论文部分内容阅读
面对科技创新发展的新趋势，世界主要国家都在寻找科技创新的突破口，抢占未来经济、科技发展的先机。美国提出先进制造业国家战略计划；德国发布“工业4.0”战略。智能制造，则是“中国制造2025”的主攻方向。
当物联网遇上中国制造
百分点认为，智能制造是指由智能机器和人类专家共同组成的人机一体化智能系统在制造过程中进行诸如分析、推理、判断、构思和决策等活动，通过人与智能机器合作共事去扩大、延伸和部分地取代人类专家在制造过程中的脑力劳动。它升级了制造自动化概念，扩展到柔性化、智能化和高度集成化。
过去使用的一些数控系统、工业机器人，基本上是按人设定的程序运行，本身并不智能。因此，我们要进一步提高高端传感器、重要操作系统的智能化水平，才能达到智能制造的要求。
“工业4.0”与自动化之间，最重要的差别就是是否运用了物联网技术，是否支持小批量、定制化生产。信息技术为中国制造业实现从大到强的转变提供了强大的支撑。
在信息化推进过程中，未来至少有五个技术至关重要，即云大物移社（云计算、物联网、大数据、移动化、社会化）。那么它们之间是什么关系呢？百分点认为：
·云计算是信息化的骨骼，所有的系统都会放在云上。这是大的趋势。
·物联网是连接数据世界和现实世界的一个桥梁，现实世界的信息会通过各种物联网技术转换到数据世界中。
·在这个数据世界中，大数据技术会不断地处理这些数据，产生一些有用的信息；这些信息再通过物联网传回现实世界中。这是一个不断循环的机制。
·移动化是一种策略，便于我们重新分配以前零散的资源，比如碎片化时间的利用。
·社会化是灵魂，因为人是一个社会化的动物，将来不管是云还是大数据，一定会分化成好多的云。
在此基础上，百分点推出了PHM（Prognostics and Health Management，故障预测与健康管理）云服务方案。
PHM 的演进
百分点认为，PHM包括两层含义：一是故障预测，即预先诊断部件或系统完成其功能的状态，确定部件正常工作的时间长度；二是健康管理，即根据诊断/预测信息、可用资源和使用需求对维修活动做出适当决策。
因PHM系统能够实现武器装备基于状态的维修（CBM）、自主式保障等，受到美英等军事强国的高度重视和推广应用。这主要是因为PHM能够带来两个关键转变：第一，从传统的基于单个传感器的诊断转变为基于智能系统的预测；第二，从事件驱动的维修（即事后维修）、时间驱动的维修（即定期维修），转变为基于状态的维修。
PHM的这种转变可以带来六方面的价值：提供系统失效的高级告警；提供视情维护能力；能够为将来的设计、评估和系统分析获得历史数据和知识；通过维护延长周期或及时维修提高系统的可用性；通过降低检查成本、故障时间和库存，降低设备全寿命周期的使用成本；减少间歇性故障和未发现故障的情况发生。
上世纪末，美军重大项目F-35联合攻击机（JSF）项目的启动正式把故障预测和维修全面解决方案命名为PHM。PHM为JSF项目的成功提供了很好的保障，减少了维修的人力物力，增加了出动架次，实现自主式保障。比如，舰载飞机落地之前，PHM根据预测诊断信息提出维修要求；地面人员根据维修要求、库存情况给出维修建议；飞机返回后，相关人员立即组织地面资源进行舰载补给、人员调配等预测性维护。
支持设备智能化维护
在国内的制造业中，同样存在着类似的设备维护问题。百分点通过大量实践和调研，总结出当前制造业在设备维护方面面临六大挑战。
挑战一：设备历史数据没有被很好地利用，故障发生后，很难追溯设备故障的真正原因。
挑战二：设备异常诊断完全凭经验，只有少数资深的维修员才能评估设备在某一时刻的状态是否正常。发生非正常情况时，到底情况有多糟糕，每个维修员的判断也不相同。
挑战三：定位异常报警的原因困难。设备的故障是由某个或者多个部件异常导致的，而部件异常很可能在表值中有所体现。表值瞬间异常很有可能是正常情况，但周期性瞬间异常就很有可能是真正的异常状态。这种周期性瞬间是通過人工无法捕捉的。
挑战四：无法进行预测性维护、检修。对设备状态进行评估过后，维修人员难以判断设备多久后会损坏。由于难以评定维修的优先级，因而较难合理安排维修时间和维修人员。
挑战五：库存亟须优化。企业不能保证所有部件都有库存。如果故障部件缺货，会带来很多麻烦。
随着信息技术的发展，特别是大数据分析等技术的不断成熟，大数据技术成为企业设备不间断运行的重要保障。百分点研发的PHM云服务解决方案，以“物联网 大数据”的方式将传统的事件驱动和时间驱动的维修、维护，转变为智能系统预测维修。
百分点PHM不仅提供故障预测能力，还提供健康管理能力，以“望闻问切”的方式去对症下药。
百分点PHM以大数据平台作为基础，建模平台为支撑，由六大部分组成：
数据采集 利用各种传感器探测、采集被检系统的相关参数信息，将收集的数据进行有效信息转换和传输；
信息处理 接受来自传感器和其他数据处理模块的数据信息，将数据信息处理成后续部件可以处理的有效形式或格式；
状态监测 接受来自传感器，以及数据处理和其他状态监测模块的数据；
健康评估 接受来自不同状态监测模块和其他健康评估模块的数据；
故障预测 综合利用上述各部分的数据信息，预测被监测系统未来的健康状态并做出判断，建议决策者采取相应的措施；
保障决策 主要包括人—机接口和机—机接口。
上述各部件之间并没有明显界限，存在着数据信息的交叉反馈。 目前，设备监控在数据分析里有四个阶段：第一个阶段是描述性的分析，第二个阶段是诊断性分析，第三个阶段是预测性分析，第四个阶段是建议性分析。但是大多数的监控解决方案都仅能達到第一、第二阶段。而百分点PHM已经可以达到第三个阶段，甚至到第四阶段。
值得注意的是，建模是PHM解决方案的一个关键。百分点具有强大的建模团队，他们能够从业务角度出发进行建模，如健康度建模和多级预警。
健康度建模。实时计算和监测健康度，是提高设备资产利用率和发现设备异常的重要途径。百分点针对设备运行数据进行建模，将所有监控数据整合为“健康度曲线”这样的一个维度数据展现出来。针对一个维度对数据进行实时分析，使得评估变得更加简单，新手维修员更容易入手。
多级预警。百分点将预警等级分为3级：中度预警、重度预警、故障预警；以健康度为基础，三种预警以“次数”和“相隔时间”两种规则来进行定义，用来检测持续异常报警和周期性瞬间预警。
百分点PHM的价值体现在，可以监测设备性能下降或与期望的正常状态的偏离状况、预测设备在未来的可靠性、对突变性故障进行告警，以及对渐变性故障进行早期预警。
百分点PHM对于企业的好处是，可以及时发现设备的异常状态，实现从传统的基于自动化设备单个表值的监测，向基于智能系统的整体预测的转变，为备机、热机切换争取时间，减少信号中断时间，为机器之间的替换提供信息支持，降低潜在的设备监管费用。
应用实践
目前，百分点已经为广电行业企业提供以大数据平台为基础、大数据预测模型为核心的PHM解决方案，提供保障国家核心设施为目标的大数据应用服务。
广电行业企业采用百分点PHM系统，主要经过四步：第一步，实现基础设施的数据化，广电行业企业可以利用大数据平台将业务涉及的方方面面数据化，包括人员、组织、设备、部件、厂商、库存和标准规范等，百分点从2500多个数据源里整理出50多个标准数据集；第二步，将业务模型化，利用大数据建模将业务流程、经验、知识模型化，将经验、知识转换为数学模型；第三步，利用大数据分析技术，感知和预判设备健康状态，实现基于状态的预测性维修，做到维护智能化；第四步，持续优化，在业务实践中持续优化、迭代业务模型，指导基础数据的收集和应用，形成业务和数据的闭环管理。这样，当设备出现异常时，模型就能判断出在一定时间范围内设备出现故障的概率。
当物联网遇上中国制造
百分点认为，智能制造是指由智能机器和人类专家共同组成的人机一体化智能系统在制造过程中进行诸如分析、推理、判断、构思和决策等活动，通过人与智能机器合作共事去扩大、延伸和部分地取代人类专家在制造过程中的脑力劳动。它升级了制造自动化概念，扩展到柔性化、智能化和高度集成化。
过去使用的一些数控系统、工业机器人，基本上是按人设定的程序运行，本身并不智能。因此，我们要进一步提高高端传感器、重要操作系统的智能化水平，才能达到智能制造的要求。
“工业4.0”与自动化之间，最重要的差别就是是否运用了物联网技术，是否支持小批量、定制化生产。信息技术为中国制造业实现从大到强的转变提供了强大的支撑。
在信息化推进过程中，未来至少有五个技术至关重要，即云大物移社（云计算、物联网、大数据、移动化、社会化）。那么它们之间是什么关系呢？百分点认为：
·云计算是信息化的骨骼，所有的系统都会放在云上。这是大的趋势。
·物联网是连接数据世界和现实世界的一个桥梁，现实世界的信息会通过各种物联网技术转换到数据世界中。
·在这个数据世界中，大数据技术会不断地处理这些数据，产生一些有用的信息；这些信息再通过物联网传回现实世界中。这是一个不断循环的机制。
·移动化是一种策略，便于我们重新分配以前零散的资源，比如碎片化时间的利用。
·社会化是灵魂，因为人是一个社会化的动物，将来不管是云还是大数据，一定会分化成好多的云。
在此基础上，百分点推出了PHM（Prognostics and Health Management，故障预测与健康管理）云服务方案。
PHM 的演进
百分点认为，PHM包括两层含义：一是故障预测，即预先诊断部件或系统完成其功能的状态，确定部件正常工作的时间长度；二是健康管理，即根据诊断/预测信息、可用资源和使用需求对维修活动做出适当决策。
因PHM系统能够实现武器装备基于状态的维修（CBM）、自主式保障等，受到美英等军事强国的高度重视和推广应用。这主要是因为PHM能够带来两个关键转变：第一，从传统的基于单个传感器的诊断转变为基于智能系统的预测；第二，从事件驱动的维修（即事后维修）、时间驱动的维修（即定期维修），转变为基于状态的维修。
PHM的这种转变可以带来六方面的价值：提供系统失效的高级告警；提供视情维护能力；能够为将来的设计、评估和系统分析获得历史数据和知识；通过维护延长周期或及时维修提高系统的可用性；通过降低检查成本、故障时间和库存，降低设备全寿命周期的使用成本；减少间歇性故障和未发现故障的情况发生。
上世纪末，美军重大项目F-35联合攻击机（JSF）项目的启动正式把故障预测和维修全面解决方案命名为PHM。PHM为JSF项目的成功提供了很好的保障，减少了维修的人力物力，增加了出动架次，实现自主式保障。比如，舰载飞机落地之前，PHM根据预测诊断信息提出维修要求；地面人员根据维修要求、库存情况给出维修建议；飞机返回后，相关人员立即组织地面资源进行舰载补给、人员调配等预测性维护。
支持设备智能化维护
在国内的制造业中，同样存在着类似的设备维护问题。百分点通过大量实践和调研，总结出当前制造业在设备维护方面面临六大挑战。
挑战一：设备历史数据没有被很好地利用，故障发生后，很难追溯设备故障的真正原因。
挑战二：设备异常诊断完全凭经验，只有少数资深的维修员才能评估设备在某一时刻的状态是否正常。发生非正常情况时，到底情况有多糟糕，每个维修员的判断也不相同。
挑战三：定位异常报警的原因困难。设备的故障是由某个或者多个部件异常导致的，而部件异常很可能在表值中有所体现。表值瞬间异常很有可能是正常情况，但周期性瞬间异常就很有可能是真正的异常状态。这种周期性瞬间是通過人工无法捕捉的。
挑战四：无法进行预测性维护、检修。对设备状态进行评估过后，维修人员难以判断设备多久后会损坏。由于难以评定维修的优先级，因而较难合理安排维修时间和维修人员。
挑战五：库存亟须优化。企业不能保证所有部件都有库存。如果故障部件缺货，会带来很多麻烦。
随着信息技术的发展，特别是大数据分析等技术的不断成熟，大数据技术成为企业设备不间断运行的重要保障。百分点研发的PHM云服务解决方案，以“物联网 大数据”的方式将传统的事件驱动和时间驱动的维修、维护，转变为智能系统预测维修。
百分点PHM不仅提供故障预测能力，还提供健康管理能力，以“望闻问切”的方式去对症下药。
百分点PHM以大数据平台作为基础，建模平台为支撑，由六大部分组成：
数据采集 利用各种传感器探测、采集被检系统的相关参数信息，将收集的数据进行有效信息转换和传输；
信息处理 接受来自传感器和其他数据处理模块的数据信息，将数据信息处理成后续部件可以处理的有效形式或格式；
状态监测 接受来自传感器，以及数据处理和其他状态监测模块的数据；
健康评估 接受来自不同状态监测模块和其他健康评估模块的数据；
故障预测 综合利用上述各部分的数据信息，预测被监测系统未来的健康状态并做出判断，建议决策者采取相应的措施；
保障决策 主要包括人—机接口和机—机接口。
上述各部件之间并没有明显界限，存在着数据信息的交叉反馈。 目前，设备监控在数据分析里有四个阶段：第一个阶段是描述性的分析，第二个阶段是诊断性分析，第三个阶段是预测性分析，第四个阶段是建议性分析。但是大多数的监控解决方案都仅能達到第一、第二阶段。而百分点PHM已经可以达到第三个阶段，甚至到第四阶段。
值得注意的是，建模是PHM解决方案的一个关键。百分点具有强大的建模团队，他们能够从业务角度出发进行建模，如健康度建模和多级预警。
健康度建模。实时计算和监测健康度，是提高设备资产利用率和发现设备异常的重要途径。百分点针对设备运行数据进行建模，将所有监控数据整合为“健康度曲线”这样的一个维度数据展现出来。针对一个维度对数据进行实时分析，使得评估变得更加简单，新手维修员更容易入手。
多级预警。百分点将预警等级分为3级：中度预警、重度预警、故障预警；以健康度为基础，三种预警以“次数”和“相隔时间”两种规则来进行定义，用来检测持续异常报警和周期性瞬间预警。
百分点PHM的价值体现在，可以监测设备性能下降或与期望的正常状态的偏离状况、预测设备在未来的可靠性、对突变性故障进行告警，以及对渐变性故障进行早期预警。
百分点PHM对于企业的好处是，可以及时发现设备的异常状态，实现从传统的基于自动化设备单个表值的监测，向基于智能系统的整体预测的转变，为备机、热机切换争取时间，减少信号中断时间，为机器之间的替换提供信息支持，降低潜在的设备监管费用。
应用实践
目前，百分点已经为广电行业企业提供以大数据平台为基础、大数据预测模型为核心的PHM解决方案，提供保障国家核心设施为目标的大数据应用服务。
广电行业企业采用百分点PHM系统，主要经过四步：第一步，实现基础设施的数据化，广电行业企业可以利用大数据平台将业务涉及的方方面面数据化，包括人员、组织、设备、部件、厂商、库存和标准规范等，百分点从2500多个数据源里整理出50多个标准数据集；第二步，将业务模型化，利用大数据建模将业务流程、经验、知识模型化，将经验、知识转换为数学模型；第三步，利用大数据分析技术，感知和预判设备健康状态，实现基于状态的预测性维修，做到维护智能化；第四步，持续优化，在业务实践中持续优化、迭代业务模型，指导基础数据的收集和应用，形成业务和数据的闭环管理。这样，当设备出现异常时，模型就能判断出在一定时间范围内设备出现故障的概率。