首页 理论教育升级智能制造:智能服务的新途径

升级智能制造:智能服务的新途径

【摘要】:图4-4价值创造新途径智能服务是指对智能制造各节点、各阶段提供数据挖掘服务和知识推送服务。面向装备设计的需求获取与智能知识服务当前针对客户需求挖掘的算法主要有可视化、统计分析、遗传算法、粗糙集方法、决策树、神经网络、聚类等。配有传感器并接入物联网的智能产品的出现,改变了传统服务手工处理和离线处理的状态。图4-6装备状态监测与服务

由于现代装备系统正变得越来越复杂,使用尖端、特殊材料制造,技术越来越专注,其运维工作越来富有挑战性。以维护、维修与大修为核心的维修业利润空间巨大,是许多运维企业及装备原产企业蜂拥切分的大蛋糕

通过业务流程再造,面向行业提供社会化、专业化服务发展的模式,构筑覆盖产品全生命周期的新的服务生态系统,为解决传统售后市场商业模式根本利害冲突提供了一种双赢机制,这种机制就是服务型制造。

服务型制造是基于制造的服务和面向服务的制造,是基于生产的产品经济和基于消费的服务经济的融合,是制造与服务相融合的新产业形态。简单地说,服务型制造就是制造价值链上的企业,通过产品和服务的融合、合作伙伴和用户全程参与、企业相互提供生产性服务和服务型生产,实现分散化制造资源的整合与各自核心竞争力的高度协同,创新价值创造途径,如图4-4所示。

服务型制造意味着一方面,企业可以发挥自身优势,将优质资源以服务的形式参与到其他企业生产过程,完成价值共创;另一方面,企业也通过服务的形式,按需从市场获取专业化服务,取得更大的效益。

图4-4 价值创造新途径

智能服务是指对智能制造各节点、各阶段提供数据挖掘服务和知识推送服务。通过智能服务,可以使智能制造过程围绕客户需求展开和延伸,更贴近客户需求;通过智能服务,可以获取装备运行的工况参数,借助大数据等技术,基于监控数据提供智能服务决策,使装备可靠运行。智能服务按服务对象不同可分为面向装备设计的需求获取与智能知识服务和面向装备服役的状态监测与远程运维服务。

(1)面向装备设计的需求获取与智能知识服务

当前针对客户需求挖掘的算法主要有可视化统计分析遗传算法粗糙集方法、决策树神经网络、聚类等。

客户需求挖掘是知识发现过程中的一个特定步骤,也是核心步骤。一般来说,不存在一个普遍适用的客户需求挖掘算法。一个算法在某个领域非常有效,但在其他领域并不一定适用。例如,决策树在问题维数高的领域可以得到很好的分析结果,但对数据类之间的决策分界采用二次多项式描述的分类问题却不太适用。任何一个客户需求挖掘算法都有其优缺点。因此,选择方法要由具体应用的目标情况决定,不能仅仅由算法性能判断。

聚类方法和可视化方法也可以用于多个方面。在网络信息的知识发现中,对内容的挖掘可以采用关联分析、神经网络和分类挖掘等;对结构的挖掘可以采用关联分析、分类挖掘、聚类挖掘和可视化等;对使用记录的挖掘可以采用关联分析、分类挖掘和遗传算法等。在实际项目中,应考虑如何结合起来,互相取长补短,从而取得更好的效果。

图4-5所示是一个挖掘客户需求的智能服务平台架构,主要包括客户模糊需求转化与相似性检索、运行监控的大数据智能服务和设计大数据的设计服务与智能导航。挖掘客户需求的智能服务平台的支撑数据库包括客户需求实力库、传感器运行大数据和性能特性资源库。

通过搭建完整架构的云服务平台,将复杂装备行业涉及所需的各类设计资源,如设计手册、零件样本、产品模型等,进行收集、整理、归纳、整合,以服务的形式发布到云上,企业的设计人员作为平台的用户只需要通过设计资源共享平台门户网站,就可以访问和使用共享平台的各种服务。

图4-5 挖掘客户需求的智能服务平台架构图

(2)面向装备服役的状态监测与远程运维服务

装备在运行时会出现各种状况,外界的干扰与装备自身的振动与摩擦可能会对装备产生一定影响,对装备的连续健康运行造成隐患。传统的现场停机检查使得生产维护成本提高,导致装备利用率低下。

配有传感器并接入物联网的智能产品的出现,改变了传统服务手工处理和离线处理的状态。通过安置在装备上的传感器实时感知装备运行的内部状态和外在环境相关的各类数据,实现对装备全生命周期的管理,并开展各类增值服务。如远程监测装备运行状态,判断其运行是否正常,利用远程监测系统,密切关注装备振动波动,运行趋势、报警事件等;通过对当前数据和历史数据的对比分析,利用图、谱、表等可视化手段,呈现装备运行状态,预测运行趋势,提供消除故障的思路;通过对装备长期运行监测,提供维护策略。

图4-6所示为较为通用的通过采集相关数据进行分析以提供相应的服务。

图4-6 装备状态监测与服务