前沿研究丨用于智能维护的大数据调度和全球标准方法( 四 ) 本文选自中国工程院院刊《E

为了指出效率低下的情况或应该在人机交互中做出的改变，操作流程需要采用经验演示案例进行人为定制。操作流程的评估可以减少问题数量并确保效率、高质量和可持续性，而整个大数据链必须从操作流程的评估开始，被用于研究任何特定的环境和相关资源（例如，电子商务具有可持续性并且可以减少浪费，但前提是必须接入互联网）。因此，我们需要定制用于提供可行性和零故障反馈的功能性高级诊断和智能应用程序，将人类习惯与生产绩效数据合并在一起，并根据任务成功的可能性整合现有的选择（如减少浪费、增加产量）。此外，循环系统必须能够识别为了实现预测性创新而必须考虑的行动，从而自主地改进。这需要通过使用网络空间的数字结构完成，其中大数据输出有助于实现高级诊断，而零故障追踪有助于实现可行性分析。公司治理生成的反馈对于提高流程质量有所帮助，同时全球扩展的潜力和可持续性从经济、环境和社会的角度得到了评估。在每一步中，我们都可能会错过目标，因此需要对操作流程进行修订以改善系统并重塑理想的循环。不断推出改进措施的各管理层（战略、战术和运营管理）将分析并储存经验结果，从而推出操作教程以修复机器故障。此外，我们需要利用机器历史记录让人工神经网络（节点）能更加准确地预测故障并安排维护工作，以便在年度维护计划之外尽可能地减少干预和意外或多余的停工期（即在理想情况下，将干预行为减少到接近零）。因此，智能维护系统会提供适当的服务，并且产品管理的反馈会生成一个定制的高级诊断算法。该方法的效率通过接近零故障的高级诊断（nZ-FAD）流程不断得到更新，该流程将确保方法的不断改进和完善。
我们的目标是达成一项自动的自我修复流程。因此，我们以建筑信息模型（BIM）流程为例，以便为智能工厂、社会5.0、工业5.0和智慧城市设计一份智能协议。这使我们能够研究一些经验案例，从而获得对人工智能原始数据和调度设计的效率反馈。
四信息数据流——管理和操作流程
在这项研究中，为了以一种智能的方式收集数据，我们决定参考一个通常被用于大数据处理和管理的逻辑模型，该模型集成了上述所有技术。数据分析强调了以往经验与模拟方法相结合的结果。该结构旨在关联长期算法，识别促成因素并评估其对成本、风险和操作流程的影响（图3）。网络物理空间和相关调度（图4）必须通过用户友好系统进行更新，以确保效率、质量和可持续性；信息和通知必须持续可用、保密和完整。
文章插图
图3 功能过程管理及其操作流程图
文章插图
图4 网络物理空间中（功能、信息学和全局）的操作宏区域和用于自动预测创新的系统信息调度。橙色：建筑信息模型；绿色：工业4.0技术；黑色：调度阶段；黄色：网络空间调度
目标是实现操作过程的持续自动化创新，这将为适当的供应链管理（采用预测算法）奠定基础。本案例研究将有助于探索建筑信息模型的概念，其中包括对结构的物理和功能特征进行数字表示。建筑信息模型涉及多个维度上区域的物理和功能特性的数字表示的生成和管理。在这种情况下，工业4.0提供了支持人机交互的所有必需的技术，其功能目标是降低成本并增强对自动化过程的控制。在这一点上，明确用于调度和相关阶段的操作宏区域是至关重要的。
功能区域的运营商和代理商定制高级诊断，以获得足够的数据量和质量来确保零故障和零浪费。人工智能系统中处理信息学的部分必须通过提供用于预测和模拟操作过程的所有必要数据来确保可行性。专家从操作过程开始，通过描述质量、可持续性和可行性，定义了全局区域指令，这些指令在任何全局范围内是可扩展的，可用于未来人工智能培训和数据调度。之后，可以将物理空间与网络空间连接起来以实现数据处理。
（一）数据集和警报消息
优化维护对于提高性能至关重要。在制造系统中，警报消息用于连接网络空间和物理空间，并显示改进高级诊断所需的内容（图5）。
文章插图
图5 零故障操作过程的持续改进（黄色方框和红色箭头）数据调度设计（蓝色方框）和横截面分析（棕色方框）。 CHECK：用于零故障数据管理的移动应用程序。 ACT：数字图书馆和设备故障以及停机事件的显示和分析。 PLAN：基于云的产品/服务长期管理和实时数字协助架构。 DO：具有数字辅助和操作过程验证的自动化生产线。紫色字符：微功能区。绿色字符：智能维护操作流程