背景介紹

　　工業(yè)的發(fā)展加劇著能源的不斷消耗，在資源和環(huán)境的約束下，能夠對能耗進行科學的分析和管理才能真正實現(xiàn)能源的有效性運營。因此有大量的能耗管理系統(tǒng)提供商為用能單位提供傳感器與監(jiān)控設備、能源信息管理系統(tǒng)、生產(chǎn)線與建筑管理等產(chǎn)品與服務。隨著工業(yè)的不斷發(fā)展，這些產(chǎn)品及服務已經(jīng)成為了紅海，供應商無法通過銷售能源管理產(chǎn)品獲得足夠的利潤。它們需要探索尚未挖掘的商機或目標客戶群尚未被發(fā)現(xiàn)的需求，來挖掘新的價值。

目標

　　依據(jù)李杰教授的主控式創(chuàng)新理論，我們將目標定為“精益能源管理”，旨在幫助客戶實現(xiàn)精益的能源管理，減少工業(yè)機械能源消耗，通過IT信息工具獲取數(shù)據(jù)，利用有效的技術手段，在數(shù)據(jù)分析中盡可能的挖掘價值。通過相關的工廠能源監(jiān)控和管理軟件，為客戶打造“綠色工廠和自動化服務”。

創(chuàng)新矩陣

核心技術

1、能耗管理與監(jiān)測

　　從能耗管理與監(jiān)測角度，使工廠的能耗透明化。這就要求所提供的能耗數(shù)據(jù)不能像以往那樣僅僅統(tǒng)計每一臺設備在一段時間內(nèi)的總能耗，而是要將能耗的構成進一步分解:

（1）每一臺設備在各種工作模式下的能耗統(tǒng)計。通常設備有停機、待機、空載運轉、工作、待料、自檢等各種工作模式，在生產(chǎn)系統(tǒng)中的設備都是按照產(chǎn)品的生產(chǎn)節(jié)拍在各個模式下有規(guī)律地轉換，而生產(chǎn)節(jié)拍的設計會對能耗產(chǎn)生很大的影響。據(jù)統(tǒng)計，生產(chǎn)系統(tǒng)中的總能耗有很大一部分（離散生產(chǎn)系統(tǒng)超過50% ）其實并非用于生產(chǎn)，而是設備的待機、空載運轉、待料等過程中的無用功消耗，了解這些消耗的構成是對生產(chǎn)計劃和生產(chǎn)節(jié)拍優(yōu)化的第一步。

（2）每一種產(chǎn)品在不同生產(chǎn)環(huán)節(jié)中的能耗。統(tǒng)計每一種產(chǎn)品在生產(chǎn)過程中的能量消耗能夠增加產(chǎn)品成本的透明度，并將這些數(shù)據(jù)反饋到設計端進行生產(chǎn)工藝和流程的優(yōu)化。

（3）比較執(zhí)行相同任務的不同設備的能耗差異。通常一個工廠內(nèi)會有生產(chǎn)同類產(chǎn)品的多條產(chǎn)線，而不同產(chǎn)線中的設備供應商也會五花八門，對同類產(chǎn)線中執(zhí)行相同負載循環(huán)的設備能耗進行比較，就可以知道哪種供應商的設計更加節(jié)能、控制策略更加優(yōu)化。同時這些信息也是供應商想要獲得的，在對數(shù)據(jù)進行充分分析后，可將能耗排序、能耗分解和根本原因挖掘的分析結果有償提供給這些供應商，并對他們提出改善要求，實現(xiàn)與供應商的共同成長。

2、挖掘能耗數(shù)據(jù)的價值

　　從能耗產(chǎn)生的數(shù)據(jù)角度，進一步挖掘更多的信息，從而分析預測設備的運行風險與產(chǎn)品的質量風險。在生產(chǎn)系統(tǒng)中，存在著許多不可測量的風險，這些風險在真正引發(fā)設備故障和次品率上升之前很難被知曉和避免，這就需要通過采集一些具備先兆性的信號加以預測。然而，由于生產(chǎn)系統(tǒng)中的設備眾多，且生產(chǎn)環(huán)境較為復雜，對所有設備加裝傳感器顯然是不太現(xiàn)實的，這就需要有一種非侵入式的監(jiān)控手段，通過設備天然具備的信號進行監(jiān)測。 對于幾乎所有設備而言，能耗信息就是設備天然具備的信號，且能夠在一定程度上顯示出設備衰退、質量偏移等不可測量風險的征兆。

能耗信息故障預診系統(tǒng)示意圖

　　美國智能維護系統(tǒng)中心(IMS)與日本某自動化控制及電子設備制造廠商合作開發(fā)了基于能耗信號對工業(yè)系統(tǒng)進行故障預測與健康管理的技術(Power Prognosis Analytics,PPA)，通過對設備能耗信息的深度建模與信息挖掘，實現(xiàn)對設備早期故障和產(chǎn)品質量風險的預測性管理。PPA能夠對產(chǎn)品各個生產(chǎn)環(huán)節(jié)中被不同設備加工過程中的能耗信息進行采集，并在嵌入式的處理中進行自動地步驟識別和特征提取等功能，分析每一個步驟的質量風險貢獻度。

　　這套分析系統(tǒng)的核心被稱為非嵌入式設備能耗診斷分析模塊(Nonintrusive Energy-based Machine Performance Analytics,EMPA)，能耗信號輸入到 EMPA 模塊后，經(jīng)過分析流程，針對固定時間固定動作、動態(tài)時間固定動作以及動態(tài)時間動態(tài)動作等不同設備屬性開發(fā)了相應的分析模塊。其分析步驟可以大致分解為以下幾部分：

步驟 1：分析模塊讀取傳感器讀入的原始數(shù)據(jù)，并對原始數(shù)據(jù)按照負載循環(huán)進行自動識別和分割。數(shù)據(jù)分割可以按照信號周期性出現(xiàn)的特征，比如功率的峰值、零交點等。對于工業(yè)生產(chǎn)系統(tǒng)而言，由于設備一直在不停地生產(chǎn)同樣的產(chǎn)品，每一個負載循環(huán)的功率和能耗曲線應該有很大的相似性，因此可以根據(jù)這些曲線中的相似點進行數(shù)據(jù)分割。

步驟 2：對在步驟 1 中進行分割后的信號進行特征提取，將原始數(shù)據(jù)映射到特征空間。特征提取是指從傳感器信號中提取能夠反映信號特性的一些量值，此方法中主要包括時域特征。信號的時域特征主要包括均值、每個步驟的總能耗、總能耗與預期值的偏差、能量最大值、均方值、峭度、偏斜度以及信號熵等。

步驟 3：對提取的特征矩陣進行降維處理，目的是為了去除點特征矩陣中的冗余，在保證方差最大情況下將盡可能地去除特征之間的相關性。常用的數(shù)據(jù)降維手段包括K-L變換、主成分分析等數(shù)據(jù)降維的手段。

步驟 4：基于最新獲得的信號特征矩陣，基于計算設備當前狀態(tài)與健康基線狀態(tài)的偏差對設備的衰退狀態(tài)進行評計，從而量化設備衰退程度。

步驟 5：在獲得設備衰退狀態(tài)信息之后便可通過強化學習的機制選擇不同設備衰退狀態(tài)下合適的預測模型，從而進一步預測設備特征空間的未來發(fā)展趨勢。

步驟 6：當設備的健康值超過了控制范圍，或是所預測的未來健康值在未來設定時間內(nèi)超過控制范圍，系統(tǒng)將產(chǎn)生相應的預警提示。

案例分享

　　日本某自動化控制及電子設備制造廠商掌握著世界領先的傳感與控制核心技術。在工業(yè)自動化控制系統(tǒng)領域中，產(chǎn)品系列包括各種傳感器和監(jiān)控設備，并涉及生產(chǎn)線與建筑物的管理工作，可以及時獲取生產(chǎn)線上各工業(yè)機械的能源消耗數(shù)據(jù)，實現(xiàn)對工業(yè)機械的性能監(jiān)控。用能企業(yè)通過分析和利用所獲得的能源監(jiān)控數(shù)據(jù)，可以減少生產(chǎn)線運行過程中所消耗的能源。

　　在與美國智能維護系統(tǒng)中心(IMS)的合作中，該廠商開發(fā)了KM100系統(tǒng)，這是由一種節(jié)能的、小型化的電量監(jiān)控器所構成的系統(tǒng)，可測量并顯示生產(chǎn)線中各工位各機械設備的初始電壓、電流、累計電量、無效功率、功率因數(shù)和頻數(shù)等，并在本體中存儲測量數(shù)據(jù)，在通信網(wǎng)絡中進行集中監(jiān)控管理，可以輕松實現(xiàn)節(jié)能信息的獲取和監(jiān)控功能。

　　另外，在商業(yè)模式的創(chuàng)新方面，該日本企業(yè)采用贈送設備、退稅提成的方式，與客戶共享能源精密管理所帶來的經(jīng)濟效益。如果直接銷售KM100產(chǎn)品所產(chǎn)生的利潤并不高，如果將產(chǎn)品免費贈送給具有生產(chǎn)線的工廠，通過及時監(jiān)控和分析數(shù)據(jù)幫助生產(chǎn)線實現(xiàn)節(jié)能，然后根據(jù)該生產(chǎn)線每年節(jié)能退稅總額進行提成。由此，免費贈送的方式可以鼓勵生產(chǎn)線使用該產(chǎn)品，也為企業(yè)帶來了很大的收益，在提升能源使用效率的同時實現(xiàn)業(yè)務的開發(fā)和拓展。

注：此案例被收錄于李杰等著寫的《從大數(shù)據(jù)到智能制造》一書中。