前沿研究丨用于智能维护的大数据调度和全球标准方法( 七 ) 本文选自中国工程院院刊《E

（三）数据管理、存储和使用
除了选择、分类和验证等操作外，主要还需要对数据进行处理以避免重复。所有这些操作都要确保数据是可信的、可发现的、可访问的、可重复使用的，并且适合于此目的。然而，在不同的工业水平上获取所有数据通常仍然依赖于环境。
本文采用的解决方案可以立即使用，并且涉及一个公共云计算平台，该平台确保了互操作性、可伸缩性和灵活性。之所以做出这样的选择，是因为即使需要昂贵的冗余存储系统来确保为灾难恢复而设计的可靠服务（即能够避免人为的和自然的灾难性故障导致代价昂贵的系统中断服务），共享的公共云也可以降低其成本。本研究旨在为未来的计划实施奠定基础，并且无需外部人力资源干预就可管理所有类型的警报，从而减少停机时间。
近年来，云计算和存储技术不断发展。根据美国国家标准技术研究所的定义，云计算系统包含5个基本特征：按需自助服务、广泛的网络接入、资源的集中、快速的弹性和可衡量的服务。该网络的服务提供商能够存储大量数据，并且能够使用数据高效地执行计算。当一个独立系统与云技术相结合时，即使计算资源有限且存储容量较小，性能和功能也会显著扩展，从而形成一个为多个用户提供共享服务的网络。通过云容量、物联网、中间件和大数据的结合来控制产品质量和设备的第一步是定义连接到网络的机器的数据存储技术。在这项工作中，我们利用了外部云存储，外部云存储可以与工业测试案例中的机器或不同的信息技术组件（即人机界面、个人计算机、平板电脑、本地硬盘等）进行通信。每当发生故障时，可编程逻辑控制器都会向人机界面发送警报信息，而人机界面会向专用云发送文本文件，以丰富历史数据库。高级诊断功能将记录传感器记录的所有数据，或通过一个名为“警报历史管理”（Alarms Historical Management）的专用功能在本地硬盘上计算所有数据，并将警报存在云端，以确保数据保护。通过电子邮件可以将警报发送给所有参与维护活动的操作员。
最终数据库被工业机器用于优化管理。收集到的数据也可以被组织用于商业活动或通过通常由数据分析开发的测量模型来提高其行动的有效性。借助智能的自动化决策流程，可以通过降低成本、增加价值或任何其他可衡量的参数来增强公司的竞争力。高级诊断的实施将操作员警报与采用单点课程格式和接近零故障模型的故障排除相结合。它针对工业环境进行了功能化，恢复了监督程序，并改进了发送给相关人力资源的图像和文本。
我们为Android设备开发了维护跟踪和监控移动应用程序（MAM-TAM），该应用程序通过验证和显示链接到警报代码的单点课程的文本文件、图像和pdf文档直接访问云，并可用于从外部和本地内存检索数据。针对Windows加固平板电脑的类似应用程序已经在工业应用中实现。通过MAM-TAM可以对系统进行实时监控，这样每个专门的人力资源可以执行监督，并可以提醒其他操作员所存在的不同风险状况。在不改变自动化生产过程的管理机制的情况下，收集所有级别的实时信息的能力可以使安全级别保持不变，同时不需要使用 HMI存储器。
六
结果
在过去4年中，本文提出的方法已被应用于12家公司。对已经取得的进步进行评估，重点关注了停机时间、培训活动、故障和外包支持的减少以及产量的增加。如前所述，我们选择了12家饮料公司的生产线，因为瓶字样式的变化不需要棘手的软件定制。因此，这一选择减少了变异性，使我们能够专注于人类活动分析。此外，这些公司也代表了世界各地不同的地点，他们的营业额也不同（其中有3家位于世界10大食品和饮料公司之列）。考虑人类和机器的不正确操作，我们在所有的企业中都应用了专门的单点课程来提供智能帮助。表4显示了在采用接近零故障的高级诊断期间（12~38个月）获得的结果。
与应用该实现方法前相同数量的月数相比，包含编写良好的单点课程的智能助手减少了（23±6）%的停机时间，测量结果没有时间相关性（R2=0.163），且显示减少了（9±3）%的故障。
文章插图
表4 全球12家不同的公司对接近零故障的高级诊断的应用时间和结果，重点关注停机时间、故障、培训成本和外包服务的减少，产量的增加以及实施方法应用后的停机事件数量