(yè)務(wù)管理及決策提供一定支撐[4]。主要包括：①挖掘數(shù)據(jù)關(guān)聯(lián)關(guān)系：不同生產(chǎn)要素之間通常是相互影響的，形成了繁雜的關(guān)系網(wǎng)，采用Aprior、FP-growth分析算法能挖掘、探索出制造或機(jī)械設(shè)備之間存在的關(guān)聯(lián)性；②預(yù)測演化規(guī)律：挖掘制造數(shù)據(jù)對目標(biāo)結(jié)果形成的耦合作用機(jī)制，將回歸方程設(shè)作為預(yù)測模式，解讀與目標(biāo)變量相對應(yīng)的演化規(guī)律。

（3）可視化技術(shù)：即以圖形化形式直觀的呈現(xiàn)于解讀數(shù)據(jù)分析結(jié)果，協(xié)助用戶能更深刻的理解大量、多樣化工業(yè)數(shù)據(jù)背后隱匿的規(guī)律與知識。多維數(shù)據(jù)可視化能探究多維數(shù)據(jù)項(xiàng)的分布規(guī)律與模式，并揭露不同維度屬性之間存在的關(guān)聯(lián)性，常見的有平行坐標(biāo)、散點(diǎn)圖等。

結(jié)束語：加強(qiáng)工業(yè)企業(yè)生產(chǎn)機(jī)械設(shè)備運(yùn)行狀態(tài)的監(jiān)測、預(yù)警及控制等，是實(shí)現(xiàn)對能源資源有效管理的基礎(chǔ)條件，對全部生產(chǎn)設(shè)備進(jìn)行整體化感知，已經(jīng)演變成未來智能化工廠能源規(guī)范化管理的重要基礎(chǔ)。