3.3.2　面向SPdM網絡的數據獲取與維護決策

德國工業4.0、美國工業互聯網和信息物理系統、中國制造2025驅動傳統制造業利用物聯網和大數據分析進行以知識為基礎的智能化轉型，通過網絡為客戶提供個性化的產品、服務和能力，打破了裝備維護領域傳統基于系統、子系統、部件高可靠性的保障要求，通過設備SPdM網絡中MRO大數據驅動的智能預測性維護理論，關聯與維護、維修和服務有關的信息，實現設備的壽命累計和預計以及面向MRO網絡的大范圍維護服務預測與優化配置。

在由備件供應和維護商、設備制造和維護商、設備使用商、領域專家、云平臺提供商等協作主體構成的MRO服務網絡中，智能預測性維護是一個高集成度、綜合化的系統，由圖3.6所示的設備在線健康評估、設備使用商的自主后勤保障及離線故障診斷與預測、設備運營商大規模維護服務預測與優化配置、信息物理系統接口（實現各功能多層次的互聯）等功能構成，同時包含了面向設備智能預測性維護的內容。面向設備運營網絡的智能預測性維護主要集中在面向設備SPdM網絡的多源異構數據高質量獲取與融合方法、大數據驅動的設備故障診斷與預測理論和方法、面向智能工廠的維護優化與決策、面向MRO網絡的大范圍維護服務預測與優化配置、基于信息物理系統CPS的運行過程控制等方面。

（1）面向設備運營網絡的多源異構數據高質量獲取與融合方法

在裝備運營維護過程中，來自裝備及部件運行狀態、環境信息、運營業務、維護社交網絡以及客戶的產品及反饋等環境的數據量越來越龐大，逐漸形成了裝備運營維護的大數據應用環境。一般而言，設備運行數據以及維護記錄存儲在設備使用商的服務器中，制造商甚至都無法接觸到屬于自己的設備相關數據，不利于開展針對生產設備的持續監督與全生命周期維護。那么，如何高質量地獲取這些分布在各使用商處的數據信息？如何從這些大數據環境中通過算法搜索隱藏于數據中有價值的關聯信息，進而支持裝備及部件健康預測、需求預測以及服務優化決策建模？與傳統數據獲取和分析方法相比，大數據分析更加重視數據的數量，采用關聯數據分析代替了傳統的原因分析，并將原來模型驅動的應用變成了證據驅動的應用。在此情況下，需要研究面向MRO網絡環境中的基于區塊鏈的大數據共享與獲取機制，以及多源異構數據處理分析、關聯關系分析、大數據聚類融合、實時流處理和并行化處理等MRO大數據分析方法，實現運行狀態數據、運營業務數據、社交維護網絡交互數據以及客戶反饋信息的融合與分類，支持設備故障預測與決策理論的建立。

（2）大數據驅動的設備故障診斷與預測理論和方法

由于影響設備健康狀況的因素具有層次復雜性、關系模糊性、動態變化隨機性和指標數據不確定性等，大量部件的劣化發展趨勢呈現出非平穩隨機過程，深度卷積神經網絡適合于非平穩非線性信號的自動特征提取與故障分類，馬爾可夫預測模型適用于這類隨機波動性較大問題的預測，也能反映設備劣化過程微觀波動的規律。另外，各部件健康狀況的變化與時間間隔的長度也有關系，間隔越長，隨機性以及不確定性越弱，趨勢性越強，可以選擇神經網絡模型和貝葉斯模型對各部件健康參數進行趨勢預測。因此，結合設備健康狀況的行為特征量、運營業務數據、社交維護網絡動態交互數據以及客戶反饋數據等分類融合信息，研究建立融合深度CNN模型、馬爾可夫模型和貝葉斯模型的多分類器融合模型從多個測度診斷和預測故障，并對未來部件健康狀態融合進行綜合評價。在此基礎上，通過對設備運行環境及故障類型等大數據進行深度挖掘和分析，應用于集群設備的故障預測。

（3）面向智能工廠的維護優化與決策

面向網絡中由故障引起的不確定性維護需求，研究基于故障預測模型的單一企業設備生產維護與備件庫存聯合優化模型，給出單一企業內生產、維護與備件庫存的決策策略。

（4）面向MRO網絡的大范圍維護服務預測與優化配置

面向互聯網環境中設備高不確定性的維護需求，從MRO網絡內長期預測與優化區間內服務實時調度相結合的基于智能體維護服務協同優化調度，以及互聯網范圍內維護服務實時決策與調度三個方面，建立互聯網支持的面向MRO網絡的大規模維護調度與優化決策的基礎理論，給出基于互聯網協作的設備維護商、備件供應商優化條件，以及各協作企業協商最大利潤的均衡策略，進而面向MRO維護網絡中的注冊會員群體，結合維護任務需求、服務人員的地理位置和工作任務狀態等大數據信息，進行任務實時優化與決策。

（5）基于信息物理系統CPS的運行過程控制

制造領域信息物理系統具有以下特征：網絡與制造設備高度集成，局部具有物理性，全局具有虛擬性；制造設備各組件都安裝傳感器與執行機構，具有在線通信、遠程控制與各組件間自主協調等功能；組件上安裝的傳感器通過對設備狀態的感知和反饋，將控制決策作用于執行機構，形成基于事件驅動控制的閉環過程；通過傳感器采集設備狀態信息，最終形成從預測模型到調節控制的信息數據傳輸模式，該模式融合各類信息并提供精確而又全面的信息；系統具有自學習、自適應、自主協同能力，高度自治，滿足實時魯棒性。根據這些特征，研究基于信息物理系統的設備運行控制方法，提出基于信息物理系統的設備運行控制框架，通過設備故障預測和維修仿真，實現運營過程的實時調節與控制；充分利用離線虛擬環境豐富的計算資源實施大數據分析方法，實現基于智能體的維護任務、備件庫存和生產計劃的協同聯合優化，實現期望成本最小的維護決策。