信息物理系统

发布时间:2018-12-5信息来源:热度:

在过去20多年里,全球化的快速和广泛发展主要是凭借了低成本、低技能的劳动力带来的竞争优势,它是通过使用传统的制造技术来实现的。这种方法在今天已经不能够应对新的挑战。随之而来的是一大批新的技术,正是由于这些新技术的诞生和日益成熟,推动了工业4.0的出现,推动了工业大数据发展。其中,最具代表性的信息物理系统,是挖掘工业大数据价值的核心技术。

CPS之于工业4.0

工业4.0,是德国政府和工业界定义的制造业的未来蓝图。德国人认为,18世纪机械制造设备的引入标志着“工业1.0”时代,20世纪初的电气化与自动化标志着“工业2.0”时代,20世纪70年代兴起的信息化标志着“工业3.0”时代。现在,人类正进入“工业4.0”时代,即实体物理世界和虚拟网络世界融合的时代,其中CPS是新一代工业革命的核心。德国也在“工业4.0实施建议”中明确指出,智能化的生产系统和智能化的服务体系,其核心技术为以CPS为核心的智能化价值创造技术体系。

CPS之于工业互联网

CPS最早由美国于2006年提出,是美国国家科学基金会(NSF)重点资助的研究方向。2012年11月,美国通用电气公司发布了《工业互联网——打破智慧与机器的边界》报告,报告中确定了未来装备制造业智能服务转型的路线图,将智能设备、智能系统、智能决策作为工业互联网的关键要素。2012年12月,白宫成立了“CPS技术发展顾问委员会”,推动CPS技术在制造、国防、医疗和公共服务等多个领域的发展与应用,使得CPS技术成为美国国家战略中的核心技术,因此,CPS不仅能在制造系统中得以应用,还可以为产品在使用中提供更为广泛的增值数据服务。

CPS之于《中国制造2025》

《中国制造2025》提出“基于信息物理系统的智能装备、智能工厂等智能制造正在引领制造方式变革”,要围绕控制系统、工业软件、工业网络、工业云服务和工业大数据平台等,加强信息物理系统的研发与应用。《国务院关于深化制造业与互联网融合发展的指导意见》明确提出,“构建信息物理系统参考模型和综合技术标准体系,建设测试验证平台和综合验证试验场,支持开展兼容适配、互联互通和互操作测试验证。”基于此,中国电子技术标准化研究院组织业内相关专家编写了《信息物理系统白皮书》,并于2017年3月1日发布,重点围绕“为什么”、“是什么”、“怎么干”、“怎么建”、“怎么用”、“怎么发展”等方面,对制造业的信息物理系统进行论述。

综上所述,无论是德国工业4.0、美国工业互联网,还是《中国制造2025》都将CPS作为实施的核心技术,并据此设定各自的战略转型目标。

CPS的概念及本质

CPS不是一项简单的技术,而是一个具有清晰架构和使用流程的技术体系。它能够实现对数据进行收集、汇总、解析、排序、分析、预测、决策、分发的整个处理流程,具有对工业数据进行流水线式实时分析的能力,并在分析过程中充分考虑数理逻辑、流程关系、活动目标、商业活动等特征和要求。因此,CPS是工业大数据分析中智能化体系的核心。

CPS的本质就是构建一套信息空间与物理空间之间基于数据自动流动的状态感知、实时分析、科学决策、精准执行的闭环赋能体系,解决生产制造、应用服务过程中的复杂性和不确定性问题,提高资源配置效率,实现资源优化。

实现数据的自动流动具体来说需要经过四个环节,分别是:状态感知、实时分析、科学决策、精准执行。大量蕴含在物理空间中的隐性数据经过状态感知被转化为显性数据,进而能够在信息空间进行计算分析,将显性数据转化为有价值的信息。不同系统的信息经过集中处理形成对外部变化的科学决策,将信息进一步转化为知识。最后以更为优化的数据作用到物理空间,构成一次数据的闭环流动。

状态感知是对外界状态的数据获取。生产制造过程中蕴含着大量的隐性数据,这些数据暗含在实际过程中方方面面,如物理实体的尺寸、运行机理,外部环境的温度、液体流速、压差等。状态感知通过传感器、物联网等一些数据采集技术,将这些蕴含在物理实体背后的数据不断的传递到信息空间,使得数据不断“可见”,变为显性数据。状态感知是对数据的初级采集加工,是一次数据自动流动闭环的起点,也是数据自动流动的源动力。

实时分析是对显性数据的进一步理解。是将感知的数据转化成认知的信息的过程,是对原始数据赋予意义的过程,也是发现物理实体状态在时空域和逻辑域的内在因果性或关联性关系的过程。大量的显性数据并不一定能够直观的体现出物理实体的内在联系。这就需要经过实时分析环节,利用数据挖掘、机器学习、聚类分析等数据处理分析技术对数据进一步分析估计使得数据不断“透明”,将显性化的数据进一步转化为直观可理解的信息。此外,在这一过程中,人的介入也能够为分析提供有效的输入。

科学决策是对信息的综合处理。决策是根据积累的经验、对现实的评估和对未来的预测,为了达到明确的目的,在一定的条件约束下,所做的最优决定。在这一环节CPS能够权衡判断当前时刻获取的所有来自不同系统或不同环境下的信息,形成最优决策来对物理空间实体进行控制。分析决策并最终形成最优策略是CPS的核心关键环节。这个环节不一定在系统最初投入运行时就能产生效果,往往在系统运行一段时间之后逐渐形成一定范围内的知识。对信息的进一步分析与判断,使得信息真正的转变成知识,并且不断地迭代优化形成系统运行、产品状态、企业发展所需的知识库。

精准执行是对决策的精准物理实现。在信息空间分析并形成的决策最终将会作用到物理空间,而物理空间的实体设备只能以数据的形式接受信息空间的决策。因此,执行的本质是将信息空间产生的决策转换成物理实体可以执行的命令,进行物理层面的实现。输出更为优化的数据,使得物理空间设备运行的更加可靠,资源调度更加合理,实现企业高效运营,各环节智能协同效果逐步优化。

螺旋上升数据在自动流动的过程中逐步由隐性数据转化为显性数据,显性数据分析处理成为信息,信息最终通过综合决策判断转化为有效的知识并固化在CPS中,同时产生的决策通过控制系统转化为优化的数据作用到物理空间,使得物理空间的物理实体朝向资源配置更为优化的方向发展。从这一层面来看,数据自动流动应是以资源优化为最终目标“螺旋式”上升的过程。

案例:桥梁健康监测养护平台

桥梁健康监测及养护平台利用各类传感器采集桥梁环境、桥体状况、交通状况等各类数据信息,监控桥梁有无变形、伸缩、裂缝、渗水等状况,并根据状况给出报警信息,利用大数据技术对桥梁健康状况进行评估,实现对桥梁日常运行情况的监管,为桥梁维保提供决策支持。

系统总体架构自底向上由感知层、网络层、应用层、用户层构成,总体架构图如下图所示。


桥梁健康监测及养护平台总体架构

感知层:定义传感器或用户数据接入平台所涉及到的通信协议、网络协议,以及与平台层进行数据交换的传输协议。负责适配各种网络环境和协议类型,支持各类传感器和智能硬件的接入,解决数据与多种应用平台间的兼容性问题,同时,对各采集节点采集到的数据在局部范围内进行协同处理,并通过数据传输模块接入广域承载网络。

网络层:将来自感知层的各类信息通过基础承载网络传输到应用层。

应用层:包括服务支撑子层和应用系统子层,服务支撑子层根据底层采集的数据,利用大数据分析平台、公共中间件、云计算平台形成与业务需求相适应的实时更新的动态数据资源库。应用系统子层根据业务需求划分为基础管理系统、桥梁安全监控系统、应急保通系统、工业定损与检修系统以及中心信息管理系统组成。

用户层:平台的用户主要包括施工人员、养护部门、现场管理部门、高级管理部门,针对不同类型的用户设置不同的访问和管理权限。

在桥梁工程中,数据可以划分为两类,静态数据和动态数据,静态数据是对桥梁建立的信息资料库,包括桥型、跨径、材料、建成时间等基本信息,以及桥梁的病害、健康状况评定等相关内容。动态数据主要来源于桥梁的施工监控以及运营维护阶段的监测数据,此类数据由安装在桥梁上的实时监测传感器获得,诸如监测桥梁结构的结构应力、温度、斜拉索索力、塔顶及主梁位移等设备,以及监测交通路况的地震、结冰等设备。对于中型桥梁来说,一般整座桥梁的监测传感器数量在100个左右。采用统一数据标准的数据采集器,即物联网网关,其一减少整座桥梁数据采集终端的数量,其二统一不同数据传输标准,利于系统扩充。

每一个桥梁结构在云端的平台上都对应一个可以实时更新的在线模型,任何监测、检测或其它监测数据都可以在云端或客户端展现,工作人员随时可以获得桥梁的健康状态信息,同时表明桥梁运营过程中的问题并提出决策信息。实际监测视图如图下图所示。


平台监测视图