「智慧企业之路」面向高端制造业的分布式健康管理和远程保障应用
发布时间：2022-11-11 11:18:27 所属栏目：大数据 来源：
导读： 随着智能制造的不断发展以及军队后勤保障要求的不断提高大数据方向，近几年，PHM的研究与应用成为各大制造企业的重点发展方向。传统概念上的PHM应用场景，还停留在F-35战机上的应用模式，而随着人工智能、5G、大
|
随着智能制造的不断发展以及军队后勤保障要求的不断提高大数据方向，近几年，PHM的研究与应用成为各大制造企业的重点发展方向。传统概念上的PHM应用场景，还停留在F-35战机上的应用模式，而随着人工智能、5G、大数据等技术的发展成熟，新形态下的PHM应用模式已经日新月异。PHM不再是一套面向单机装备的健康管理系统，已经进化为一个能够通过新型信息技术的引入，建立分布式、网络化的PHM大数据应用平台。 PHM系统建设目标 PHM系统和一般的信息化系统的建设方式有所不同，PHM的建设无法完全借助软件服务公司的能力，企业自身须具备核心算法的研发能力，结合自身的业务特点，建立自有的分析与预测模型，是PHM的建设核心。那么，如何帮助高端制造企业在不同业务方向上，实现PHM系统的构建能力以及核心算法开发的能力，是企业最应关心的重点，也是软件服务公司的PHM系统建设目标。 新形态下PHM应用的特点 通过国内外的典型PHM应用案例分析，以及国睿信维在近几年新形式下的PHM项目建设经验，我们将新形态的PHM应用特点总结如下： 分布式健康管理与远程保障应用场景 通过对新形态下的PHM应用场景的剖析，结合国睿信维在PHM系统开发与技术咨询领域的多年经验，以及对前沿信息技术的研究和应用。我们认为PHM的应用场景不再是面向单机设备的故障预测与健康管理，而是需要结合企业的业务模式，设计符合高端制造企业发展的通用化应用场景，主要应用场景包括： 应用架构 建立分布式现场级PHM执行系统，通过现场级PHM执行系统获取不同采集对象的监测数据，并通过内置的算法模型，对源数据进行分析和预处理。同时，能够根据不同的PHM应用场景，利用PHM快速开发平台，以免编程、图形化的方式，快速搭建符合监测应用场景的PHM系统，提高现场级PHM执行系统的开发效率。 建立远程状态监控中心系统，帮助管理者实现监测对象的远程状态监控，快速获取监测对象的健康状态、故障预警、健康评估等信息，并通过远程状态监控中心实现远程工作指令的下达和综合运维管理。 通过对多源异构的监测数据进行汇聚，并且通过数据清洗、转换、挖掘等手段，对源数据进行标准化处理，建立标准数据仓库，为算法训练场景提供海量的基础数据。通过不同算法模型的开发，为可视化大数据中心提供数据支撑。 帮助算法研发工程师，构建算法模型的开发、验证、发布等任务于一体的智能化算法模型开发环境。依据不用的模型开发任务，实现算法开发验证场景的快速模块化构建，建立面向不同开发任务的算法模型训练场景，提供算法模型的研制与开发效率。 通过可视化大数据技术，实现监测对象的虚拟化、模型化和数字化展示，以虚拟模型还原实物状态。利用大屏、虚拟现实等技术，实现多维度、多场景、多形态的数据可视化，为管理层提供直观可视的决策指挥中心。 通过面向对象的健康状态监测，对监测对象的健康数据的进行有效的分析和预测，构建基于装备/设备状态的预测性维修维护保障体系，全面实现从传统的状态维修保障向预测性维修保障转变。 分布式健康管理与远程保障应用功能框架 功能架构 分布式健康管理与远程保障应用的功能架构，根据实际业务场景，主要分为五层： 关键技术研究及应用 国睿信维通过对面向高端制造业的分布式健康管理和远程保障系统的功能和关键技术分析，在系统的设计与研发上，已逐步掌握以下一些关键性技术能力： 提供能够适配不同传输协议的通用解码器，帮助用户自主在平台中进行可视化的解析模板配置，支持TCP/IP、OPC、IEC101、IEC104、Modbus、GPIB等标准协议。当进行实际采集任务时，用户可以根据不同的采集场景，选择解析模板，实现通用化的数据采集解码。 现场级PHM执行系统由PHM快速开发平台配置发布后，还可以根据不同的监测任务配置执行系统参数，以适应不同的采集任务，譬如：采集点数量、采集触发方式、采集频率等。并且能够配合远程控制系统，实现现场级PHM执行系统参数的远程调整。 为用户提供免编程的现场级PHM执行系统快速开发环境，以图形化的方式实现PHM执行系统的快速开发及发布，包括、监测对象信息管理、各类模型管理、健康管理流程配置、显示界面开发、数据接口配置、数据管理、输出报告定制、知识库管理等一系列完整功能。 图形化快速开发环境 PHM执行系统能够将海量的多源异构数据进行汇聚，实现对结构化和非结构化数据的快速采集，实现不同采集任务的数据采集策略，以标准的方式，将多点部署现场级PHM执行系统中采集的数据全部汇聚至大数据中心。 大数据环境 构建监测大数据中心，将现场级PHM执行系统的采集数据进行统一存储，支持多种表结构、存储模式、触发方式等存储过程，对采集数据进行清洗、转换，过滤不符合要求的数据，并对不一致的数据转换、数据粒度的转换，将标准数据存储在数据仓库中供分析使用。大数据中心历史数据能够支撑模型算法的炼化，通过算法训练不断强化算法模型。利用不同的算法分析模型，为可视化大数据平台提供基础数据。 提供基于3D模型、GIS、虚拟现实等技术方式，高度还原PHM监测对象的实际工作场景，将监测数据匹配到场景化的虚拟模型上，并利用基于虚拟模型的远程交互技术，实现虚拟模型的场景化远程交互，实现物理对象与虚拟对象的高度匹配。通过对大数据中心的数据挖掘，实现不同管理维度的报表、KPI指标等数据分析，为综合运维保障等工作，提供决策支持。 可视化展示 提供免编程的算法训练场景构建，能够将大数据中心的海量数据抽取后，进行精准推送和订阅。算法开发工程师在系统中对算法模型的输入要求、匹配规则、执行逻辑、执行场景、输入方式等进行快速配置，将算法训练场景通用化，快速构建不同算法研发任务的业务场景。 模型训练 通过对监测对象状态数据的实时获取，利用健康分析算法模型对监测数据进行分析预测，全面感知监测对象的健康状态，并将监测对象的状态预测结果推送至综合运维保障系统，生成相关维修保障建议，驱动整个维修保障任务的执行和闭环，实现基于预测性维修的新一代维修保障模式。 预测性维修场景 PHM的发展方向 未来，PHM的应用方向不再是面向单机装备的预测和健康管理，PHM应该能够适应更多复杂的场景化应用，譬如：面向复杂实验室的状态监测与健康管理、通过便携式的PHM设备实现PHM的外场快速化应用、建立基于网络的装备远程诊断技术等。 未来，在网络条件能够符合军队安全要求的前提下，利用PHM技术对执行任务的装备进行实时状态监控，通过网络将作战装备的状态数据传回基地分析中心，通过对装备的状态分析，提前预设维护及维修计划，建立新一代基于PHM信息化平台的快速响应综合保障机制，形成军地一体化的保障模式。 PHM系统的核心是算法模型，算法模型的精度和实用性，需要对海量的监测数据不断验证并不断优化算法模型。因此，对于算法开发工程师而言，人工智能、机器学习等新技术的学习和应用虽然重要，但是如何能够为算法模型的训练快速搭建训练场景，通过远程控制等技术实现算法的远程下发及验证，一样是算法开发工程师的关心的重要工作。成熟算法的快速形成，是企业PHM系统建立的核心竞争力。 （编辑：草根网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐
浙公网安备 33038102330473号