張 兵 苗琪琪 張株瑞 劉曉冰

1(湘電集團技術中心信息化室 湖南 湘潭 411100)2(大連理工大學經(jīng)濟管理學院 遼寧 大連 116024)3(大連華信計算機技術股份有限公司 遼寧 大連 116085)

0 引 言

電機作為電能轉(zhuǎn)換或傳遞的核心裝備，保證其質(zhì)量具有重要的意義。從產(chǎn)品質(zhì)量形成機理來看，產(chǎn)品質(zhì)量是通過市場調(diào)研進行策劃，由設計確定，由制造來保證和實現(xiàn)，通過檢驗來證實，在用戶使用過程中顯示出來，因此電機產(chǎn)品的質(zhì)量保證是貫穿其全生命周期。同時，新一代信息技術與制造業(yè)深度融合，隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)等信息技術的高速發(fā)展，電機在需求、設計、制造、運行、維修保養(yǎng)等階段的質(zhì)量數(shù)據(jù)爆發(fā)式增長，并呈現(xiàn)大容量、多樣性、實時性、價值性、真實性的大數(shù)據(jù)典型特點[1]。如何采集、存儲和利用電機需求與設計質(zhì)量數(shù)據(jù)、制造質(zhì)量數(shù)據(jù)與運行服役質(zhì)量數(shù)據(jù)，形成電機全生命周期質(zhì)量數(shù)據(jù)鏈，進而運用統(tǒng)計分析、數(shù)據(jù)挖掘分析等大數(shù)據(jù)分析手段，挖掘質(zhì)量知識，控制和提升產(chǎn)品質(zhì)量品質(zhì)是當前迫切需要解決的問題，而構建電機全生命周期質(zhì)量大數(shù)據(jù)管控系統(tǒng)是電機質(zhì)量管理信息系統(tǒng)的創(chuàng)新方法。

大數(shù)據(jù)能夠?qū)Χ喾N大量的數(shù)據(jù)進行實時分析和處理，從而獲取更多的附加值[2]。近幾年，大數(shù)據(jù)正在快速融入制造業(yè)，成為智能制造的核心要素。產(chǎn)品質(zhì)量是制造業(yè)普遍關注的突出問題，也成為大數(shù)據(jù)技術重要應用方向之一，引起國內(nèi)外學者的廣泛關注和研究。產(chǎn)品質(zhì)量是在產(chǎn)品生命周期中形成的[3]，但現(xiàn)有研究主要是對設計、制造、維修等單一階段的質(zhì)量大數(shù)據(jù)進行研究。在產(chǎn)品需求設計階段，Geiger等[4]利用用戶使用數(shù)據(jù)和測量數(shù)據(jù)進行關聯(lián)分析，以改進汽車設計參數(shù)，提升產(chǎn)品可靠性。在產(chǎn)品制造階段，很多學者依據(jù)產(chǎn)品制造過程和質(zhì)檢大數(shù)據(jù)，設計深度學習、決策樹、隨機森林、人工神經(jīng)網(wǎng)絡、支持向量機、貝葉斯網(wǎng)絡等機器學習算法和數(shù)據(jù)挖掘算法研究質(zhì)量預測[5-6]、制造過程質(zhì)量狀態(tài)實時監(jiān)控與控制[7-10]以及制造過程中故障與不合格品的分析與追溯[11-15]。另外，一些學者研究了質(zhì)量管理信息系統(tǒng)的設計與實現(xiàn)，例如Wei等[16]從汽車零部件制造質(zhì)量數(shù)據(jù)出發(fā)，開發(fā)了質(zhì)量管理信息系統(tǒng)，幫助企業(yè)提高質(zhì)量管理水平。溫明川等[17]研究了基于制造執(zhí)行系統(tǒng)的拖拉機裝配質(zhì)量管理信息系統(tǒng)，大幅度提升了質(zhì)量數(shù)據(jù)采集效率及其準確度，提高了質(zhì)量管理協(xié)同工作效率。白瑞國等[18]介紹了大數(shù)據(jù)過程質(zhì)量控制系統(tǒng)在鋼鐵生產(chǎn)中的應用。在產(chǎn)品運行維護階段，產(chǎn)品的健康狀況監(jiān)測與診斷是研究的重點，特別是運用大數(shù)據(jù)分析技術提高對機械設備的監(jiān)測診斷精度，實現(xiàn)對多種故障模式的分類與診斷[19-20]。

綜上所述，大數(shù)據(jù)技術已經(jīng)滲透到產(chǎn)品全生命周期的每個階段，但缺少對全生命周期質(zhì)量大數(shù)據(jù)的整體性研究，且鮮有關于產(chǎn)品全生命周期質(zhì)量大數(shù)據(jù)控制系統(tǒng)的研究。電機產(chǎn)品需求類型多樣，制造工藝復雜，保養(yǎng)維護周期長，對全生命周期質(zhì)量大數(shù)據(jù)要求較高。基于此，本文以電機全生命周期為主線，首先定義電機全生命周期質(zhì)量大數(shù)據(jù)，接著歸納其特點，然后構建電機全生命周期質(zhì)量大數(shù)據(jù)管控系統(tǒng)，包括系統(tǒng)的組成與架構，并采用統(tǒng)計分析、數(shù)據(jù)挖掘分析等大數(shù)據(jù)分析手段，對子系統(tǒng)的系統(tǒng)架構進行了詳細的設計。在實踐中，湘潭電機股份有限公司實現(xiàn)了電機全生命周期質(zhì)量大數(shù)據(jù)管控系統(tǒng)的開發(fā)和運行，運行結(jié)果證明，所構建的系統(tǒng)能有效管控電機全生命周期的質(zhì)量。

1 電機全生命周期質(zhì)量大數(shù)據(jù)

在德國“工業(yè)4.0”、美國“工業(yè)互聯(lián)網(wǎng)”和“中國制造2025”背景下，制造業(yè)向智能化發(fā)展。電機作為制造業(yè)關鍵動力設備，對其質(zhì)量要求越來越高。按現(xiàn)代質(zhì)量概念，質(zhì)量是在產(chǎn)品全生命周期各個階段的質(zhì)量管理活動中逐漸形成的。從客戶關系角度來看，需要正確分析和評價客戶的質(zhì)量需求；從設計角度來看，需要將客戶的質(zhì)量需求正確轉(zhuǎn)換為設計質(zhì)量；從制造角度來看，需要通過質(zhì)量控制來保證制造質(zhì)量[21]；從服務角度來看，需要通過維修維護來保證服務質(zhì)量，因此只有多視角的面向產(chǎn)品全生命周期的質(zhì)量管理，才能保證產(chǎn)品質(zhì)量。與此同時，工業(yè)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)等技術快速發(fā)展，電機產(chǎn)品從獲取市場的用戶需求開始到產(chǎn)品的設計、加工、裝配、檢測、使用和維護的全過程中的質(zhì)量數(shù)據(jù)，在種類和數(shù)量上激增，產(chǎn)生了電機全生命周期質(zhì)量大數(shù)據(jù)。產(chǎn)品質(zhì)量大數(shù)據(jù)管理主要針對產(chǎn)品全生命周期過程質(zhì)量數(shù)據(jù)進行采集、處理、傳輸、存儲和挖掘分析等管理[22]。將電機全生命周期各個階段的質(zhì)量數(shù)據(jù)收集與儲存，進而采用傳統(tǒng)統(tǒng)計分析方法與現(xiàn)在的數(shù)據(jù)挖掘、機器學習等大數(shù)據(jù)分析手段對數(shù)據(jù)分析與利用，完成電機全生命周期質(zhì)量活動的計劃、組織、指揮、控制和協(xié)調(diào)，推動產(chǎn)品質(zhì)量的持續(xù)改進，即電機全生命周期質(zhì)量大數(shù)據(jù)管理。

根據(jù)管理的業(yè)務和內(nèi)容，電機全生命周期質(zhì)量大數(shù)據(jù)大致可劃分為前期質(zhì)量大數(shù)據(jù)、中期質(zhì)量大數(shù)據(jù)和后期質(zhì)量大數(shù)據(jù)三大部分，如圖1所示。在電機生命周期前期，即電機開始制造之前的市場需求和設計開發(fā)階段產(chǎn)生的質(zhì)量數(shù)據(jù)，包括國家與行業(yè)標準質(zhì)量數(shù)據(jù)、競爭者產(chǎn)品質(zhì)量數(shù)據(jù)、消費者質(zhì)量需求數(shù)據(jù)、客戶質(zhì)量需求數(shù)據(jù)和由此產(chǎn)生的產(chǎn)品設計結(jié)構與參數(shù)質(zhì)量數(shù)據(jù)與工藝設計參數(shù)質(zhì)量數(shù)據(jù)。在電機生命周期中期，即電機制造過程中產(chǎn)生的質(zhì)量數(shù)據(jù)，包括供應商質(zhì)量數(shù)據(jù)、外協(xié)商質(zhì)量數(shù)據(jù)、工藝質(zhì)量數(shù)據(jù)、加工質(zhì)量數(shù)據(jù)、裝配質(zhì)量數(shù)據(jù)、檢測質(zhì)量數(shù)據(jù)。在電機生命周期后期，即電機使用與維護階段產(chǎn)生的數(shù)據(jù)，包括電機運行狀態(tài)質(zhì)量數(shù)據(jù)、運行反饋質(zhì)量數(shù)據(jù)、質(zhì)量評估、故障質(zhì)量數(shù)據(jù)、維修質(zhì)量數(shù)據(jù)等。

圖1 電機全生命周期的質(zhì)量大數(shù)據(jù)

由以上分析可知，電機全生命周期質(zhì)量數(shù)據(jù)中存在大量異構多源的數(shù)據(jù)，具備量(volume)、類(variety)、速(velocity)、值(value)的大數(shù)據(jù)4V特征：

1) 數(shù)據(jù)量龐大。電機全生命周期質(zhì)量數(shù)據(jù)涵蓋了需求、設計、加工、裝配、檢測和使用的全生命周期階段數(shù)據(jù)，且隨物聯(lián)網(wǎng)、云計算、移動App信息技術的發(fā)展，這些數(shù)據(jù)量呈指數(shù)爆炸增長。

2) 數(shù)據(jù)類型多樣。電機全生命周期質(zhì)量數(shù)據(jù)具有廣泛的數(shù)據(jù)來源，包括ERP、MES、PDM、CRM、CAD、CAPP、OA等系統(tǒng)，且涉及消費者、供應商、制造企業(yè)、客戶等多主體，其數(shù)據(jù)類型存在結(jié)構化與非結(jié)構化，主要有數(shù)字、圖像、表格、文字、聲音等。

3) 數(shù)據(jù)具有高速性。電機全生命周期數(shù)據(jù)高速性主要體現(xiàn)在兩個方面：一是數(shù)據(jù)增長的速度；二是數(shù)據(jù)處理的響應速度。電子商務、條形碼、RFID、移動App等技術促使電機全生命周期各個階段數(shù)據(jù)快速增加，而在短期特別是超短期的預測，調(diào)度決策經(jīng)常需要秒級甚至毫秒級反應。

4) 數(shù)據(jù)價值性。電機全生命周期數(shù)據(jù)規(guī)模龐大，需要通過數(shù)據(jù)的清洗、挖掘、分析、提取等技術手段，以獲得對質(zhì)量有重要價值的知識規(guī)則，而通常采用的方法有關聯(lián)分析、聚類分析、分類分析、回歸分析、決策樹分析、文本挖掘等數(shù)字挖掘和機器學習方法。

另一方面，電機全生命周期各個階段并不是相互獨立的，而是相互關聯(lián)、相互影響、互為制約，旨在作為一個整體進行科學智能決策，保障電機質(zhì)量。例如：對電機運行質(zhì)量狀態(tài)特征參數(shù)與各部件制造參數(shù)進行數(shù)據(jù)挖掘分析(分類、關聯(lián)、聚類、異常等分析)，探索各部件參數(shù)與產(chǎn)品質(zhì)量各特征參數(shù)間關系，形成部件參數(shù)與產(chǎn)品質(zhì)量狀態(tài)關系鏈，進而為新產(chǎn)品設計提供產(chǎn)品質(zhì)量參數(shù)，也為運維服務中快速識別異常狀態(tài)，定位故障部件，提升維修能力，提供支持。

2 電機全生命周期質(zhì)量大數(shù)據(jù)管控系統(tǒng)設計

2.1 系統(tǒng)組成

系統(tǒng)是由相互作用相互依賴的若干組成部分結(jié)合而成的，具有特定功能的有機整體。電機全生命周期質(zhì)量大數(shù)據(jù)系統(tǒng)是以系統(tǒng)方式組織和開展質(zhì)量管理工作，通過集成化思想綜合技術和管理的方法和手段，綜合優(yōu)化電機質(zhì)量管理。根據(jù)電機全生命周期的主要環(huán)節(jié)和業(yè)務，即需求與設計，生產(chǎn)制造和售后服役，將電機全生命周期質(zhì)量管控系統(tǒng)分為電機需求與設計質(zhì)量管控子系統(tǒng)、電機制造質(zhì)量管控子系統(tǒng)、電機服役質(zhì)量管控子系統(tǒng)和電機質(zhì)量大數(shù)據(jù)應用中心四部分，如圖2所示。電機需求與設計質(zhì)量管控子系統(tǒng)完成設計過程中需求質(zhì)量信息采集，將顧客需求信息合理而有效地轉(zhuǎn)換為產(chǎn)品開發(fā)各階段的工藝步驟和工藝控制參數(shù)的技術質(zhì)量目標。電機制造質(zhì)量管控子系統(tǒng)完成制造過程中質(zhì)量數(shù)據(jù)采集、質(zhì)量預測、質(zhì)量過程控制、質(zhì)量追溯等功能。電機服役質(zhì)量管控子系統(tǒng)完成電機使用過程中狀態(tài)數(shù)據(jù)采集、故障監(jiān)控、健康分析等功能。電機質(zhì)量大數(shù)據(jù)應用中心的本質(zhì)是將子系統(tǒng)中的數(shù)據(jù)集成、關聯(lián)和存儲，利用數(shù)據(jù)挖掘、機器學習等大數(shù)據(jù)技術，對關聯(lián)數(shù)據(jù)進行深入分析，形成質(zhì)量數(shù)據(jù)知識庫，進而向企業(yè)內(nèi)部管理、設計、工藝、生產(chǎn)、質(zhì)量、銷售等部門提供質(zhì)量數(shù)據(jù)查詢、追溯、統(tǒng)計分析、質(zhì)量建模等服務，向電機用戶提供電機故障診斷、故障預警、健康分析等服務。

圖2 電機全生命周期質(zhì)量管控系統(tǒng)組成

2.2 系統(tǒng)架構

電機全生命周期質(zhì)量大數(shù)據(jù)管控系統(tǒng)旨在及時收集電機在需求與設計、制造、運行服務全生命周期階段產(chǎn)生的數(shù)據(jù)，利用相關分析、聚類分析、深度學習等大數(shù)據(jù)方法挖掘電機質(zhì)量知識，為質(zhì)量管理提供技術支持。電機全生命周期質(zhì)量大數(shù)據(jù)管控系統(tǒng)架構如圖3所示，由下至上分為五個層次：數(shù)據(jù)層、網(wǎng)絡層、儲存層、計算層、應用層。最底層是數(shù)據(jù)層，主要收集子系統(tǒng)的數(shù)據(jù)，為深入分析數(shù)據(jù)做準備。第二層是網(wǎng)絡層，包括互聯(lián)網(wǎng)、工業(yè)以太網(wǎng)、工業(yè)無線局域網(wǎng)、企業(yè)內(nèi)部局域網(wǎng)、物聯(lián)網(wǎng)，通過網(wǎng)絡達到數(shù)據(jù)快速及時的傳遞。第三層是儲存層，收集的數(shù)據(jù)經(jīng)過清洗、整理、轉(zhuǎn)化，進而儲存至分布式文件系統(tǒng)HDFS和關系數(shù)據(jù)庫。第四層是計算層，該層使用實時流式計算Storm、并行計算Spark、分布式計算MapReduce工具進行大數(shù)據(jù)分析算法的并行計算，系統(tǒng)中將傳統(tǒng)統(tǒng)計方法和大數(shù)據(jù)技術方法相結(jié)合進行數(shù)據(jù)分析和模型構建，實現(xiàn)質(zhì)量規(guī)則挖掘與知識挖掘。最頂層是應用層，將計算層提煉出的深層知識付諸于應用，主要面向企業(yè)管理、設計、工藝、生產(chǎn)、質(zhì)量、銷售等部門的質(zhì)量管理人員，促進電機質(zhì)量管理優(yōu)化。

圖3 電機全生命周期質(zhì)量管控系統(tǒng)架構

基于以上系統(tǒng)介紹，所建立的電機全生命周期質(zhì)量大數(shù)據(jù)管控系統(tǒng)具有如下特點：

1) 集成性?；陔姍C全生命周期階段構建了電機需求與設計質(zhì)量管控子系統(tǒng)、電機制造質(zhì)量管控子系統(tǒng)、電機服役質(zhì)量管控子系統(tǒng)，以及具有集成各子系統(tǒng)的電機大數(shù)據(jù)應用中心，從多視角與全面的角度分析了電機質(zhì)量，從而反饋給各個系統(tǒng)，及時優(yōu)化和管控了電機質(zhì)量。

2) 技術性。傳統(tǒng)的數(shù)據(jù)分析技術已經(jīng)不足以滿足大數(shù)據(jù)應用的需要，除使用傳統(tǒng)的統(tǒng)計方法外，引入機器學習和數(shù)據(jù)挖掘的大數(shù)據(jù)智能分析方法對質(zhì)量數(shù)據(jù)進行深入分析，挖掘質(zhì)量關聯(lián)規(guī)則和知識，形成質(zhì)量知識庫，進行科學合理的質(zhì)量預測和管控。

3) 實時性。從用戶和市場的需求到設計、制造、使用這一全過程都是實時動態(tài)變化的，通過物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)等網(wǎng)絡的傳遞也是實時的，因此電機全生命周期質(zhì)量大數(shù)據(jù)收集是實時動態(tài)變化的，并且實時動態(tài)的質(zhì)量大數(shù)據(jù)必須在短時間內(nèi)進行計算和分析，實現(xiàn)產(chǎn)品質(zhì)量的實時性判定和控制。

3 子系統(tǒng)分析

3.1 電機質(zhì)量需求與設計管控子系統(tǒng)

制造需求與設計質(zhì)量管控子系統(tǒng)反映了電機生命周期早期階段的質(zhì)量管理，其系統(tǒng)部署結(jié)構如圖4所示。其管理主要是通過云平臺及電子商務平臺收集商業(yè)環(huán)境中消費者、競爭者、社交媒體、行業(yè)媒體、國家標準、行業(yè)標準等數(shù)據(jù)以及客戶訂購與定制的功能描述、性能描述、配置描述等數(shù)據(jù)，為快速準確地分析和預測電機質(zhì)量需求提供有力支持。收集的數(shù)據(jù)通過互聯(lián)網(wǎng)和無線網(wǎng)絡傳到制造需求與設計質(zhì)量管控系統(tǒng)中心數(shù)據(jù)庫并進行清理、整理、轉(zhuǎn)化、儲存，即特征信息預處理。

圖4 電機需求與設計質(zhì)量管控系統(tǒng)部署結(jié)構

在數(shù)據(jù)分析階段，以知識數(shù)據(jù)庫(包括實例庫、規(guī)則庫、特征庫、設計約束庫、模塊庫、參數(shù)庫)為基礎，進而運用傳統(tǒng)的質(zhì)量功能配置(QFD)分析方法和現(xiàn)在的大數(shù)據(jù)技術分析電機質(zhì)量需求。QFD的核心思想是通過增加客戶滿意度來提高市場占有率，以用戶為出發(fā)點，將目標客戶的主觀需求信息轉(zhuǎn)化為產(chǎn)品設計質(zhì)量要求[23]?；诖髷?shù)據(jù)技術的質(zhì)量需求分析是根據(jù)顧客需求描述，利用文本挖掘技術分析[24]和智能算法評價當前質(zhì)量需求和潛在質(zhì)量需求[25-26]，進而將產(chǎn)品質(zhì)量特征融入產(chǎn)品設計過程中。通過參數(shù)映射確定屬性，計算屬性相似度，利用聚類分析與關聯(lián)分析，設計實體相似度計算模型，結(jié)合知識庫中已有的設計知識，促進電機原理設計、概念設計、模塊設計、變型設計、配置設計、功能設計、結(jié)構設計、快速建立工藝模型，并在CAD、PDM與PLM集成平臺完成產(chǎn)品質(zhì)量設計和工藝質(zhì)量設計。

3.2 電機制造質(zhì)量管控子系統(tǒng)

電機制造質(zhì)量管控子系統(tǒng)主要對影響質(zhì)量的人、機、料、法、環(huán)數(shù)據(jù)采集、儲存和利用，完成電機制造過程質(zhì)量的控制，包括部件與原材料的采購、產(chǎn)品制造、產(chǎn)品檢驗環(huán)節(jié)中的質(zhì)量數(shù)據(jù)和ERP、MES、WMS等系統(tǒng)中的質(zhì)量數(shù)據(jù)，實現(xiàn)對電機制造全過程的高效質(zhì)量管理和控制，見圖5。為實現(xiàn)電機制造質(zhì)量數(shù)據(jù)的采集，需要在電機生產(chǎn)制造車間根據(jù)生產(chǎn)流程的布局，在各個工序部署質(zhì)量數(shù)據(jù)采集設備。數(shù)據(jù)采集設備一般包括條碼掃描槍、RFID、傳感器、數(shù)據(jù)采集計算機、數(shù)據(jù)采集平板等，分為人工錄入與自動采集方式。采集的數(shù)據(jù)通過企業(yè)內(nèi)部網(wǎng)絡(有線或無線)傳輸?shù)狡髽I(yè)內(nèi)網(wǎng)數(shù)據(jù)中心的服務器上，并進行數(shù)據(jù)的集成、清洗、整理和存儲。

圖5 電機制造質(zhì)量管控子系統(tǒng)部署結(jié)構

在數(shù)據(jù)處理分析階段，由于電機制造過程是動態(tài)、實時、多因素、復雜的，傳統(tǒng)的統(tǒng)計方法不能很好滿足質(zhì)量分析需求，必須引進數(shù)據(jù)挖掘和機器學習的大數(shù)據(jù)方法。采用貝葉斯網(wǎng)絡、決策樹、隨機森林、人工神經(jīng)網(wǎng)絡、支持向量機等機器學習算法進行質(zhì)量預測與故障診斷[27]。依據(jù)產(chǎn)品制造過程數(shù)據(jù)及質(zhì)檢數(shù)據(jù)實現(xiàn)產(chǎn)品質(zhì)量追溯，通過關聯(lián)分析識別影響質(zhì)量的主要因素(原材料性能參數(shù)、設備狀態(tài)參數(shù)、工藝參數(shù)或車間環(huán)境參數(shù))[28-29]。針對制造企業(yè)質(zhì)量異常數(shù)據(jù)，采用ADTree決策樹與FP-Growth算法[15]對質(zhì)量數(shù)據(jù)集進行挖掘，快速發(fā)現(xiàn)制造過程中質(zhì)量異常、不合格產(chǎn)品及其影響因素。通過對表征質(zhì)量特性的動態(tài)數(shù)據(jù)進行實時檢測，基于聚類分析，實現(xiàn)動態(tài)質(zhì)量的監(jiān)控和診斷。電機制造質(zhì)量大數(shù)據(jù)管控子系統(tǒng)保障了生產(chǎn)過程的在制品質(zhì)量，控制和優(yōu)化了電機制造質(zhì)量的結(jié)果，最終保障了采購管理、生產(chǎn)過程質(zhì)量管理和成品質(zhì)量管理。

3.3 電機服役質(zhì)量管控子系統(tǒng)

為了完成電機的最后生命周期管理，提高售后服務，設計電機服役質(zhì)量管控系統(tǒng)，其主要由遠程智能感知設備、企業(yè)互聯(lián)網(wǎng)數(shù)據(jù)服務器和應用服務部分構成，如圖6所示。遠程智能感知設備負責采集電機的運行數(shù)據(jù)，分析電機的運行狀態(tài)，并向用戶現(xiàn)場控制系統(tǒng)和公司互聯(lián)網(wǎng)數(shù)據(jù)服務器發(fā)送這些狀態(tài)數(shù)據(jù)。傳感器負責實時采集和儲存電機的電壓、電流、溫度、轉(zhuǎn)速、振動等運行數(shù)據(jù)。企業(yè)互聯(lián)網(wǎng)數(shù)據(jù)中心服務器接收和存儲電機運行狀態(tài)數(shù)據(jù)，并實現(xiàn)實時計算、能效與振動分析、健康分析、報警保護等功能。工業(yè)總線接口與電機用戶現(xiàn)場控制系統(tǒng)(DCS)的PLC直接進行通信，能夠為用戶DCS系統(tǒng)提供所關心的所有數(shù)據(jù)和分析結(jié)果，幫助用戶掌握電機當前運行質(zhì)量狀態(tài)及其發(fā)展趨勢，制定維護計劃，節(jié)約維護維修成本，提高運營效率?；ヂ?lián)網(wǎng)接口與電機制造企業(yè)中心進行通信，能夠為電機制造企業(yè)實時監(jiān)控運行狀態(tài)，預測電機運行質(zhì)量，快速發(fā)現(xiàn)設備和系統(tǒng)的故障原因進行維修策略的制定，同時為需求、設計、制造提供支持。

圖6 電機服役質(zhì)量管控子系統(tǒng)

電機服役質(zhì)量數(shù)據(jù)分析的傳統(tǒng)統(tǒng)計方法包括故障樹、累計分割壽命推定、威布爾函數(shù)分析、多元統(tǒng)計等，但這些方法存在精度低、計算速度慢、難以適應大數(shù)據(jù)特征等缺點，因而需要引入大數(shù)據(jù)分析方法。通過實時監(jiān)測電機運行過程中性能參數(shù)等時間序列數(shù)據(jù)，運用支持向量機、神經(jīng)網(wǎng)絡等方法對電機狀態(tài)趨勢進行預測，采用深度學習方法[30]對電機健康狀態(tài)進行檢測診斷。運用基于Spark的RW-CLOPE算法方法對故障類型進行分類[31]，從而快速診斷出故障類型。對質(zhì)量分析數(shù)據(jù)集進行關聯(lián)分析，及時發(fā)現(xiàn)質(zhì)量異常的影響因素。

3.4 電機質(zhì)量大數(shù)據(jù)應用中心

產(chǎn)品全生命周期是一個完整的系統(tǒng)，各個階段具有相互關聯(lián)、相互影響和相互制約的關系，且必須實現(xiàn)信息的互通共享和反饋，因而電機質(zhì)量大數(shù)據(jù)應用中心將制造需求與設計質(zhì)量管控系統(tǒng)、電機制造質(zhì)量管控系統(tǒng)與電機服役質(zhì)量管控系統(tǒng)集成，如圖7所示。電機質(zhì)量大數(shù)據(jù)應用中心通過WEBSERVICE、JDBC等經(jīng)典數(shù)據(jù)交互技術和Flume、Sqoop、Kafka等大數(shù)據(jù)技術，實現(xiàn)了與各個分系統(tǒng)的無縫銜接，利用互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、工業(yè)以太網(wǎng)、工業(yè)無線局域網(wǎng)確保數(shù)據(jù)傳輸?shù)膶崟r性。在此基礎上，建立集成數(shù)據(jù)庫，對數(shù)據(jù)進行清洗、轉(zhuǎn)化、融合、分類，建立知識庫和歷史庫，從而用于電機質(zhì)量數(shù)據(jù)統(tǒng)一管理、聯(lián)合分析和數(shù)據(jù)挖掘。

圖7 電機質(zhì)量大數(shù)據(jù)應用中心

在大數(shù)據(jù)分析階段，為了識別不同階段復雜的耦合特性，充分挖掘各個階段數(shù)據(jù)集中的關聯(lián)規(guī)則，常采用Apriori算法及其改進AprioriTid算法、AprioriList算法和FP-gerowth算法。如利用電機現(xiàn)場制造測量數(shù)據(jù)與電機用戶使用狀態(tài)數(shù)據(jù)進行關聯(lián)分析，快速識別以改進設計參數(shù)，識別影響質(zhì)量的主要因素，提升產(chǎn)品可靠性；將電機用戶使用狀態(tài)數(shù)據(jù)與電機制造需求與設計階段的市場、行業(yè)、地理等多方面數(shù)據(jù)進行關聯(lián)分析，可以較精確預測不同市場的質(zhì)量需求情況，更好地描繪客戶畫像，實行差異化的設計，提高企業(yè)競爭力；將實時數(shù)據(jù)與歷史診斷數(shù)據(jù)相關聯(lián)，對潛在異常進行診斷并進行預防性維護，從而在重大異常發(fā)生之前消除隱患。此外，利用隨機矩陣理論分析質(zhì)量時空關聯(lián)特性，并對關聯(lián)異常情況進行辨識。由于影響質(zhì)量特性的過程因素很多，并出現(xiàn)隨機性、模糊性、非線性、綜合性等特點，過程作用機理復雜，針對此類問題，采用神經(jīng)網(wǎng)絡、貝葉斯網(wǎng)絡、支持向量機、深度學習等機器學習方法進行預測和過程建模。運用多元統(tǒng)計方法、聚類分析、分類分析等數(shù)字挖掘方法挖掘電機全生命周期數(shù)據(jù)中隱含的質(zhì)量相關信息。通過實時監(jiān)測電機在不同階段的時間序列數(shù)據(jù)，實現(xiàn)產(chǎn)品質(zhì)量追溯，揭示影響電機質(zhì)量的主要因素，在運維服務中快速定位，提升服務水平。綜上，運用大數(shù)據(jù)技術對電機全生命周期質(zhì)量大數(shù)據(jù)進行分析，為質(zhì)量知識庫不斷增加有價值的知識。總之，電機質(zhì)量數(shù)據(jù)應用中心通過信息集成電機各個生命階段的質(zhì)量數(shù)據(jù)，并運用數(shù)字挖掘、機器學習等大數(shù)據(jù)技術，解決電機質(zhì)量集成共享、隱性關聯(lián)、復雜建模、實時監(jiān)測、精確預測、優(yōu)化與控制等問題，為公司內(nèi)部管理、設計、工藝、生產(chǎn)、質(zhì)量、銷售等部門提供質(zhì)量大數(shù)據(jù)應用服務，為公司內(nèi)外部的電機用戶提供電機運行狀態(tài)監(jiān)測、運行能效分析、健康分析和巡檢、運維等增值服務。

4 系統(tǒng)應用實施

湘潭電機股份有限公司是我國電機制造行業(yè)的重要企業(yè)之一，主要生產(chǎn)和銷售發(fā)電機、交直流電動機、特種電機、軌道交通和新能源汽車車輛牽引控制系統(tǒng)等。公司十分重視電機全生命周期的質(zhì)量管理，為了提高電機質(zhì)量管理信息化、實時化、可視化、高效化、智能化水平，充分利用當前物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、大數(shù)據(jù)等先進技術，構建了電機全生命周期質(zhì)量大數(shù)據(jù)管控系統(tǒng)。

針對數(shù)據(jù)采集，在需求設計階段，公司收集云平臺和電子商務平臺的客戶下單言論信息；在制造階段，在湘電股份特種電氣事業(yè)部所屬的5個車間，構建55個信息采集點，在每個數(shù)據(jù)采集點，系統(tǒng)將配備一組數(shù)據(jù)采集設備，包括條碼打印機、條碼掃描槍、PC數(shù)據(jù)采集設備、平板數(shù)據(jù)采集設備等；在服役階段，通過在湘電風能有限公司、株洲自來水廠、湖南華菱湘潭鋼鐵有限公司等主要用戶的電機運營現(xiàn)場安裝遠程智能感知設備，采集電機運行參數(shù)以及維護維修等質(zhì)量相關數(shù)據(jù)。

對于數(shù)據(jù)網(wǎng)絡傳輸，廠區(qū)和辦公室通過千兆光纖組建局域網(wǎng)絡，與質(zhì)量管理相關的業(yè)務人員(包括檢驗員、技術人員、設計人員、工藝人員、財務審計人員、質(zhì)量審理人員、質(zhì)量部領導等)可通過公司內(nèi)網(wǎng)系統(tǒng)在各自工作機器上處理所負責的質(zhì)量業(yè)務。在信息中心提供Internet網(wǎng)關，使得質(zhì)量管理人員可通過移動App客戶端或Web客戶端異地處理業(yè)務。此外，與外部連接通過千兆光纖連接，在線監(jiān)測、售后運維服務過程中產(chǎn)生的質(zhì)量信息也可通過Internet網(wǎng)關回傳到數(shù)據(jù)中心，從而實現(xiàn)全壽命周期質(zhì)量信息分析。

針對數(shù)據(jù)儲存與利用階段，信息中心建設質(zhì)量大數(shù)據(jù)中心，配置、管理、分析計算機用于支撐質(zhì)量管理業(yè)務和數(shù)據(jù)分析功能；向云服務提供商購買云計算服務；以電機全生命周期質(zhì)量大數(shù)據(jù)為基礎，通過將傳統(tǒng)統(tǒng)計方法和支持向量機、文本挖掘、神經(jīng)網(wǎng)絡等機器學習和數(shù)據(jù)挖掘方法進行數(shù)據(jù)深入挖掘，向企業(yè)內(nèi)部和電機用戶提供制造工序能力分析(見圖8)、制造參數(shù)直方圖分析(見圖9)、統(tǒng)計控制圖(見圖10)、不合格品分析(見圖11)、質(zhì)量檔案查詢(見圖12)、設備詳細狀態(tài)信息(見圖13)及監(jiān)測信息(見圖14)、統(tǒng)計分析結(jié)論(見圖15)、電機健康分析(見圖16)、質(zhì)量狀態(tài)預測(見圖17)等服務。

圖8 工序能力分析

圖9 制造參數(shù)直方圖分析

圖10 統(tǒng)計控制圖

圖11 不合格品分析

圖12 質(zhì)量檔案查詢

圖13 設備詳細狀態(tài)信息

圖14 設備狀態(tài)監(jiān)測

圖15 統(tǒng)計分析結(jié)論

圖16 電機健康分析

圖17 質(zhì)量狀態(tài)預測

該系統(tǒng)創(chuàng)新了公司質(zhì)量管理模式，其正式運行以來效果顯著，主要表現(xiàn)在：

(1) 質(zhì)量信息數(shù)據(jù)實現(xiàn)及時共享與協(xié)同。系統(tǒng)集成了電機全生命周期各階段的數(shù)據(jù)，并且運用物聯(lián)網(wǎng)、互聯(lián)網(wǎng)、無線網(wǎng)、大數(shù)據(jù)技術實時快速搜集數(shù)據(jù)、處理數(shù)據(jù)、共享數(shù)據(jù)，以便管理人員能夠及時對質(zhì)量問題做出迅速而準確的反應，同時便于企業(yè)各部門以及企業(yè)與客戶、企業(yè)與供應商溝通與交流。

(2) 質(zhì)量管理決策更加優(yōu)化，提高電機質(zhì)量，降低質(zhì)量成本。系統(tǒng)能夠利用統(tǒng)計方法、數(shù)據(jù)挖掘、機器學習的大數(shù)據(jù)方法，充分挖掘電機質(zhì)量需求，影響質(zhì)量相關的因素，不同參數(shù)的關聯(lián)規(guī)則，以及預測、監(jiān)控和診斷電機質(zhì)量及其故障，提高了基于數(shù)據(jù)的管理決策能力和戰(zhàn)略決策準確性，降低決策中的不確定性和風險，為管理決策提供了支持，提高了電機質(zhì)量，降低質(zhì)量成本。

(3) 提升企業(yè)對客戶價值，促進客戶滿意度提升。系統(tǒng)可以向公司的銷售、市場和客戶服務的專業(yè)人員提供全面與個性化的客戶需求資料，并強化跟蹤服務和信息分析，使他們能夠快速響應和引導客戶需求，在最短的時間內(nèi)為客戶提供滿意的產(chǎn)品和服務，協(xié)同建立和維護一系列與客戶之間卓有成效的“一對一關系”，從而通過精準服務來提高客戶黏性和客戶忠誠度，提高客戶滿意度，吸引和保持更多的客戶，最終達到銷售額的大幅度增加。

(4) 提高售后服務質(zhì)量，向制造加服務轉(zhuǎn)型。公司可以依托系統(tǒng)為電機用戶提供具有電機運行狀態(tài)分析、健康分析等服務通信服務的智能化產(chǎn)品，實現(xiàn)包括狀態(tài)監(jiān)測、故障預警、維護計劃生成、設備運行能效分析、健康分析、巡檢服務和運維服務等增值服務，提升服務水平，并獲得服務帶來的收益，逐步實現(xiàn)從產(chǎn)品制造到制造+服務的升級。

5 結(jié) 語

在全生命周期階段產(chǎn)生了大量的質(zhì)量數(shù)據(jù)，具備量(volume)、類(variety)、速(velocity)、值(value)的大數(shù)據(jù)4V特征。利用文本挖掘、關聯(lián)分析、聚類分析等大數(shù)據(jù)技術構建電機全生命周期質(zhì)量大數(shù)據(jù)管控系統(tǒng)。系統(tǒng)架構由下至上分為五個層次：數(shù)據(jù)層、網(wǎng)絡層、儲存層、計算層、應用層，且由電機質(zhì)量需求與設計管控子系統(tǒng)、電機制造質(zhì)量管控子系統(tǒng)、電機服役質(zhì)量管控子系統(tǒng)和電機質(zhì)量大數(shù)據(jù)應用中心組成，其中核心為電機質(zhì)量大數(shù)據(jù)應用中心。該系統(tǒng)由湘潭電機股份有限公司開發(fā)并運行，實踐證明，所構建的系統(tǒng)解決了電機質(zhì)量集成共享、隱性關聯(lián)、復雜建模、實時監(jiān)測、精確預測、優(yōu)化與控制等問題，為公司管理、設計、工藝、生產(chǎn)、質(zhì)量、銷售等部門提供質(zhì)量大數(shù)據(jù)應用服務，為電機用戶提供電機運行狀態(tài)監(jiān)測、運行能效分析、健康分析和巡檢、運維等增值服務。