“工业大数据”之“华山论剑”——工业大数据×故障预测与健康管理

时间:2019-05-13 10:30:01 来源:三明热线 当前位置:小布丁线报 > 课件 > 手机阅读


      工业大数据,伴随着“大数据”、“云计算”、“物联网”、“人工智能”等概念的兴起而逐渐火了起来。随之,工业界、投资界、学术界,各界均把目光投向“工业大数据”,国外火,国内也火了起来。但“工业大数据”毕竟不是“商业大数据”,也不是“金融大数据”,似乎也不是纯粹的“互联网大数据”,“工业大数据”分析的主流方法和思路是什么?数丁信息(公众号:dataexplorer-tech)就结合相关理论及工程经验,浅谈一下自身看法。本文所谈到的“工业大数据”,主要关注的是从各类工业设备的各种监测数据、运行数据以及其他数据中挖掘价值。


(一)“华山论剑”之工业数据挖掘流派


       首先从“华山论剑”之工业数据流派说起。利用工业设备数据来获取信息,其实由来已久,只不过,很多年之前,还不具备大数据的软硬件条件,那时候,“工业大数据”的一个分支“故障诊断”就已经出现。当年故障诊断中的两大流派,也演变成了今天“工业大数据”流派中最大的两大分支,甚至今天开展“工业大数据”业务的各类公司企业,也基本由这两大流派衍生出来。


       流派一:基于故障机理分析的“工业大数据”挖掘


       该流派进行数据分析的基础和依据是“因果关系”,也所谓“种瓜得瓜种豆得豆”。例如,针对常见机械设备,其理论基础之一是“振动学”,由于各类机械设备一般是动部件,因此,设备运行时总会产生各类数据,最典型的是振动信号。由于设备发生故障时,设备中部件的结构发生改变,因此,激发的振动形式也会不同。通过分析何种故障激发何种振动,然后分别从各个角度观察信号形态,从而判断出设备的健康状态、故障模式等信息。

       从“医学”角度讲,这类方法的思路更像是“西医”,即基于解剖学,对各个器官有详细了解,明确各个器官病变会引发的外在特征,所以,看病可以直接告诉患者具体到哪个器官出了问题。类似的,“基于故障机理分析”的诊断,或者是工业数据挖掘,在开展工作之前,一定是对于被监测部件结构、振动方式、故障表现等十分了解,最为有代表性的概念就是“轴承故障特征频率”。

       由该流派衍生的“工业大数据”分析企业,主要是传统的“故障诊断、状态监测”类企业,或者从事“测控工程”类型的企业。这些企业一般是某一类部件或者设备的“行家”,对某一类设备的结构等了如指掌,因此,对这些设备的监测数据也十分熟悉,业务范围也是集中于“某类特定设备”,或“某些特定行业”。


       流派二:基于数据驱动的“工业大数据”挖掘


       该流派进行数据分析的基础是“模式识别”,所有的分类依据,全部是基于数据本身。其主要思路是把设备看成一个黑盒子,只需要知道各类故障模式的样本数据即可。剩下的事情就是从各类模式的数据中提取有效特征,最终利用特征进行模式分类即可。也就是说,典型的思路是:获取数据-特征提取-模式识别。通过该思路进行工业大数据挖掘,甚至不需要知道设备的组成和结构。开玩笑说:数据驱动流派的侠客,都不知道啥叫“轴承故障特征频率”。

       从医学角度讲,这类方法更像是“中医”。很多老中医,并不懂什么“解剖学”、“病理学”,仅仅通过“望闻问切”,即可知道人大概出了什么问题。所以,从本质讲,就是通过人的各种外在表征,来决定人到底出了什么问题。类似的,从数据驱动角度讲,做数据驱动的侠客,更偏向于数据处理科学家,而不是各个行业的专家,对各类设备部件的结构称不上是“精通”。

       由该流派衍生的“工业大数据”分析企业,主要是从事“互联网大数据”分析的企业,像“工业大数据”、“物联网”转型的一些企业,也就是说,这类企业,或多或少的带有“互联网基因”,相对而言,这类企业对于“大数据分析”、“云计算”、“人工智能”等手段运用的也比较娴熟。


(二)“武林高手,各显神通”各流派之看家绝技


       虽说是“华山论剑”,但各个流派都有自己的看家绝技。展现各家绝技的时候到了。

       基于故障机理分析的“工业大数据”挖掘绝技:明察秋毫,严丝合缝。针对某特定设备,该方法的诊断准确率极高,可以可靠的支持工业企业的运行维护。通过查看数据,或基于各种分析工具查看数据,可以“十分准确”的确定设备出现故障的位置和原因。其针对某种特定设备或部件的诊断准确性,是“数据驱动”门派望尘莫及的。

       基于数据驱动的“工业大数据”挖掘绝技:有容乃大,海纳百川。再说说基于故障机理的分析方法,由于需要明确各种故障的原因和信号激发形式,一旦设备过于复杂,或者针对某种大型系统,各种信号产生“组合爆炸”,此时再去一一对应故障原因,就心有余而力不足了。但这个时候,“数据驱动”的优势就显示出来了,反正是把系统或设备看成了“黑盒子”,大黑盒子,小黑盒子,都是黑盒子,所以相对而言,“数据驱动”流派可以应对各类复杂系统和设备,可谓“有容乃大、海纳百川”。


(三)“融合大法”之看未来


       哪怕是在医学界,“中西医结合”都是一种极好的思路,所谓“融合大法”。类似的,看未来发展趋势,“工业大数据”分析的流派融合也是未来发展的大趋势,这也是“工业大数据”分析与其他行业“大数据”分析的不同之处。

       就开展基于“故障机理”进行“工业大数据”分析的企业而言,尝试引入新的技术,即“大(大数据)智(人工智能)云(云计算)物(物联网)移(移动通信,5G通信)”,可以有效提升业务范围,同时将传统技术更加智能化,从而降低技术运营成本。

       就开展基于“数据驱动”的“互联网基因”企业而言,由于“工业大数据”分析不同于其他行业,工业对于“结论”的准确性要求极高,有时候一点点误差就会造成很大损失,因此,将工业设备和对象进行有效分类和抽象,选取出典型的设备类别,进行“机理分析”和“解剖”,进一步提高“结论”有效性,将使得业务工程化水平更上一层楼。

       就“流派融合,相互交流”角度而言,两类思路的深度融合,在未来将是“工业大数据”分析的“里程碑”式发展机遇,如何做好深度融合,高校和研究所就该多做努力和探索,最终和企业实现“产学研结合”,推动我国“工业大数据”分析技术和水平的发展和提升。


上一篇工业产品手绘造型练习

下一篇工业驶入新赛道,谁将胜出|《浙商》有声杂志

相关文章:

课件本月排行

课件精选