前沿研究丨用于智能维护的大数据调度和全球标准方法( 四 )


自动化的预测性创新基于图2所示的原理 , 图中展示了该目标的实现途径 。 支持设施管理的操作流程定义了目标、资源、规则和利用现有硬件(感兴趣区域)的时间安排 。
图2 操作流程的预测性创新示意图 。 操作流程:深度学习和想法 。 质量和全球扩展:适用性和地理定位 。 长期可持续性:附加值以及收益与成本之间的关系 。 治理和互操作效率:真正的适用性和管理指令 。 新增:存在问题和必须被测试的可能的解决方案(技术、调度阶段和网络空间调度) 。 不断改进的数据流(黄色和红色箭头):Yes表示新过程改进了现有技术;Feedback表示网络空间调度;No表示提议的解决方案不符合指导原则
为了指出效率低下的情况或应该在人机交互中做出的改变 , 操作流程需要采用经验演示案例进行人为定制 。 操作流程的评估可以减少问题数量并确保效率、高质量和可持续性 , 而整个大数据链必须从操作流程的评估开始 , 被用于研究任何特定的环境和相关资源(例如 , 电子商务具有可持续性并且可以减少浪费 , 但前提是必须接入互联网) 。 因此 , 我们需要定制用于提供可行性和零故障反馈的功能性高级诊断和智能应用程序 , 将人类习惯与生产绩效数据合并在一起 , 并根据任务成功的可能性整合现有的选择(如减少浪费、增加产量) 。 此外 , 循环系统必须能够识别为了实现预测性创新而必须考虑的行动 , 从而自主地改进 。 这需要通过使用网络空间的数字结构完成 , 其中大数据输出有助于实现高级诊断 , 而零故障追踪有助于实现可行性分析 。 公司治理生成的反馈对于提高流程质量有所帮助 , 同时全球扩展的潜力和可持续性从经济、环境和社会的角度得到了评估 。 在每一步中 , 我们都可能会错过目标 , 因此需要对操作流程进行修订以改善系统并重塑理想的循环 。 不断推出改进措施的各管理层(战略、战术和运营管理)将分析并储存经验结果 , 从而推出操作教程以修复机器故障 。 此外 , 我们需要利用机器历史记录让人工神经网络(节点)能更加准确地预测故障并安排维护工作 , 以便在年度维护计划之外尽可能地减少干预和意外或多余的停工期(即在理想情况下 , 将干预行为减少到接近零) 。 因此 , 智能维护系统会提供适当的服务 , 并且产品管理的反馈会生成一个定制的高级诊断算法 。 该方法的效率通过接近零故障的高级诊断(nZ-FAD)流程不断得到更新 , 该流程将确保方法的不断改进和完善 。
我们的目标是达成一项自动的自我修复流程 。 因此 , 我们以建筑信息模型(BIM)流程为例 , 以便为智能工厂、社会5.0、工业5.0和智慧城市设计一份智能协议 。 这使我们能够研究一些经验案例 , 从而获得对人工智能原始数据和调度设计的效率反馈 。
四 信息数据流——管理和操作流程
在这项研究中 , 为了以一种智能的方式收集数据 , 我们决定参考一个通常被用于大数据处理和管理的逻辑模型 , 该模型集成了上述所有技术 。 数据分析强调了以往经验与模拟方法相结合的结果 。 该结构旨在关联长期算法 , 识别促成因素并评估其对成本、风险和操作流程的影响(图3) 。 网络物理空间和相关调度(图4)必须通过用户友好系统进行更新 , 以确保效率、质量和可持续性;信息和通知必须持续可用、保密和完整 。
前沿研究丨用于智能维护的大数据调度和全球标准方法文章插图
图3 功能过程管理及其操作流程图
前沿研究丨用于智能维护的大数据调度和全球标准方法文章插图
图4 网络物理空间中(功能、信息学和全局)的操作宏区域和用于自动预测创新的系统信息调度 。 橙色:建筑信息模型;绿色:工业4.0技术;黑色:调度阶段;黄色:网络空间调度
目标是实现操作过程的持续自动化创新 , 这将为适当的供应链管理(采用预测算法)奠定基础 。 本案例研究将有助于探索建筑信息模型的概念 , 其中包括对结构的物理和功能特征进行数字表示 。 建筑信息模型涉及多个维度上区域的物理和功能特性的数字表示的生成和管理 。 在这种情况下 , 工业4.0提供了支持人机交互的所有必需的技术 , 其功能目标是降低成本并增强对自动化过程的控制 。 在这一点上 , 明确用于调度和相关阶段的操作宏区域是至关重要的 。


推荐阅读