人工智能技術在工業(yè)設備和系統(tǒng)智能運營維護的應用

戴認之

本文首先指出了當前工業(yè)互聯(lián)網在發(fā)展過程中遇到的問題，以及數(shù)據(jù)驅動的人工智能技術對于工業(yè)設備和系統(tǒng)運營維護的巨大應用價值。在工業(yè)大數(shù)據(jù)的時代背景下，傳統(tǒng)裝備故障診斷和健康管理技術與人工智能技術結合的過程中得以大幅度拓展，從而使預測性維護、智能運營和智能調度成為現(xiàn)實。通過深入闡釋數(shù)字孿生體的概念，及其與工業(yè)互聯(lián)網、工業(yè)領域專業(yè)知識和信息物理系統(tǒng)之間的聯(lián)系，說明了以數(shù)字孿生體為核心的智能運維技術的意義。同時指出了智能維護技術應用中的問題和挑戰(zhàn)，并展望了未來技術發(fā)展。

一、前言

近年來，由大數(shù)據(jù)驅動的人工智能技術取得了飛速發(fā)展，工業(yè)互聯(lián)網可以為工業(yè)領域的智能應用提供充足的數(shù)據(jù)基礎設施支撐。在已有PHM技術基礎之上，工業(yè)互聯(lián)網與人工智能密切結合，將機械裝備、過程、監(jiān)控和維修一體化。這將促進人-機-過程-環(huán)境之間的和諧關系，是實現(xiàn)機械裝備系統(tǒng)本質可靠的重要舉措。人工自愈能改變傳統(tǒng)設計理念，讓未來的機器裝備、制造系統(tǒng)更自主健康，驅動新一輪工業(yè)革命。

二、智能運維技術

現(xiàn)代設備診斷技術要求具有狀態(tài)監(jiān)測、故障診斷和預測等能力，可以預測重要和關鍵零部件的可靠工作壽命，通過狀態(tài)監(jiān)測可以提前發(fā)現(xiàn)異常狀態(tài)，科學評估設備健康狀態(tài)，預測故障發(fā)生，比起傳統(tǒng)的對損壞的設備進行失效分析的方法更有利于超前預防?；诠I(yè)互聯(lián)網的應用設備狀態(tài)監(jiān)測及診斷技術，通過大數(shù)據(jù)分析可對故障征兆信息進行采集、處理、分析，對故障進行早期診斷、預測，在機器沒損壞之前查明故障原因并適時采取修復、預防和改進對策，成為信息、監(jiān)控、通信、計算機和人工智能等集成技術，并逐步發(fā)展成為一個多學科交叉的新學科。

數(shù)字孿生體以數(shù)據(jù)和模型為主要元素構建，用于物理實體的狀態(tài)監(jiān)控、控制，虛實融合下的數(shù)據(jù)處理、仿真分析、虛擬驗證及運行決策，具體體現(xiàn)了“信息物理系統(tǒng)”（CPS）的自動化流程，以此為基礎構建設備數(shù)字化的應用，用于故障預測、健康管理及預測性維護，并反饋運行信息給設計人員以優(yōu)化設計以改善產品性能，形成人—賽博—物理智能運維系統(tǒng)，如圖1所示。

三、智能維護技術應用中的問題和挑戰(zhàn)

數(shù)據(jù)質量，高質量的大數(shù)據(jù)采集和管理是監(jiān)測診斷的基礎。 優(yōu)質的數(shù)據(jù)才能建立優(yōu)質的模型，數(shù)據(jù)的質量直接影響到信息識別和知識的獲取，而工業(yè)大數(shù)據(jù)具有多樣性、多模態(tài)、高通量和強關聯(lián)等特性。對數(shù)據(jù)監(jiān)控和后臺數(shù)據(jù)存儲提出了很高的要求。但實際情況中許多動力裝備傳感器、數(shù)據(jù)采集系統(tǒng)非常落后，有的采用便攜式儀器進行實時監(jiān)測，工況和狀態(tài)參數(shù)各自采集，形成信息孤島。因此不僅需要高精度的采集設備、高效的存儲優(yōu)化，還需要能夠通過元數(shù)據(jù)、索引、查詢推理，支持高效便捷的數(shù)據(jù)讀取，實現(xiàn)多源異構數(shù)據(jù)的一體化管理。

信息認知，數(shù)據(jù)挖掘、信號處理和掌握基于大數(shù)據(jù)分析的因果和關聯(lián)規(guī)律是必要條件。工業(yè)是一個強機理、高知識密度的技術領域，很多監(jiān)測數(shù)據(jù)只是復雜系統(tǒng)運行的部分表征。工業(yè)領域通常有大量的機理模型、專家經驗的深厚積累，可以縮小數(shù)據(jù)分析參數(shù)空間、提供有用的特征變量，工業(yè)數(shù)據(jù)分析通常隱性或顯性利用大量的行業(yè)知識，體現(xiàn)在問題定義、數(shù)據(jù)篩選、特征工程和模型調優(yōu)等過程中。工業(yè)大數(shù)據(jù)分析通常需要機器學習算法與機理領域模型算法的融合，為智能決策提供科學依據(jù)，以期創(chuàng)造更大的價值。

專業(yè)人才培養(yǎng)體系亟需建立和完善。通用電氣早在發(fā)布工業(yè)互聯(lián)網之初就提出未來工程人才應是數(shù)據(jù)科學、軟件和工業(yè)知識領域的復合型人才。軟件開發(fā)人員雖然善于編程開發(fā)，但缺乏工程實踐，對機器—過程復雜系統(tǒng)和不同行業(yè)不同設備實際運行狀態(tài)不了解。工業(yè)大數(shù)據(jù)的分析者既需要掌握大數(shù)據(jù)相關知識，又需要深刻理解各種典型工業(yè)應用場景，更高層次的應用還涉及產品、用戶需求、企業(yè)管理決策、商業(yè)模式等方面， 工業(yè)大數(shù)據(jù)產業(yè)對跨界復合型人才的能力需求不斷增強。

四、未來技術展望

工業(yè)中一些實際場景需要滿足更高的運營智能化、管理數(shù)字化和數(shù)據(jù)保密性的要求，而這是更深入地運用人工智能領域前沿技術成果的機會。

（一）深度強化學習

DeepMind基于深度強化學習技術開發(fā)的AlphaGo深受人們關注，之后該技術又用于管理Google的數(shù)據(jù)中心冷卻系統(tǒng)，節(jié)省能耗30%以上。理論上，強化學習原理與最優(yōu)控制一致，且適用于解決博弈論等領域的問題。傳統(tǒng)的控制技術雖然能滿足大部分場景的需求，但對于大型復雜工業(yè)系統(tǒng)，無法處理高緯度、非線性系統(tǒng)的實時優(yōu)化控制，也很難滿足日益增長的智能化需求。大規(guī)模的強化學習技術可實現(xiàn)分布式系統(tǒng)的智能控制，助力于智慧交通、智能電網的建設。

（二）聯(lián)邦學習

相當一部分工業(yè)領域通常對數(shù)據(jù)的保密性要求極高，不愿透露運行過程中的敏感信息， 例如航空發(fā)動機的健康運維。這對一般的數(shù)據(jù)模型開發(fā)過程造成極大困難。而聯(lián)邦學習的機制解決了保密性問題，有望成為下一代人工智能協(xié)同算法和協(xié)作網絡的基礎。

五、總結

工業(yè)互聯(lián)網和人工智能技術將機械裝備、過程、監(jiān)控和維修一體化，這將促進人-機-過程-環(huán)境之間的和諧關系，是實現(xiàn)機械裝備系統(tǒng)本質可靠的重要舉措。人工智能改變傳統(tǒng)運維理念，讓未來的機器裝備、制造系統(tǒng)乃至所有人造系統(tǒng)更自主健康，驅動新一輪工業(yè)革命，邁進工業(yè)智能時代。

作者單位：上海電氣集團數(shù)字科技有限公司