百分點(diǎn)PHM：讓大數(shù)據(jù)為智能制造“望聞問(wèn)切”

面對(duì)科技創(chuàng)新發(fā)展的新趨勢(shì)，世界主要國(guó)家都在尋找科技創(chuàng)新的突破口，搶占未來(lái)經(jīng)濟(jì)、科技發(fā)展的先機(jī)。美國(guó)提出先進(jìn)制造業(yè)國(guó)家戰(zhàn)略計(jì)劃；德國(guó)發(fā)布“工業(yè)4.0”戰(zhàn)略。智能制造，則是“中國(guó)制造2025”的主攻方向。

當(dāng)物聯(lián)網(wǎng)遇上中國(guó)制造

百分點(diǎn)認(rèn)為，智能制造是指由智能機(jī)器和人類專家共同組成的人機(jī)一體化智能系統(tǒng)在制造過(guò)程中進(jìn)行諸如分析、推理、判斷、構(gòu)思和決策等活動(dòng)，通過(guò)人與智能機(jī)器合作共事去擴(kuò)大、延伸和部分地取代人類專家在制造過(guò)程中的腦力勞動(dòng)。它升級(jí)了制造自動(dòng)化概念，擴(kuò)展到柔性化、智能化和高度集成化。

過(guò)去使用的一些數(shù)控系統(tǒng)、工業(yè)機(jī)器人，基本上是按人設(shè)定的程序運(yùn)行，本身并不智能。因此，我們要進(jìn)一步提高高端傳感器、重要操作系統(tǒng)的智能化水平，才能達(dá)到智能制造的要求。

“工業(yè)4.0”與自動(dòng)化之間，最重要的差別就是是否運(yùn)用了物聯(lián)網(wǎng)技術(shù)，是否支持小批量、定制化生產(chǎn)。信息技術(shù)為中國(guó)制造業(yè)實(shí)現(xiàn)從大到強(qiáng)的轉(zhuǎn)變提供了強(qiáng)大的支撐。

在信息化推進(jìn)過(guò)程中，未來(lái)至少有五個(gè)技術(shù)至關(guān)重要，即云大物移社（云計(jì)算、物聯(lián)網(wǎng)、大數(shù)據(jù)、移動(dòng)化、社會(huì)化）。那么它們之間是什么關(guān)系呢？百分點(diǎn)認(rèn)為：

·云計(jì)算是信息化的骨骼，所有的系統(tǒng)都會(huì)放在云上。這是大的趨勢(shì)。

·物聯(lián)網(wǎng)是連接數(shù)據(jù)世界和現(xiàn)實(shí)世界的一個(gè)橋梁，現(xiàn)實(shí)世界的信息會(huì)通過(guò)各種物聯(lián)網(wǎng)技術(shù)轉(zhuǎn)換到數(shù)據(jù)世界中。

·在這個(gè)數(shù)據(jù)世界中，大數(shù)據(jù)技術(shù)會(huì)不斷地處理這些數(shù)據(jù)，產(chǎn)生一些有用的信息；這些信息再通過(guò)物聯(lián)網(wǎng)傳回現(xiàn)實(shí)世界中。這是一個(gè)不斷循環(huán)的機(jī)制。

·移動(dòng)化是一種策略，便于我們重新分配以前零散的資源，比如碎片化時(shí)間的利用。

·社會(huì)化是靈魂，因?yàn)槿耸且粋€(gè)社會(huì)化的動(dòng)物，將來(lái)不管是云還是大數(shù)據(jù)，一定會(huì)分化成好多的云。

在此基礎(chǔ)上，百分點(diǎn)推出了PHM（Prognostics and Health Management，故障預(yù)測(cè)與健康管理）云服務(wù)方案。

PHM 的演進(jìn)

百分點(diǎn)認(rèn)為，PHM包括兩層含義：一是故障預(yù)測(cè)，即預(yù)先診斷部件或系統(tǒng)完成其功能的狀態(tài)，確定部件正常工作的時(shí)間長(zhǎng)度；二是健康管理，即根據(jù)診斷/預(yù)測(cè)信息、可用資源和使用需求對(duì)維修活動(dòng)做出適當(dāng)決策。

因PHM系統(tǒng)能夠?qū)崿F(xiàn)武器裝備基于狀態(tài)的維修（CBM）、自主式保障等，受到美英等軍事強(qiáng)國(guó)的高度重視和推廣應(yīng)用。這主要是因?yàn)镻HM能夠帶來(lái)兩個(gè)關(guān)鍵轉(zhuǎn)變：第一，從傳統(tǒng)的基于單個(gè)傳感器的診斷轉(zhuǎn)變?yōu)榛谥悄芟到y(tǒng)的預(yù)測(cè)；第二，從事件驅(qū)動(dòng)的維修（即事后維修）、時(shí)間驅(qū)動(dòng)的維修（即定期維修），轉(zhuǎn)變?yōu)榛跔顟B(tài)的維修。

PHM的這種轉(zhuǎn)變可以帶來(lái)六方面的價(jià)值：提供系統(tǒng)失效的高級(jí)告警；提供視情維護(hù)能力；能夠?yàn)閷?lái)的設(shè)計(jì)、評(píng)估和系統(tǒng)分析獲得歷史數(shù)據(jù)和知識(shí)；通過(guò)維護(hù)延長(zhǎng)周期或及時(shí)維修提高系統(tǒng)的可用性；通過(guò)降低檢查成本、故障時(shí)間和庫(kù)存，降低設(shè)備全壽命周期的使用成本；減少間歇性故障和未發(fā)現(xiàn)故障的情況發(fā)生。

上世紀(jì)末，美軍重大項(xiàng)目F-35聯(lián)合攻擊機(jī)（JSF）項(xiàng)目的啟動(dòng)正式把故障預(yù)測(cè)和維修全面解決方案命名為PHM。PHM為JSF項(xiàng)目的成功提供了很好的保障，減少了維修的人力物力，增加了出動(dòng)架次，實(shí)現(xiàn)自主式保障。比如，艦載飛機(jī)落地之前，PHM根據(jù)預(yù)測(cè)診斷信息提出維修要求；地面人員根據(jù)維修要求、庫(kù)存情況給出維修建議；飛機(jī)返回后，相關(guān)人員立即組織地面資源進(jìn)行艦載補(bǔ)給、人員調(diào)配等預(yù)測(cè)性維護(hù)。

支持設(shè)備智能化維護(hù)

在國(guó)內(nèi)的制造業(yè)中，同樣存在著類似的設(shè)備維護(hù)問(wèn)題。百分點(diǎn)通過(guò)大量實(shí)踐和調(diào)研，總結(jié)出當(dāng)前制造業(yè)在設(shè)備維護(hù)方面面臨六大挑戰(zhàn)。

挑戰(zhàn)一：設(shè)備歷史數(shù)據(jù)沒(méi)有被很好地利用，故障發(fā)生后，很難追溯設(shè)備故障的真正原因。

挑戰(zhàn)二：設(shè)備異常診斷完全憑經(jīng)驗(yàn)，只有少數(shù)資深的維修員才能評(píng)估設(shè)備在某一時(shí)刻的狀態(tài)是否正常。發(fā)生非正常情況時(shí)，到底情況有多糟糕，每個(gè)維修員的判斷也不相同。

挑戰(zhàn)三：定位異常報(bào)警的原因困難。設(shè)備的故障是由某個(gè)或者多個(gè)部件異常導(dǎo)致的，而部件異常很可能在表值中有所體現(xiàn)。表值瞬間異常很有可能是正常情況，但周期性瞬間異常就很有可能是真正的異常狀態(tài)。這種周期性瞬間是通過(guò)人工無(wú)法捕捉的。

挑戰(zhàn)四：無(wú)法進(jìn)行預(yù)測(cè)性維護(hù)、檢修。對(duì)設(shè)備狀態(tài)進(jìn)行評(píng)估過(guò)后，維修人員難以判斷設(shè)備多久后會(huì)損壞。由于難以評(píng)定維修的優(yōu)先級(jí)，因而較難合理安排維修時(shí)間和維修人員。

挑戰(zhàn)五：庫(kù)存亟須優(yōu)化。企業(yè)不能保證所有部件都有庫(kù)存。如果故障部件缺貨，會(huì)帶來(lái)很多麻煩。

隨著信息技術(shù)的發(fā)展，特別是大數(shù)據(jù)分析等技術(shù)的不斷成熟，大數(shù)據(jù)技術(shù)成為企業(yè)設(shè)備不間斷運(yùn)行的重要保障。百分點(diǎn)研發(fā)的PHM云服務(wù)解決方案，以“物聯(lián)網(wǎng)+大數(shù)據(jù)”的方式將傳統(tǒng)的事件驅(qū)動(dòng)和時(shí)間驅(qū)動(dòng)的維修、維護(hù)，轉(zhuǎn)變?yōu)橹悄芟到y(tǒng)預(yù)測(cè)維修。

百分點(diǎn)PHM不僅提供故障預(yù)測(cè)能力，還提供健康管理能力，以“望聞問(wèn)切”的方式去對(duì)癥下藥。

百分點(diǎn)PHM以大數(shù)據(jù)平臺(tái)作為基礎(chǔ)，建模平臺(tái)為支撐，由六大部分組成：

數(shù)據(jù)采集 利用各種傳感器探測(cè)、采集被檢系統(tǒng)的相關(guān)參數(shù)信息，將收集的數(shù)據(jù)進(jìn)行有效信息轉(zhuǎn)換和傳輸；

信息處理 接受來(lái)自傳感器和其他數(shù)據(jù)處理模塊的數(shù)據(jù)信息，將數(shù)據(jù)信息處理成后續(xù)部件可以處理的有效形式或格式；

狀態(tài)監(jiān)測(cè) 接受來(lái)自傳感器，以及數(shù)據(jù)處理和其他狀態(tài)監(jiān)測(cè)模塊的數(shù)據(jù)；

健康評(píng)估 接受來(lái)自不同狀態(tài)監(jiān)測(cè)模塊和其他健康評(píng)估模塊的數(shù)據(jù)；

故障預(yù)測(cè) 綜合利用上述各部分的數(shù)據(jù)信息，預(yù)測(cè)被監(jiān)測(cè)系統(tǒng)未來(lái)的健康狀態(tài)并做出判斷，建議決策者采取相應(yīng)的措施；

保障決策 主要包括人—機(jī)接口和機(jī)—機(jī)接口。

上述各部件之間并沒(méi)有明顯界限，存在著數(shù)據(jù)信息的交叉反饋。

目前，設(shè)備監(jiān)控在數(shù)據(jù)分析里有四個(gè)階段：第一個(gè)階段是描述性的分析，第二個(gè)階段是診斷性分析，第三個(gè)階段是預(yù)測(cè)性分析，第四個(gè)階段是建議性分析。但是大多數(shù)的監(jiān)控解決方案都僅能達(dá)到第一、第二階段。而百分點(diǎn)PHM已經(jīng)可以達(dá)到第三個(gè)階段，甚至到第四階段。

值得注意的是，建模是PHM解決方案的一個(gè)關(guān)鍵。百分點(diǎn)具有強(qiáng)大的建模團(tuán)隊(duì)，他們能夠從業(yè)務(wù)角度出發(fā)進(jìn)行建模，如健康度建模和多級(jí)預(yù)警。

健康度建模。實(shí)時(shí)計(jì)算和監(jiān)測(cè)健康度，是提高設(shè)備資產(chǎn)利用率和發(fā)現(xiàn)設(shè)備異常的重要途徑。百分點(diǎn)針對(duì)設(shè)備運(yùn)行數(shù)據(jù)進(jìn)行建模，將所有監(jiān)控?cái)?shù)據(jù)整合為“健康度曲線”這樣的一個(gè)維度數(shù)據(jù)展現(xiàn)出來(lái)。針對(duì)一個(gè)維度對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)分析，使得評(píng)估變得更加簡(jiǎn)單，新手維修員更容易入手。

多級(jí)預(yù)警。百分點(diǎn)將預(yù)警等級(jí)分為3級(jí)：中度預(yù)警、重度預(yù)警、故障預(yù)警；以健康度為基礎(chǔ)，三種預(yù)警以“次數(shù)”和“相隔時(shí)間”兩種規(guī)則來(lái)進(jìn)行定義，用來(lái)檢測(cè)持續(xù)異常報(bào)警和周期性瞬間預(yù)警。

百分點(diǎn)PHM的價(jià)值體現(xiàn)在，可以監(jiān)測(cè)設(shè)備性能下降或與期望的正常狀態(tài)的偏離狀況、預(yù)測(cè)設(shè)備在未來(lái)的可靠性、對(duì)突變性故障進(jìn)行告警，以及對(duì)漸變性故障進(jìn)行早期預(yù)警。

百分點(diǎn)PHM對(duì)于企業(yè)的好處是，可以及時(shí)發(fā)現(xiàn)設(shè)備的異常狀態(tài)，實(shí)現(xiàn)從傳統(tǒng)的基于自動(dòng)化設(shè)備單個(gè)表值的監(jiān)測(cè)，向基于智能系統(tǒng)的整體預(yù)測(cè)的轉(zhuǎn)變，為備機(jī)、熱機(jī)切換爭(zhēng)取時(shí)間，減少信號(hào)中斷時(shí)間，為機(jī)器之間的替換提供信息支持，降低潛在的設(shè)備監(jiān)管費(fèi)用。

應(yīng)用實(shí)踐

目前，百分點(diǎn)已經(jīng)為廣電行業(yè)企業(yè)提供以大數(shù)據(jù)平臺(tái)為基礎(chǔ)、大數(shù)據(jù)預(yù)測(cè)模型為核心的PHM解決方案，提供保障國(guó)家核心設(shè)施為目標(biāo)的大數(shù)據(jù)應(yīng)用服務(wù)。

廣電行業(yè)企業(yè)采用百分點(diǎn)PHM系統(tǒng)，主要經(jīng)過(guò)四步：第一步，實(shí)現(xiàn)基礎(chǔ)設(shè)施的數(shù)據(jù)化，廣電行業(yè)企業(yè)可以利用大數(shù)據(jù)平臺(tái)將業(yè)務(wù)涉及的方方面面數(shù)據(jù)化，包括人員、組織、設(shè)備、部件、廠商、庫(kù)存和標(biāo)準(zhǔn)規(guī)范等，百分點(diǎn)從2500多個(gè)數(shù)據(jù)源里整理出50多個(gè)標(biāo)準(zhǔn)數(shù)據(jù)集；第二步，將業(yè)務(wù)模型化，利用大數(shù)據(jù)建模將業(yè)務(wù)流程、經(jīng)驗(yàn)、知識(shí)模型化，將經(jīng)驗(yàn)、知識(shí)轉(zhuǎn)換為數(shù)學(xué)模型；第三步，利用大數(shù)據(jù)分析技術(shù)，感知和預(yù)判設(shè)備健康狀態(tài)，實(shí)現(xiàn)基于狀態(tài)的預(yù)測(cè)性維修，做到維護(hù)智能化；第四步，持續(xù)優(yōu)化，在業(yè)務(wù)實(shí)踐中持續(xù)優(yōu)化、迭代業(yè)務(wù)模型，指導(dǎo)基礎(chǔ)數(shù)據(jù)的收集和應(yīng)用，形成業(yè)務(wù)和數(shù)據(jù)的閉環(huán)管理。這樣，當(dāng)設(shè)備出現(xiàn)異常時(shí)，模型就能判斷出在一定時(shí)間范圍內(nèi)設(shè)備出現(xiàn)故障的概率。