《CPS、云计算、边缘计算在工业智能中的应用探索.doc》由会员分享，可在线阅读，更多相关《CPS、云计算、边缘计算在工业智能中的应用探索.doc（4页珍藏版）》请在三一文库上搜索。
1、CPS、云计算、边缘计算在工业智能中的应用探索 在2000年，IMS中心（Intelligent Maintenance Systems美国智能维护系统产学合作中心）成立时期，人工智能、大数据以及机器学习等都是非常前沿的技术，那时我们开始探索怎样通过机器的数据来分析判断发生故障前衰退的痕迹以及预测未来的生命周期表现，目标是将设备纠错式维修变成预测性维护，结合生产维护排程，在资源效率最优、成本最小的情况下排除故障，最终实现近零停机的智能维护系统。 工业大数据怎么体现价值？李杰教授提出的“煎蛋模型”可以给出很好的解释。传统工业价值指的是蛋黄的部分，即5个M，包括材料（Materials）、设备（M
2、achines）、方法（Methods）、维护（Maintenance）和测量（Measurement）。其价值核心是蛋白部分，即6个C，建立互联互动的环境（Connection）、IoT的基础架构以及在云端随时随地按需获取的计算与存储的能力（Cloud），在赛博空间（Cyber）建立数字孪生模型，建立设备全生命周期的数据档案的记忆（Contents/Context），结合带有场景化的数据分析，提供对数据深刻的洞察，最后这些数据能够在社群（Community）当中进行分享，在用户群体或整个供应链和生态链当中分享数据，最终在整个社群当中每一个人都能从中获得个性化的服务（Customization
3、）。这6个C的价值怎么与传统工业价值相结合？最重要的桥梁就是建模（Modeling），目前工业大数据的价值缺失的部分就是在建模上。 IMS中心成立17年以来，重点解决了一个问题，就是如何建模。我们过去研发了Watchdog Agent?算法工具包，2011年在美国国家仪器（NI）的LabView上面正式把这个工具包进行了商业化，包括经常用到不同的面向机器分析的模型、机器数据分析的模型等都被模块化了。天泽智云基于Watchdog Agent算法工具包开发了我们的工业智能算法引擎，建立了智能算法库。我们与微软Azure合作，将智能算法引擎部署到云端，一方面利用云计算的环境建立模型，另一方面在云端做
4、边缘计算节点的管理与部署。运算的结果也可以传输到用户端，通过类似Machine Apps?样的方式实现客制化的软件服务发布。 给大家举几个例子，涵盖工业大数据几个核心的应用场景。第一个应用场景是智能风场运维系统。风电装备每停机一次就会造成功率的损失、维护成本越来越高，风机在运行时能否实现在远端平台上实时监控相应的状态指标？从风场级别上看，整个风场运行的KPI，每台风机的分布都可以一目了然，哪台风机存在隐患时，我们可以得到历史数据，通过嵌入了很多故障预测和异常监测的模型，能够判断具体哪一个部件有什么样的风险，甚至是接下来会出现怎样的故障模式。在这个过程中状态被透明化后，再以预测性的视角进行排程；
5、同时对风速进行实时预测，可以选择在风小的时候停下来进行维护，风大的时候尽量保持发电。通过结合维护排程优化的模型能够把整个维护过程当中的损失大幅降低。这个系统目前能够解决三方面的问题：在生产管理方面，结合风功率预测技术和每个风机的管理技术，可以实现每一台风机发电的精准预测，精准率达90%以上；在健康管理方面，结合远程监测和故障预测性诊断技术，对超过30多种关键部件建立故障预测的模型，针对核心部件的故障我们可以至少提前一个月预测出来；在运维管理方面，实现维护的排程优化，一方面优化排程，一方面优化资源的调度，能够把整个维护过程当中的费用降低30%以上。在这个系统中，我们将很多模型部署在边缘端。在建模
6、的过程中，很多数据有相关性，用模式识别等算法将许多数据的相关性建立起来之后，模型基本上可以被固化下来。每台风机根据自己的数据建立模型，可以对风机自身问题的表征具备较高的客制化功能。 在轨道交通方面，阿尔斯通是全球非常领先的OEM生产商，早在2006年就开始探索怎么利用运行当中产生的数据为用户提供更好的服务。阿尔斯通的技术布局包括建立一些边缘端的系统，如Train Tracer、Track Tracer、Train Scanner等，这些系统即便离开云端，部署的嵌入式模型依然能够解决90%的问题。同时很多辆的列车和基础设施相关数据分析完之后产生了跟状态相关的洞察，会被传到云端，在远程云端可以实现实时评估关键部件健康状态、预测运行风向和剩余寿命，以及维护计划排程优化。目前Health Hub的应用使维护成本降低15%，维护时间降低85%。由于有这样一套系统，ALSTOM轨道交通部门的服务型收入占总收入超过35%，利润占比超过50%，其对智能轨道交通产品发展的重视体现了ALSTOM进一步向服务型制造转型的决心。IMS在2010年开始与阿尔斯通合作，开发了很多轨道交通的典型应用，比如高铁的在线监控，每个车辆里面的详细部件，如轴承牵引系统等健康状态的诊断等。针对轨道的基础设施，如道岔机、铁轨的健康状态，我们也做了一个系统，在载客状态下，实时判断铁轨是否有问题。（根据演讲内容整理，有删节）