3.3.2　面向SPdM網(wǎng)絡(luò)的數(shù)據(jù)獲取與維護(hù)決策

德國工業(yè)4.0、美國工業(yè)互聯(lián)網(wǎng)和信息物理系統(tǒng)、中國制造2025驅(qū)動(dòng)傳統(tǒng)制造業(yè)利用物聯(lián)網(wǎng)和大數(shù)據(jù)分析進(jìn)行以知識(shí)為基礎(chǔ)的智能化轉(zhuǎn)型，通過網(wǎng)絡(luò)為客戶提供個(gè)性化的產(chǎn)品、服務(wù)和能力，打破了裝備維護(hù)領(lǐng)域傳統(tǒng)基于系統(tǒng)、子系統(tǒng)、部件高可靠性的保障要求，通過設(shè)備SPdM網(wǎng)絡(luò)中MRO大數(shù)據(jù)驅(qū)動(dòng)的智能預(yù)測性維護(hù)理論，關(guān)聯(lián)與維護(hù)、維修和服務(wù)有關(guān)的信息，實(shí)現(xiàn)設(shè)備的壽命累計(jì)和預(yù)計(jì)以及面向MRO網(wǎng)絡(luò)的大范圍維護(hù)服務(wù)預(yù)測與優(yōu)化配置。

在由備件供應(yīng)和維護(hù)商、設(shè)備制造和維護(hù)商、設(shè)備使用商、領(lǐng)域?qū)＜摇⒃破脚_(tái)提供商等協(xié)作主體構(gòu)成的MRO服務(wù)網(wǎng)絡(luò)中，智能預(yù)測性維護(hù)是一個(gè)高集成度、綜合化的系統(tǒng)，由圖3.6所示的設(shè)備在線健康評(píng)估、設(shè)備使用商的自主后勤保障及離線故障診斷與預(yù)測、設(shè)備運(yùn)營商大規(guī)模維護(hù)服務(wù)預(yù)測與優(yōu)化配置、信息物理系統(tǒng)接口（實(shí)現(xiàn)各功能多層次的互聯(lián)）等功能構(gòu)成，同時(shí)包含了面向設(shè)備智能預(yù)測性維護(hù)的內(nèi)容。面向設(shè)備運(yùn)營網(wǎng)絡(luò)的智能預(yù)測性維護(hù)主要集中在面向設(shè)備SPdM網(wǎng)絡(luò)的多源異構(gòu)數(shù)據(jù)高質(zhì)量獲取與融合方法、大數(shù)據(jù)驅(qū)動(dòng)的設(shè)備故障診斷與預(yù)測理論和方法、面向智能工廠的維護(hù)優(yōu)化與決策、面向MRO網(wǎng)絡(luò)的大范圍維護(hù)服務(wù)預(yù)測與優(yōu)化配置、基于信息物理系統(tǒng)CPS的運(yùn)行過程控制等方面。

（1）面向設(shè)備運(yùn)營網(wǎng)絡(luò)的多源異構(gòu)數(shù)據(jù)高質(zhì)量獲取與融合方法

在裝備運(yùn)營維護(hù)過程中，來自裝備及部件運(yùn)行狀態(tài)、環(huán)境信息、運(yùn)營業(yè)務(wù)、維護(hù)社交網(wǎng)絡(luò)以及客戶的產(chǎn)品及反饋等環(huán)境的數(shù)據(jù)量越來越龐大，逐漸形成了裝備運(yùn)營維護(hù)的大數(shù)據(jù)應(yīng)用環(huán)境。一般而言，設(shè)備運(yùn)行數(shù)據(jù)以及維護(hù)記錄存儲(chǔ)在設(shè)備使用商的服務(wù)器中，制造商甚至都無法接觸到屬于自己的設(shè)備相關(guān)數(shù)據(jù)，不利于開展針對(duì)生產(chǎn)設(shè)備的持續(xù)監(jiān)督與全生命周期維護(hù)。那么，如何高質(zhì)量地獲取這些分布在各使用商處的數(shù)據(jù)信息？如何從這些大數(shù)據(jù)環(huán)境中通過算法搜索隱藏于數(shù)據(jù)中有價(jià)值的關(guān)聯(lián)信息，進(jìn)而支持裝備及部件健康預(yù)測、需求預(yù)測以及服務(wù)優(yōu)化決策建模？與傳統(tǒng)數(shù)據(jù)獲取和分析方法相比，大數(shù)據(jù)分析更加重視數(shù)據(jù)的數(shù)量，采用關(guān)聯(lián)數(shù)據(jù)分析代替了傳統(tǒng)的原因分析，并將原來模型驅(qū)動(dòng)的應(yīng)用變成了證據(jù)驅(qū)動(dòng)的應(yīng)用。在此情況下，需要研究面向MRO網(wǎng)絡(luò)環(huán)境中的基于區(qū)塊鏈的大數(shù)據(jù)共享與獲取機(jī)制，以及多源異構(gòu)數(shù)據(jù)處理分析、關(guān)聯(lián)關(guān)系分析、大數(shù)據(jù)聚類融合、實(shí)時(shí)流處理和并行化處理等MRO大數(shù)據(jù)分析方法，實(shí)現(xiàn)運(yùn)行狀態(tài)數(shù)據(jù)、運(yùn)營業(yè)務(wù)數(shù)據(jù)、社交維護(hù)網(wǎng)絡(luò)交互數(shù)據(jù)以及客戶反饋信息的融合與分類，支持設(shè)備故障預(yù)測與決策理論的建立。

（2）大數(shù)據(jù)驅(qū)動(dòng)的設(shè)備故障診斷與預(yù)測理論和方法

由于影響設(shè)備健康狀況的因素具有層次復(fù)雜性、關(guān)系模糊性、動(dòng)態(tài)變化隨機(jī)性和指標(biāo)數(shù)據(jù)不確定性等，大量部件的劣化發(fā)展趨勢呈現(xiàn)出非平穩(wěn)隨機(jī)過程，深度卷積神經(jīng)網(wǎng)絡(luò)適合于非平穩(wěn)非線性信號(hào)的自動(dòng)特征提取與故障分類，馬爾可夫預(yù)測模型適用于這類隨機(jī)波動(dòng)性較大問題的預(yù)測，也能反映設(shè)備劣化過程微觀波動(dòng)的規(guī)律。另外，各部件健康狀況的變化與時(shí)間間隔的長度也有關(guān)系，間隔越長，隨機(jī)性以及不確定性越弱，趨勢性越強(qiáng)，可以選擇神經(jīng)網(wǎng)絡(luò)模型和貝葉斯模型對(duì)各部件健康參數(shù)進(jìn)行趨勢預(yù)測。因此，結(jié)合設(shè)備健康狀況的行為特征量、運(yùn)營業(yè)務(wù)數(shù)據(jù)、社交維護(hù)網(wǎng)絡(luò)動(dòng)態(tài)交互數(shù)據(jù)以及客戶反饋數(shù)據(jù)等分類融合信息，研究建立融合深度CNN模型、馬爾可夫模型和貝葉斯模型的多分類器融合模型從多個(gè)測度診斷和預(yù)測故障，并對(duì)未來部件健康狀態(tài)融合進(jìn)行綜合評(píng)價(jià)。在此基礎(chǔ)上，通過對(duì)設(shè)備運(yùn)行環(huán)境及故障類型等大數(shù)據(jù)進(jìn)行深度挖掘和分析，應(yīng)用于集群設(shè)備的故障預(yù)測。

（3）面向智能工廠的維護(hù)優(yōu)化與決策

面向網(wǎng)絡(luò)中由故障引起的不確定性維護(hù)需求，研究基于故障預(yù)測模型的單一企業(yè)設(shè)備生產(chǎn)維護(hù)與備件庫存聯(lián)合優(yōu)化模型，給出單一企業(yè)內(nèi)生產(chǎn)、維護(hù)與備件庫存的決策策略。

（4）面向MRO網(wǎng)絡(luò)的大范圍維護(hù)服務(wù)預(yù)測與優(yōu)化配置

面向互聯(lián)網(wǎng)環(huán)境中設(shè)備高不確定性的維護(hù)需求，從MRO網(wǎng)絡(luò)內(nèi)長期預(yù)測與優(yōu)化區(qū)間內(nèi)服務(wù)實(shí)時(shí)調(diào)度相結(jié)合的基于智能體維護(hù)服務(wù)協(xié)同優(yōu)化調(diào)度，以及互聯(lián)網(wǎng)范圍內(nèi)維護(hù)服務(wù)實(shí)時(shí)決策與調(diào)度三個(gè)方面，建立互聯(lián)網(wǎng)支持的面向MRO網(wǎng)絡(luò)的大規(guī)模維護(hù)調(diào)度與優(yōu)化決策的基礎(chǔ)理論，給出基于互聯(lián)網(wǎng)協(xié)作的設(shè)備維護(hù)商、備件供應(yīng)商優(yōu)化條件，以及各協(xié)作企業(yè)協(xié)商最大利潤的均衡策略，進(jìn)而面向MRO維護(hù)網(wǎng)絡(luò)中的注冊(cè)會(huì)員群體，結(jié)合維護(hù)任務(wù)需求、服務(wù)人員的地理位置和工作任務(wù)狀態(tài)等大數(shù)據(jù)信息，進(jìn)行任務(wù)實(shí)時(shí)優(yōu)化與決策。

（5）基于信息物理系統(tǒng)CPS的運(yùn)行過程控制

制造領(lǐng)域信息物理系統(tǒng)具有以下特征：網(wǎng)絡(luò)與制造設(shè)備高度集成，局部具有物理性，全局具有虛擬性；制造設(shè)備各組件都安裝傳感器與執(zhí)行機(jī)構(gòu)，具有在線通信、遠(yuǎn)程控制與各組件間自主協(xié)調(diào)等功能；組件上安裝的傳感器通過對(duì)設(shè)備狀態(tài)的感知和反饋，將控制決策作用于執(zhí)行機(jī)構(gòu)，形成基于事件驅(qū)動(dòng)控制的閉環(huán)過程；通過傳感器采集設(shè)備狀態(tài)信息，最終形成從預(yù)測模型到調(diào)節(jié)控制的信息數(shù)據(jù)傳輸模式，該模式融合各類信息并提供精確而又全面的信息；系統(tǒng)具有自學(xué)習(xí)、自適應(yīng)、自主協(xié)同能力，高度自治，滿足實(shí)時(shí)魯棒性。根據(jù)這些特征，研究基于信息物理系統(tǒng)的設(shè)備運(yùn)行控制方法，提出基于信息物理系統(tǒng)的設(shè)備運(yùn)行控制框架，通過設(shè)備故障預(yù)測和維修仿真，實(shí)現(xiàn)運(yùn)營過程的實(shí)時(shí)調(diào)節(jié)與控制；充分利用離線虛擬環(huán)境豐富的計(jì)算資源實(shí)施大數(shù)據(jù)分析方法，實(shí)現(xiàn)基于智能體的維護(hù)任務(wù)、備件庫存和生產(chǎn)計(jì)劃的協(xié)同聯(lián)合優(yōu)化，實(shí)現(xiàn)期望成本最小的維護(hù)決策。