知識(shí)數(shù)據(jù)雙驅(qū)動(dòng)的智能裝備可靠運(yùn)維研究

文/牛沖麗

智能裝備目前大量應(yīng)用于數(shù)控機(jī)床、自動(dòng)化生產(chǎn)線、智能控制系統(tǒng)等方向，是實(shí)現(xiàn)生產(chǎn)過程自動(dòng)化、智能化、精密化和高效化的重要部分。智能裝備出現(xiàn)故障將會(huì)導(dǎo)致停機(jī)和經(jīng)濟(jì)損失。為了確保智能裝備健康運(yùn)行，本文針對(duì)其進(jìn)行了知識(shí)數(shù)據(jù)雙驅(qū)動(dòng)的可靠運(yùn)維研究。

一、背景介紹

智能裝備的使用可以打通數(shù)據(jù)割裂現(xiàn)狀，利用領(lǐng)域知識(shí)。以智能裝備運(yùn)行數(shù)據(jù)與運(yùn)維檢修領(lǐng)域知識(shí)為驅(qū)動(dòng)，構(gòu)建科學(xué)、系統(tǒng)、周密的檢修和維護(hù)作業(yè)模式，是制造行業(yè)當(dāng)前的迫切需求。可靠的運(yùn)維對(duì)于優(yōu)化檢修資源要素投入以及確保智能裝備正常穩(wěn)定運(yùn)行都很重要。目前，智能裝備的使用場(chǎng)景越來越廣泛，使用范圍越來越大，其運(yùn)維問題也得到了重視。

智能裝備運(yùn)維檢修是保證設(shè)備運(yùn)行安全性與穩(wěn)定性的重要手段。一方面，面對(duì)數(shù)量巨大、精細(xì)復(fù)雜的各種智能裝備，設(shè)備故障模式與影響因素繁多，運(yùn)維檢修工作繁重，采用傳統(tǒng)的定期檢修方式無法滿足差異化、精細(xì)化的運(yùn)維需求。另一方面，有隱患或缺陷的設(shè)備如果繼續(xù)運(yùn)行，就有可能發(fā)展成故障，造成設(shè)備損壞、產(chǎn)線停工等較大的經(jīng)濟(jì)損失等。目前，運(yùn)維檢修過程仍然缺乏科學(xué)化、系統(tǒng)化、定量化的理論框架和相應(yīng)實(shí)施方法論的支撐，難以綜合統(tǒng)籌設(shè)備維修成本和可靠性等因素對(duì)現(xiàn)有維修體系進(jìn)行基于定量分析的優(yōu)化。

王春喜等人[1]對(duì)上述問題提出了預(yù)測(cè)性維護(hù)的一些主要技術(shù)要求，介紹了國內(nèi)和國際上技術(shù)的發(fā)展。楊志偉等人[2]提出了一種智能裝備和智能工廠的遠(yuǎn)程運(yùn)維平臺(tái)應(yīng)用方案。在滿足智能裝備健康運(yùn)行要求的情況下，基于運(yùn)營可靠性、可維修性、可用性、安全性和維修成本等因素，提出新的適用于智能裝備的運(yùn)維檢修理論與方法，并將其作為今后復(fù)雜智能裝備運(yùn)維檢修策略制定的理論依據(jù)。這種運(yùn)維檢修模式是十分有必要的。針對(duì)以上問題，本文以可靠性維修理論為依據(jù)，以智能裝備運(yùn)行過程大數(shù)據(jù)分析為手段，以智能裝備故障模式與影響分析領(lǐng)域知識(shí)為支撐，研究智能裝備關(guān)鍵部件個(gè)性維修決策與方法，建立統(tǒng)籌考慮可靠性、可用性和維修成本的量化分析與優(yōu)化理論框架，為智能裝備健康穩(wěn)定運(yùn)行的運(yùn)維保障水平提供理論支持。

二、知識(shí)驅(qū)動(dòng)的設(shè)備智能運(yùn)維

隨著本體語言的發(fā)展，基于語義網(wǎng)絡(luò)可建立智能裝備運(yùn)維系統(tǒng)調(diào)度和領(lǐng)域知識(shí)的解構(gòu)與表示。設(shè)備智能運(yùn)維知識(shí)圖譜作為一種典型的縱向知識(shí)圖譜，已在設(shè)備故障的數(shù)據(jù)分析與決策環(huán)節(jié)得到了應(yīng)用，如使用結(jié)構(gòu)化數(shù)據(jù)形式的設(shè)備缺陷文本構(gòu)造知識(shí)圖譜等。在數(shù)據(jù)稀疏時(shí)，基于本體語言的知識(shí)圖譜的表示方法的表現(xiàn)力會(huì)有所下降，但相較于其他表示方法，這種方法具備更好的可視化效果和推理補(bǔ)全機(jī)制。

建立支持運(yùn)維的故障及其影響的知識(shí)圖譜，有了之前基于數(shù)據(jù)驅(qū)動(dòng)的智能運(yùn)維作為基礎(chǔ)，后續(xù)將知識(shí)抽象并將其應(yīng)用于智能運(yùn)維。當(dāng)智能裝備的某個(gè)模塊發(fā)生故障時(shí)，由于建立了支持運(yùn)維的故障及其影響的知識(shí)圖譜，各個(gè)模塊之間存在聯(lián)系，使得運(yùn)維的成本和效率大大提高。運(yùn)維領(lǐng)域的知識(shí)圖譜，主要用于故障的診斷和定位等。在數(shù)據(jù)驅(qū)動(dòng)的情況下，利用現(xiàn)有的人工智能等先進(jìn)技術(shù)，可有效提高運(yùn)維的效率和準(zhǔn)確率。

三、數(shù)據(jù)驅(qū)動(dòng)的設(shè)備智能運(yùn)維

智能裝備通過在線監(jiān)測(cè)技術(shù)，可全面收集智能裝備運(yùn)行狀態(tài)數(shù)據(jù)，為狀態(tài)檢修提供數(shù)據(jù)基礎(chǔ)。當(dāng)前處于各種制造和信息技術(shù)涌現(xiàn)和發(fā)展的階段，這會(huì)推動(dòng)信息技術(shù)及制造業(yè)的結(jié)合與升級(jí)，是智能制造中非常重要的一環(huán)。另外，在工業(yè)互聯(lián)網(wǎng)與大數(shù)據(jù)技術(shù)的發(fā)展下，數(shù)據(jù)驅(qū)動(dòng)的智能運(yùn)維技術(shù)在工業(yè)界備受關(guān)注。這些技術(shù)大大加快了設(shè)備的智能運(yùn)維發(fā)展速度，這對(duì)數(shù)據(jù)驅(qū)動(dòng)的設(shè)備智能運(yùn)維來說，既是機(jī)遇，也是挑戰(zhàn)。

數(shù)據(jù)是實(shí)現(xiàn)智能運(yùn)維的堅(jiān)實(shí)基礎(chǔ)。Zhang等人[3]通過大數(shù)據(jù)技術(shù)實(shí)現(xiàn)了以大數(shù)據(jù)為基礎(chǔ)的智能運(yùn)維平臺(tái)。部分運(yùn)維工具檢測(cè)到的數(shù)據(jù)是零散的、無關(guān)聯(lián)的，并且數(shù)據(jù)雜亂不統(tǒng)一。這些冗余數(shù)據(jù)也給數(shù)據(jù)驅(qū)動(dòng)的設(shè)備運(yùn)維帶來了挑戰(zhàn)。數(shù)據(jù)驅(qū)動(dòng)首先要保證提取的數(shù)據(jù)是可靠的，因?yàn)闃I(yè)務(wù)系統(tǒng)越來越復(fù)雜，運(yùn)維工具以及智能裝備都會(huì)變得越來越復(fù)雜。缺乏可靠的數(shù)據(jù)驅(qū)動(dòng)，就無法達(dá)到滿意的運(yùn)維效果。這就需要運(yùn)維人員做到以下方面：首先，對(duì)設(shè)備的運(yùn)行機(jī)理進(jìn)行分析，確定在設(shè)備上所需要安裝的傳感器；其次，通過傳感器來收集設(shè)備的運(yùn)行數(shù)據(jù)，通過工業(yè)互聯(lián)網(wǎng)將數(shù)據(jù)傳輸?shù)皆破脚_(tái)和數(shù)據(jù)庫中；再次，通過機(jī)器學(xué)習(xí)的手段對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行分析和建模，實(shí)現(xiàn)設(shè)備運(yùn)行狀態(tài)的識(shí)別和診斷，并根據(jù)設(shè)備狀態(tài)數(shù)據(jù)庫中已經(jīng)記錄的數(shù)據(jù)和經(jīng)驗(yàn)，建立起智能裝備運(yùn)行信息與各個(gè)狀態(tài)之間的對(duì)應(yīng)關(guān)系，通過各種可靠性分析和機(jī)器學(xué)習(xí)算法得出智能裝備目前的健康狀況；最后，根據(jù)分析得到的設(shè)備狀態(tài)，向設(shè)備維護(hù)人員提供維護(hù)所需信息，如故障發(fā)生的位置、損壞程度和所需更換的零部件等。維護(hù)人員根據(jù)所提供的信息，可快速地對(duì)設(shè)備進(jìn)行檢修和故障排除。相比于傳統(tǒng)的方法，運(yùn)維的智能化可大大降低維護(hù)所需要的成本。

四、智能裝備運(yùn)維檢修知識(shí)圖譜構(gòu)建

（1）故障診斷知識(shí)本體構(gòu)建：首先通過對(duì)智能裝備核心組成、故障診斷核心要素和故障診斷知識(shí)體系分析，確定故障知識(shí)的范圍；其次明確故障診斷知識(shí)之間的聯(lián)系；再次對(duì)其本體進(jìn)行結(jié)構(gòu)化建模；最后通過聚類分析對(duì)其進(jìn)行評(píng)價(jià)。

（2）故障診斷知識(shí)抽取：基于已構(gòu)建的本體模型，實(shí)現(xiàn)故障日志、失效案例和運(yùn)維日志等文本數(shù)據(jù)中的知識(shí)抽取。

（3）故障診斷事件知識(shí)挖掘：研究通過對(duì)運(yùn)行日志、維修日志數(shù)據(jù)的統(tǒng)計(jì)分析，獲取故障發(fā)生的頻率；通過關(guān)聯(lián)分析與研究，獲取不同事件與故障的關(guān)聯(lián)程度。

（4）故障診斷知識(shí)的表示和融合方法：實(shí)現(xiàn)外部信息（如事理描述）對(duì)知識(shí)三元組的有效補(bǔ)充，可以增強(qiáng)知識(shí)的魯棒性；研究膠囊網(wǎng)絡(luò)嵌入模型對(duì)知識(shí)的表示方法；研究利用邏輯關(guān)系聚類半監(jiān)督事理對(duì)齊模型，進(jìn)行事理并列關(guān)系相似度計(jì)算、邏輯關(guān)系聚類和半監(jiān)督學(xué)習(xí)事理對(duì)齊等，從而實(shí)現(xiàn)知識(shí)的有效融合。

（5）數(shù)據(jù)驅(qū)動(dòng)的智能裝備運(yùn)維事件知識(shí)圖譜構(gòu)建方法：以智能裝備運(yùn)行檢測(cè)數(shù)據(jù)、設(shè)備基礎(chǔ)運(yùn)行數(shù)據(jù)、設(shè)備運(yùn)行檢測(cè)數(shù)據(jù)、試驗(yàn)和檢測(cè)數(shù)據(jù)、歷史缺陷數(shù)據(jù)、運(yùn)維檢修日志數(shù)據(jù)等為對(duì)象，抽取不同的事件，分析事件之間的關(guān)聯(lián)關(guān)系、因果關(guān)系，認(rèn)識(shí)故障的發(fā)展脈絡(luò)和發(fā)展規(guī)律；基于歷史事件脈絡(luò)，對(duì)后續(xù)可能發(fā)生的事件進(jìn)行排序和推送，為運(yùn)維決策提供理論支持。

五、基于故障診斷知識(shí)圖譜的智能排故技術(shù)

（1）基于知識(shí)圖譜的故障智能查詢技術(shù)：通過深度文本匹配技術(shù)，對(duì)基于知識(shí)三元組訓(xùn)練的故障診斷知識(shí)檢索構(gòu)建模型。

（2）基于事理知識(shí)圖譜的隱性故障原因推理技術(shù)：基于故障診斷知識(shí)三元組，研究事理關(guān)系的評(píng)分方法，對(duì)隱性故障原因進(jìn)行推理。

（3）基于事理知識(shí)圖譜的故障傳播推理技術(shù)：基于知識(shí)圖譜，研究設(shè)備結(jié)構(gòu)中不同零部件的耦合機(jī)理；基于耦合機(jī)理，研究零部件故障對(duì)子系統(tǒng)、母系統(tǒng)的故障傳播鏈條進(jìn)行推理。

六、結(jié)語

隨著自動(dòng)化和智能化生產(chǎn)要求的提高，應(yīng)用智能運(yùn)維技術(shù)來增強(qiáng)智能裝備的競(jìng)爭(zhēng)力已成為制造業(yè)關(guān)注的重點(diǎn)。隨著人工智能的發(fā)展，將人工智能應(yīng)用在運(yùn)維以及故障診斷等方面的案例越來越多，針對(duì)該領(lǐng)域的方法也逐漸增多和健全。本文從知識(shí)驅(qū)動(dòng)和數(shù)據(jù)驅(qū)動(dòng)相結(jié)合的角度出發(fā)，對(duì)智能裝備運(yùn)維檢修的問題進(jìn)行分析，提出知識(shí)數(shù)據(jù)雙驅(qū)動(dòng)的方法，為智能運(yùn)維提供新的思路，充分利用知識(shí)以及數(shù)據(jù)來實(shí)現(xiàn)高效的計(jì)算，從而降低運(yùn)維成本，提高生產(chǎn)效率，并且可以在許多復(fù)雜情況下，保持較高的穩(wěn)定性和準(zhǔn)確性。