工業(yè)大數(shù)據(jù)的智能化能耗管理與故障預診系統(tǒng)探究

崔偉鋼 對外經濟貿易大學統(tǒng)計學院在職人員高級課程研修班學員

引言：工業(yè)4.0為德國政府與工業(yè)領域共同設想的制造行業(yè)未來發(fā)展藍圖。當下，人類正進入“工業(yè)4.0”時代，實質上就是實體物理世界與虛擬網絡世界相互融合的時代，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)網與大數(shù)據(jù)分析為支撐進行智能化轉型。既往諸多研究資料指出，制造行業(yè)發(fā)展運營對信息技術表現(xiàn)出高度的依賴性，本行業(yè)整個價值鏈條與產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制造行業(yè)產生的工業(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)，實質上就是工業(yè)領域數(shù)據(jù)以及有關技術與應用的整合體，其內容核心為生產業(yè)務、設備物聯(lián)與外部跨界數(shù)據(jù)，與此同時還會對外延展到有關技術與應用。對工業(yè)大數(shù)據(jù)自身而言，從橫向層面上進行分析，發(fā)現(xiàn)其跨越產品需求、設計、開發(fā)、工藝流程、生產、供應、管理、運行維護、回收再生產等全生命周期囊括的各個流程；縱向和企業(yè)，供應鏈、生態(tài)鏈，行業(yè)管理三個層面的內容建立較明顯的關聯(lián)性。工業(yè)大數(shù)據(jù)技術在現(xiàn)實中的使用，實質上等同于依照制定工業(yè)場景，利益收集、整合、存管、挖掘等多種技術手段，深度挖掘大數(shù)據(jù)內涵蓋的價值信息并充分釋放，其宗旨是提高生產運轉水平及經營管理高度，為產品及產業(yè)模式創(chuàng)新發(fā)展過程提供強大的技術支撐。

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、價值密度偏低、傳播速度快等基本特征，還囊括如下屬性：

（1）關聯(lián)性、時序性：生產制造各流程之間的數(shù)據(jù)存在著正向或逆向的傳導關系，相同流程不同學科與專業(yè)形成的數(shù)據(jù)不僅存在一定相關性，還相互約束。與此同時，工業(yè)大數(shù)據(jù)還會依照一定的時間序列產出與收集。

（2）高流通性、動態(tài)性：工業(yè)采集設備能在較短時間內完成大規(guī)模數(shù)據(jù)的寫入任務，數(shù)據(jù)吞吐數(shù)量龐大并且處于實時更新的狀態(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)出多時間尺度的屬性。

（4）易干擾性、高噪聲性：很多工業(yè)生產作業(yè)是在強干擾、惡劣的環(huán)境下進行的，以致工業(yè)大數(shù)據(jù)經常帶有一定噪音，但是關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診系統(tǒng)

（一）能耗管理

為實現(xiàn)對能源耗用情況的智能化管理，就需要有遠程監(jiān)控系統(tǒng)的支撐，并和生產線路的管理工作之間建設一定關聯(lián)性，通常就能夠在短時間內獲取生產線上個工業(yè)機械設備能源損耗情況對應的數(shù)據(jù)，以此為基礎實現(xiàn)對機械設備性能的有效監(jiān)控。工業(yè)企業(yè)通過合理分析、使用所獲取的能源監(jiān)控數(shù)據(jù)，針對性的采取相關完善措施，在很大程度上能降低企業(yè)生產期間的能源耗損量，提升生產效益。

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)中蘊含的信息資源，進而科學預見機械設備的運行風險與產品質量存在的不足。

在生產系統(tǒng)內，存留者多種不能被檢測的風險類型，這些風險在誘發(fā)設備故障與制作劣質產品之前通常是不被感知與規(guī)避的，此時就需要通過收集一些具有預見性的信號進行估測。但是生產線內設置的設備類型繁雜、數(shù)目眾多，并且運作環(huán)境體現(xiàn)出復雜化特征，將傳感器安裝在各個設備內的操作實現(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)測機械設備具備的原始信號。對于各類設備來說，其具備的原始信號實質上就是能耗信息，在某種程度上分析，原始信號能呈現(xiàn)出設備功能衰減、產品質量偏差等無法檢測風險的先兆。

（二）采集能耗數(shù)據(jù)

在管理與估測能源耗損程度方面上，基礎工作是強化工業(yè)企業(yè)能耗數(shù)值的透明度。這就預示著本系統(tǒng)采集能耗數(shù)據(jù)，并不是單純統(tǒng)計各臺設備在某一時段內的能源耗損情況，而是需依照企業(yè)設備的現(xiàn)實運用狀況，對設備能耗組成進行逐一分解[1]。

1.統(tǒng)計各臺設備在不同模式下的能耗信息。從宏觀層面上分析，機械設備的運轉模式有停機、待機、空載運行、待料及自檢等。在企業(yè)生產線內，各機械設備是依照生產節(jié)奏于各個模式下有規(guī)劃的轉換，生產節(jié)奏設計的規(guī)范性與否，將會對能耗程度形成較明顯的影響。

2.統(tǒng)計不同生產流程內各產品的能耗情況。在生產活動中各產品的能量損耗情況在很大程度上能提升產品運營成本的透明度，同時會以合理方式把相關數(shù)據(jù)信息反饋至設計階段，其能為生產工藝及程序的完善提供數(shù)據(jù)支持。

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

（三）系統(tǒng)分析

歐姆龍公司以能耗信號為基礎，自主研發(fā)了故障預測與健康管理的技術（PPA），并且用于機械、工程機械設備等諸多智能化控制領域中取得較好成效。針對工業(yè)機械設備的能耗信息予以深層次挖掘并有效建設模型，其對設備運行初期故障問題及產品質量風險均能實現(xiàn)預見性管理。

PPA能采集產品各生產流程中不同機械設備加工制造時形成的能耗信息，并且能于嵌入式處理器內智能化分步驟辨識與提取產品特點等多項功能，解讀并判斷各步驟對產品質量風險發(fā)生情況的貢獻率。

以PPA為基礎的能耗管理與故障預測系統(tǒng)由硬件、軟件系統(tǒng)兩大部分構成。

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、電壓傳感器等安設于硬件系統(tǒng)內，以實現(xiàn)對設備能耗情況的有效監(jiān)控，同時還能對外呈現(xiàn)出生產線內不同工位各類設備持有的原始電壓、電流及功率因素等多項參數(shù)。該系統(tǒng)還和機械設備共同銜接到工業(yè)控制網絡體系內，控制器和機械設備兩者互通信息，收集與機械設備運轉相關的狀態(tài)信息，隨后將其傳導到企業(yè)網絡，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）。把能耗信號傳導到EMPA以后，歷經智能化分析流程，針對固有時間固定動作、動態(tài)時間動態(tài)動作等不同機械設備研發(fā)了與之相匹配的分析模塊。

可以把分析步驟細化為如下幾個部分：

步驟I：分析模塊負責捕獲傳感器讀入的初始數(shù)據(jù)，并且依照負載循環(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)出的特征進行。工業(yè)生產系統(tǒng)內的機械設備因為周而復始的制造同一產品，以致不同負載循環(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的相似位點對數(shù)據(jù)進行分割。

步驟II：提取步驟I內經分割處理后產出的信號特征，把初始數(shù)據(jù)映射至特征空間內?！疤卣魈崛　北欢x為將傳感器信號內能反映信號屬性的一些量值提取出來，該方法內主要涵蓋時域特征。信號的時域特征以均值、各分步驟能耗總量、總能耗和預設值兩者偏差、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，就可以在步驟V內預估機械設備的衰退狀態(tài)。預估機械設備衰退狀態(tài)的思路以測算當下設備特征量和健康基線兩者的重合度為主，進而對設備衰退情況予以數(shù)量化處理。

步驟V：利用強化學習的機制，于獲取設備衰退信息后選擇與之相對應的預測模型，進而更科學的預見設備特征空間的后續(xù)幾年發(fā)展趨向。針對預測取得的特征量，能夠通過在預測置信區(qū)間中采取樣本取得。若機械設備的健康值超出控制范疇，或者所預估的未來健康值能在后續(xù)幾年中設定的實踐中超出控制范疇，系統(tǒng)化的形成相對應的預警提示信息。

三、能耗管理與故障預診的關鍵技術

（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)價值的關鍵技術類型，其主要涵蓋數(shù)據(jù)獲取與接入治理兩個方面，數(shù)據(jù)獲取實質上就是由數(shù)據(jù)始源獲得數(shù)據(jù)，具體有：（1）億傳感器網絡為基礎的數(shù)據(jù)采集技術：比如在數(shù)控機床、PCL等設備上加裝傳感器，安置接口或智能采集零部件，與工廠內構建傳感器網絡，以OPC配置為載體采集與機械設備及產品相關的運行數(shù)據(jù)；（2）基于智能辨識感知的數(shù)據(jù)采集技術：利用光、電、磁及溫度等能量傳導原理，在條碼技術、光信號以及嵌入式技術等支撐下，自動辨識感知信息載體，進而獲取相關信息[3]。

接入治理，等同于對經不同途徑所獲取數(shù)據(jù)進行統(tǒng)一控制、整合以及預處理，主要涵蓋：（1）多源數(shù)據(jù)采集的配置和調控：針對多源數(shù)據(jù)實時統(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、分割及索引等多個模塊及策略，并規(guī)劃差異性算法；協(xié)調多線程數(shù)據(jù)，遵照先到先服務的原則應對優(yōu)先級與時效性問題，在保證數(shù)據(jù)傳送效率的基礎上，維護其過程的穩(wěn)定性；（2）實時融合技術：即使用卡爾曼濾波、人工智能等方法實現(xiàn)數(shù)據(jù)融合。

（二）數(shù)據(jù)的統(tǒng)一存儲和建模

實質上就是以一定的組織形式對收集到的多源異構數(shù)據(jù)進行統(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方面上。本文只對面向全局的制造數(shù)據(jù)自體建模技術進行分析，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。捕獲生產數(shù)據(jù)自身的概念、內涵、結構等內容，相互關聯(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，構建數(shù)據(jù)集與概念集兩者的映射關系，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)運行期間形成的某一業(yè)務問題，建設行業(yè)數(shù)據(jù)分析模型，在云計算、可視化等技術的支撐下，探尋大數(shù)據(jù)背后隱藏的規(guī)律和機制，形成“工業(yè)大腦皮層”，對工業(yè)生產決策形成強大的智能化支撐作用。

（1）大數(shù)據(jù)采集技術：結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)內部安置數(shù)個服務器，存儲企業(yè)共享的數(shù)據(jù)信息，針對中心服務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：對工業(yè)數(shù)據(jù)進行挖掘是指上就是在冗雜、龐大的工業(yè)數(shù)據(jù)內提獲規(guī)律、信息，進而對企業(yè)業(yè)務管理及決策提供一定支撐[4]。主要包括：①挖掘數(shù)據(jù)關聯(lián)關系：不同生產要素之間通常是相互影響的，形成了繁雜的關系網，采用Aprior、FP-growth分析算法能挖掘、探索出制造或機械設備之間存在的關聯(lián)性；②預測演化規(guī)律：挖掘制造數(shù)據(jù)對目標結果形成的耦合作用機制，將回歸方程設作為預測模式，解讀與目標變量相對應的演化規(guī)律。

（3）可視化技術：即以圖形化形式直觀的呈現(xiàn)于解讀數(shù)據(jù)分析結果，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)項的分布規(guī)律與模式，并揭露不同維度屬性之間存在的關聯(lián)性，常見的有平行坐標、散點圖等。

結束語：加強工業(yè)企業(yè)生產機械設備運行狀態(tài)的監(jiān)測、預警及控制等，是實現(xiàn)對能源資源有效管理的基礎條件，對全部生產設備進行整體化感知，已經演變成未來智能化工廠能源規(guī)范化管理的重要基礎。