工业互联网与phm

(健康、亚健康、疾病、寿命预测）
PHM技术发展阶段
发展阶段：
外部测试 机内测试 （BIT） 智能BIT 综合诊断 PHM
应用层次：
部件级 分系统级
系统集成 （区域管理器）
PHP出现的技术基础
需求牵引：系统复杂性、信息化和综合化程度大幅度提高
装备维修保障工作重点已由传统的以机械修复为主，逐步转变为以信息
机器学习在PHM中应用
故障诊断智能化水平与系统的机器学习能力密切相关
，机器学习技术是提高智能故障诊断能力主要途径：
① 知识获取技术 ② 深浅知识集成表示方法
③ 规则更新方法
④ 4机器学习策略
机器学习-知识获取技术
知识获取是构造智能诊断系统的一个“瓶颈”问题
传统的知识获取方法：
通过知识工程师获取知识
简单学习
交互学习 知识检验与评价 知识库
独立学习
机器学习策略结构图
53
机遇与挑战
挑战：
工业网络的安全问题，数据隐私及安全 海量数据的精准处理及应用问题 如何建立统一、开放、标准的数据平台
机遇
创造新工业价值生态的机会 推动产业全面升级 推动工业生产进入智能时代
工业互联网核心技术 工业互联网架构
工业互联网的应用场景及典型案例
应用场景 典型案例
高端装备的健康管理
பைடு நூலகம் 健康管理定义 健康管理的关键技术
工业互联网的机遇与挑战
机遇 挑战
工业互联网应用场景
加速产品创新
产品故障诊断与预测
优化工艺和生产流程
工业供应链的分析与优化
产品销售预测与需求管理
工业4.0 自动化 智能化
工业互联网的特点
多源性获取，数据分散，非结构化数据比例大 数据蕴含信息复杂，关联性强 持续采集，具有鲜明的动态时空特性 采集、存贮、处理实时性要求高
与具体工业领域密切相关
数据来源
机器设备 采集数据
• 传感器 • 仪表盘 • BUS
企业内部 管理系统 数据
• ERP • 供销存 • 客户关系
什么是工业互联网？ 工业互联网有何特点？ 工业互联网解决什么问题？ 工业互联网核心技术 工业互联网架构 应用场景 典型案例
工业互联网的核心技术及架构 工业互联网的应用场景及典型案例
高端装备的健康管理
工业互联网的机遇与挑战
机遇 挑战
健康管理定义 健康管理的关键技术
故障诊断与预测技术
基于数学模型的故障检测与诊断方法
特点是必须将故障数学模型化，有时建立模型很困难 不依赖实例和经验，适用于新的没有成熟经验的诊断
基于参数估计的故障检测与诊断方法
特点是须先确定一个信任域，当参数超出域时认为故障 适用于故障能由参数的显著变化来描述的诊断
基于信号处理的故障检测与诊断方法
通过知识编辑器获取知识
通过学习程序获取知识
复杂设备的智能故障诊断系统，知识获取方法：
从文本文献资料直接获取知识 专家与诊断系统交互获取知识 从经验或现有知识中学习获取知识
机器学习-深浅知识集成表示
一般说来，浅知识（人类专家的经验知识）的知识表
达直观、形式统一、模块性强、推理速度快，但对于


案例2：空气压缩机喘振预测分析
输入数据
• 有/无喘振现象数据
数据降维——主成分分析
• 从显著性变量组成的向量中提取特征值
支持向量机分类
• 寻找最佳的喘振线
预测分析工具
• 在线监控和优化控制
喘振预警与报警
案例3：工厂机器人健康预测分析
案例四：服装定制制造业典范(红领)
2014年，以零库存实现150%的业绩增长
目录
工业互联网的前世今生
什么是工业互联网？ 工业互联网有何特点？ 工业互联网解决什么问题？
工业互联网的核心技术及架构
工业互联网核心技术 工业互联网架构
工业互联网的应用场景及典型案例
应用场景 典型案例
高端装备的健康管理
健康管理定义 健康管理的关键技术
工业互联网的机遇与挑战
生产计划与智能排班
案例1：海尔数字化网络化生产线
围绕用户价值，实现全流程端对端互联，对家电制造业进行水平整 合和垂直整合，打造冰箱、空调、洗衣机等家电互联型智能工厂 三层互联：用户、企业和资源连接实现内外互联、信息互联、虚实 互联 三个转变：内部评价=》用户评价；采购零件=》模块供货方参与设 计的模块采购；各方博弈关系=》价值共同体共创共享 海尔洗衣机互联工厂在50万用户参与交互中，从79个模块方案中确 定2个最佳组合投产。设计的水晶滚筒洗衣机能耗比欧洲A+++标准节 能40% 2013～2014年，海尔累计裁掉2.6万名员工，2014年海尔销售收入增 长11%，利润增长39%。2015年初海尔家电出口逆势增29%
技术推动：大数据技术、高速传输和处理、信息融合、MEMS、网络
等信息技术和高新技术的迅速发展。
契机：美军重大项目F-35联合攻击机（JSF）项目的启动。
健康诊断与故障预测流程
PHM的主要技术组成
关键系统和 部件的故障预测 故障检测 故障隔离 性能监控 残余使用 寿命预计
部件寿命跟踪
PHM的 功能
企业外部 相关数据
• 客户需求 • 物流 • 政策数据
工业互联网全景视图
大数据解决什么问题？
预防
2
4
解决
1
3
可见问题
不可见问题
大数据如何解决问题？
工业生产
发现工业生产 中的质量缺陷 ，设备故障， 销售下滑等 新的解决方案 应用指导工业 生产，形成新 的生产力
大数据
解决方案
从5M要素获取数据，通过建模发现数据 中有价值的信息，提出解决方案
机器学习-规则更新方法
故障诊断智能化水平与系统的机器学习能力密切相关
，系统运行过程中，规则集通常需要不断更新
新模式或已有模式的新成员确定
数据库中规则更新的评价函数和属性统计方法
粗糙集理论是一种处理模糊和不精确信息的新方法—
—基于粗糙集理论的规则更新方法
机器学习-3种学习策略
简单学习：
工业互联网与高端装备健康管理
201804
参考书目
目录
工业互联网的前世今生
什么是工业互联网？ 工业互联网有何特点？ 工业互联网解决什么问题？ 工业互联网核心技术 工业互联网架构 应用场景 典型案例
工业互联网的核心技术及架构 工业互联网的应用场景及典型案例
高端装备的健康管理
文献、专家和资料所描述的关于诊断对象的结构、功能、运行
约束条件等知识，机械学习机制为主； 主要用于元知识学习阶段
文献、专家 知识工程师 诊断对象
交互学习： 知识工程师或诊断对象处理过 的知识，讲授学习机制为主； 主要用于领域知识学习和知识 库丰富阶段
独立学习： 推理策略面对的新知识，归纳 学习机制为主； 主要用于诊断能力改善阶段
健康管理（PHM）定义
故障预测与健康管理（PHM）技术作为实现武 器装备基于状态的维修（CBM）、自主式保障 、感知与响应后勤等新思想、新方案的关键 技术，受到美英等军事强国的高度重视和推 广应用。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的能力。
复杂过程，很难完整地表示诊断对象的领域知识，此
时只有使用深知识（诊断对象的模型、原理知识）进
行诊断，因此必须将深浅知识结合起来。 深浅知识的集成表示模型——树形知识结构
从纵向看，每种设备、部件和零件都具有一定的继承性 从横向看，体现了同层相关的属性 易于用面向对象的方法实现，易于实现知识管理和维护
工业4.0的基础架构
企业运营层
基础平台 设备连接层
工业2025的内涵
一个网络，二个主题，三个集成
一个网络
CPS网络
两个主题
智能工厂 智能生产
三个集成
纵向集成 端到端集成 横向集成
CPS网络
智慧工厂与智能生产
智能生产系统
实时 感知
优化 决策
动态 执行
三个集成
工业4.0四化特征
数字化
网络化


大规模定制生产，每天能设计、生产2000种不同的个性化定制产品
公司核心竞争力是一套大数据信息系统，任何一项数据的变动能驱 动其余9000多项数据的同步变动


10年时间自主研发由不同体型身材尺寸集合而成的大数据处理系统
2014年5月 CCTV 新闻联播 3分钟报道；张、马参观后震惊
目录
工业互联网的前世今生
机遇 挑战
工业互联网技术架构
九大支柱技术
云计算技术
工业物联网
人工智能-图灵测试
虚拟现实
工业网络安全
3D打印
知识工作流自动化
工业机器人
大数据技术
目录
工业互联网的前世今生
什么是工业互联网？ 工业互联网有何特点？ 工业互联网解决什么问题？
工业互联网的核心技术及架构
工业互联网的机遇与挑战
机遇 挑战
健康管理定义 健康管理的关键技术
什么是工业互联网？
工业互联网是基于工业数据，运用大数 据技术，贯穿于工业生产的设计、工艺、 生产、管理、服务等全生命周期，使工 业系统具备描述、诊断、预测、决策、 控制等智能化功能的模式和结果。
回顾工业发展历史
工业1.0 机械化
工业互联网的诞生
德国 工业4.0 • 2013年4月汉诺 威工业博览会上 由德国政府提出 • 2013年7月，德 国政府发布《高 技术战略2020》， 工业4.0是该战 略确定的十大未 来项目之一 美国 CPS 工业互联网 • 2012年11月，GE 发布《工业互联 网—冲破思维与 机器的边界》报 告，将工业互联 网称之为200年 来的“第三波” 创新与变革 中国 制造2025 • 2015年3月5日， 李克强两会上作 《政府工作报告》 时首次提出“中 国制造2025”的 宏大计划 • 2015年5月8日， 国务院正式印发 《中国制造2025》
通过对检测信号的分析处理，利用特征信号对故障进行识 别和诊断。典型方法：小波变换、模态分解等
基于知识的故障检测与诊断方法
不需精确的数学模型，能模拟人的思维过程，具有自学习 、自组织、自推理能力
故障诊断与预测技术
基于实例的故障检测与诊断方法
是一种使用过去的经验实例指导解决新问题的方法 优点是不需从实例中提取规则，求解快；不足是能搜集的 实例是有限的，求解时可能出现误诊或漏诊
PHM与医学类比
医学 疾病诊断 工程 故障诊断 通过传感器、信号处理和检测仪 结论由诊断软件给出
通过观测、化验和医疗仪器, 结论由医生给出

多科会诊 多科医生一同诊断当前疾病
综合诊断 运用多种诊断技术诊断当前故障

疾病预防与保健 体检、疾病预测、保健体系
故障预测与健康管理 健康监测、高级故障诊断、故障/寿命预测 (健康、亚健康、故障、部件寿命预测）
故障选择性报告
性能降级 趋势跟踪
辅助决策和 资源管理
PHP系统技术特征
通过测试和计算关键部件的剩余寿命来主动地监视系统的健 康状态 健康信息用于优化维修活动及后勤保障
最好PHM系统勿需增加传感器,从已有的传感器获取健康信息
基本方法是将传感器测到的对象系统的响应与该系统模型的 响应做比较 使用老化模型计算关键部件的剩余寿命 用理论推导方法或对特定部分做磨损试验得到老化模型
基于模糊理论的故障检测与诊断方法
征兆的描述、故障与征兆的关系往往具有模糊特性，模糊 语言变量能更准确地表示这种模糊性的征兆和故障 问题在于知识获取困难：如何确定故障与征兆间的模糊规 则；如何实现模糊语言变量与隶属度间的推理转换
基于神经网络的故障检测与诊断方法
利用神经网络的联想、推理和记忆能力进行知识处理 适用于复杂多模式的诊断，有离线和在线诊断两种方式
工业2.0 电气化与自动化 19世纪中-20世纪初
工业3.0 信息化与数字化
工业4.0 智能化与物联网 现在-未来
20世纪四五十年代-现在
1860年代-19世纪中
信息化时代的发展历程
大数据发展历程
…,What is NEXT? 2012，大数据，工业4.0 1995，数据挖掘，互联网 1960，机器学习 Deep Blue AlphaGo 1956，人工智能，图灵测试
的获取、处理和传输并做出维修决策为主。以往的事后维修和定期维修已 经无法很好地满足现代战争和武器装备对装备保障的要求，在这种情况下，
美军20世纪90年代末引入民用领域的CBM, 作为一项战略性的装备保障策略，
其目的是对装备状态进行实时的或近实时的监控，根据装备的实际状态确 定最佳维修时机，以提高装备的可用度和任务可靠性。