经典论文 | 解密制造业远程服务理念之源

摘要：本文旨在介绍制造设备和生产用品在寿命周期内所使用的远程服务工程系统的概念和框架。本文所介绍的系统涉及应对机器性能评估技术、自我维护式设备机电一体化和远程诊断的基础方法，此外还引入数字服务型企业的概念。这些方法将对远程用户提供支持，并有助于确保消费品和制造设备的性能、运行品质和工厂生产效率，尤其是对于远程用户和设施设备的生产效率。最后对研究的挑战和机遇进行了讨论。

版权所有©1998 Elsevier Science Ltd.出版发行。保留所有权利。

关键词：远程维护和诊断；预测学

1、介绍

在制造企业全球一体化整合的今天，海外业务活动的快速发展使得产业面临着严峻的结构化问题。检修与维保因此也成为了企业维护其在海外地区生产效率和客户满意度时极为关键的环节。

近年来，急于将高精密生产设备与本地设计和工程应用相整合，进一步增加了未成熟和未经检验的技术的应用。由于系统复杂性、不确定性及缺乏足够的故障排查工具等因素，导致系统故障根本原因识别困难。

而随着计算技术、信息技术和远程通信技术的发展，可以预见全球化的制造企业会在设计、工艺过程、材料使用、技术和人力资源等方面提出新的方法需求[1]。

我们需要一种新的思维方式，来关注设计和制造的产品的服务质量。不同地区的工厂需要通过尖端的信息技术实现协同，从而确保恒定一致的制造品质和产品质量。例如机器的性能可以在世界任意地点进行监测和评估。此外，有关制造系统生产效率、诊断情况和检修评价等方面的信息，还可在不同地点和不同合作方之间实现共享。

为实现对全球化生产制造活动的大规模支持，需要通过远程服务工程系统来明确各种基本问题，进而实现真正协同整合的数字服务型企业。

作者及其搭档正在开展相关研究活动，深入研究机器设备心理学、机器行为评估和性能退化评价方法、自我维护机电一体化技术和远程诊断技术。

这些技术方法将支持远程用户和设施，以确保消费品和制造设备的性能、运行品质和工厂生产效率，特别是那些远程用户和设施设备的性能。

例如，可以在世界任意地点对某套机器或办公自动化设备的性能加以监控和评估。此外，有关制造系统生产效率、诊断情况和培训情况等方面的信息，也可以在不同地点和不同合作方之间实现共享[2]。

2、行业内现行实践惯例综述

过去，多个行业尤其是运输业已经使用了多种远程诊断技术，远程收集客户产品和工厂的数据，并提供有关检修服务指令的反馈指示[3]。时至今日，美国最新出品的机床设备上都整合使用了远程服务或类似于远程服务的功能，但这些性能却没得到应有的发挥。

多家美国企业，包括知名的Giddings and Lewis，还有Bridgeport、Saginaw Machine Tools、Cincinnati Milacron、Adept Technology等都为自身产品开发了远程监控和诊断技术。

Bridgeport在其中一套高性能产品上提供了远程服务功能，并计划为所有后续新的高级产品都提供这项功能，当然基本版产品则不提供。

Giddings and Lewis为客户提供了15年左右的远程故障排查服务，但其却极少得到使用，因此已经停止提供该服务。当然，他们依然掌握着这项技术，必要时依然可以快速部署使用。

克莱斯勒（Chrysler）、伊顿（Eaton Corporation）和通用汽车（General Motors）等机床公司同样也参与到远程服务系统的部署当中。部分企业对于这项服务的使用较为有限，主要集中在支持制造工程和工艺过程的开发活动上，对于故障排查服务和维护的支持较少。

在北美地区，远程服务技术在办公设备、计算机网络和电信网络方面的应用，比在机床及机加工设备领域的应用更为广泛。例如，Canon、Eastman Kodak、Mita、Pitney Bowes和Xerox出售的影印复印机都配备有限远程服务功能选件，对设备可用性和连续产量要求较高的客户，通常会要求配套这些选件；然而一般客户的员工通常不会掌握充分的技术知识，因此外部服务支持是必不可少的。这和机床使用客户的情况刚好相反，因为机床用户的工程员工通常熟练掌握着包括机床技术等专业的技术知识[3]。

3、远程服务工程系统及其方法论

远程服务工程尚属新兴领域，主要为制造企业和客户解决“检修服务”问题。随着制造活动全球化的成长发展，企业都在不断寻求新的方法以期实现对制造运行性能和产品性能的远程评估。数字维护诊断工具将提高维护活动中工程实践的有效性，如整合媒体功能的“watchdog”看门狗型机电一体化信息监控芯片等[4–13]。一个典型远程服务工程系统如图1所示。

图1. 典型遥测检修工程系统

在此处的远程服务工程系统中共涉及3种关键的新兴技术[12–14]。

3.1 性能表现评估和性能退化评价代理程序（看门狗式神经元监控芯片）

为远程站点的操作人员提供机器性能信息评估，需要整合使用多种不同的传感设备和推理代理程序。一般而言，组件、机器设备和工艺过程的运行性能都可以划分成四种状态：正常运转状态、退化状态、维护保养状态和失效状态[5,7]。

图2. 机器性能状态

图2显示了机器设备的典型性能状态。退化状态可以从总体水平上进行定义，或者也可以进行更加细化的定义。

在总体水平上进行定义时，当组件出现退化但并没有造成功能上的损失时，即可将组件界定为退化。例如，组件出现诸如紧固带松动、电机电刷磨损、光敏元件受灰尘污染等状态时需要采取维护措施，说明其已经出现了退化，但尚未失效。

细节水平上的退化则与组件特征或性能的既定范围有关，例如汽车电瓶指示器和温度指示器等出现的细节退化状态。在更为细节的水平上对退化状态进行界定时，其优势在于我们能够准确地预测出组件失效故障的影响。出现老化时，组件和机器在最终失效之前都会经历一系列的退化状态。如果退化情况可以得到测定和检测，就能够在发生严重恶化或者故障失效之前采取主动的维护工作。

为能有效测量机器的退化情况，机器的性能表现、操作人员提供的相关信息以及机器的工作环境等都需要进行适应性评估。作者已经开发出一种神经元计算算法——“看门狗”代理程序，用于提供在线合成与推理。此外，该代理程序可以通过电话拨号进行连接，从而在远程站点对机器的行为表现和性能信息进行远程评估和评价。“看门狗”代理程序及其工作原理如图3所示。

图3. 用于行为评估和性能退化评价的看门狗神经元芯片

3.2 知识学习和系统故障恢复代理程序

知识密集型工具是从机器及其工作环境中获取并整理数据的必要工具，用于跟踪机器性能表现。“看门狗”监控芯片将成为机器设备上的“黑匣子”，用于保存记录重大组件的标记信息。如果发生故障，操作人员可调阅“黑匣子”的内容，了解机器设备在最后几分钟的性能表现情况，由此可以快速定位故障并快速恢复系统。这种基于知识认知的信息还可分享到其他机构站点。

3.3 协同维护的数字服务技术

需要采用基于多媒体的工具来支持远程用户完成维护协助工作。交互式和协同式工具将确保技术人员能够开展远距离诊断工作。数字维护诊断和维护工具，如整合媒体功能的智能头盔等，将通过协同维护与诊断来提高生产设备的效率。智能手套则可以方便操作人员协同执行机器维护和性能调整工作。

4、研究挑战和机遇

二十一世纪制造业所面临的重大挑战在于：

• 生产制造的整体解决方案，而不是仅局限于产品和机器设备；

• 信心和性能保障：用户开始对设备制造商提出更加严苛的性能规范，并要求制造商对加工制造设备故障所造成的损失负责。例如，汽车制造厂都希望购买100%可靠并提供预测性维护功能的机床设备；

• 可配置和可回收利用：以应对规模化定制和环境法规收紧所带来的挑战。

为了在制造业全球化的今天全面实现远程服务工程服务，需要有效解决各种问题和技术挑战。而我们无法有效解决问题的根源在于未能充分了解生产加工机器设备的每日性能表现，我们根本不清楚如何测定组件和机器的性能退化情况。我们缺乏有效的预测模型，来了解当工艺过程参数达到固定数值时，机器设备将会出现怎样的性能表现。

因此，我们所面临的研究挑战在于，如何构建用于对机器性能表现进行远程评估的有效的模型和代理程序。这些模型在代理程序中必须具备互操作性和响应性，避免远程用户总需通过人为操作才能和模型通信。

Lee [4]、Goncharenko等人[12]和Shi等人[13]已经探讨过特定技术领域内的某些技术挑战和机遇。以下总结了这些挑战和研究机遇：

4.1 传感系统标准化

过程传感和机器内部传感通信是远程服务系统的根本所在。由于机器及其关联环境的复杂性，会使用到不同类型的传感器，因此需要用到各种不同的数据采集协议和系统。作为远程服务实践的扩展，越来越多的机器设备/工艺过程将与远程诊断系统对接。这里的标准应当包括对典型信号传感器类型、传感器输出范围、协议等的选择。目前已有若干行业标准可用，但还需要针对传感系统设计和部署进行深入的研究，以便开发出对应的综合工具。

4.2 自适应传感器融合及其可购性

机器设备的一项物理故障（如主轴不平衡）可能会出现多种不同的症状表现（如振动、温度变化、电机负载变化等）并且会被不同的传感器（如加速度计、热电偶、电机电流等）检测到。同样地，一枚传感器也会感应到同时出现的多种不同类型的机器故障，传感器的灵敏度也会随着工况的变化而出现差异。

因此应当强调自适应性传感器融合以提高诊断策略的可靠性。但在研究当中还应当强调传感器产品的可购性。可购性问题将有利于降低传感技术的成本，降低对感应数据准确性的需求，并提高算法抗噪性能的要求。此外还需要研究以目标为导向的最佳传感器布置策略。通过实现知识和经验的分享和自学，远程诊断为前述技术的开发提供了理想机遇。

4.3 数据压缩、特征提取和任务分配

传感数据将通过互联网传输到中央服务器。如果直接传输原始数据则会遇到因流量巨大而出现的长时间延迟，另外中央服务器也因此需要安装更大容量的存储装置。此处需要解决的一大问题是数据压缩和特征提取的数据预处理。

尽管其中的相似性较多而且可以借助使用部分技术，但这里的数据压缩任务不同于影像分析和信号处理的传统方法。此次研究强调的是如何在数据压缩和预处理阶段有效结合工程知识与诊断要求。应开发出“基于工程特性的数据压缩”，以期考虑诊断分析和系统性能评估中的重要特性。

这一类别的举例包括：

• 从数据中识别出工程模型参数，并且只将模型系数传输到服务器；

• 从原始传感标记中提取特性并根据感兴趣的信号信息来调整阈值；

• 按照从低到高的小波系数向服务器进行连续的数据传输并根据决策策略来开发停止条件。

任务分配则是与远程服务工程系统紧密相关的另一项主题研究。根据故障响应时间的需求，监控和诊断任务可分类为即期响应（如工具损坏、碰撞等）、中期响应（工具磨损、温度补偿等）和慢速响应（机器磨损和退化、环境变化等）。根据决策过程中所需要的信息和复杂程度，这些任务又可以分类成单一变量过程变化检测、多变量分析和整合决策。

目前需要开展相应的研究来对多种不同类别的所有任务加以分类。因此对于要求实现即期响应的任务，“看门狗”代理程序可以实现简单在线实时的过程变化探测。在未来，远程服务功能系统应当向更为复杂的诊断任务发展，以便对多变量数据进行必要的关联式退化评估。

4.4 协同维护与诊断

部署远程服务工程系统的主要优势在于其所带来的协同维护和诊断机遇，可以通过两个主要方面来实现这些功能要求：

• 故障状态数据收集：远程诊断系统为更多机器/工艺过程的故障状态收集带来了机遇，因此可以通过各不同远程站点的故障状态来开发出更加理想的诊断算法；

• 故障诊断：服务器可提供相应的信息并且交由身处不同地方的专家进行评估。

因此可以整合分布在各不同站点现场的知识来开展更加复杂的协同诊断。当然，这里还需要对如何管理信息以及如何分配决策组成等开展深入细致的研究。各主题研究内容如集散式AI、竞争决策、风险管理等都应当在协同诊断的背景之下展开研究。

4.5 智能检修代理程序的自我学习和监督式学习

尽管监督式学习和自我学习这两项主题已经得到了多位专家的研究，但两者在远程诊断环境下的关键性更加的突显。远程诊断需要访问不同地方的工艺过程数据，与传统诊断技术相比，这种知识更新的速度会更快。因此，监督式学习（或自我学习）显得更为重要。此外还可以预见到由于新信息的可用性问题，开展此项任务的训练有素的监督管理人员会越来越少。另一项挑战是，出于学习目的，在使用新信息前如何评价这些新信息。信息评估阶段可以作为监督式学习/自我学习的组成部分。

4.6 综合性能评估

远程服务系统将共同提供多个类别的信息，如在线过程/机器传感数据、历史故障/退化信息、机器设计信息等等数据。所有信息都应当在开展性能评价时整合到一起。作者已经提出过“机器设备心理学”的概念，该理论专注于在机器性能退化评估中开展基于性能表现的计算而非基于模式的计算，即不采用机器故障状态信息。此外，对于机器性能的知识也可以学习并进行建模处理，最终用于进行机器性能的补偿。因此，典型机器性能并不一定会随时间推移而退化，反而还能通过“学习-建模-补偿”技术而得到补偿增强。

4.7 自我维护和可靠性

在对整体系统可靠性进行改良以及判断确定如何应对处理互联网系统故障时，应当考虑采用备份策略。在多种不同情况下即便出现性能退化，系统都应当可以实现其基本功能。例如，如果数据传输和远程诊断时的互联网不可用，则应当执行本地数据处理来完成远程站点所正常开展的关键任务。如何以最低成本设计出高性能的冗余系统也是一项挑战，而且也和任务分配及分析、简化诊断算法、信息不完整情况下的决策等等存在着较大的关联。

4.8 再配置性和可转换性

远程系统是涉及硬件与软件密集开发的一种复杂系统。针对不同应用所开发的系统应当共享公用的模块。此外，计算机/互联网技术和诊断方法都在不断快速进步，所开发出的系统应当可以轻松整合这些进步技术而无需对系统进行重大改造。因此，再配置性和可转换性在系统开发的各个方面都是重点。

5、结论

至2000年，远程服务功能将成为广大新式机器设备上的可用选项功能。工厂内越来越多地将PC计算机用于CNC数控机床和其他应用，计算机的使用也因此得到普及。通过远程服务开展故障检修所需的绝大多数附加技术、传感器、软件和系统架构都已经就位，但整个产业目前还没有对如何利用这种远程服务形成明确的构想。

从CNC数控机床的角度来看，其主要标准和架构难点仍在于多数CNC数控机床供应商不太愿意使用标准化的开放架构。但其他行业中对远程服务的应用案例，例如办公设备的应用案例等已经明确表明了未来的发展趋势。

截至2000年，美国供货的大多数机床都将具备一定程度的远程服务性能[3]。远程服务的部署使用只会增加一点点的成本。而在未来，远程服务可能会改变车间的运作，尤其是部署使用了诊断和预防维护功能的车间，对生产车间的上层组织架构将会带来更加深远的变革影响。

全面部署远程服务将把机床所有者/操作人员和机床制造商的专家联系在一起，减少组织架构中若干不必要的中间环节，例如现场维护技术员、维护保养特派员、现场生产与工艺工程师或者上门服务技术员等。

我们预计，随着工程内计算机化的大范围普及，以及对工艺过程理解的深化改善，必定会让远程服务延伸到故障检修排查之外的其他领域。制造商和用户将获益于远程服务所带来的设备和过程可靠性的提高。此外，除了设备本身，制造类供应商还将获益于客户销售过程解决方案中所出现的机遇。

本文综合概述了远程服务工程领域所出现的新兴技术。此外，文章中还对未来研究中的挑战与机遇进行了探讨，探索如何开发出辅助性的技术来支持全球综合性数字服务型企业。

参考文献

[1] NRC, Information Technology for Manufacturing, National Research Council Report, March 1995.

[2] J. Lee, Manufacturing Study in Japan, NSF Report, 1996.

[3] Teleservice for Industrial Production — Potential and Realization Assistance, Technology Research Corp. Report, NCMS, Ann Arbor, Oct. 1996.

[4] J. Lee, R and D strategy on remote maintenance and diagnostics, Reliability and Maintainability Symposium, Philadelphia, PA, 13–16 January 1997.

[5] J. Lee, In process machine degradation monitoring and fault detection using a neural networks approach, D.Sc dissertation, George Washington University, 1992.

[6] J. Lee, B.M. Kramer, Analysis of machine degradation using a neural networks based pattern discrimination model, Journal of Manufacturing Systems 12(3) (1992) 379–387.

[7] J. Lee, Modern computer-aided maintenance of manufacturing equipment and systems: review and perspective, Journal of Computers and Industrial Engineering 28(4) (1995) 793–811.

[8] J. Lee, Machine performance monitoring and proactive maintenance in computer integrated manufacturing: review and perspective, International Journal for Computer Integrated Manufacturing 8 (5) (1995) 370–380.

[9] J. Lee, Assessment of teleservice technology in manufacturing industry in the U.S. (in japanese), Journal of Japan Welding Society 66 (4) (1997) 70–72.

[10] J. Lee, Measurement of machine performance degradation using a CMAC based neural network, Proceedings of the 27th CIRP International Seminar on Manufacturing System, Ann Arbor, MI, May 1995.

[11] J. Lee, Strategy on globalization support—remote manufacturing system, Proceedings of Advanced Production Management (APM’96) Conference, Kyoto, November 1996.

[12] I. Goncharenko, K. Mori, J. Lee, Real-time monitoring of machining processes via the internet: VR modeling approach, Proceedings of the International Conference on Manufacturing Milestones toward the 21st Century, Japan Society of Mechanical Engineers, Tokyo, 1997.

[13] J. Shi, N. Jun, J. Lee, Research challenges and opportunities in remote diagnostics and system performance assessment, Proceedings of 4th IFAC Workshop on Intelligent Manufacturing Systems: IMS’97, Seoul, Korea, 21–23 July 1997.

[14] J. Lee, Measurement of the machine performance degradation using a neural networks model, International Journal of Computers in Industry 30 (1996) 193–209.