智能生產(chǎn)線CPS 的生產(chǎn)故障運(yùn)維平臺(tái)研發(fā)

文/劉宏偉

針對(duì)現(xiàn)場(chǎng)生產(chǎn)設(shè)備和流程工藝，研究裝備運(yùn)行狀態(tài)、自優(yōu)化、控制自適應(yīng)等實(shí)際偏差的實(shí)時(shí)監(jiān)測(cè)方法。研究數(shù)據(jù)驅(qū)動(dòng)的復(fù)雜產(chǎn)品狀態(tài)異常檢測(cè)、趨勢(shì)預(yù)測(cè)與故障診斷等關(guān)鍵技術(shù)；建立面向全壽命的復(fù)雜產(chǎn)品維修時(shí)機(jī)，協(xié)同優(yōu)化，目標(biāo)導(dǎo)向的整機(jī)與部件維修策略，研發(fā)基于狀態(tài)預(yù)測(cè)的備件規(guī)劃等優(yōu)化模型和平臺(tái)。同時(shí)，面向家電、汽車和 3C 等行業(yè)，實(shí)現(xiàn)產(chǎn)品的可識(shí)別、可追溯、可定位、可管理，可檢測(cè)、可預(yù)警、可遠(yuǎn)程維護(hù)；實(shí)現(xiàn)產(chǎn)品設(shè)計(jì)改良，備品備件的庫(kù)存管理優(yōu)化。通過聯(lián)網(wǎng)進(jìn)行數(shù)據(jù)采集，形成生產(chǎn)與服務(wù)的閉環(huán)，讓生產(chǎn)數(shù)據(jù)產(chǎn)生價(jià)值。

1 基于CPS的生產(chǎn)故障運(yùn)維平臺(tái)的架構(gòu)設(shè)計(jì)

如圖1所示。

生產(chǎn)故障運(yùn)維平臺(tái)分為三個(gè)部分：數(shù)據(jù)支撐平臺(tái)、健康管理系統(tǒng)和數(shù)據(jù)展示平臺(tái)。

數(shù)據(jù)支撐平臺(tái)：搭建高效可靠的數(shù)據(jù)采集平臺(tái)。在平臺(tái)端通過接收傳感器上的變送數(shù)據(jù)，監(jiān)測(cè)生產(chǎn)線的運(yùn)行情況，并將數(shù)據(jù)傳送到數(shù)據(jù)采集服務(wù)器上。

健康管理系統(tǒng)：實(shí)施全面的設(shè)備健康監(jiān)測(cè)和分析，通過嵌入專業(yè)分析模塊實(shí)現(xiàn)專業(yè)分析的相關(guān)功能，引入專家系統(tǒng)協(xié)助進(jìn)行決策并通過評(píng)價(jià)系統(tǒng)進(jìn)行自適應(yīng)改善。

數(shù)據(jù)展示平臺(tái)：將設(shè)備遠(yuǎn)程數(shù)據(jù)、高級(jí)應(yīng)用層分析數(shù)據(jù)進(jìn)行多元化展示。

1.1 狀態(tài)監(jiān)測(cè)

基于狀態(tài)的維修（Condition based maintenance, CBM）是一種先進(jìn)的維修保障方式，而故障預(yù)測(cè)與健康管理（Prognostic and health management, PHM）則是實(shí)現(xiàn)CBM 的重要技術(shù)途徑之一。

圖1：生產(chǎn)故障運(yùn)維平臺(tái)

圖2

圖3

1.2 數(shù)據(jù)驅(qū)動(dòng)的復(fù)雜產(chǎn)品狀態(tài)異常檢測(cè)、趨勢(shì)預(yù)測(cè)與故障診斷

圖4

圖5：遠(yuǎn)程預(yù)測(cè)性維護(hù)示意圖

對(duì)設(shè)備故障的發(fā)生過程進(jìn)行建模和預(yù)測(cè)可以使用數(shù)據(jù)驅(qū)動(dòng)（Data-driven）的分析手段，其他的方式還包括物理建模、可靠性模型、和混合模型等。數(shù)據(jù)驅(qū)動(dòng)的PHM 算法正式通過對(duì)高維大數(shù)據(jù)的融合特征分析來建立健康狀態(tài)模型的。特征是指從溫度、振動(dòng)、聲學(xué)等監(jiān)測(cè)信號(hào)當(dāng)中抽象提取出的與判斷某一事物的狀態(tài)或?qū)傩杂休^強(qiáng)關(guān)聯(lián)的可被量化的指標(biāo)。例如在軸承的振動(dòng)監(jiān)測(cè)信號(hào)中，不同的故障模式對(duì)應(yīng)了不同的包絡(luò)譜頻率上的幅值，而一些先進(jìn)的信號(hào)處理手段能夠?qū)@些故障特征進(jìn)行降噪和增強(qiáng)。這些特征之間存在著一定的相關(guān)性，其變化情況也有若干種不同的組合，將這些組合背后所代表的意義用先進(jìn)的機(jī)器學(xué)習(xí)和人工智能方法破解出來，就是進(jìn)行建模和預(yù)測(cè)的過程。因此，利用數(shù)據(jù)驅(qū)動(dòng)的PHM 建模方法能夠?qū)囟?、振?dòng)、聲學(xué)、動(dòng)力學(xué)等不同監(jiān)測(cè)手段所產(chǎn)生的信息進(jìn)行融合分析，以提高故障預(yù)測(cè)和診斷的準(zhǔn)確率。

2 數(shù)據(jù)驅(qū)動(dòng)的建模方式

以數(shù)據(jù)驅(qū)動(dòng)的故障預(yù)測(cè)與健康管理（Prognostics and Health Management, PHM）建模方法的核心，是采用機(jī)器學(xué)習(xí)和大數(shù)據(jù)挖掘等智能算法，對(duì)故障特征判據(jù)進(jìn)行分類、聚類、模式識(shí)別、遞歸預(yù)測(cè)、和關(guān)系挖掘等分析，從而利用歷史數(shù)據(jù)對(duì)故障的診斷和預(yù)測(cè)進(jìn)行智能建模，并利用模型對(duì)在線監(jiān)測(cè)數(shù)據(jù)進(jìn)行實(shí)時(shí)分析與決策。

PHM 的算法工具包有許多類型，可以按照兩個(gè)維度分為4 類不同的問題，每一類問題則需要不同的流程和算法進(jìn)行建模。按照“數(shù)據(jù)的完整性”和“對(duì)象數(shù)量”這兩個(gè)維度進(jìn)行分類，則PHM 的分析手段和分析目標(biāo)主要分為以下4 類，見圖2。

針對(duì)不同的分析手段和目標(biāo)，智能運(yùn)維平臺(tái)將提供一個(gè)完整性超過任何商用PHM 建模軟件的算法工具包，包括6 個(gè)大類的近70 種算法工具可供選擇，見圖3。

PHM 技術(shù)是實(shí)現(xiàn)設(shè)備智能運(yùn)維和預(yù)測(cè)性維護(hù)中最為關(guān)鍵的核心技術(shù)。PHM 系統(tǒng)的核心技術(shù)是一個(gè)包含智能軟件來進(jìn)行設(shè)備狀態(tài)預(yù)測(cè)建模功能的智能計(jì)算工具。對(duì)核心設(shè)備性能的評(píng)估分析和對(duì)故障時(shí)間的預(yù)測(cè)，即能夠防止在生產(chǎn)制造中的事故風(fēng)險(xiǎn)，又能夠最大程度地使用軸承的安全服役壽命，減少不必要的維護(hù)成本。

利用核心設(shè)備監(jiān)測(cè)大數(shù)據(jù)對(duì)設(shè)備故障的發(fā)生過程進(jìn)行建模和預(yù)測(cè)，實(shí)際上是選擇了數(shù)據(jù)驅(qū)動(dòng)（Data-driven）的分析手段。數(shù)據(jù)驅(qū)動(dòng)的PHM 算法通過對(duì)高維大數(shù)據(jù)的融合分析來建立健康狀態(tài)模型的。這些特征之間存在著一定的相關(guān)性，其變化情況也有若干種不同的組合，將這些組合背后所代表的意義用先進(jìn)的機(jī)器學(xué)習(xí)和人工智能方法破解出來，就是我們進(jìn)行建模和預(yù)測(cè)的過程。

3 數(shù)據(jù)驅(qū)動(dòng)的建模步驟

從分析的實(shí)施流程來說，數(shù)據(jù)驅(qū)動(dòng)的智能分析系統(tǒng)采用了如圖4所示的分析框架，包括五個(gè)主要步驟：數(shù)據(jù)采集、特征提取、性能評(píng)估、性能預(yù)測(cè)、性能可視化以及性能診斷。

可用數(shù)據(jù)包括了傳感器信號(hào)、狀態(tài)監(jiān)控?cái)?shù)據(jù)、維護(hù)歷史記錄等。這些數(shù)據(jù)可以用特征提取的方法進(jìn)行處理來得到衰退性的特征?；谛阅芴卣鳎a(chǎn)系統(tǒng)的運(yùn)行狀況可以通過健康置信值(Confidence value)來評(píng)估和量化。另外，可以在時(shí)域內(nèi)預(yù)測(cè)特征在將來的值，從而可以預(yù)測(cè)性能的衰退趨勢(shì)和問題發(fā)生的剩余時(shí)間。最后，診斷方法可以用來分析問題產(chǎn)生的根原因和問題診斷。

4 遠(yuǎn)程預(yù)測(cè)性維護(hù)平臺(tái)

面向家電、汽車和 3C 等行業(yè)，實(shí)現(xiàn)產(chǎn)品的可識(shí)別、可追溯、可定位、可管理，可檢測(cè)、可預(yù)警、可遠(yuǎn)程維護(hù)。遠(yuǎn)程預(yù)測(cè)性維護(hù)示意圖如圖5。

5 結(jié)語(yǔ)

未來CPS 的發(fā)展還有很廣闊的空間，傳統(tǒng)的硬件加軟件的基礎(chǔ)單元控制方式，將逐漸被由CPS 構(gòu)成的硬件加軟件再加網(wǎng)絡(luò)的系統(tǒng)控制方式所取代。基于CPS 的工業(yè)大數(shù)據(jù)和邊緣計(jì)算，能夠?qū)χ悄芄S起到非常重要的作用。工業(yè)大數(shù)據(jù)挖掘和分析的結(jié)果，可以廣泛應(yīng)用于制造企業(yè)的研發(fā)設(shè)計(jì)、生產(chǎn)過程、產(chǎn)品需求預(yù)測(cè)、供應(yīng)鏈優(yōu)化等。參照智能工廠相關(guān)架構(gòu)規(guī)范，設(shè)計(jì)出滿足智能工廠需求的功能和應(yīng)用，實(shí)現(xiàn)智能設(shè)計(jì)、智能研發(fā)、智能生產(chǎn)等智能化服務(wù)，降低產(chǎn)品不良率，降低運(yùn)營(yíng)成本，縮短產(chǎn)品研制周期，推進(jìn)智能制造2025 的實(shí)現(xiàn)。