前沿研究丨用于智能维护的大数据调度和全球标准方法( 六 ) 本文选自中国工程院院刊《E

当主管结束此描述和选择步骤时，将向选定的维护人员发送一个带有照片和注释的请求，该维护人员在执行维护的同时可以使用MNA Android应用程序访问云中存储的警报。一旦获得正确数量的已验证的操作过程，协作机器人就可以被逐步改进以进行自动化维护活动。
五数据评估方法（大数据价值链）
为了实现接近零故障的高级诊断的自动运行与维护，在众所周知的大数据价值链分析之后进行了初步分析。
（一）数据采集
灵活且模块化的系统的实施需要数据调度标准化。我们的目标是提供一个与重要机器消息相关的数据结构（库），然后对其进行定义，以便更好地解释数据收集以供下次使用。针对硬件组件识别协议和关键性控制分析两个宏观领域，开发与生产线组件相关的人机界面记录和显示。
该数据库是通过分析每一个硬件和软件设备开发的，根据维护过程中遇到的典型问题，对相关的功能代码（参见硬件组件识别协议）进行数字化：“发生了什么事？”和“怎么办？” 。对于快速的地理定位，硬件组件识别协议可以在生产线上显示“发生了什么事？” ，同时回答：“哪里出了问题？” 。 “为什么会这样？”考虑了与硬件及其相关风险相关的因素，而“谁可以恢复它？”则包括有关设备功能使用和更换的所有附加信息。为了提供必要的数字支持，根据以往的经验和关键性控制分析，熟练的人力资源会对快速更换部件进行指导。关键性控制分析通过提供关于“要做什么？”的必要信息，并通过确定3个子记录来实现快速的问题评估，即“要使用哪些设备和工具？”的手段描述、“什么时候做？”的优先级，以及“如何做好它？”的为了更好地修复、改进并最终回收组件所必需的操作活动。在这种情况下，分析侧重于人工神经网络的适当布局记录，从而形成一个数据分析模型，其中唯一的身份证明文件（ID）与链接到相关操作过程的每个微功能区域有关（表2）。
文章插图
表2 “8 W”（或“7W 1H”）用于接近零故障进程的过程区域分区，即发生了什么？哪里发生了问题？为什么会发生？谁能修复？怎么办？使用哪些设备和工具？什么时候做？如何做好？
因此，我们实现了一个基于一些基本和间接的人类问题的调度。自古以来，这些问题对于任何类型的假设和论证的发展都非常重要，因此对于问题解决阶段（发现、形成和解决）也非常重要。
事实上，人脑可以被视为一个处理器，一旦收到刺激（警报），就会明白“发生了什么？”“为什么会发生？”以及“哪里发生了问题？” ，最后给出解决方案。同样的方法（确定问题、原因和位置，以及可以实施解决方案的人员）也可被用于智能维护操作过程，以提供基本的操作说明，即“怎么办？”和“如何做好？”来恢复正常活动，并考虑主题类型及其“使用哪些设备和工具？”的功能以及问题的重要性，即“什么时候做？” 。
（二）数据分析
数据分析的目的是使获得的原始数据适用于决策或其他特定用途（如文献参考、定性影响、症状的现象学分析、风险预防、建议的改造活动、操作影响和优先处置过程）。每个错误字符串都与唯一的ID匹配，并创建一个专用文件，其中包含解决引起警报的故障所需的指令。数据分析的主要目标是在操作员层面提供一种方法，在无需专门人力资源的特殊干预的情况下，重启每台存在故障的非活动的机器。这将减少工厂停工时间、未售出产品的费用以及人为活动的费用（这些活动的持续时间难以确定）。基于这些原因，针对每个问题创建一个指南。换言之，数据分析会导致为每种故障编写单点课程，这样在机器上工作的操作员可以在故障发生时有效地使用单点课程。
为了在特定的环境中实现该方法的功能，同时考虑人们有不同类型的习惯，高效的互操作调度是必须的。数据分析实现的示例如表3所示。
文章插图
表3 高互操作效率和相关阶段的数据分析示例
该过程由一个专用的宏逐步构建，从目标的定义和对可用资源的评估开始，直到确定关键角色和正确的时机。这样，就可以开始模拟和测试阶段（分别为阶段1和阶段2），以便计划操作过程的自动化（阶段3）。