基于數據驅動的航空裝備生產系統PHM方法與應用系統設計

張浩馳，張星一，崔赟，劉謹堯

中國航空工業發展研究中心，北京 100029

在國家頂層戰略發展要求下，航空裝備生產等傳統行業正經歷生產系統數字化、智能化轉型的關鍵時期，隨著生產系統軟硬件組成日趨復雜，功能集成度越來越高，導致生產系統的失效模式日漸增多，故障發生原因更加復雜，基于“事后維修”和“計劃維修”的傳統被動維修保障模式已經難以滿足現代化制造企業高質量、高效益、低成本的發展要求。

生產系統故障預測與健康管理（PHM）誕生于20 世紀90年代中期，生產系統PHM是指通過采集生產制造過程中的設備運行參數信息，構建數據分析模型和算法，實現生產系統運行狀態監測、故障診斷與健康管理[1]。近年來，以大數據分析、數字孿生、人工智能為代表的新興技術取得了飛速發展，給人類的生產生活帶來巨大變化，也給航空、航天、汽車、船舶等傳統制造業發展注入新的生機與活力，在生產系統產能分析、質量監測、布局優化、故障診斷等方面發揮了重要作用，加速推動了制造企業的轉型升級。大數據技術的不斷成熟助力生產系統PHM技術發展突破，通過信息技術融合應用，逐漸發展出生產系統智能任務規劃、故障預測預警、智能維護的能力[2]。

隨著航空裝備需求逐年增加，生產任務逐漸加重，對航空裝備生產企業產能、質量的要求日益提高，產線的運行情況直接影響裝備交付。但航空裝備生產企業大多數字化程度不高，正處于由傳統工廠向數字化工廠轉型的時期，在此階段，一方面要加大相關企業能力條件建設投入，另一方面要應用最新PHM 技術保障生產系統穩定高效運行。應用PHM 技術是落實國家“制造強國”“數字中國”“中國制造2025”戰略要求的切入點和突破口[3]，是實現航空裝備制造現代化和高質量發展的必經之路，是維持裝備生產系統穩定運行、提升產能和質量、降低維修保障成本、確保任務完成的關鍵舉措，是推動中國航空裝備產品走向世界的重要手段。

本文結合CRISP-DM模型提出一種基于數據驅動的航空裝備生產系統PHM 方法，并以此為基礎對PHM 應用系統設計思路進行闡述，以期推動航空裝備制造企業實現降本增效。

1 基于數據驅動的航空裝備生產系統PHM方法

航空裝備生產系統PHM是大數據應用中的一個重要技術領域，采用科學合理的大數據分析方法可顯著提升PHM的效率和價值。例如，由SPSS、Teradata 等公司[4]提出的CRISP-DM 模型，將大數據分析工作劃分為業務理解、數據理解、數據準備、模型建立、模型評估等流程，是現在的主流數據分析方法之一。CRISP-DM 模型如圖1 所示。本文以CRISP-DM數據分析挖掘方法論為基礎，結合生產系統PHM技術，介紹基于數據驅動的航空裝備生產系統PHM方法。

圖1 CRISP-DM模型Fig.1 CRISP-DM model

1.1 業務理解

在進行航空裝備生產系統PHM 分析之前，需要對分析對象進行全面、深入的理解，了解其設備加工類型、運行操作機制、工作生產場景、典型故障類型、預期壽命目標、關鍵運行參數等綜合信息。基于數據驅動的航空裝備生產系統PHM分析的關鍵運行參數主要包括轉速、功率、電流、電壓、振動、溫度等，通過對采集得到的數據進行處理和建模，即可獲取設備運行參數與設備健康狀態、可靠性和使用壽命的關系，從而實現航空裝備生產系統的故障預測和健康管理，為維修保養、計劃排產、產能分析等提供數據支撐[5]。目前，PHM在航空裝備生產系統中主要的應用場景包括參數異常預警、運行狀態監測、設備故障診斷及生產系統壽命預測。

1.2 數據理解

在明確航空裝備生產系統PHM業務需求之后，通過將傳感器布置在生產系統中合適的設備位置，采集生產系統運行過程中的關鍵運行狀態參數，轉化成光、電、磁等信號，最終通過信號放大器將數據傳輸給數據處理系統或存儲系統，完成數據的采集與存儲[6]。

航空裝備生產系統的數據主要分為以下幾類：（1）生產系統基本屬性：生產系統的基本組成結構特征、性能技術指標、固有質量特性等，包括生產系統設備、設施、儀器、工具的基本配置關系，設計和使用規范，物理參數等；（2）生產系統健康管理數據：運行狀態數據、故障數據、操作狀態數據、診斷結果、預測結果、維修數據、保養數據等；（3）生產系統決策數據：產能數據、質量數據、成本數據、物料數據、能源數據等；（4）其他數據：供應商數據、技術資料等[7]。基于數據驅動的航空裝備生產系統PHM 將重點針對生產系統健康管理數據進行分析和挖掘工作。

針對采集得到的數據，首先，進行簡單分類，梳理數據的所屬設備加工環節，將數據映射到生產系統的特定制造資源屬性下，建立PHM分析數據資源樹；其次，根據生產系統工作原理或物理模型，初步分析PHM分析數據資源樹與生產系統實際運行狀態之間的關聯關系；最后，對數據資源樹的可用性、真實性、準確性進行判斷，為數據準備環節奠定基礎。

1.3 數據準備

在完成PHM數據理解的基礎上，需對原始數據進行處理，篩掉原始數據中存在的大量異常、噪聲、失真、缺失數據，以保證航空裝備生產系統故障監測、狀態監測、壽命預測的準確度。通過上述數據處理可大幅提高數據標準化與規范化程度，提高數據分析挖掘效率。

數據準備環節一般包括數據清洗、數據集成、數據轉換等環節[8]。數據清洗是指檢查數據一致性、處理異常值和缺失值的過程；數據集成是指對來自不同設備技工環節數據源的數據進行整合，形成一個數據整體的過程，包括數據的歸一化處理；數據轉換是將數據轉化為適當的形式，以適應數據建模分析算法需要的過程。

1.4 數據建模

航空裝備生產系統PHM數據建模是指根據業務理解，基于數據理解與數據準備環節提供的學習樣本和測試樣本，選取一種或多種合適的PHM算法模型對生產系統數據進行學習、分析、挖掘，經過反復訓練和測試，最終建立數據樣本和目標參數的關聯關系，達到生產系統狀態監測、故障診斷和壽命分析的效果。生產系統PHM 常用的數據挖掘算法包括關聯、聚類、分類和預測等方法，分別用來實現不同的業務需求[9]。

關聯方法是分析多個設備加工環節之間的依賴性和關聯性的方法，建立其中的關聯規則，通常可以用來識別航空裝備生產系統不同運行參數之間的內在關系。常用的關聯方法有Apriori 算法、PCY 算法、多階段算法、FP-Tree 算法等。

聚類方法是通過分析數據對象的特征和相似性，自動建立分類規則，并將數據劃分進不同類別的方法。通常可用于航空裝備生產系統狀態監測中，可將系統運行狀態進行區分。常用的聚類方法有k-means 算法、k-均值算法、BIRCH算法、DBSCAN算法、STING算法等。

分類方法是按照已有分類規則對數據對象進行劃分的方法，本質上是一種有監督的學習方法，通常可用于航空裝備生產系統故障診斷。常用的分類方法有NBC 算法、LR算法、決策樹算法、SVM算法、KNN算法、ANN算法等。

預測方法主要是基于航空裝備生產系統歷史數據的分析，識別不同運行參數之間的關系并建立模型，從而對未知變量進行預測的方法，常用于航空裝備生產系統的故障診斷與壽命預測。利用生產系統運行過程中監測到的狀態數據和全壽命周期的歷史數據等，采用統計方法、機器學習方法或深度學習方法，對生產系統的未來健康狀態、故障間隔和穩定運行時間進行預估及推算，實現對生產系統的故障診斷及壽命預測[10]。常用的預測算法有決策樹算法、貝葉斯網絡、神經網絡、隨機濾波、粒子濾波、ARMA、支持向量機、相關向量機等。

1.5 模型評估與部署

在完成數據建模環節后，需要對PHM 分析模型的質量、性能、可提供的價值進行評估，通常還需要抽樣數據對模型進行驗證。評估的指標主要包括準確率、召回率、計算速度、魯棒性、可解釋性等。通過將評估結果與設定的目標進行對照，判斷是否滿足業務理解環節需求。若滿足即可進行模型的部署與應用，開發基于數據驅動的航空裝備生產系統PHM應用系統，部署在生產系統中進行實際測試和運行使用。

2 基于數據驅動的航空裝備生產系統PHM應用系統設計

面向航空裝備生產系統故障監測與健康管理的需要，設計涵蓋數據采集、數據處理、數據分析挖掘、智能管理應用在內的生產系統PHM應用系統（以下簡稱系統）。

2.1 系統總體設計

系統基于“云+端”技術架構。包括數據服務云平臺和應用終端，滿足生產企業針對不同應用場景的部署和應用需求。云平臺支持企業多源數據的匯集、統一管理，支持內、外部的專家進行數據治理、分析建模、知識數字化沉淀，以及數據及模型的可視化展示與呈現。應用終端安裝部署于制造現場，提供數據接入、實時處理分析和現場決策應用。系統基于“云+端”協同框架進行數據和知識的交互，一方面將航空裝備生產現場采集的數據匯集到云平臺，另一方面將云平臺的生產系統狀態監測、故障診斷、壽命預測等相關數據分析模型和知識應用模型下發到應用端，實現現場智能決策應用。系統各服務組件功能內聚和服務間的松耦合，保證系統具有高可擴展性，能夠實現高效、靈活部署與應用。系統總體架構如圖2所示。

圖2 PHM系統總體架構Fig.2 PHM system architecture

系統基于統一的基礎開發框架，包括認證授權模塊、多租戶支持、Docker容器平臺、統一系統監控平臺以及統一的日志管理和操作審計，使得產品可以遷移到其他主流的PaaS 平臺，滿足企業統一部署管理需求。整個平臺基于DevOps技術實現快速開發迭代，持續交付。基礎共性技術采用互聯網成熟技術框架，保障系統穩定性和功能擴展性，從而更專注于系統業務建設目標的實現。

2.2 系統功能設計

數據服務云平臺主要功能包括數據管理、數據資源化管理、數據建模和模型發布。數據管理提供多源異構數據的統一接入集成和存儲管理功能，支持關系數據引擎、時序數據引擎、對象數據引擎，提供分布式查詢引擎，方便按需從數據湖里抽取數據。數據資源管理通過資產建模構建統一的數字化生命周期檔案，實現工業數據的有機組織，支持以業務視角為核心的數據資產管理，內置工業通用的資產模型作為基礎，降低數據建模和數據管理的難度，提供工業對象維度的數據服務為上傳數據分析和應用提供一致的可信的數據資源。數據建模模塊提供業內先進的數據分析方法論及算子庫應用指導，支持通過拖拽式進行模型研發、調試和運行，提供數據模型的集成環境和工具箱。模型發布模塊負責模型的部署、應用與監控，對于建好的數據分析模型，選擇相應的設備實例和運行策略即可進行模型部署運行，同時提供模型運行管理功能，可以查看模型運行狀態、日志和結果。基于云平臺建立的數據分析模型，在應用端實現包括生產系統故障診斷、狀態監測、壽命分析、智能維護、質量分析、產能優化在內的綜合應用。

“云+端”的部署方案和協同框架，解決了工業知識部署應用環境復雜、運維困難等應用難題，實現了云平臺與應用端的協同部署應用。支持數據、模型、應用解耦分離的一鍵式發布部署，實現云側研發和端側應用。支持在云平臺將模型推送/下載到應用端運行實現遠處部署和在應用端按需下載導入模型部署運行。

2.3 系統應用實例

機械加工中心是一種典型的航空裝備生產系統，航空裝備大量的機身結構和發動機關鍵零件均為機械加工件。目前，主要的航空裝備制造企業加工車間內配裝了三軸、五軸的大型龍門立式加工中心以滿足大批量訂單需求。因此，在生產過程中，機械加工中心的PHM就成為決定航空裝備制造企業生產效能的關鍵因素。下面以機械加工中心為例，介紹基于數據驅動的航空裝備生產系統PHM系統應用實例。

如圖3所示，基于PHM應用系統“云+端”的技術架構，系統在端側，也就是機加中心設備上布置了振動傳感器和電流傳感器對生產現場數據進行實時采集。設備在生產過程中可能發生的滾珠絲杠及螺母磨損、滾珠導軌磨損、潤滑不良、滾珠絲杠及絲母座磨損、滾珠導軌磨損、潤滑不足等潛在問題可以通過振動傳感器獲取數據；電流傳感器則主要用于排查解決設備主軸不對稱、電機故障、汽蝕、軸彎曲等典型故障類型的數據采集。通過對端側傳感器采集得到的數據進行清洗、集成、轉換后得到有效的生產系統數據，即可在云側，通過PC 或移動終端后臺運行PHM 全流程數據管理。PHM應用系統通過內置的模型，能夠基于有效的生產現場數據自動計算出設備綜合效率（OEE），自動統計設備停機時長，并自動識別出卡件缺料的狀態，利用智能決策算法，實現機加中心的故障識別預測和智能運維。

圖3 機加中心PHM應用系統數據采集及管理流程Fig.3 Data acquisition and centralized management process of PHM application system in machining center

機加中心的PHM 應用系統支持故障報警數據的精確分析，基于設備工況的歷史數據，統計出不同類型報警出現的頻率，在標準預警閾值的基礎上，通過機器學習等算法，擬合得出自適應閾值模型。針對不同工況、不同設備建立不同生命周期的動態自適應閾值，幫助航空裝備制造企業了解機加車間內最常見的故障類型和最易發生故障的設備，精準定位影響設備健康度的主要因素，有針對性地做出調整改善，以提高機加設備的可用度。

在可視化展示方面，PHM應用系統支持移動端App的告警推送、詳情確認、實時運行瀏覽以及狀態結果展示。當航空裝備機加中心發生故障或停機時間過長，倍率、轉速、進給超過設定值時會及時告警推送提醒，用戶在收到告警推送后可以在移動端完成詳情確認，設備運行狀態在線瀏覽，最終形成狀態結果報告。

3 結論與展望

大數據分析、傳感器、物聯網、數字孿生、人工智能等新一代信息技術的更新迭代不斷推動著制造企業生產系統的變革，給生產系統PHM技術發展注入新的生命力，基于數據驅動的PHM技術獲得了快速發展。本文提出一種針對航空裝備生產系統的基于數據驅動的PHM 方法和PHM 應用系統的設計思路，為推動航空裝備生產系統PHM 技術向數字化、智能化轉型提供了一種適用性較強的解決路徑。值得說明的是，由于航空裝備生產系統的種類多樣、構成復雜，且差異較大，需結合目標對象的具體特點和業務需要，選擇合適的數據采集清洗、融合集成、挖掘分析的方法和模型，并建立可靠的PHM 平臺，實現PHM技術的科學應用。

結合國家戰略發展要求、技術發展趨勢和航空裝備生產企業現狀，對航空裝備生產企業和PHM技術發展提出如下幾點思考與建議：

（1）加快傳統制造業數字化轉型升級，快速構建以數據驅動的智能工廠，提升企業運營管理、制造與工藝管理、生產過程管控、設備管理服務等環節的數字化，全面提升制造企業的精準決策能力及協作與運營效率。

（2）加強生產系統建設頂層謀劃，在航空裝備生產能力建設中，統籌考慮大數據分析、數字孿生、人工智能、工業物聯網、邊緣計算、云原生等領域的信息技術在傳統制造業中的應用，推進生產工藝技術、管理技術與信息技術融合。

（3）發展生產系統PHM效能評估技術，建立PHM效能評估模型，形成評價指標體系以及行業標準，組建PHM 專家團隊，鼓勵成立PHM專業評估機構，推動生產系統PHM技術標準化、規范化、科學化應用。