背景介紹

智能制造是當下的熱點話題。在人們談論智能制造時，重于暢想愿景，而多疏于思考為什么我們要實現(xiàn)工業(yè)智能化。除了咨詢公司對工業(yè)智能化市場在商業(yè)價值上的背書，數(shù)字后面還有更加直觀的原因。試想，當我們提到互聯(lián)網(wǎng)對生活的改變時，基于地理位置的服務無疑最為突出。曾經(jīng)我們要從A點出發(fā)到B點，我們可能需要一張地圖、一張畫好路線的紙，找到了還要在頭腦中熟記從A到B的線路，即使如此也無法保證不走錯路。而自從智能手機問世以來，人們再難見到紙質(zhì)地圖與線路草紙了，取而代之的，是無數(shù)手機應用軟件。例如，Waze提供的平臺，不僅僅是地圖的電子化，上面提供了諸多像交通狀況、行程時間估計等實時信息，來方便我們出行。地圖平臺將與出行相關的要素實時整合、分析，及時適應新變化，從而支持我們快速做出出行決策。簡言之，智能地圖平臺提供的是一種隨時隨地無憂出行的能力。

圖1. 為什么我們需要智能制造？

地理信息的智能化賦予了我們無憂出行的能力，那么工業(yè)智能化呢？未來的機器將具有一個能夠進行邊緣計算、并且與其他機器以及計算平臺通信的本地代理。在計算平臺上，部署的諸多行業(yè)應用將能夠把機器數(shù)據(jù)實時轉(zhuǎn)換為可行動信息，賦予機器自我意識、自我比較、自我預測、甚至是自我維護的能力，最終實現(xiàn)無憂生產(chǎn)。與互聯(lián)網(wǎng)服務類似，工業(yè)智能化需要的不僅是離線的仿真、數(shù)據(jù)治理、或連網(wǎng)，而是能夠?qū)崟r、快速自適應的分析與決策支持能力。

目標

從對設備維護的角度看，智能制造的目標是無憂生產(chǎn)。按照李杰教授的CPS理論“5C”框架[1], [2]延伸，一個智能制造系統(tǒng)應該具備本地代理、分析平臺、專家知識庫的自動積累、以及優(yōu)化與決策支持系統(tǒng)。本地代理首先將數(shù)據(jù)從設備中采集出來，經(jīng)過特征提取，在本地可以做簡單的衰退監(jiān)測。計算能力更強的平臺將負責更加復雜的運算，得出設備的健康信息。預測出的健康信息可以輸入工廠系統(tǒng)，給出維護維修的最佳時機，支持設備維護部門維護維修的排程決策。對于可補償?shù)乃ネ?，也可以用得到的設備情況進行控制參數(shù)優(yōu)化，減緩衰退。同時，分析得出的對設備的洞見將被固化在平臺上的工業(yè)知識庫中。對于設備現(xiàn)象的判斷以及產(chǎn)生這種現(xiàn)象背后原因的分析，有時仍然需要專家意見的輸入，豐富知識庫，增強智能系統(tǒng)的可靠性。累積的對設備的洞察可以為設計反應實際使用中可能會遇到的問題，從而閉環(huán)產(chǎn)品生命周期管理，不斷改進設備性能。

圖2. 無憂生產(chǎn)的愿景

核心技術(shù)

工業(yè)智能化的重要環(huán)節(jié)之一是快速場景化。制造業(yè)的許多工藝往往都有復雜的工況，這就要求在場景化的過程中，反映實體系統(tǒng)健康狀態(tài)的模型能夠自動適應變化的工況，并且將工況的變化與真實的衰退區(qū)分開。傳統(tǒng)的故障預測與健康管理(PHM)模型建立過程通常是單向的，最主要的形式有三種：

1. 靜態(tài)模型：用所謂的“黃金基線”訓練一個模型，假設其可以適用于所有情況；

2. 多工況聯(lián)合模型：對工況離散的情況，在每個工況下建立一個局部模型，假設不會有新工況出現(xiàn)；

3. 增加訓練數(shù)據(jù)樣本：對工況更為復雜的情況，大量增加訓練樣本來提高建模準確率，假設數(shù)據(jù)的增量可以彌補工況復雜性。

針對這三種形式假設的局限性，美國智能維護系統(tǒng)(IMS)中心提出了自適應的預診斷模型建立方法論，加強模型的可規(guī)模性與部署實施的可靠性[3], [4]。如圖 3所示，自適應預診系統(tǒng)首先可以識別變化的工況。這種工況的變化除了操作造成的之外，也可能是由于組件的疲勞程度加深。其次，根據(jù)工況的變化，已經(jīng)不同工業(yè)應用的衰退理論模型，可以估計模型參數(shù)，進而估計衰退的程度。最后，將估計后的模型與變化的工況相結(jié)合，預測關鍵組件的剩余壽命，達到預診目的。

圖3. 自適應預診[3], [4]

案例分享

2013年，IMS中心與某帶鋸機床生產(chǎn)商合作，實踐了對傳統(tǒng)制造業(yè)機器智能化的前沿研究[1]。帶鋸機床的用戶并不會要求其加工精度像工具機一樣高，也不要求其加工的復雜性，但對其加工速度與切割平面的平整度有較高要求。帶鋸機床上的鋸帶是耗材，在切割一定面積的工件后需要更換，而帶鋸機床本身的價格又沒有鋸帶貴。所以，帶鋸機切割雖然是傳統(tǒng)行業(yè)，但其對供應商售后服務的要求卻較高，而對服務效率改善的投入，將容易被用戶接受。

如圖 4所示，傳統(tǒng)帶鋸機床維護的痛點不是機床本身，而是鋸帶的準時更換。在加工過程中，有經(jīng)驗的操作員會根據(jù)鋸帶切割時噪音的大小來判斷是否應該更換鋸帶。但是，經(jīng)驗的傳承需要時間，感受又因人而異，很容易發(fā)生更換鋸帶過早或過晚的情況。若換得過早，本可以繼續(xù)使用的好鋸帶將被浪費，增加“看不見的維護支出”（點擊閱讀原文，見《賽博制造：基于動態(tài)群組的強韌制造系統(tǒng)》了解詳情）；若換得過晚，則會造成非預期的停機事件，使用戶“失去本可以用來生產(chǎn)的時間”。斷裂的鋸帶可能留在工件中，這樣昂貴的工件材料也將被浪費，而且，斷裂瞬間，嚴重的甚至會造成安全事故。

在具體的項目實踐中，從控制器與附加的傳感器采集數(shù)據(jù)建立鋸帶衰退預測系統(tǒng)。根據(jù)鋸帶的振動、聲學等特性，以及機器運轉(zhuǎn)的工況，被采集的數(shù)據(jù)經(jīng)過特征提取變?yōu)樘卣骶仃?。由于加工的工件材料變化，以及加工過程本身的瞬時工況復雜性，自適應預診方法被用來建立鋸帶的衰退預測模型。模型建立后，用戶可以同時在電腦端與移動客戶端監(jiān)測鋸帶的衰退與機器關鍵組件的健康情況，從而在鋸帶剛好要斷裂之前，準時更換。每種類型鋸帶的衰退檔案都將被存儲在用戶的私有云中，形成可以即時更新的鋸帶衰退網(wǎng)絡孿生。日積月累，通過對比不同種類鋸帶的網(wǎng)絡孿生，用戶將清楚知道每種鋸帶在切割不同形狀、不同材料工件時的性能，從而在采購鋸帶時能夠更經(jīng)濟地管理供應商，進一步降低成本；鋸帶制造商也可以通過鋸帶衰退曲線，建立洞察，改進鋸帶的性能，減少實驗成本，同時提高耐用性。

此案例在2014年芝加哥的國際制造技術(shù)展會(IMTS)上展出，并受到廣泛關注。在2015年，帶鋸機床生產(chǎn)商推出了自己的智能化產(chǎn)品，同時在北美帶鋸機床行業(yè)的排名從第八名躍升至第一。

圖5. 帶鋸機床鋸帶衰退智能監(jiān)測平臺，支持機床無憂生產(chǎn)

參考資料

[1]李杰, 《工業(yè)大數(shù)據(jù)》. 機械工業(yè)出版社, 中國, 2015.

[2]J. Lee, H. D.Ardakani, S. Yang, and B. Bagheri, “Industrial Big Data Analytics and Cyber-physical Systems for Future Maintenance & Service Innovation,” Procedia CIRP, vol. 38, pp. 3–7, 2015.

[3]S. Yang, “AnAdaptive Prognostic Methodology and System Framework for Engineering Systemsunder Dynamic Working Regimes,” 2015.

[4]S. Yang,“Regime Adaptive Health Prognostics for Enabling Self-aware Machines in BigData Environment,” in IMS Center 29th Industry Advisory Board Meeting, 2015.