工業(yè)資產(chǎn)的預(yù)測(cè)與健康管理（PHM）：當(dāng)前進(jìn)展與未來(lái)之路

預(yù)測(cè)和健康管理 (PHM) 系統(tǒng)是工業(yè) 4.0 革命的主要推動(dòng)者。有效檢測(cè)工業(yè)組件是否偏離其正常運(yùn)行條件或預(yù)測(cè)何時(shí)會(huì)發(fā)生故障是這些系統(tǒng)旨在解決的主要挑戰(zhàn)。高效的 PHM 方法有望降低故障事件的概率，從而提高工業(yè)機(jī)器的安全水平。此外，它們可能會(huì)大大降低與定期維護(hù)操作相關(guān)的通常顯著的成本。在過(guò)去十年中，數(shù)據(jù)可用性的增加以及機(jī)器學(xué)習(xí) (ML) 和深度學(xué)習(xí) (DL) 技術(shù)的驚人進(jìn)步代表了數(shù)據(jù)驅(qū)動(dòng) PHM 系統(tǒng)開(kāi)發(fā)的兩個(gè)強(qiáng)大推動(dòng)因素。另一方面，事實(shí)上將它們的應(yīng)用限制在現(xiàn)實(shí)世界的場(chǎng)景中。在這項(xiàng)工作中，我們探索了人工智能 (AI) 方法和 PHM 應(yīng)用程序的交集。我們對(duì)故障診斷和故障預(yù)測(cè)方面的現(xiàn)有工作進(jìn)行了全面審查，重點(diǎn)介紹了采用人工智能技術(shù)帶來(lái)的好處和缺點(diǎn)。我們的目標(biāo)是突出潛在卓有成效的研究方向，同時(shí)描述需要解決的主要挑戰(zhàn)，以實(shí)現(xiàn)基于 AI 的 PHM 系統(tǒng)的承諾。

1 介紹

支持現(xiàn)代工業(yè)市場(chǎng)的持續(xù)增長(zhǎng)使得優(yōu)化運(yùn)營(yíng)效率和最小化多余成本變得至關(guān)重要。這些成本的很大一部分通常來(lái)自工業(yè)資產(chǎn)的維護(hù)。

最近的研究1表明，對(duì)于普通工廠而言，低效的維護(hù)政策造成的成本占工廠整個(gè)生產(chǎn)能力的 5% 到 20%。此外，根據(jù)國(guó)際自動(dòng)化協(xié)會(huì) (ISA) 2 的數(shù)據(jù)，所有行業(yè)領(lǐng)域的工業(yè)制造商意外停機(jī)的總體負(fù)擔(dān)估計(jì)達(dá)到每年 6470 億美元的驚人數(shù)字。

如果，一方面，上述考慮突出了維護(hù)操作對(duì)制造商余額的根本影響，另一方面，大量公司仍然對(duì)其維護(hù)策略不滿意。根據(jù)最近對(duì) 230 多家歐洲高級(jí)企業(yè)3 進(jìn)行的采訪的趨勢(shì)研究，大約 93% 的他們認(rèn)為他們的維護(hù)政策效率低下。

正如后面所討論的，當(dāng)前的維護(hù)方法分為兩類，即反應(yīng)性維護(hù)和計(jì)劃性維護(hù)。粗略地說(shuō)，第一種是在系統(tǒng)發(fā)生故障后立即實(shí)施維護(hù)操作，而第二種是基于定期安排維護(hù)操作。由于機(jī)器停機(jī)、部件更換或不必要的維護(hù)干預(yù)，這些策略自然會(huì)帶來(lái)大量額外成本。

另一方面，預(yù)測(cè)性維護(hù) (PM) 代表了一種不同的范式，它有望克服上述方法的低效率。PM 是所謂的工業(yè) 4.0 革命的標(biāo)志之一，即由數(shù)字化時(shí)代的到來(lái)引發(fā)的工業(yè)世界的現(xiàn)代化進(jìn)程。PM 系統(tǒng)的目標(biāo)是利用傳感器工程和數(shù)據(jù)分析的新進(jìn)展實(shí)施更智能、更動(dòng)態(tài)的維護(hù)方法。機(jī)器的健康狀態(tài)現(xiàn)在由傳感器網(wǎng)絡(luò)持續(xù)監(jiān)控，未來(lái)的維護(hù)操作基于對(duì)結(jié)果數(shù)據(jù)的分析。越來(lái)越多的組織出于降低成本的需要和 PM 的潛力，1 .

現(xiàn)在出現(xiàn)的一個(gè)自然問(wèn)題是 PM 解決方案能夠在多大程度上真正提高公司在減少停機(jī)時(shí)間、節(jié)約成本和安全方面的效率。普華永道最近的一項(xiàng)研究4調(diào)查了 PM 的實(shí)際潛力，而不是過(guò)去幾年圍繞它產(chǎn)生的炒作。結(jié)果令人印象深刻：95% 的受訪組織聲稱采用 PM 策略有助于改進(jìn)幾個(gè)關(guān)鍵績(jī)效指標(biāo)。大約 60% 的參與公司報(bào)告說(shuō)，機(jī)器正常運(yùn)行時(shí)間平均提高了 9% 以上，并且在成本節(jié)約、健康風(fēng)險(xiǎn)和資產(chǎn)壽命方面進(jìn)一步增強(qiáng)。

如上所述，作為第四次工業(yè)革命的關(guān)鍵參與者，PM 利用了過(guò)去幾年在計(jì)算機(jī)科學(xué)和信息工程領(lǐng)域引入的一些新進(jìn)展。其中，ML 可以說(shuō)是在私營(yíng)部門(mén)的投資和興趣方面經(jīng)歷了最令人印象深刻的增長(zhǎng)的技術(shù)之一。人工智能技術(shù)之所以受到越來(lái)越多的關(guān)注，主要是因?yàn)樗鼈冊(cè)谶^(guò)去十年中在計(jì)算機(jī)視覺(jué) (CV)、自然語(yǔ)言處理 (NLP) 和語(yǔ)音識(shí)別等領(lǐng)域做出了巨大貢獻(xiàn)。

PM 方法在很大程度上基于 ML 技術(shù)。相對(duì)便宜的傳感器的日益普及使得收集大量數(shù)據(jù)變得更加容易，而這些數(shù)據(jù)又是機(jī)器學(xué)習(xí)系統(tǒng)所必需的主要成分。

但是，不應(yīng)將基于人工智能的技術(shù)視為能夠立即解決影響當(dāng)前維護(hù)策略的所有問(wèn)題的”。尤其是 ML 和 DL，是不斷發(fā)展的領(lǐng)域，盡管取得了重大成就，但許多缺點(diǎn)仍然限制了它們?cè)诂F(xiàn)實(shí)場(chǎng)景中的廣泛應(yīng)用。因此，有必要保持謹(jǐn)慎并嘗試了解當(dāng)前人工智能方法在 PM 背景下的局限性，并推動(dòng)進(jìn)一步研究以解決或緩解這些缺點(diǎn)。