新基建 智生产 | 激活人工智能应用,创新奇智通过PHM保障生产永续

创新奇智 2020年07月06日

480bcbf7260faeb38f00e27757658973.jpg


摘要


在新基建推进的智能制造进程中,关键工业设备的故障预测与健康管理(PHM)受到业界广泛关注,正在成为人工智能在制造业最先发挥价值的场景之一。创新奇智以Orion自动化机器学习平台为基础,从信息化和智能化着手,构建了从底层数据采集与设备联网、快速建模与算法模型开发、预测能力生成的设备全生命周期PHM解决方案,为企业推进PHM应用、加速工业智能化发展起到了积极的引领和促进作用。

作为新一轮产业变革的核心驱动力,人工智能与制造业的深度融合,进一步加快了制造企业对生产系统改造和优化的步伐。在这个进程中,针对工业领域中关键设备的故障预测与健康管理(PHM),以及预测性维护为主的工业智能化技术与应用受到了业界的广泛关注,正在成为人工智能在制造业最先发挥价值的场景之一。

特别是在后疫情时代,最大化的提高生产效率、降低生产成本是任何一个制造企业最基本的生存法则。然而无论是降本还是增效,都和一个环节密切相关 — 关键生产要素(生产设备)的可靠性。对于制造企业而言,突发性的停机不仅意味着更高的生产成本,还可能会拖长订单的交付时间,甚至影响到整个产业链的稳定发展。根据ISA数据显示,全球制造商每年因停机遭受的损失总计约为6,470亿美元。

在这种趋势下,作为国内领先的人工智能产品及商业解决方案提供商,创新奇智通过信息化和智能化双轨并行的方式,以Orion自动化机器学习平台为基础,构建了从底层数据采集与设备联网、快速建模与算法模型开发、预测后能力生成的设备全生命周期PHM解决方案,为企业推进PHM应用、加速工业智能化发展起到了积极的引领和促进作用。

a4705eb18754da87656361a2acf63cc3.jpg

“防患于未然”,PHM走红工业设备智能维护



其实PHM并不是一个陌生的话题,早在20世纪70年代中期,业内便开始针对A-7E飞机发动机进行监控系统设计,这也是PHM早期的典型应用场景之一。近年来,随着工业智能化的不断发展,工厂的设备数量和类型不断增加,传统依赖人工的定期巡检或者基于状态的检修方式早已无法满足企业生产精益化需求。而以人工智能技术发展为契机,实现设备的预测与健康管理逐渐走进人们的视野。

简而言之,PHM就是通过离线或在线监测设备状态,预测设备状态的未来趋势,从而确定在设备发生故障前、成本效益最优的维护时机,做到“防患于未然”。与其他维护方式相比,基于人工智能的预测性维护优势十分明显:

1. 通过建立设备模型进行数据分析,可以降低生产计划外停机,提高设备综合效率(OEE),确保生产连续性;

2. 以推动PHM为基础带动企业底层信息化建设,使设备状态可视化,降低维护成本,提高运维效率;

3. 针对可能出现的故障指导备品备件计划,可以有效降低备品备件库存,惠及企业供应链管理

5993ff6de9bbb2196464dfb4d214ffb7.jpg

因此,包括波士顿咨询等研究机构都纷纷将PHM列为人工智能在制造业最快成熟的应用之一。据IoT Analytics估计,2016-2022年期间预测性维护的复合年均增长率(CAGR)为39%。到2022年,年度支出将达到109.6亿美元。因此,预测性维护也在许多行业,如汽车、制造、重型装备、智慧建筑、能源电力等广泛应用,特别是在重资产行业以及产业生态链紧耦合的行业,正在加速推进PHM应用。

这是由于对于供应链上下游强相关的企业,例如汽车整车厂与零部件之间,生产流程环环相扣紧耦合,若上游零部件厂商由于设备故障导致停产问题,将直接影响下游整车企业的生产进程。因此保证设备高可靠不仅是零部件厂商自身的生产连续性诉求,同时也是整车厂对供应商的要求

而对于重资产企业而言,生产效率可能与某几台重资产设备休戚相关,通过人工智能提前处理有风险的设备,将有效避免故障风险的发生。长期来看,对设备的状态感知也可以使现有设备利用率提升,提高设备的投资回报率。


推进PHM时不可避免的挑战



虽然PHM得到了来自用户和厂商的一致认可,但在大规模应用的时候仍面临种种挑战。创新奇智根据以往的实践经验发现,企业在推进PHM时通常会面临以下难点:

首先是底层信息化能力的缺失。企业在实现预测性维护之时,首先需要让生产设备进行联网,否则无法获取对应的数据。然而由于国内企业信息化水平层次不齐,底层设备仍然存在数据孤岛现象,彼此之间并没有打通。而受限于复杂的生产环境、不同的总线或网络协议和标准,以及复杂的生产车间环境,这些都给设备互联带来了挑战。

其次,是基于设备的人工智能算法建立。在实现了数据采集与设备联网后,企业很有可能采集到的数据90%以上都是无用的数据,而技术人员需要花费大量时间进行数据处理与模型建立。如何完成数据的多层挖掘、层次化聚类调用,进而达成数据到信息的智能筛选,建立出设备的准确模型,这是企业必须要解决的。

最后,对于企业而言,以人工智能为基础的PHM应用只是手段,而不是目的。基于模型得出预测性结论后,企业还需要付以实际行动,例如通过维护、替换备件等手段降低故障发生的可能,从准确预测到准确决策,使整个预测性维护形成“感知-诊断-预警-决策”的完整闭环,为企业带来切实价值。

002246ee9568d14b1e67763a581a4231.jpg

值得一提的是,创新奇智认为数据样本缺失也是目前企业在推进预测性维护的难点之一。由于许多企业平时并没有进行良好的数据管理,只在设备出现问题时才会查看当时的数据是否出现了异常、并且只用于处理当下的问题,由此带来的故障数据样本不足,也对模型建立和预测精度带来了挑战。


创新奇智Orion自动化机器学习平台赋能PHM



站在创新奇智的角度,PHM是一个需要融合信息化和智能化的解决方案,涉及自动化、设备、数据分析、模型算法等多个领域,所以企业需要一个完整的人工智能平台,聚众智、合众力,提供全面的预测性维护解决方案。站在信息化的角度,PHM应用将成为企业底层信息化发展的催化剂。例如创新奇智联合合作伙伴为用户实现数据采集和设备联网,构建设备实时、有效、真实的运行数据,首先实现设备以及生产过程的可视化管理,保障生产过程的高质量运行。

在智能化方面,创新奇智以Orion自动化机器学习平台为基础,对采集到的原始数据做分析处理、提取特征,并通过机器学习或统计方法建模,从而得出与状态相关的置信度值来表示部件的健康状态,及时让用户发现不可见的部件衰退并预测剩余使用寿命,最小化设备衰退对生产效率造成的不良影响,支持运维决策者做出敏捷正确的决策,进而优化生产计划、节省维护成本,并尽量避免非计划停机,实现近似零宕机 (near-zero breakdown)。

需要特别指出的是,面对企业可能出现的历史故障数据不足,创新奇智通过小样本学习模式,将少量的故障数据和大量非故障稳定运行数据相结合,实现对设备未来的精准预测。这种小样本学习方法与其他数据模型方法相比,不仅提高了预测质量和准确度,还将占用更少的计算时间和资源。此外,针对企业可能存在的五花八门设备,创新奇智通过样本迁移技术可以实现快速建模,使整个解决方案更加易于拓展。

8704ac92ee8aabb4a4cfeb590b7abd4a.jpg

某大型汽车线束厂的PHM应用实例



某大型汽车线束工厂长期服务于国际知名汽车品牌,为整车厂提供线束等零部件产品。该工厂产线由电机带动转动,一旦带动流水线运转的电机出现故障,生产线就要停工,会极大的影响出货量,而且为了防止突发故障造成的交付影响,工厂需要长年储存备品备件,无形中产生很大库存压力。因此需要对电机设备进行预测式维护和全生命周期的管理,降本增效,全面保障生产。

创新奇智通过Orion自动化机器学习平台,帮助该工厂搭建PHM管理平台,具体实施流程为:

1. 确定PHM实施的对象,经过调研和沟通确定旋转电机为此汽车生产线的核心设备;

2. 对生产线设备进行梳理,确定整个设备的数据基础是否完备,并携手合作伙伴补全IoT短板,让设备状态一览无遗;

3. 通过Orion自动化机器学习平台建立设备模型,通过历史数据和实时数据相结合,执行电机的综合因果网络预测分析,估计故障发生的概率和发生故障前的剩余时长,并提供专业形象的图形界面,供维护人员快速了解即将发生的设备退化或故障情况;

4. 提供诊断信息以及相应修复过程的指导和维护计划,优化备品备件的库存管理,实现对现有备品备件库存的压缩,降低运维成本。

f2672004076e8e4b6b938bfc23433a6a.jpg

在创新奇智的帮助下,该厂人员巡检次数明显较少,非人为因素的意外宕机时间大幅度缩短,并实现了针对备品备件库存管理计划的优化、库存需求的压缩。归纳来说,主要带来以下4点收益:

1.  从仅凭经验与猜测的“盲人摸象”式检修,到基于数据“洞若观火”的可视化设备状态管理,打造面向业务价值的从预测到决策闭

2.   电机设备的平均故障间隔时间(MTBF)显著缩短,实现近似零宕机

3.   备品备件计划有据可循、有数可依,减轻库存压力,惠及供应链管理

4.   通过AI进一步拉动了工厂的信息化建设

小结:放眼未来,关于PHM的建议与思考



随着国家“新基建”政策以及各种扶持政策的出台,人工智能正在加速与制造业的融合,成为制造业发展的新动能。在创新奇智看来,如果前几年业内还在验证人工智能的价值与可行性,现如今已经到了通过人工智能赋能企业发展,为企业带来实实在在商业价值的“AI2.0”时代。而PHM作为控制成本和提高生产率方面的有效手段,将成为企业推进人工智能应用的一个最佳切入点:它不仅可以带动企业向下对于信息化能力的查缺补漏,还可以向上拓展人工智能在质量检测、APS排程等诸多领域的应用可能。最后,创新奇智给出了企业在推进PHM时的三点建议:

1. 注意AI跟IoT的结合,这是应用PHM的基础;

2. 明确PHM应用带来的投入产出比(ROI),让AI真正为企业带来价值;

3. 站在更高的角度去制定AI战略,通过平台化的思维让整个系统富有弹性。



返回动态列表

新基建 智生产 | 激活人工智能应用,创新奇智通过PHM保障生产永续

创新奇智 2020年07月06日

480bcbf7260faeb38f00e27757658973.jpg


摘要


在新基建推进的智能制造进程中,关键工业设备的故障预测与健康管理(PHM)受到业界广泛关注,正在成为人工智能在制造业最先发挥价值的场景之一。创新奇智以Orion自动化机器学习平台为基础,从信息化和智能化着手,构建了从底层数据采集与设备联网、快速建模与算法模型开发、预测能力生成的设备全生命周期PHM解决方案,为企业推进PHM应用、加速工业智能化发展起到了积极的引领和促进作用。

作为新一轮产业变革的核心驱动力,人工智能与制造业的深度融合,进一步加快了制造企业对生产系统改造和优化的步伐。在这个进程中,针对工业领域中关键设备的故障预测与健康管理(PHM),以及预测性维护为主的工业智能化技术与应用受到了业界的广泛关注,正在成为人工智能在制造业最先发挥价值的场景之一。

特别是在后疫情时代,最大化的提高生产效率、降低生产成本是任何一个制造企业最基本的生存法则。然而无论是降本还是增效,都和一个环节密切相关 — 关键生产要素(生产设备)的可靠性。对于制造企业而言,突发性的停机不仅意味着更高的生产成本,还可能会拖长订单的交付时间,甚至影响到整个产业链的稳定发展。根据ISA数据显示,全球制造商每年因停机遭受的损失总计约为6,470亿美元。

在这种趋势下,作为国内领先的人工智能产品及商业解决方案提供商,创新奇智通过信息化和智能化双轨并行的方式,以Orion自动化机器学习平台为基础,构建了从底层数据采集与设备联网、快速建模与算法模型开发、预测后能力生成的设备全生命周期PHM解决方案,为企业推进PHM应用、加速工业智能化发展起到了积极的引领和促进作用。

a4705eb18754da87656361a2acf63cc3.jpg

“防患于未然”,PHM走红工业设备智能维护



其实PHM并不是一个陌生的话题,早在20世纪70年代中期,业内便开始针对A-7E飞机发动机进行监控系统设计,这也是PHM早期的典型应用场景之一。近年来,随着工业智能化的不断发展,工厂的设备数量和类型不断增加,传统依赖人工的定期巡检或者基于状态的检修方式早已无法满足企业生产精益化需求。而以人工智能技术发展为契机,实现设备的预测与健康管理逐渐走进人们的视野。

简而言之,PHM就是通过离线或在线监测设备状态,预测设备状态的未来趋势,从而确定在设备发生故障前、成本效益最优的维护时机,做到“防患于未然”。与其他维护方式相比,基于人工智能的预测性维护优势十分明显:

1. 通过建立设备模型进行数据分析,可以降低生产计划外停机,提高设备综合效率(OEE),确保生产连续性;

2. 以推动PHM为基础带动企业底层信息化建设,使设备状态可视化,降低维护成本,提高运维效率;

3. 针对可能出现的故障指导备品备件计划,可以有效降低备品备件库存,惠及企业供应链管理

5993ff6de9bbb2196464dfb4d214ffb7.jpg

因此,包括波士顿咨询等研究机构都纷纷将PHM列为人工智能在制造业最快成熟的应用之一。据IoT Analytics估计,2016-2022年期间预测性维护的复合年均增长率(CAGR)为39%。到2022年,年度支出将达到109.6亿美元。因此,预测性维护也在许多行业,如汽车、制造、重型装备、智慧建筑、能源电力等广泛应用,特别是在重资产行业以及产业生态链紧耦合的行业,正在加速推进PHM应用。

这是由于对于供应链上下游强相关的企业,例如汽车整车厂与零部件之间,生产流程环环相扣紧耦合,若上游零部件厂商由于设备故障导致停产问题,将直接影响下游整车企业的生产进程。因此保证设备高可靠不仅是零部件厂商自身的生产连续性诉求,同时也是整车厂对供应商的要求

而对于重资产企业而言,生产效率可能与某几台重资产设备休戚相关,通过人工智能提前处理有风险的设备,将有效避免故障风险的发生。长期来看,对设备的状态感知也可以使现有设备利用率提升,提高设备的投资回报率。


推进PHM时不可避免的挑战



虽然PHM得到了来自用户和厂商的一致认可,但在大规模应用的时候仍面临种种挑战。创新奇智根据以往的实践经验发现,企业在推进PHM时通常会面临以下难点:

首先是底层信息化能力的缺失。企业在实现预测性维护之时,首先需要让生产设备进行联网,否则无法获取对应的数据。然而由于国内企业信息化水平层次不齐,底层设备仍然存在数据孤岛现象,彼此之间并没有打通。而受限于复杂的生产环境、不同的总线或网络协议和标准,以及复杂的生产车间环境,这些都给设备互联带来了挑战。

其次,是基于设备的人工智能算法建立。在实现了数据采集与设备联网后,企业很有可能采集到的数据90%以上都是无用的数据,而技术人员需要花费大量时间进行数据处理与模型建立。如何完成数据的多层挖掘、层次化聚类调用,进而达成数据到信息的智能筛选,建立出设备的准确模型,这是企业必须要解决的。

最后,对于企业而言,以人工智能为基础的PHM应用只是手段,而不是目的。基于模型得出预测性结论后,企业还需要付以实际行动,例如通过维护、替换备件等手段降低故障发生的可能,从准确预测到准确决策,使整个预测性维护形成“感知-诊断-预警-决策”的完整闭环,为企业带来切实价值。

002246ee9568d14b1e67763a581a4231.jpg

值得一提的是,创新奇智认为数据样本缺失也是目前企业在推进预测性维护的难点之一。由于许多企业平时并没有进行良好的数据管理,只在设备出现问题时才会查看当时的数据是否出现了异常、并且只用于处理当下的问题,由此带来的故障数据样本不足,也对模型建立和预测精度带来了挑战。


创新奇智Orion自动化机器学习平台赋能PHM



站在创新奇智的角度,PHM是一个需要融合信息化和智能化的解决方案,涉及自动化、设备、数据分析、模型算法等多个领域,所以企业需要一个完整的人工智能平台,聚众智、合众力,提供全面的预测性维护解决方案。站在信息化的角度,PHM应用将成为企业底层信息化发展的催化剂。例如创新奇智联合合作伙伴为用户实现数据采集和设备联网,构建设备实时、有效、真实的运行数据,首先实现设备以及生产过程的可视化管理,保障生产过程的高质量运行。

在智能化方面,创新奇智以Orion自动化机器学习平台为基础,对采集到的原始数据做分析处理、提取特征,并通过机器学习或统计方法建模,从而得出与状态相关的置信度值来表示部件的健康状态,及时让用户发现不可见的部件衰退并预测剩余使用寿命,最小化设备衰退对生产效率造成的不良影响,支持运维决策者做出敏捷正确的决策,进而优化生产计划、节省维护成本,并尽量避免非计划停机,实现近似零宕机 (near-zero breakdown)。

需要特别指出的是,面对企业可能出现的历史故障数据不足,创新奇智通过小样本学习模式,将少量的故障数据和大量非故障稳定运行数据相结合,实现对设备未来的精准预测。这种小样本学习方法与其他数据模型方法相比,不仅提高了预测质量和准确度,还将占用更少的计算时间和资源。此外,针对企业可能存在的五花八门设备,创新奇智通过样本迁移技术可以实现快速建模,使整个解决方案更加易于拓展。

8704ac92ee8aabb4a4cfeb590b7abd4a.jpg

某大型汽车线束厂的PHM应用实例



某大型汽车线束工厂长期服务于国际知名汽车品牌,为整车厂提供线束等零部件产品。该工厂产线由电机带动转动,一旦带动流水线运转的电机出现故障,生产线就要停工,会极大的影响出货量,而且为了防止突发故障造成的交付影响,工厂需要长年储存备品备件,无形中产生很大库存压力。因此需要对电机设备进行预测式维护和全生命周期的管理,降本增效,全面保障生产。

创新奇智通过Orion自动化机器学习平台,帮助该工厂搭建PHM管理平台,具体实施流程为:

1. 确定PHM实施的对象,经过调研和沟通确定旋转电机为此汽车生产线的核心设备;

2. 对生产线设备进行梳理,确定整个设备的数据基础是否完备,并携手合作伙伴补全IoT短板,让设备状态一览无遗;

3. 通过Orion自动化机器学习平台建立设备模型,通过历史数据和实时数据相结合,执行电机的综合因果网络预测分析,估计故障发生的概率和发生故障前的剩余时长,并提供专业形象的图形界面,供维护人员快速了解即将发生的设备退化或故障情况;

4. 提供诊断信息以及相应修复过程的指导和维护计划,优化备品备件的库存管理,实现对现有备品备件库存的压缩,降低运维成本。

f2672004076e8e4b6b938bfc23433a6a.jpg

在创新奇智的帮助下,该厂人员巡检次数明显较少,非人为因素的意外宕机时间大幅度缩短,并实现了针对备品备件库存管理计划的优化、库存需求的压缩。归纳来说,主要带来以下4点收益:

1.  从仅凭经验与猜测的“盲人摸象”式检修,到基于数据“洞若观火”的可视化设备状态管理,打造面向业务价值的从预测到决策闭

2.   电机设备的平均故障间隔时间(MTBF)显著缩短,实现近似零宕机

3.   备品备件计划有据可循、有数可依,减轻库存压力,惠及供应链管理

4.   通过AI进一步拉动了工厂的信息化建设

小结:放眼未来,关于PHM的建议与思考



随着国家“新基建”政策以及各种扶持政策的出台,人工智能正在加速与制造业的融合,成为制造业发展的新动能。在创新奇智看来,如果前几年业内还在验证人工智能的价值与可行性,现如今已经到了通过人工智能赋能企业发展,为企业带来实实在在商业价值的“AI2.0”时代。而PHM作为控制成本和提高生产率方面的有效手段,将成为企业推进人工智能应用的一个最佳切入点:它不仅可以带动企业向下对于信息化能力的查缺补漏,还可以向上拓展人工智能在质量检测、APS排程等诸多领域的应用可能。最后,创新奇智给出了企业在推进PHM时的三点建议:

1. 注意AI跟IoT的结合,这是应用PHM的基础;

2. 明确PHM应用带来的投入产出比(ROI),让AI真正为企业带来价值;

3. 站在更高的角度去制定AI战略,通过平台化的思维让整个系统富有弹性。



返回动态列表