適用于工業(yè)4.0和大數(shù)據(jù)環(huán)境的服務(wù)創(chuàng)新和智能分析技術(shù)研究

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(jìng)爭(zhēng)激烈的商業(yè)環(huán)境中，很多公司在應(yīng)對(duì)快速?zèng)Q策的大數(shù)據(jù)問(wèn)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(méi)有準(zhǔn)備好管理大數(shù)據(jù)。德國(guó)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(lái)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(cè)技術(shù)可以進(jìn)一步將智能算法與電子和無(wú)接觸智能相結(jié)合，然后這些技術(shù)將用于預(yù)測(cè)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(guò)與對(duì)機(jī)器性能有直接影響的不同周圍系統(tǒng)進(jìn)行交互，可以實(shí)現(xiàn)更高的智能。與周圍系統(tǒng)的這種無(wú)縫交互可將常規(guī)機(jī)器轉(zhuǎn)變?yōu)樽晕腋兄妥詫W(xué)習(xí)機(jī)器，從而提高整體性能和維護(hù)管理水平。盡管自主計(jì)算方法已經(jīng)在計(jì)算機(jī)科學(xué)中成功實(shí)施，但自學(xué)習(xí)機(jī)器仍遠(yuǎn)未在當(dāng)前得到實(shí)現(xiàn)。從今天的狀態(tài)轉(zhuǎn)變?yōu)楦悄艿臋C(jī)器要通過(guò)解決幾個(gè)基本問(wèn)題來(lái)進(jìn)一步推進(jìn)。這些問(wèn)題可分為以下五個(gè)不同類別：

（1）經(jīng)理和運(yùn)營(yíng)商互動(dòng)。目前，運(yùn)營(yíng)商控制機(jī)器，經(jīng)理設(shè)計(jì)物流計(jì)劃，機(jī)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(gè)非常重要的因素——機(jī)器組件的健康狀況。

（2）機(jī)器隊(duì)列。對(duì)于不同的任務(wù)，類似或相同的機(jī)器（機(jī)器隊(duì)列）暴露于完全不同的工作條件是很常見(jiàn)的。相反，大多數(shù)預(yù)測(cè)和預(yù)后方法都是為了支持單個(gè)或有限數(shù)量的機(jī)器和工作條件。目前，可用的預(yù)后和健康管理方法沒(méi)有利用通過(guò)從不同實(shí)例收集的有價(jià)值的知識(shí)將這些相同的機(jī)器視為隊(duì)列。

（3）產(chǎn)品和工藝質(zhì)量。作為制造過(guò)程的最終結(jié)果，產(chǎn)品質(zhì)量可通過(guò)后向推理算法提供對(duì)機(jī)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(jìn)生產(chǎn)計(jì)劃。目前，這種反饋循環(huán)不存在，需要進(jìn)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(duì)于實(shí)現(xiàn)自我感知和自學(xué)習(xí)機(jī)器至關(guān)重要。利用云計(jì)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(cè)和健康管理算法以有效實(shí)施當(dāng)前數(shù)據(jù)管理技術(shù)需要進(jìn)一步的研究和開(kāi)發(fā)。

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

1 工業(yè)4.0時(shí)代的趨勢(shì)和未滿足的需求

新技術(shù)的涌現(xiàn)保護(hù)了行業(yè)發(fā)展，從早期采用機(jī)械系統(tǒng)到支持生產(chǎn)流程，再到當(dāng)今高度自動(dòng)化的裝配線，方便了對(duì)當(dāng)前動(dòng)態(tài)市場(chǎng)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(jìn)步及其應(yīng)用范圍的驚人增長(zhǎng)已經(jīng)越來(lái)越多地影響著消費(fèi)者對(duì)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(shí)、自我預(yù)測(cè)、自我比較、自我重構(gòu)和自我維護(hù)能力的工廠。伴隨著這項(xiàng)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(gè)主題的研究。

1.1 制造業(yè)服務(wù)化和創(chuàng)新

經(jīng)濟(jì)基礎(chǔ)為制造業(yè)的許多發(fā)達(dá)國(guó)家都在努力轉(zhuǎn)變經(jīng)濟(jì)發(fā)展模式，它們受到了新興市場(chǎng)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(kāi)始關(guān)注服務(wù)的歸納和推動(dòng)。

Vandermerve和Rada于1988年提出了服務(wù)化，他們強(qiáng)調(diào)以客戶為中心的理念，提出產(chǎn)品、服務(wù)、支持和知識(shí)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(jìng)爭(zhēng)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(jià)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(jìng)爭(zhēng)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(kāi)發(fā)具有增值服務(wù)的產(chǎn)品而不是單個(gè)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(chǎng)目標(biāo)不是一次性產(chǎn)品銷售，而是通過(guò)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?yàn)槿祟惿傻膬?nèi)容已經(jīng)成為社交網(wǎng)絡(luò)的推動(dòng)力。2004年底以來(lái)也被稱為Web2.0時(shí)代，許多研究機(jī)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(huì)或商業(yè)數(shù)據(jù)采集，這包括銷售預(yù)測(cè)、用戶關(guān)系挖掘、聚類、推薦系統(tǒng)和意見(jiàn)挖掘等。然而，這項(xiàng)研究的重點(diǎn)是“人為或人為相關(guān)數(shù)據(jù)”，而不是“機(jī)器生成數(shù)據(jù)或工業(yè)數(shù)據(jù)”，其中可能包括機(jī)器控制器、傳感器、制造系統(tǒng)等。

在上述工業(yè)4.0時(shí)代，智能分析和網(wǎng)絡(luò)物理系統(tǒng)相互結(jié)合，實(shí)現(xiàn)了生產(chǎn)管理和工廠轉(zhuǎn)型的新思路。使用適當(dāng)?shù)膫鞲衅鳎梢蕴崛「鞣N信號(hào)，例如振動(dòng)、壓力等；此外，可以收集歷史數(shù)據(jù)以進(jìn)行進(jìn)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(hào)。當(dāng)匯總所有數(shù)據(jù)時(shí)，此合并稱為“大數(shù)據(jù)”，而將大數(shù)據(jù)實(shí)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(hù)機(jī)器

對(duì)于機(jī)械系統(tǒng)，自我意識(shí)意味著能夠評(píng)估機(jī)器的當(dāng)前或過(guò)去狀況，并對(duì)評(píng)估輸出作出反應(yīng)?？梢酝ㄟ^(guò)使用數(shù)據(jù)驅(qū)動(dòng)算法來(lái)分析從給定機(jī)器及其周圍環(huán)境收集的數(shù)據(jù)/信息來(lái)執(zhí)行這種健康評(píng)估。可以將實(shí)時(shí)機(jī)器的狀態(tài)反饋給機(jī)器控制器以進(jìn)行自適應(yīng)控制，并根據(jù)機(jī)器管理器的反饋及時(shí)進(jìn)行維護(hù)。然而，對(duì)于大多數(shù)工業(yè)應(yīng)用特別是機(jī)器隊(duì)列而言，機(jī)器的自我意識(shí)仍遠(yuǎn)未實(shí)現(xiàn)。當(dāng)前的診斷或預(yù)測(cè)算法通常用于特定的機(jī)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(jī)器尚未完全實(shí)現(xiàn)的原因總結(jié)如下：

（1）缺乏緊密耦合的人機(jī)交互：機(jī)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(jì)和調(diào)度會(huì)極大地影響生產(chǎn)力和生產(chǎn)質(zhì)量。當(dāng)前機(jī)器只能被動(dòng)地聽(tīng)取操作員的命令并做出反應(yīng)，即使分配的任務(wù)對(duì)于其當(dāng)前狀況不是最佳的。另一方面，更智能的機(jī)器系統(tǒng)應(yīng)該能夠主動(dòng)建議任務(wù)安排并調(diào)整操作參數(shù)，以最大化實(shí)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(wú)法在業(yè)界廣泛實(shí)施，最終導(dǎo)致健康監(jiān)測(cè)算法缺乏穩(wěn)健性。這個(gè)現(xiàn)象背后的問(wèn)題是，對(duì)于PHM系統(tǒng)，開(kāi)發(fā)和實(shí)施通常是分開(kāi)的。PHM算法是通過(guò)實(shí)驗(yàn)收集的數(shù)據(jù)開(kāi)發(fā)的，除非經(jīng)過(guò)專家的重新培訓(xùn)，否則在實(shí)施過(guò)程中不會(huì)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(guò)程處理來(lái)自真實(shí)機(jī)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?yàn)閺默F(xiàn)場(chǎng)機(jī)器收集的實(shí)時(shí)數(shù)據(jù)通常來(lái)自更多的機(jī)器單元并且持續(xù)時(shí)間更長(zhǎng)，這意味著它包含比實(shí)驗(yàn)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(jì)了一種用于自我感知和自我維護(hù)機(jī)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(jìn)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(cè)（CM）數(shù)據(jù)、控制器參數(shù)、數(shù)字化機(jī)器性能（例如產(chǎn)品質(zhì)量測(cè)量）、機(jī)器和組件配置、型號(hào)信息、利用歷史、正在執(zhí)行的任務(wù)、人類行為（包括維護(hù)活動(dòng)、人為控制的操作參數(shù)和使用模式）。

在網(wǎng)絡(luò)（計(jì)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(jī)器退化的知識(shí)，以便這些知識(shí)用于新機(jī)器的健康評(píng)估。最后，健康評(píng)估結(jié)果應(yīng)及時(shí)反饋到物理空間，以便采取適當(dāng)?shù)男袆?dòng)。

機(jī)器健康意識(shí)分析與自學(xué)知識(shí)庫(kù)：與大多數(shù)面向控制或模擬的現(xiàn)有CPS不同，本設(shè)計(jì)的CPS使用知識(shí)庫(kù)和相關(guān)算法來(lái)表示物理世界中的機(jī)器退化和性能行為，機(jī)器健康意識(shí)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(dòng)填充表示機(jī)器性能和退化機(jī)制的知識(shí)庫(kù)，知識(shí)庫(kù)能夠隨著新數(shù)據(jù)的增長(zhǎng)而完善，最終提高其保真度和表現(xiàn)現(xiàn)實(shí)世界機(jī)器中復(fù)雜工作條件的能力。針對(duì)從機(jī)器收集的數(shù)據(jù)樣本和相關(guān)信息，將使用專門(mén)設(shè)計(jì)的知識(shí)提取算法進(jìn)行水平（機(jī)器到機(jī)器）和垂直（不同時(shí)間）比較。每當(dāng)需要特定機(jī)器的健康信息時(shí)，知識(shí)庫(kù)將為健康評(píng)估和預(yù)測(cè)算法提供必要的信息。由于知識(shí)庫(kù)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(wú)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(jī)器條件的集群。自適應(yīng)聚類方法利用了在線更新機(jī)制，應(yīng)用此算法將最新輸入與現(xiàn)有聚類進(jìn)行比較，并嘗試使用多維距離測(cè)量來(lái)識(shí)別與輸入樣本最相似的一個(gè)聚類。

搜索類似的集群可以以兩個(gè)結(jié)果結(jié)束：

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

（2）沒(méi)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(guò)一定量時(shí)，意味著存在尚未建模的機(jī)器的新行為，因此算法將自動(dòng)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(zhǎng)集群將被用作擬議網(wǎng)絡(luò)空間中健康評(píng)估的知識(shí)庫(kù)，利用這種機(jī)制，可以在知識(shí)庫(kù)中累積不同的機(jī)器性能行為，并用于將來(lái)的健康評(píng)估。

3 結(jié)語(yǔ)

本文設(shè)計(jì)了一種用于自我感知和自我維護(hù)機(jī)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(jìn)一步執(zhí)行更智能的決策。