数据让机器更智能

45
数据让机器更智能 Data makes machine more intelligence 寄云科技 张奇

Upload: hardway-hou

Post on 12-Feb-2017

39 views

Category:

Internet


1 download

TRANSCRIPT

数据让机器更智能

Data makes machine more

in tel l igence

寄云科技 张奇

大数据时代的离散制造业 1

寄云工业互联网实践 2

寄云智能分析云平台解决方案 3

大数据时代的离散制造业 1

寄云工业互联网实践 2

寄云智能分析云平台解决方案 3

航空航天 汽车制造

数控机床 发电设备 工程施工

铁路

研发 计划 资源 制造 交付 销售和服务 供应商和

合作伙伴

客户

分析、财务、人力资本管理、运作支持、集团服务

企业管理和支持

战略资源采购

供应商协调

新产品和过程发展研究管理

研发

投诉管理、产品信息管理

客户服务

供应链设计、供需管理、分销和运输、订单执行、存货管理

供应链计划与执行

生产运作 / 企业资产管理

生产计划与执行

质量管理承诺

质量管理和承诺

销售、运作计划、付款、合同

销售和市场

生产控制、物流管理

企业资源计划

面向流程的制造业信息系统现状

面向决策的智能化分析系统

Sensor、MES

传感器及其控制系统

PDM, SCM, CRM, Finance, ERP…

经营管理系统

Analytics System

决策分析系统

中国制造2025

智能化系统

智能制造

智能设备

数据

信息

知识

策略

企业数据基础

数据在应用中产生价值

过去

将数据带给计算

现在

将计算带给数据

信息系统发展大趋势

IT IT

企业云平台

PDM

MES

Finance

CRM

ERP

SCM

以数据为中心的企业信息化架构

大数据时代的离散制造业 1

寄云工业互联网实践 2

寄云智能分析云平台解决方案 3

• 故障发生之后,纠错性维护

• 故障发生之前维护

• 基于固定时间间隔和可视化检查

• 根据实际状态,进行维护

• 诊断数据的传输和远程监控

• 根据对系统状态的预测,进行维护

• 通过分析模式和趋势,实现失效预测

• 自主预测

• 自动化运维

纠错性维护 预防性维护 基于状态维护 预测性维护 自动化维护

持续优化现有的技术和项目,持续推动创新和技术进步。

技术复杂度

基于大数据分析的设备维护保障系统

Condition-based

Maintenance

Prognostics and

Health Management Reactive

Maintenance

Preventive

Maintenance

Automation

Maintenance

14.35m

寄云工业互联网实践1:盾构机

盾构机工作原理简介

大数据

大数据

数据准备: 数据源(传感器指标)筛选

参数号 含义

822 风速1秒平均值

818 电网电压L2

751 变桨角度1秒平均值

744 发电机转速30秒平均值

790 轮毂温度1秒平均值

746 电网电流L2

778 发电机冷风温度1秒平均值

749 机舱方向总角度

753 电网无功

745 电网电流L1

747 电网电流L3

821 风速

817 电网电压L1

812 机舱供电用690/400V变压器温度1秒平均值

833 机组运行时间总数

797 机舱外温度1秒平均值

781 发电机定子绕组U温度1秒平均值

772 发电机DE端轴承温度1秒平均值

732 桨叶3电机温度1秒平均值

726 桨叶1电机温度1秒平均值

784 发电机定子绕组V温度1秒平均值

757 齿轮油温1秒平均值

752 变桨角度30秒平均值

823 风速30秒平均值

734 电缆扭转总角度

737 Z向振动实时值

736 向振动实时值

819 电网电压L3

803 转子轴承A温度1秒平均值

729 桨叶2电机温度1秒平均值

750 变桨角度

794 机舱温度1秒平均值

742 发电机转速

参数号 含义

833 机组运行时间总数

732 桨叶3电机温度1秒平均值

772 发电机DE端轴承温度1秒平均值

778 发电机冷风温度1秒平均值

752 变桨角度30秒平均值

757 齿轮油温1秒平均值

734 电缆扭转总角度

737 Z向振动实时值

797 机舱外温度1秒平均值

821 风速

749 机舱方向总角度

819 电网电压L3

753 电网无功

817 电网电压L1

744 发电机转速30秒平均值

803 转子轴承A温度1秒平均值

751 变桨角度1秒平均值

818 电网电压L2

806 转子轴承B温度1秒平均值

823 风速30秒平均值

736 向振动实时值

766 齿轮箱DE端轴承温度1秒平均值

822 风速1秒平均值

参数号 含义

821 风速

822 风速1秒平均值

207_x_30风机有功用电量(30分钟)

833 机组运行时间总数

757 齿轮油温1秒平均值

778 发电机冷风温度1秒平均值

732 桨叶3电机温度1秒平均值

734电缆扭转总角度

797 机舱外温度1秒平均值

790 轮毂温度1秒平均值

763 塔基电柜温度1秒平均值

809 塔基温度1秒平均值

818 电网电压L2

761个测量点,可参与建模

模型初步筛选结果,人为筛选与刀盘、配置、齿轮、驱动等相关指标

利用数据变化度筛选有效指标

筛除全零指标

梳理最终得到指标60个指标

有效的传感器数据源指标

本地时间 里程 挖掘室1_压力检测 刀盘位置

环号 净行程 挖掘室2_压力检测 刀盘左转

No_1刀盘电机電流 No_1刀盘电机转矩 挖掘室4_压力检测 刀盘右转

No_2刀盘电机電流 No_2刀盘电机转矩 挖掘室5_压力检测 进刀率

No_3刀盘电机電流 No_3刀盘电机转矩 A区推进千斤顶行程 刀盘扭矩

No_4刀盘电机電流 No_4刀盘电机转矩 B区推进千斤顶行程 工作压力舱空气压力

No_7刀盘电机電流 No_7刀盘电机转矩 C区推进千斤顶行程 推进总油压

No_8刀盘电机電流 No_8刀盘电机转矩 D区推进千斤顶行程 盾构推进速度

No_9刀盘电机電流 No_9刀盘电机转矩 E区推进千斤顶行程 盾构推进速度_plc_

No_10刀盘电机電流 No_10刀盘电机转矩 F区推进千斤顶行程 总推力

No_11刀盘电机電流 No_11刀盘电机转矩 推进A区压力 土沙量积算

No_12刀盘电机電流 No_12刀盘电机转矩 推进B区压力 偏差流量积算

No_13刀盘电机電流 No_13刀盘电机转矩 推进C区压力 盾尾密封积算

No_14刀盘电机電流 No_14刀盘电机转矩 推进D区压力

No_17刀盘电机電流 No_17刀盘电机转矩 推进E区压力

No_18刀盘电机電流 No_18刀盘电机转矩 推进F区压力

No_19刀盘电机電流 No_19刀盘电机转矩 刀盘转速

分析一: 各区推进力异常发现

大约在1000环以后各区(A-F)都开始持续下降,尤其是在1500环前下降趋势尤其明显

分析二: 全流程最细粒度扭矩异常发现

在230-560间出现较为波动的扭矩不平衡,而从1480环后则是持续增长的扭矩不平衡 猜测:是否与土层/工作条件/主轴异常有关?

分析三: 结合土层信息的异常分析

结合土层信息分析结果

不同颜色表示不同的土层结构,如深紫色对应的4类土层就是由土质均匀的砂土粉质和粉砂两种组成

分析四: 不同土层条件/工作条件下的异常检测

分析四: 不同土层条件/工作条件下的异常检测

2类土层中似乎在210环之前和737环之后有很分明的界限,而实际上这两部分的土层情况是一致的,只是挖掘角度上稍有差异,是否与工作条件设置有关?

6类土层中所有环都在“正常”界限内

4-10类土层条件下几乎没有发现异常,特别是连续异常 1-3类土层条件下问题较多

2类土层+1类工作条件下,仍然可以看到明显的阶段性差异,200多环之前和700多环之后,可以假设,存在某些配置/条件我们无法从当前数据中获取

分析四: 不同土层条件/工作条件下的异常检测

分析五: 分析XX道路盾构机环内数据相关性

167环的7号刀盘有持续20分钟左右的电流异常,包括其中超过一半时间的无电流情况

7号刀盘

蓝色线条为614环,橙色线条为615环

8号刀盘

值得关注的是,虽然614环上发现的异常不够明显(相似度在0.8),但和615连在一起观察就会发现,8号刀盘是从614环的后1/3处开始无电流,直到615环的尾声才恢复正常,可认为“连续异常”。

分析五: 分析XX道路盾构机环内数据相关性

17号刀盘

4号刀盘

982环上大部分时间的电流均为0,只有一分多钟的有效电流,而在此期间,4号和17号的变化明显异于其他刀盘。

分析五: 分析XX道路盾构机环内数据相关性

结果验证: 盾构推进故障统计表

班组 日期 环号 推进 拼装 机械 故障

原因 原因 泥水 故障

原因 其他 原因

三班 2012/12/28 609 1 11 封顶块弹出加固

一班 2012/12/28 12 609环种筋

二班 2012/12/29 12 封顶块弹出加固

三班 2012/12/29 12 盾构清理

二班 2012/12/30 610 1 4 维修多点油脂泵 3 通3#4#6#注浆管

2 更换HBW油脂泵

三班 2012/12/30 610 0.75 1.25 1 拌站冰冻影响拌浆速度

611 1.5 1.5 2 608环环氧封堵

612 1.5 1.25

613 0.75

一班 2012/12/31 613 0.75 1.5 2 调换口字件行车

转盘油管

刀盘经常跳, 维修8#电机

614 1.5 1.5

615 1.25

二班 2012/12/31 615 0.5 1.5 1 拌站短皮带机故障

616 1.5 1.5

617 1.5 1.5

618 1.5 1.5

619 1.5

一班 2013/1/1 619 1.5 1 V50阀门限位更换

620 1.5 1.5 1 地面泥水管漏水

在本阶段分析中发现的614-615环8号电机的持续异常在故障列表中也得到验证

结果验证: 德国原厂检修报告对比

厂商检修报告P64,其中5、6、15、16是不参与作业的,4、7、18的异常在本阶段分析中均有发现

分析总结

通过环间分析发现整体趋势性异常

从扭矩不平衡/(主)扭矩回归异常发现的后200环持续严重

异常

各区推进力相同土质条件/工作条件下的异常持续下降

通过环内分析发现部分表现异常的电机(与故障列表及德国厂商报告

部分吻合)

614-615环的8号电机电流异常

167环的7号刀盘电机电流异常

多环出现的4、18、19刀盘电机的电流/扭矩异常

施工建议

1. 在2类土层(即以灰色粉质粘土为主,含云母,局部夹粉砂团块,土

质较差)施工的情况下,应及时调整设备参数。当土层为2类土层,

并且挖掘角度发生变化的地点,尤其需要注意;

2. 当多个刀盘发生电流/扭矩异常时,应及时停止掘进,排除故障之后,

盾构机方可继续运转。否则,极易发生主轴故障的问题。

PHM分析模型

特征捕获

分析

预测

决策支持

反馈和学习

数据处理

Data

道路 桥梁 隧道

寄云工业互联网实践2: 某一线城市基础设施健康管理

为了实现预测故障的目标,我们首先需要找出产生故障原因,并对故障进行分类,梳理出故障模式。

避免 如何避免 再次发生

循序渐进的分析过程

业务价值

预测 将会发生 什么?

监控 发生了什么?

报告 发生了什么?

分析 发生的原因?

运用大数据的方法,我们能够回答…

整流罩

齿轮箱

测风桅杆

主轴

发电机

机舱控制柜

为机组的每一个单独部分,创建一个可靠性曲线。

寄云工业互联网实践3: 风电机组的早期预警监测和预测性维修

数据收集

分析问题 查找根源

客户

产品研发/设计

快速发现&解决问题 提升客户满意度 避免问题重现

加速产品创新

··· 解决方案落地

数据分析的价值

卫星状态

综合查询

异常检测

状态诊断

基于规则的

状态报警

卫星健康

状态评估

寄云工业互联网实践4: 基于大数据的卫星健康状态评估系统

用户

分析

LANGUAGES MATH & STATS DATA MINING BUSINESS INTELLIGENCE APPLICATIONS

决策者、研发者 业务分析人员 业务操作人员 终端用户

用户

模型驱动

数据驱动

理论

假设

观察

证明

数据

理论

假设

模式

观察

“自上而下”、“自底向上”是“and”的关系,而不是“or”的关系

大数据分析有什么不同?

大数据时代的离散制造业 1

寄云工业互联网实践 2

寄云智能分析云平台解决方案 3

先进传感器网络

故障信号 报警信号 历史

监测信息

SaaS

大数据PaaS

IoT数据分析 解决方案套件

IoT数据分析 基础套件

数据整合 数据整合服务

故障检测 故障诊断 故障预测 RUL CBM 远程监控

数据源 检查报告 维修大纲 实时状态参数

其他…

PostgreSQL

实时 数据接收

数据 预处理

数据 分析

数据 可视化

寄云智能分析云平台解决方案

智能分析云平台

批量 数据接收

数据 存储

数据 统计

Kettle

HBase

1.0 传统分析

1. 描述型分析和报表

2. 内部数据源,相关的小的结构化的数据

3. 幕后的分析团队

4. 内部决策支持

总结与描述过去已经发生的事情

Analytics 1.0 | Traditional Analytics

描述型分析

1.0 传统分析

1. 描述型分析和报表

2. 内部数据源,相关的小的结构化的数据

3. 幕后的分析团队

4. 内部决策支持

2.0 大数据

1. 复杂、大量、非结构化的数据源

2. 新的分析和计算能力

3. 数据科学家的出现

4. 在线公司创建了基于数据的产品和服务

总结与描述过去已经发生的事情

预测未来将要发生的事情

Analytics 2.0 | The Big Data Era

预测型分析

1.0 传统分析

1. 描述型分析和报表

2. 内部数据源,相关的小的结构化的数据

3. 幕后的分析团队

4. 内部决策支持

2.0 大数据

1. 复杂、大量、非结构化的数据源

2. 新的分析和计算能力

3. 数据科学家的出现

4. 在线公司创建了基于数据的产品和服务

3.0 快速洞察提供商业影响力

1. 分析被整合到业务;分析被认为是策略竞争资产

2. 提供快速和敏捷的洞察力

3. 分析工具进行决策

4. 嵌入式分析,为决策和流程操作,带来了革命

5. 所有的公司都可以创建基于数据的产品和服务

总结与描述过去已经发生的事情

决定采取何种行为促使未来的事件

发生

预测未来将要发生的事情

Analytics 3.0 | Fast Business Impact

For The Data Economy 经营型分析

1.0 传统分析

1. 描述型分析和报表

2. 内部数据源,相关的小的结构化的数据

3. 幕后的分析团队

4. 内部决策支持

2.0 大数据

1. 复杂、大量、非结构化的数据源

2. 新的分析和计算能力

3. 数据科学家的出现

4. 在线公司创建了基于数据的产品和服务

3.0 快速洞察提供商业影响力

1. 分析被整合到业务;分析被认为是策略竞争资产

2. 提供快速和敏捷的洞察力

3. 分析工具进行决策

4. 嵌入式分析,为决策和流程操作,带来了革命

5. 所有的公司都可以创建基于数据的产品和服务

总结与描述过去已经发生的事情

决定采取何种行为促使未来的事件

发生

预测未来将要发生的事情

Today

Analytics 3.0 | Fast Business Impact

For The Data Economy 经营型分析

谢 谢