白皮书:高端装备行业互联网实施架构及设备健康诊断

2022-05-31 11:24:01 浏览数 (1)

本文简述《垂直行业工业互联网实施架构白皮书(讨论稿)》(以下简称垂直行业白皮书)之高端装备行业工业互联网实施架构,并对其中的设备健康管理部分结合实践做进一步探讨。为提高可读性,增加部分实景插图。

全系列包括轻工家电行业工业互联网、工程机械行业工业互联网、电子信息行业工业互联网、钢铁行业工业互联网、高端装备行业工业互联网。

高端装备制造行业是我国战略性新兴产业的重要组成部分,是装备制造产业中技术密集度最高的产业,处于产业链的核心部位,属于知识技术密集型、多学科多领域交叉行业,具有很强的竞争力。主要包括航空产业、卫星及应用产业、轨道交通装备业、海洋工程装备以及智能制造装备五个细分领域。具有产品的技术含量特别高、生产过程特别复杂、产品的价值高、生命周期长等特点。

根据高端装备制造行业的特点,对工业互联网实施的业务需求主要是:

1、在产品的研发设计阶段,实现涉及多专业的高效协同研发;

2、在产品的生产制造阶段,实现复杂生产过程的管理,有效提升产品的生产质量。

3、在产品的售后阶段,通过工业大数据的技术应用,进行服务化延伸,提供覆盖高端装备全生命周期的远程智能维护。

行业工业互联网架构简述

高端装备行业工业互联网跨越工业物联网、商业物联网。未来的高端装备研制模式会越来越开放,研发设计和生产装配环节都会和企业外部资源进行高效协同合作。在传统模式下,只有超大型企业集团才能生产高端装备;而基于工业互联网的社会化大协同,有实力的中型企业也可以高效利用社会资源,研制出高端装备。

细节应用场景一:社会化协同研发与生产

未来的高端装备研制模式会越来越开放,研发设计和生产装配环节都会和企业外部资源进行高效协同合作。社会化协同研制的业务场景,主要是两种。一个是跨企业间的协同研发设计,一个是跨企业间的协同生产。

系统采用四层技术架构实现,其技术支撑体系如下。 1) 数据层:在数据层为整个应用提供数据访问服务。平台支持 MySql、Oracle、SQLServer 数据库。 2) 系统层:系统层包括了 Portal Framework(门户框架), Portal Compose(门户组件),Content ManageMent(内容管理), IDS(统一身份认证)。使用 Spring MVC 的构架体系搭建门户框架,整合门户功能组件、内容管理和统一身份认证模块。 3) 应用层:将门户系统按照功能分为系统构架模块、系统集成模块、系统管理模块、安全管理模块。使用 DIV CSS 的技术实现页面展示、采用 Jquery 轻量级的插件,实现页面的个性化定制功能。 4) 展现层:通过浏览器,为不同角色和职能权限的用户展现不同的首页。

应用场景二:知识自动化

高端装备属于复杂工程产品,基于模型的系统工程方法(MBSE)成为未来工程技术发展的基础趋势。在MBSE 设计过程中,有相当一部分设计模板、模型、参数可以通过宏编的方式固化成知识点,用于进一步调用生成 APP(知识自动化)。系统工程方法结合国家/行业相关标准、规范及要求,建设适用于不同行业高端产品研制的基于模型的系统工程方法。高端装备研发云平台应具备系统建模与联合仿真、四层级产品研发管理、工业知识/APP 体系匹配及应用三个方面的核心功能。

应用场景三:高端装备的预测与健康管理(PHM)

预测与健康管理(Prognostics and Health Management, 以下简称 PHM)是综合利用现代信息技术、人工智能技术的最新研究成果而提出的一种全新的管理健康状态的解决方案。预测是通过评估产品偏离或退化的程度与预期的正常操作条件来预测产品的未来可靠性的过程;健康管理是实时测量、记录和监测正常运行条件下偏差和退化程度的过程。 PHM 的发展是人们自我学习和提升的过程,即从对设备的故障和失效的被动维护,到定期检修、主动预防,再到事先预测和综合规划管理,实现了基于工业大数据的装备售后远程维护。

PHM 的实施架构,包含边缘层、工业互联网平台和工业应用三部分。

1、边缘层:工业网关部署在设备现场,负责对接不同的传感器和控制系统,并提供边缘计算的能力;

2、工业互联网平台:作为统一的平台,工业互联网平台主要由如下几个部分组成: (1) 基础数据平台:负责存储海量的带有时间标签的设备工况和状态数据,并提供开放的查询能力和可视化能力; (2) 工业大数据分析引擎:提供丰富的故障处理类、特征提取类、故障诊断类、故障预测类算法,并支持同实时的数据流结合进行实时的分析和预测; (3) 工业应用开发平台:提供快速的工业应用开发平台,包括应用开发框架和配套的服务,以及可视化的支持; 3、工业应用:基于应用开发平台开发出各类工业应用,并结合工业大数据分析的结果,实现实时监控、趋势预测和历史故障分析的应用。

0 人点赞