百分點PHM：讓大數據為智能制造“望聞問切”

面對科技創新發展的新趨勢，世界主要國家都在尋找科技創新的突破口，搶占未來經濟、科技發展的先機。美國提出先進制造業國家戰略計劃；德國發布“工業4.0”戰略。智能制造，則是“中國制造2025”的主攻方向。

當物聯網遇上中國制造

百分點認為，智能制造是指由智能機器和人類專家共同組成的人機一體化智能系統在制造過程中進行諸如分析、推理、判斷、構思和決策等活動，通過人與智能機器合作共事去擴大、延伸和部分地取代人類專家在制造過程中的腦力勞動。它升級了制造自動化概念，擴展到柔性化、智能化和高度集成化。

過去使用的一些數控系統、工業機器人，基本上是按人設定的程序運行，本身并不智能。因此，我們要進一步提高高端傳感器、重要操作系統的智能化水平，才能達到智能制造的要求。

“工業4.0”與自動化之間，最重要的差別就是是否運用了物聯網技術，是否支持小批量、定制化生產。信息技術為中國制造業實現從大到強的轉變提供了強大的支撐。

在信息化推進過程中，未來至少有五個技術至關重要，即云大物移社（云計算、物聯網、大數據、移動化、社會化）。那么它們之間是什么關系呢？百分點認為：

·云計算是信息化的骨骼，所有的系統都會放在云上。這是大的趨勢。

·物聯網是連接數據世界和現實世界的一個橋梁，現實世界的信息會通過各種物聯網技術轉換到數據世界中。

·在這個數據世界中，大數據技術會不斷地處理這些數據，產生一些有用的信息；這些信息再通過物聯網傳回現實世界中。這是一個不斷循環的機制。

·移動化是一種策略，便于我們重新分配以前零散的資源，比如碎片化時間的利用。

·社會化是靈魂，因為人是一個社會化的動物，將來不管是云還是大數據，一定會分化成好多的云。

在此基礎上，百分點推出了PHM（Prognostics and Health Management，故障預測與健康管理）云服務方案。

PHM 的演進

百分點認為，PHM包括兩層含義：一是故障預測，即預先診斷部件或系統完成其功能的狀態，確定部件正常工作的時間長度；二是健康管理，即根據診斷/預測信息、可用資源和使用需求對維修活動做出適當決策。

因PHM系統能夠實現武器裝備基于狀態的維修（CBM）、自主式保障等，受到美英等軍事強國的高度重視和推廣應用。這主要是因為PHM能夠帶來兩個關鍵轉變：第一，從傳統的基于單個傳感器的診斷轉變為基于智能系統的預測；第二，從事件驅動的維修（即事后維修）、時間驅動的維修（即定期維修），轉變為基于狀態的維修。

PHM的這種轉變可以帶來六方面的價值：提供系統失效的高級告警；提供視情維護能力；能夠為將來的設計、評估和系統分析獲得歷史數據和知識；通過維護延長周期或及時維修提高系統的可用性；通過降低檢查成本、故障時間和庫存，降低設備全壽命周期的使用成本；減少間歇性故障和未發現故障的情況發生。

上世紀末，美軍重大項目F-35聯合攻擊機（JSF）項目的啟動正式把故障預測和維修全面解決方案命名為PHM。PHM為JSF項目的成功提供了很好的保障，減少了維修的人力物力，增加了出動架次，實現自主式保障。比如，艦載飛機落地之前，PHM根據預測診斷信息提出維修要求；地面人員根據維修要求、庫存情況給出維修建議；飛機返回后，相關人員立即組織地面資源進行艦載補給、人員調配等預測性維護。

支持設備智能化維護

在國內的制造業中，同樣存在著類似的設備維護問題。百分點通過大量實踐和調研，總結出當前制造業在設備維護方面面臨六大挑戰。

挑戰一：設備歷史數據沒有被很好地利用，故障發生后，很難追溯設備故障的真正原因。

挑戰二：設備異常診斷完全憑經驗，只有少數資深的維修員才能評估設備在某一時刻的狀態是否正常。發生非正常情況時，到底情況有多糟糕，每個維修員的判斷也不相同。

挑戰三：定位異常報警的原因困難。設備的故障是由某個或者多個部件異常導致的，而部件異常很可能在表值中有所體現。表值瞬間異常很有可能是正常情況，但周期性瞬間異常就很有可能是真正的異常狀態。這種周期性瞬間是通過人工無法捕捉的。

挑戰四：無法進行預測性維護、檢修。對設備狀態進行評估過后，維修人員難以判斷設備多久后會損壞。由于難以評定維修的優先級，因而較難合理安排維修時間和維修人員。

挑戰五：庫存亟須優化。企業不能保證所有部件都有庫存。如果故障部件缺貨，會帶來很多麻煩。

隨著信息技術的發展，特別是大數據分析等技術的不斷成熟，大數據技術成為企業設備不間斷運行的重要保障。百分點研發的PHM云服務解決方案，以“物聯網+大數據”的方式將傳統的事件驅動和時間驅動的維修、維護，轉變為智能系統預測維修。

百分點PHM不僅提供故障預測能力，還提供健康管理能力，以“望聞問切”的方式去對癥下藥。

百分點PHM以大數據平臺作為基礎，建模平臺為支撐，由六大部分組成：

數據采集 利用各種傳感器探測、采集被檢系統的相關參數信息，將收集的數據進行有效信息轉換和傳輸；

信息處理 接受來自傳感器和其他數據處理模塊的數據信息，將數據信息處理成后續部件可以處理的有效形式或格式；

狀態監測 接受來自傳感器，以及數據處理和其他狀態監測模塊的數據；

健康評估 接受來自不同狀態監測模塊和其他健康評估模塊的數據；

故障預測 綜合利用上述各部分的數據信息，預測被監測系統未來的健康狀態并做出判斷，建議決策者采取相應的措施；

保障決策 主要包括人—機接口和機—機接口。

上述各部件之間并沒有明顯界限，存在著數據信息的交叉反饋。

目前，設備監控在數據分析里有四個階段：第一個階段是描述性的分析，第二個階段是診斷性分析，第三個階段是預測性分析，第四個階段是建議性分析。但是大多數的監控解決方案都僅能達到第一、第二階段。而百分點PHM已經可以達到第三個階段，甚至到第四階段。

值得注意的是，建模是PHM解決方案的一個關鍵。百分點具有強大的建模團隊，他們能夠從業務角度出發進行建模，如健康度建模和多級預警。

健康度建模。實時計算和監測健康度，是提高設備資產利用率和發現設備異常的重要途徑。百分點針對設備運行數據進行建模，將所有監控數據整合為“健康度曲線”這樣的一個維度數據展現出來。針對一個維度對數據進行實時分析，使得評估變得更加簡單，新手維修員更容易入手。

多級預警。百分點將預警等級分為3級：中度預警、重度預警、故障預警；以健康度為基礎，三種預警以“次數”和“相隔時間”兩種規則來進行定義，用來檢測持續異常報警和周期性瞬間預警。

百分點PHM的價值體現在，可以監測設備性能下降或與期望的正常狀態的偏離狀況、預測設備在未來的可靠性、對突變性故障進行告警，以及對漸變性故障進行早期預警。

百分點PHM對于企業的好處是，可以及時發現設備的異常狀態，實現從傳統的基于自動化設備單個表值的監測，向基于智能系統的整體預測的轉變，為備機、熱機切換爭取時間，減少信號中斷時間，為機器之間的替換提供信息支持，降低潛在的設備監管費用。

應用實踐

目前，百分點已經為廣電行業企業提供以大數據平臺為基礎、大數據預測模型為核心的PHM解決方案，提供保障國家核心設施為目標的大數據應用服務。

廣電行業企業采用百分點PHM系統，主要經過四步：第一步，實現基礎設施的數據化，廣電行業企業可以利用大數據平臺將業務涉及的方方面面數據化，包括人員、組織、設備、部件、廠商、庫存和標準規范等，百分點從2500多個數據源里整理出50多個標準數據集；第二步，將業務模型化，利用大數據建模將業務流程、經驗、知識模型化，將經驗、知識轉換為數學模型；第三步，利用大數據分析技術，感知和預判設備健康狀態，實現基于狀態的預測性維修，做到維護智能化；第四步，持續優化，在業務實踐中持續優化、迭代業務模型，指導基礎數據的收集和應用，形成業務和數據的閉環管理。這樣，當設備出現異常時，模型就能判斷出在一定時間范圍內設備出現故障的概率。