戴認(rèn)之

本文首先指出了當(dāng)前工業(yè)互聯(lián)網(wǎng)在發(fā)展過(guò)程中遇到的問(wèn)題，以及數(shù)據(jù)驅(qū)動(dòng)的人工智能技術(shù)對(duì)于工業(yè)設(shè)備和系統(tǒng)運(yùn)營(yíng)維護(hù)的巨大應(yīng)用價(jià)值。在工業(yè)大數(shù)據(jù)的時(shí)代背景下，傳統(tǒng)裝備故障診斷和健康管理技術(shù)與人工智能技術(shù)結(jié)合的過(guò)程中得以大幅度拓展，從而使預(yù)測(cè)性維護(hù)、智能運(yùn)營(yíng)和智能調(diào)度成為現(xiàn)實(shí)。通過(guò)深入闡釋數(shù)字孿生體的概念，及其與工業(yè)互聯(lián)網(wǎng)、工業(yè)領(lǐng)域?qū)I(yè)知識(shí)和信息物理系統(tǒng)之間的聯(lián)系，說(shuō)明了以數(shù)字孿生體為核心的智能運(yùn)維技術(shù)的意義。同時(shí)指出了智能維護(hù)技術(shù)應(yīng)用中的問(wèn)題和挑戰(zhàn)，并展望了未來(lái)技術(shù)發(fā)展。

一、前言

近年來(lái)，由大數(shù)據(jù)驅(qū)動(dòng)的人工智能技術(shù)取得了飛速發(fā)展，工業(yè)互聯(lián)網(wǎng)可以為工業(yè)領(lǐng)域的智能應(yīng)用提供充足的數(shù)據(jù)基礎(chǔ)設(shè)施支撐。在已有PHM技術(shù)基礎(chǔ)之上，工業(yè)互聯(lián)網(wǎng)與人工智能密切結(jié)合，將機(jī)械裝備、過(guò)程、監(jiān)控和維修一體化。這將促進(jìn)人-機(jī)-過(guò)程-環(huán)境之間的和諧關(guān)系，是實(shí)現(xiàn)機(jī)械裝備系統(tǒng)本質(zhì)可靠的重要舉措。人工自愈能改變傳統(tǒng)設(shè)計(jì)理念，讓未來(lái)的機(jī)器裝備、制造系統(tǒng)更自主健康，驅(qū)動(dòng)新一輪工業(yè)革命。

二、智能運(yùn)維技術(shù)

現(xiàn)代設(shè)備診斷技術(shù)要求具有狀態(tài)監(jiān)測(cè)、故障診斷和預(yù)測(cè)等能力，可以預(yù)測(cè)重要和關(guān)鍵零部件的可靠工作壽命，通過(guò)狀態(tài)監(jiān)測(cè)可以提前發(fā)現(xiàn)異常狀態(tài)，科學(xué)評(píng)估設(shè)備健康狀態(tài)，預(yù)測(cè)故障發(fā)生，比起傳統(tǒng)的對(duì)損壞的設(shè)備進(jìn)行失效分析的方法更有利于超前預(yù)防?；诠I(yè)互聯(lián)網(wǎng)的應(yīng)用設(shè)備狀態(tài)監(jiān)測(cè)及診斷技術(shù)，通過(guò)大數(shù)據(jù)分析可對(duì)故障征兆信息進(jìn)行采集、處理、分析，對(duì)故障進(jìn)行早期診斷、預(yù)測(cè)，在機(jī)器沒(méi)損壞之前查明故障原因并適時(shí)采取修復(fù)、預(yù)防和改進(jìn)對(duì)策，成為信息、監(jiān)控、通信、計(jì)算機(jī)和人工智能等集成技術(shù)，并逐步發(fā)展成為一個(gè)多學(xué)科交叉的新學(xué)科。

數(shù)字孿生體以數(shù)據(jù)和模型為主要元素構(gòu)建，用于物理實(shí)體的狀態(tài)監(jiān)控、控制，虛實(shí)融合下的數(shù)據(jù)處理、仿真分析、虛擬驗(yàn)證及運(yùn)行決策，具體體現(xiàn)了“信息物理系統(tǒng)”（CPS）的自動(dòng)化流程，以此為基礎(chǔ)構(gòu)建設(shè)備數(shù)字化的應(yīng)用，用于故障預(yù)測(cè)、健康管理及預(yù)測(cè)性維護(hù)，并反饋運(yùn)行信息給設(shè)計(jì)人員以優(yōu)化設(shè)計(jì)以改善產(chǎn)品性能，形成人—賽博—物理智能運(yùn)維系統(tǒng)，如圖1所示。

三、智能維護(hù)技術(shù)應(yīng)用中的問(wèn)題和挑戰(zhàn)

數(shù)據(jù)質(zhì)量，高質(zhì)量的大數(shù)據(jù)采集和管理是監(jiān)測(cè)診斷的基礎(chǔ)。 優(yōu)質(zhì)的數(shù)據(jù)才能建立優(yōu)質(zhì)的模型，數(shù)據(jù)的質(zhì)量直接影響到信息識(shí)別和知識(shí)的獲取，而工業(yè)大數(shù)據(jù)具有多樣性、多模態(tài)、高通量和強(qiáng)關(guān)聯(lián)等特性。對(duì)數(shù)據(jù)監(jiān)控和后臺(tái)數(shù)據(jù)存儲(chǔ)提出了很高的要求。但實(shí)際情況中許多動(dòng)力裝備傳感器、數(shù)據(jù)采集系統(tǒng)非常落后，有的采用便攜式儀器進(jìn)行實(shí)時(shí)監(jiān)測(cè)，工況和狀態(tài)參數(shù)各自采集，形成信息孤島。因此不僅需要高精度的采集設(shè)備、高效的存儲(chǔ)優(yōu)化，還需要能夠通過(guò)元數(shù)據(jù)、索引、查詢推理，支持高效便捷的數(shù)據(jù)讀取，實(shí)現(xiàn)多源異構(gòu)數(shù)據(jù)的一體化管理。

信息認(rèn)知，數(shù)據(jù)挖掘、信號(hào)處理和掌握基于大數(shù)據(jù)分析的因果和關(guān)聯(lián)規(guī)律是必要條件。工業(yè)是一個(gè)強(qiáng)機(jī)理、高知識(shí)密度的技術(shù)領(lǐng)域，很多監(jiān)測(cè)數(shù)據(jù)只是復(fù)雜系統(tǒng)運(yùn)行的部分表征。工業(yè)領(lǐng)域通常有大量的機(jī)理模型、專家經(jīng)驗(yàn)的深厚積累，可以縮小數(shù)據(jù)分析參數(shù)空間、提供有用的特征變量，工業(yè)數(shù)據(jù)分析通常隱性或顯性利用大量的行業(yè)知識(shí)，體現(xiàn)在問(wèn)題定義、數(shù)據(jù)篩選、特征工程和模型調(diào)優(yōu)等過(guò)程中。工業(yè)大數(shù)據(jù)分析通常需要機(jī)器學(xué)習(xí)算法與機(jī)理領(lǐng)域模型算法的融合，為智能決策提供科學(xué)依據(jù)，以期創(chuàng)造更大的價(jià)值。

專業(yè)人才培養(yǎng)體系亟需建立和完善。通用電氣早在發(fā)布工業(yè)互聯(lián)網(wǎng)之初就提出未來(lái)工程人才應(yīng)是數(shù)據(jù)科學(xué)、軟件和工業(yè)知識(shí)領(lǐng)域的復(fù)合型人才。軟件開(kāi)發(fā)人員雖然善于編程開(kāi)發(fā)，但缺乏工程實(shí)踐，對(duì)機(jī)器—過(guò)程復(fù)雜系統(tǒng)和不同行業(yè)不同設(shè)備實(shí)際運(yùn)行狀態(tài)不了解。工業(yè)大數(shù)據(jù)的分析者既需要掌握大數(shù)據(jù)相關(guān)知識(shí)，又需要深刻理解各種典型工業(yè)應(yīng)用場(chǎng)景，更高層次的應(yīng)用還涉及產(chǎn)品、用戶需求、企業(yè)管理決策、商業(yè)模式等方面， 工業(yè)大數(shù)據(jù)產(chǎn)業(yè)對(duì)跨界復(fù)合型人才的能力需求不斷增強(qiáng)。

四、未來(lái)技術(shù)展望

工業(yè)中一些實(shí)際場(chǎng)景需要滿足更高的運(yùn)營(yíng)智能化、管理數(shù)字化和數(shù)據(jù)保密性的要求，而這是更深入地運(yùn)用人工智能領(lǐng)域前沿技術(shù)成果的機(jī)會(huì)。

（一）深度強(qiáng)化學(xué)習(xí)

DeepMind基于深度強(qiáng)化學(xué)習(xí)技術(shù)開(kāi)發(fā)的AlphaGo深受人們關(guān)注，之后該技術(shù)又用于管理Google的數(shù)據(jù)中心冷卻系統(tǒng)，節(jié)省能耗30%以上。理論上，強(qiáng)化學(xué)習(xí)原理與最優(yōu)控制一致，且適用于解決博弈論等領(lǐng)域的問(wèn)題。傳統(tǒng)的控制技術(shù)雖然能滿足大部分場(chǎng)景的需求，但對(duì)于大型復(fù)雜工業(yè)系統(tǒng)，無(wú)法處理高緯度、非線性系統(tǒng)的實(shí)時(shí)優(yōu)化控制，也很難滿足日益增長(zhǎng)的智能化需求。大規(guī)模的強(qiáng)化學(xué)習(xí)技術(shù)可實(shí)現(xiàn)分布式系統(tǒng)的智能控制，助力于智慧交通、智能電網(wǎng)的建設(shè)。

（二）聯(lián)邦學(xué)習(xí)

相當(dāng)一部分工業(yè)領(lǐng)域通常對(duì)數(shù)據(jù)的保密性要求極高，不愿透露運(yùn)行過(guò)程中的敏感信息， 例如航空發(fā)動(dòng)機(jī)的健康運(yùn)維。這對(duì)一般的數(shù)據(jù)模型開(kāi)發(fā)過(guò)程造成極大困難。而聯(lián)邦學(xué)習(xí)的機(jī)制解決了保密性問(wèn)題，有望成為下一代人工智能協(xié)同算法和協(xié)作網(wǎng)絡(luò)的基礎(chǔ)。

五、總結(jié)

工業(yè)互聯(lián)網(wǎng)和人工智能技術(shù)將機(jī)械裝備、過(guò)程、監(jiān)控和維修一體化，這將促進(jìn)人-機(jī)-過(guò)程-環(huán)境之間的和諧關(guān)系，是實(shí)現(xiàn)機(jī)械裝備系統(tǒng)本質(zhì)可靠的重要舉措。人工智能改變傳統(tǒng)運(yùn)維理念，讓未來(lái)的機(jī)器裝備、制造系統(tǒng)乃至所有人造系統(tǒng)更自主健康，驅(qū)動(dòng)新一輪工業(yè)革命，邁進(jìn)工業(yè)智能時(shí)代。

作者單位：上海電氣集團(tuán)數(shù)字科技有限公司