发布
登录
注册
工业机理模型构建方法论
航空新技术跟踪频道

图灵联邦

恒河沙
关注

图灵联邦

0

评论

0

点赞

1   工业机理模型构建方法论

机理模型,亦称白箱模型。根据对象、生产过程的内部机制或者物质流的传递机理建立起来的精确数学模型。其优点是参数具有非常明确的物理意义,模型参数易于调整,所得的模型具有很强的适应性。机理模型往往需要大量的参数,这些参数如果不能很好地获取,也会影响到模型的模拟效果。

机理模型将大量工业技术原理、行业知识、基础工艺、模型工具等规则化、软件化、模块化,并封装为可重复使用的组件。具体包括通用类业务功能组件、工具类业务功能组件、面向工业场景类业务功能组件。

1.1    机理模型的分类

工业机理模型一部分来源于物理设备,包括制造过程的零件模板,设备故障诊断、性能优化和远程运维等背后的原理、知识、经验及方法;一部分来源于业务流程逻辑,包括ERP、MES、SCM、CRM、生产效能优化等这些业务系统中蕴含着的流程逻辑框架;此外还来源于研发工具,包括CAD、CAE、MBD等设计、仿真工具中的三维数字化模型、仿真环境模型等;以及生产工艺中的工艺配方、工艺流程、工艺参数等模型。机理模型包括以下分类:

Ø  基础理论模型,如制造过程涉及到的流体力学、热力学、空气动力学方程等模型;

Ø  流程逻辑模型,如ERP、SCM供应链管理等业务流程中蕴含的逻辑关系;

Ø  部件模型,如零部件三维模型;

Ø  工艺模型,如生产过程中涉及到的多种工艺、配方、参数模型;

Ø  故障模型,如设备故障关联、故障诊断模型等;

Ø  仿真模型,如风洞、温度场模型等;

机理模型本质上是各种经验知识和方法的固化,它更多是从业务逻辑原理出发,强调的是因果关系。

随着大数据技术发展,一些大数据分析模型也被广泛使用,包括基本的数据分析模型(如对数据做回归、聚类、分类、降维等基本处理的算法模型)、机器学习模型(如利用神经网络等模型对数据进行进一步辨识、预测等)以及智能控制结构模型,大数据分析模型更多的是从数据本身出发,不过分考虑机理原理,更加强调相关关系。

1.2    机理模型技术架构

当把这些技术、知识、经验、方法等固化成一个个机理模型沉淀在工业PaaS平台上时,主要以两种方式存在:一种是整体式架构,即把一个复杂大型的软件系统直接迁移至平台上;另一种是微服务架构,传统的软件架构不断碎片化成一个个功能单元,并以微服务架构形式呈现在工业PaaS平台上,构成一个微服务池。目前两种架构并存于平台之上,但随着时间的推移,整体式架构会不断地向微服务架构迁移。

采用工业微服务的方式将上述软件拆解成独立的功能模块,实现对原有生产体系的解构,随后在平台中构建起富含各类功能与服务的微服务组件池,并按照实际需求来调用相应的微服务组件,进行高效率和个性化的面向用户的工业App研发,整个软件研发的技术门槛和投入成本大大降低。原来需要专业团队和雄厚资金支持的精英化软件研发开始向大众化研发转变。

工业微服务创造全新平台开放价值生态。随着工业互联网平台中微服务组件池的构建和行业经验知识的持续积累,整个平台既能够为广大第三方开发者提供众多低门槛、易操作、高效率的开发支持手段,形成以工业App开发为核心的平台创新生态,也能够为制造业用户提供以工业微服务为基础的定制化、高可靠、可扩展工业App或解决方案,形成以价值挖掘提升为核心的平台应用生态。

1.3    机理模型的价值

一旦所有的数据都汇聚到工业PaaS平台之上,所有的工业技术、知识、经验和方法也都以数字化模型的形式沉淀在PaaS平台上,当把海量数据加入到数字化模型中,进行反复迭代、学习、分析、计算之后,可以解决物理世界四个基本问题:首先是描述物理世界发生了什么;其次是诊断为什么会发生;第三是预测下一步会发生什么;第四是决策该怎么办,决策完成之后就可以驱动物理世界执行。概括起来讲,就是状态感知、实时分析、科学决策、精准执行。

发布

评论 5