基于云計算技術的智能工業(yè)醫(yī)生解決方案

1、基于云計算技術的智能工業(yè)醫(yī)生解決方案行業(yè)敘述行業(yè)背景設備故障診斷技術對于生產實踐中防止事故發(fā)生、避免經濟損失、制定與完善維修計劃等具有重要意義。隨著設備向高速度、高功率、高可靠性、大型化、智能化方向發(fā)展，傳統(tǒng)故障診斷技術越來越難以滿足復雜設備診斷的需求，隨著計算機技術、物聯(lián)網技術、大數據技術、人工智能技術等多種技術的發(fā)展，為智能工業(yè)醫(yī)生實現(xiàn)奠定了基礎，為保證工業(yè)設備的正常運行和高開工率，工業(yè)企業(yè)往往借助于SCADA監(jiān)測設備狀態(tài)。但是SCADA只是解決了設備的監(jiān)控問題，傳統(tǒng)的故障診斷依賴于專家的知識水平；傳統(tǒng)維修為定期維修和事故維修相結合。前者會造成“過剩維修”浪費人力物力，后者直接導致生產的停

2、止。行業(yè)現(xiàn)狀市場分析根據日本統(tǒng)計，在采用了工業(yè)智能醫(yī)生后，事故減少了75%，維修費用減低了25-50%。2020年中國的自動化及工業(yè)控制市場規(guī)模將超1500億元，2017年將達1593億元，維修約占自動化市場的25%工業(yè)復雜設備故障診斷與預測技術已經涉及到了越來越多的學科領域，特別是人工智能故障診斷與預測技術的應用，實現(xiàn)了人類專家在故障診斷與預測方面知識的集合，將工業(yè)設備故障診斷與預測提升到了智能化故障診斷與預測水平。行業(yè)趨勢業(yè)務需求未來的制造業(yè)用的不是電，而是數據。個性化、定制化將成為主流，IOT的變革將變?yōu)榘葱瓒ㄖ?，人工智能是大趨勢?現(xiàn)代工業(yè)設備智能化程度越來越高，傳統(tǒng)依靠人力的監(jiān)控方式

3、已經無法滿足需求 智能設備越來越多，設備產生的數據越來越多。而人的精力有限，無法并行處理海量數據。 傳統(tǒng)的定期維修和事故維修模式，無法滿足工廠降低成本同時保持高開工率的要求定期維修和事故維修相結合的傳統(tǒng)的維修模式，無法滿足業(yè)務需要。 維修人員培訓困難 設備越來越復雜，因為遺忘曲線等因素，維修人員無法記住每個操作細節(jié)，保證持續(xù)規(guī)范操作。維修過程屬于密閉空間，管理人員無法了解細節(jié)。維修依靠維修人員現(xiàn)場自我發(fā)揮，維修過程無法管理，維修效率無法保證，維修質量無法監(jiān)控。業(yè)務痛點工業(yè)設備傳感器工業(yè)智能醫(yī)生基于人工智能的決策系統(tǒng)大數據分析人機接口物聯(lián)網業(yè)務功能架構工業(yè)智能醫(yī)生通過公有云的物聯(lián)網IOTHUB實

4、時采集設備的運行狀況數據、使用MaxCompute大數據平臺存儲海量設備狀態(tài)數據、基于人工智能的建立專家系統(tǒng)和故障樹實現(xiàn)設備的故障預警。通過機器學習基于Maxcompute平臺對狀態(tài)信息進行離線全量數據挖掘分析，實現(xiàn)設備運動狀態(tài)綜合判斷和預警，避免機器故障的產生，提供生產效率?；谠O備故障判斷的預測性維修基于專家?guī)斓木S修方案推薦導航系統(tǒng)語音識別遠程運維AR技術業(yè)務功能架構工業(yè)智能醫(yī)生以人為中心，通過深度學習建立知識庫為一線操作人員提供故障判斷，維修方案推薦，可視化維修，遠程協(xié)助等功能。業(yè)務功能架構深度學習知識庫機器學習知識獲取器用戶知識推理機專家經驗歷史數據規(guī)則化結果解釋器業(yè)務功能架構-工業(yè)智

5、能醫(yī)生AI工業(yè)智能醫(yī)生的核心是一套人工智能系統(tǒng)，包含一個莊家系統(tǒng)。內部包含大量的基于知識處理的專家水平知識和經驗。系統(tǒng)數據庫中存儲著從專家那里得到的行業(yè)知識。推理機的作用是按照一定的控制策略，根據知識庫進行推理。結果解釋將推理機得到的結果轉換為用戶能理解的內容。工業(yè)智能醫(yī)生采用專家系統(tǒng)和深度學習相結合的模式，避免了傳統(tǒng)的專家系統(tǒng)知識獲取有瓶頸，系統(tǒng)層次少，智能水平低等問題?；谖锫?lián)網，大數據技術，獲得的大量數據，通過深度學習的自組織、自學習，可有效的提高系統(tǒng)的容錯性、魯棒性、實時性和自適應性。歷史運檢數據廠家提供數據第三方數據數據挖掘模型訓練規(guī)則知識庫知識圖譜動態(tài)知識庫知識庫引擎設備數據首先找

6、出知識庫中可能會用到的所有事實，然后構造一個數據庫，給每一個事實賦予一個唯一的整數編號以相互區(qū)分，并用該編號在規(guī)則庫中來代表規(guī)則中用到的各個事實。然后建立判斷庫，規(guī)則是診斷的基礎，由條件部分和行為部分組成。最后根據深度學習經過模型訓練建立動態(tài)知識庫。業(yè)務功能架構-知識庫建立基礎功能設備管理設備上線設備下線運行狀態(tài)監(jiān)控故障管理故障發(fā)現(xiàn)故障確認故障發(fā)布故障跟蹤故障解除智能速派故障設備定位設備地圖設備標記環(huán)境標記智能維修智能導航維修方案推薦智能問答語音識別專家熱線數據分析高危設備預測易發(fā)故障分析可視化展示數據采集人員管理技工管理專家管理業(yè)務功能架構硬件設備，現(xiàn)場環(huán)境數據采集&存儲信息管理數據

7、應用日志MaxComputeRDSStreamComputeTableStore設備管理(ECS)故障管理(ECS)人員管理(ECS)iGlasses算法調度管理(ECS)智能維修服務(ECS)導航服務(ECS)在線專家服務(ECS)業(yè)務系統(tǒng)架構圖數據采集區(qū)時序數據存儲區(qū)大數據云盾云安全防護服務GPU深度學習模型訓練集群業(yè)務數據庫負載均衡遠程指導APP和PC客戶端業(yè)務集群運維監(jiān)控服務自動伸縮自動伸縮客戶庫工單庫設備信息庫RDS:云數據庫SLB:負載均衡ECS:云服務器ESS:彈性伸縮服務CDN:內容分發(fā)網絡實時流推送非結構化數據對象存儲OSS:對象存儲自動伸縮APP負載均衡SCADA智能傳感器

8、云端協(xié)議轉換網關智能維修故障管理導航服務TableStore實時在線預測歷史數據訓練動態(tài)模型更新MaxCompute大數據離線計算IOT HubStreamComputeMaxCompute產品技術架構方案roadmap4級 預測維修是否可以預報部件/子系統(tǒng)失效，并且根據要求或實際情況進行維修？是否可以與控制綜合？3級 高級診斷是否能夠在部件失效前得知其性能正在降低？能否根據運行情況監(jiān)測到異常、間歇性故障和單次出現(xiàn)的事件？2級 綜合診斷可以在不同子系統(tǒng)之間追蹤引起失效的根本故障嗎？診斷分析與設計是系統(tǒng)工程過程中的一個有機組成部分嗎？數據與分析模型可以共享/重用嗎？1級 內置測試基于定義的離散閾值判斷，是故障還是可以接受的性能？典型案例空調物聯(lián)網