近年來，以制造業(yè)為經(jīng)濟基礎(chǔ)的先進發(fā)達國家投入大量的人力物力以改善其制造業(yè)的實效性和產(chǎn)品質(zhì)量。由于受各種不確定性因素的影響，要在新型市場和全球化制造鏈中實現(xiàn)穩(wěn)定的表現(xiàn)變得越來越有挑戰(zhàn)性。制造型企業(yè)開始尋求采用創(chuàng)新技術(shù)將他們的傳統(tǒng)制造工廠轉(zhuǎn)變成更具智能、安全以及可持續(xù)性發(fā)展的生產(chǎn)模式。因此，通過精益(lean)的、靈活的、可重構(gòu)制造的概念，技術(shù)創(chuàng)新推進了制造業(yè)的生產(chǎn)模式演進，并使傳統(tǒng)的大規(guī)模工業(yè)生產(chǎn)進化到現(xiàn)階段的以生產(chǎn)設(shè)備生產(chǎn)能力透明化為主要特征的可預(yù)測性生產(chǎn)。有了制造的透明化，工廠管理就可以掌握正確的信息去決策工廠的整體設(shè)備效率(OEE)，并且通過對這些生產(chǎn)制造數(shù)據(jù)的分析將其轉(zhuǎn)化成有意義和價值的信息，以實現(xiàn)機器故障預(yù)測和預(yù)防。該預(yù)測能力可以實現(xiàn)工廠對設(shè)備成本的有效管理和對設(shè)備實時準(zhǔn)確的維護。

　　工業(yè)4.0是由德國在制造行業(yè)中最先倡導(dǎo)起來的。它是基于信息-實體融合系統(tǒng)(Cyber-Physical System CPS)組合概念與智能分析在一起改變生產(chǎn)管理和工廠改造的一種新思路。在當(dāng)前的制造業(yè)中，存有不同的數(shù)據(jù)源，包括傳感器、控制器、網(wǎng)絡(luò)化制造系統(tǒng)等。美國政府早在2007年提出一種新的發(fā)展戰(zhàn)略：信息-實體融合系統(tǒng)(CPS)，CPS集成了計算性能和物理性能，包括傳感、通信和實體系統(tǒng)驅(qū)動。CPS的應(yīng)用包括制造業(yè)、安全控制、醫(yī)療設(shè)備、環(huán)境控制、航空、先進汽車系統(tǒng)、過程控制、節(jié)能控制、交通控制和安全及智能結(jié)構(gòu)等, 但完全不局限于這些行業(yè)。CPS尚未成熟，因為它涵蓋了一個廣泛的科學(xué)時代，所以還需要工業(yè)界和學(xué)術(shù)界的長期合作。典型的合作包括歐洲的基于嵌入式智能系統(tǒng)的先進研究和技術(shù)(ARTEMIS)和美國的智能維護系統(tǒng)中心(IMS)，這些合作都將有助于應(yīng)對目前所面臨的挑戰(zhàn)并推動CPS的快速發(fā)展。

　　決定當(dāng)今工廠成功的關(guān)鍵是機器設(shè)備的產(chǎn)量(throughput)和零部件的精度;而同時制定一套方法去利用數(shù)據(jù)和了解目前的狀況并檢測故障是一個很重要的研究課題。對于生產(chǎn)系統(tǒng)，許多商業(yè)化的制造系統(tǒng)可以輔助工廠管理者去獲取整體設(shè)備效率(OEE)的信息。相反，在工業(yè)4.0的工廠中，自我意識(self-aware)和自我預(yù)測(self-predict)的功能成為監(jiān)測和控制系統(tǒng)的新功能,這些新功能可以幫助用戶去了解機器的健康退化和剩余使用壽命。此外，機器的健康還可以通過零部件的健康狀況的融合和同類機器的對比(peer-to-peer)來預(yù)測。這種預(yù)測能力使得工廠可以采取及時的維護措施從而提高管理效率,并最終優(yōu)化機器的正常運行時間。最后，歷史健康信息也可以反饋到機器設(shè)備設(shè)計部門從而形成閉環(huán)的生命周期更新設(shè)計，最終實現(xiàn)無憂生產(chǎn)(worry-free productivity)。

　　這種預(yù)測分析方法可以將產(chǎn)品和制造系統(tǒng)都轉(zhuǎn)化為自我意識和自我維護的智能信息。產(chǎn)品預(yù)測服務(wù)系統(tǒng)可以使得產(chǎn)品在其退化過程中產(chǎn)生主動觸發(fā)的服務(wù)請求并進一步預(yù)測和預(yù)防潛在的故障。預(yù)測性制造融合了來自生產(chǎn)制造系統(tǒng)的信息和來自供應(yīng)鏈系統(tǒng)的信息。傳統(tǒng)意義上，制造商通過供應(yīng)鏈系統(tǒng)做出決策，這種方法利用物流,同步化供給與需求，以及全球化性能測試來實現(xiàn)優(yōu)化成本的目標(biāo)。

　　工業(yè)4.0如何實現(xiàn)自我意識、自我預(yù)測和自我重新配置的能力所需的核心技術(shù)是利用智能預(yù)診斷工具和解析工具來實現(xiàn)預(yù)測分析。智能預(yù)診斷工具主要涉及信號采集、數(shù)據(jù)存儲、同步、合成與服務(wù)。解析工具主要涉及信息轉(zhuǎn)化的四個子工具：信號處理和特征提取、健康評估、性能預(yù)測以及故障診斷。圖1展示的就是傳統(tǒng)工廠與末來工業(yè)4.0工廠的差別。

　　工業(yè)4.0對未來工廠的透明化——突破制造業(yè)中的不確定性

　　在制造業(yè)中，有很多可能無法量化甚至決策者無法知曉的不確定性，這使決策者對他們的資產(chǎn)的有效運作和使用情況無法形成合理的判斷和結(jié)論。這些不確定性存在于工廠的內(nèi)部和外部。內(nèi)部不確定性的例子包括加工過程的退化和沒有任何可識別癥狀的失效事件的發(fā)生(組件級別);由于不一致的操作，系統(tǒng)意外崩潰及廢料的存在和返工事件所引起的周期變化可能導(dǎo)致在生產(chǎn)計劃與調(diào)度(系統(tǒng)或生產(chǎn)工藝級)上出現(xiàn)困難。與此同時，外部不確定因素所產(chǎn)生的阻礙作用通常會從產(chǎn)品開發(fā)一直到供應(yīng)鏈環(huán)節(jié)，可表現(xiàn)為：不可靠的下游產(chǎn)能;原材料或部件運輸、數(shù)量和質(zhì)量的不可預(yù)測變化;市場和客戶的需求波動;由于生產(chǎn)和使用過程中缺乏對產(chǎn)品狀態(tài)的準(zhǔn)確評估而導(dǎo)致的不完整的產(chǎn)品設(shè)計;隨機保修索賠和更換要求，等等。

　　內(nèi)部制造的問題可以進一步映射到兩個領(lǐng)域：有形和無形。有形問題的例子包括機器故障、產(chǎn)品缺陷、不良循環(huán)時間、長延誤時間、整體設(shè)備效率(OEE)降低，等等，而這些都是從事后分析中可以得出的非常明顯的情況和信息。另一方面，無形的問題包括機器衰退、部件磨損等，如果沒有審慎實施的預(yù)測分析和控制策略，這些不確定因素可能對生產(chǎn)經(jīng)營產(chǎn)生不利影響。

　　在每一個領(lǐng)域，問題都會在可見和不可見的兩個層面來處理。對于可見性的問題，通常利用最佳做法和標(biāo)準(zhǔn)工作組成的工具來系統(tǒng)地處理這些問題。對于一個潛在的對策，公司與他們的設(shè)備供應(yīng)商合作，從內(nèi)部解決問題的實踐中運用新知識和開發(fā)技術(shù)，并將這些技術(shù)整合到他們的設(shè)備中作為一個增值改進。同時，已對不可見性的問題作出一些努力，比如在故障預(yù)測與健康管理(PHM)的研究領(lǐng)域，以制定更先進的預(yù)測分析方法和在早期階段發(fā)現(xiàn)問題。因此，未滿足的需要就是對可見空間成果復(fù)制，并進一步明確從解決問題層面發(fā)展到規(guī)避問題層面問題是怎樣處理的。利用預(yù)測工具和技術(shù)將展現(xiàn)出更多的新價值創(chuàng)造機會，這些機會將利用新的信息(未知的知識)。

　　工業(yè)4.0所需要的就是可以提供透明度的工具和技術(shù)，這些工具和技術(shù)具有拆解和量化不確定性的能力，從而可以客觀地估計其制造能力和可用性。之前描述的制造策略假定設(shè)備的連續(xù)可用性以及它的每一個使用過程中保持最佳性能，但這樣的假設(shè)在一個真正的工廠中是不成立的。為了實現(xiàn)工廠透明化，制造業(yè)需要大量投入以轉(zhuǎn)型為預(yù)測生產(chǎn)。這種革新需要使用先進的預(yù)測工具和方法，實現(xiàn)系統(tǒng)地將工廠不斷產(chǎn)生的數(shù)據(jù)加工成有用信息。這些信息可以幫助解釋不確定性，從而使得資產(chǎn)管理者和過程監(jiān)管者可以做出更“知情”的決策。

　　在制造業(yè)中積極采用“物聯(lián)網(wǎng)”的思想幫助預(yù)測制造業(yè)奠定了其智能傳感網(wǎng)絡(luò)和智能機器的基礎(chǔ)。在不同的細(xì)分市場中利用先進的預(yù)測工具已經(jīng)變得越來越流行了。故障預(yù)測與健康管理就是一個能夠充分運用此類預(yù)測分析的領(lǐng)域。故障預(yù)測與健康管理涉及制造狀況的評估、早期故障診斷以及未來失效時間推斷，因此主動維護活動得以實現(xiàn)，并可以避免災(zāi)難性和代價高昂的機器損壞。

　　工業(yè)4.0需要預(yù)測式制造系統(tǒng)

　　可預(yù)測制造業(yè)的概念由筆者在2005年提出。它是以對監(jiān)控機器設(shè)備的數(shù)據(jù)采集為起點的，通過采用合適的傳感器裝置，各種信號，如振動、壓力等可以被擷取;另外，歷史數(shù)據(jù)可以被用作進一步的數(shù)據(jù)挖掘;通訊協(xié)議，如MTConnect和OPC，可以幫助用戶記錄控制信號;當(dāng)所有的數(shù)據(jù)被匯總在一起，就構(gòu)成了所謂的“大數(shù)據(jù)”(Big Data)。而信息的轉(zhuǎn)化機制(transforming agent)由幾個組件構(gòu)成：整合的平臺、預(yù)測分析方法和可視化工具。Watchdog Agent中的算法可分為四個部分：信號處理和特征提取、健康評估、性能預(yù)測和故障診斷。通過可視化工具，健康信息(如當(dāng)前情況、剩余使用壽命、故障模式等)，都可以有效地以雷達圖、故障圖、風(fēng)險分析圖以及健康的衰退曲線表現(xiàn)出來。預(yù)測制造系統(tǒng)為設(shè)備和系統(tǒng)提供“自我意識”的能力，從而為用戶提供更大的透明度，并最終避免了涉及生產(chǎn)力、效率和安全性的潛在問題。

　　預(yù)測制造系統(tǒng)的核心技術(shù)是一個包含智能軟件來進行預(yù)測建模功能的智能計算工具。對設(shè)備性能的預(yù)測分析和對故障時間的估算，將減少這些不確定性的影響，并為用戶提供了預(yù)先緩和措施和解決對策，以防止生產(chǎn)運營中生產(chǎn)力、效率的損失。

　　預(yù)測制造系統(tǒng)為用戶提供透明化信息，如實際健康狀況、設(shè)備的表現(xiàn)或衰退的軌跡、設(shè)備或任何組件什么時候失效以及怎樣失效。

　　一個精心設(shè)計和開發(fā)的預(yù)測制造系統(tǒng)具有以下好處：

　　降低成本。通過了解生產(chǎn)資產(chǎn)的實際狀況，維護工作可以在一個更合適的條件下實施(不在故障發(fā)生后才更換或太早將一個完好的部件不必要地更換)。這也被稱為及時維護。

　　提升運營效率。當(dāng)知曉何時設(shè)備很可能會失效，生產(chǎn)和維修主管能夠?qū)徤鞯匕才畔嚓P(guān)活動，從而最大限度地提高設(shè)備的可用性和正常運行時間。

　　提高產(chǎn)品質(zhì)量。衰退模式和近乎實時的設(shè)備狀態(tài)估計可以與過程控制結(jié)合起來，以達到在設(shè)備或系統(tǒng)表現(xiàn)隨著時間變化的同時產(chǎn)品質(zhì)量保持不變。

　　隨著制造業(yè)的透明化發(fā)展，工廠管理以準(zhǔn)確的信息為基礎(chǔ)實現(xiàn)工廠范圍內(nèi)的整體設(shè)備效率(OEE)的確定。由于對設(shè)備的可預(yù)測能力，可以實現(xiàn)有效管理維護從而降低管理成本。最后，歷史健康信息也可以反饋到機器設(shè)備設(shè)計部門從而形成閉環(huán)的生命周期更新設(shè)計。

　　工業(yè)4.0的基礎(chǔ)在故障預(yù)測與健康管理

　　故障預(yù)測與健康管理(PHM)的方法解決了工業(yè)中看不見問題的透明化。這些看不見的問題可能是由機器的性能衰退和零部件的磨損導(dǎo)致的。作為一個不斷增長的新興研究領(lǐng)域，PHM提供了有效的方法來解決并避免計劃外停機時間和系統(tǒng)中的不確定性。應(yīng)用領(lǐng)域如飛機發(fā)動機、工業(yè)機器人、機床、電機、風(fēng)電輪機、電池、齒輪箱、軸承、泵等。

　　故障預(yù)測與健康管理(PHM)是一個利用先進的預(yù)測工具的重要研究領(lǐng)域。 PHM變得越來越受歡迎，主要是由于需要有一個對制造業(yè)資產(chǎn)以及輔助系統(tǒng)的真實狀況進行客觀評估的機制。被動維護策略在過去被廣泛采用，在這種策略中只有當(dāng)其中一臺機器修復(fù)必要時，才對其進行修理。然而，為了滿足日益增長的消費需求，需要生產(chǎn)效率不斷提高，計劃外停機時間的代價就變得非常巨大，因此必須避免。緊隨其后發(fā)展的是預(yù)防性維護策略，在這種策略中維護活動(如保養(yǎng)和替換)或是基于時間或是基于使用情況間隔而實施的。盡管預(yù)防性維護的方法可以提供最高的可用性(假設(shè)在合理的時間間隔)，但它有兩個主要缺點：一是實施預(yù)防性維護程序是昂貴的，特別是如果時間間隔很短;二是組件發(fā)生故障之前甚至在癥狀開始出現(xiàn)時被替換，因此喪失了對該設(shè)備的衰退行為的分析能力。基于狀況的維護策略是利用機器信號(從控制器或者從傳感器裝置)來檢測故障或者異常情況的發(fā)生。在一些實施方法中，可以將故障的位置以及故障的類型識別出來。 PHM是基于狀況的維護策略的延伸，通過使用預(yù)測算法，可以推斷出未來的表現(xiàn)。通過監(jiān)測健康指標(biāo)(置信度值CV、失效模式、剩余使用壽命等)，用戶可以觀察機器的時間特性，并在實際故障事件之前得到失效早期跡象的警告。有了這些信息，制造透明化就能得以實現(xiàn)，因為工廠的經(jīng)理和主管能夠知曉機器完成生產(chǎn)的能力(任務(wù)預(yù)備狀態(tài))，從而優(yōu)先考慮設(shè)備維修并不干擾生產(chǎn)進度。

　　如何設(shè)計基于CPS的工業(yè)4.0系統(tǒng)

　　由于CPS的強大功能，美國國家科學(xué)基金會智能維護系統(tǒng)(IMS)研究中心提出了一套很有前景的基于CPS的工業(yè)4.0實體融合系統(tǒng)的時間機器(Time Machine)設(shè)計方法。正如以上所討論的，互聯(lián)系統(tǒng)提供了大量的可訪問數(shù)據(jù)(大數(shù)據(jù))。但是，僅僅只有數(shù)據(jù)并不能帶來顯著的優(yōu)勢。因此，需要一種自適應(yīng)和功能強大的方法去管理、分類和處理這些數(shù)據(jù)，從而為進一步的PHM分析算法做準(zhǔn)備。這種方法運用只有足夠廣泛，才能夠真正充分利用信息實體融合系統(tǒng)的所有優(yōu)點。

　　這種方法能在大數(shù)據(jù)環(huán)境下對數(shù)據(jù)進行有效地組織，并為后續(xù)的PHM算法做好準(zhǔn)備。每一個零部件都由一個代表性的時間機器記錄在信息空間里面(Cyber Space)。該信息元素從大數(shù)據(jù)中提取有價值的信息并歸一化處理從而應(yīng)用于進一步分析。提取的信息包括執(zhí)行歷史、應(yīng)力和負(fù)載、操作參數(shù)、系統(tǒng)配置和維護記錄。一旦某個實際部件發(fā)生故障，它將從時間機器中剔除出去，就不再用于以后的分析。但其信息孿生(cyber twin)(時間機器記錄)不會受任何時間限制而繼續(xù)保持。無限的信息孿生導(dǎo)致時間機器記錄的不斷積累，從而將相同部件的各種操作參數(shù)廣泛地聚集在一起。而進一步的研究努力則是對參數(shù)的歸一化，以此保證對相同的部件的時間機器記錄的可比性。此外，時間機器記錄遵循實際組件的層級關(guān)系，每一個信息孿生也可訪問它的前身和祖先組件。這種信息豐富的環(huán)境為準(zhǔn)確的預(yù)測和監(jiān)控工廠的PHM算法帶來顯著的魯棒性。最終，這種方法將信息-實體融合系統(tǒng)(CPS)引入到工業(yè)4.0工廠設(shè)計實施中。

　　案例：基于CPS的工業(yè)4.0機器人系統(tǒng)

　　下面介紹的案例重點強調(diào)了信息實體系統(tǒng)在工業(yè)機器人的健康監(jiān)測中的應(yīng)用。目前的研究旨在開發(fā)一種針對一組包含30個工業(yè)機器人的生產(chǎn)線的預(yù)測性與預(yù)防性健康監(jiān)控系統(tǒng)。在本案例中，生產(chǎn)線速度的多樣性導(dǎo)致了采用復(fù)雜多工況方法的要求。預(yù)測與健康管理分析的核心是以獲取扭矩和速度參數(shù)信息為基礎(chǔ)的。

　　由于具有非侵入性的特點，扭矩分析是一種在工業(yè)機器人健康監(jiān)控中常用的故障診斷方法。因此，大多數(shù)的研究都是集中在對這個參數(shù)的分析基礎(chǔ)之上的。而運行速度與扭矩之間的非線性關(guān)系給PHM算法能否正確獲得機器人的健康狀態(tài)帶來了挑戰(zhàn)。除了條件數(shù)據(jù)(扭矩與速度)之外，信息實體系統(tǒng)還能夠獲得多樣的配置參數(shù)，例如齒輪比、負(fù)載率、壓力較準(zhǔn)、機器人伺服焊槍種類等，并將產(chǎn)品從生產(chǎn)線分配到各個特定的機器人處。這些配置參數(shù)可以幫助核心模型來實現(xiàn)運行數(shù)據(jù)的標(biāo)準(zhǔn)化和自適應(yīng)分類，以獲得更準(zhǔn)確的結(jié)果。最終，在云端建立整個案例的分析引擎并存儲所有的數(shù)據(jù)(狀態(tài)數(shù)據(jù)和配置數(shù)據(jù))，健康監(jiān)測算法可以利用這些云端上的數(shù)據(jù)來計算每個機器人個體的健康狀態(tài)。PHM算法的結(jié)果將通過一個基于網(wǎng)絡(luò)的用戶界面給用戶呈現(xiàn)出豐富的圖表信息(正如前面所介紹的)。這一系統(tǒng)經(jīng)過健康衰退監(jiān)測可以在3星期前預(yù)測機器人系統(tǒng)故障。

　　先進的基于CPS技術(shù)的工業(yè)4.0實際應(yīng)用，具備了自我意識、自我預(yù)測和自我配置的能力。本文討論的智能預(yù)測與健康管理機制的方法以及基于時間機器的監(jiān)控管理系統(tǒng)的發(fā)展，是新的基于CPS的工業(yè)4.0系統(tǒng)的核心內(nèi)容。

　　當(dāng)前的工業(yè)革命正在引導(dǎo)整個工業(yè)行業(yè)朝著利用大數(shù)據(jù)環(huán)境下的互聯(lián)系統(tǒng)最大利益的方向發(fā)展著，這種大數(shù)據(jù)環(huán)境促生了更具創(chuàng)新的彈性化生產(chǎn)和生產(chǎn)力，將以此推動制造業(yè)達到一個新的高度。