AI在可預測性維護等工業(yè)狀態(tài)檢測中的應用分析

　　王?瑩?（《電子產(chǎn)品世界》編輯，北京?100036）

　　摘?要：訪(fǎng)問(wèn)了ADI、ST、瑞薩、TI公司，請他們介紹了AI在可預測性維護等工業(yè)狀態(tài)檢測方面的技術(shù)進(jìn)展和產(chǎn)品動(dòng)向。

　　關(guān)鍵詞：可預測性；維護；計算機聽(tīng)覺(jué)；傳感器；大數據

　　1 計算機聽(tīng)覺(jué)等感測系統助力工業(yè)狀態(tài)檢測

　　AI對世界的改變正在從我們生活中可見(jiàn)可感的場(chǎng)景向包括工業(yè)在內的廣泛領(lǐng)域拓展。對工業(yè)帶來(lái)的變革將是全面而多樣的，我們可以從應用廣泛的工業(yè)條件監測來(lái)看AI如何產(chǎn)生巨大的影響。

　　1.1 計算機聽(tīng)覺(jué)及OtoSense體系結構

　　參與工業(yè)設備維護的人都知道，設備發(fā)出的聲音和振動(dòng)是很重要的信息，通過(guò)聲音和振動(dòng)可以判斷設備是否健康，從而可以將維護成本降低一半，使用壽命延長(cháng)1倍。實(shí)現實(shí)時(shí)聲學(xué)和振動(dòng)數據分析是一種重要的基于狀態(tài)的系統監測方法。過(guò)去我們可以憑著(zhù)長(cháng)期的經(jīng)驗去了解設備發(fā)出的正常聲音是什么樣的，當聲音出現變化時(shí)從而可以確認出現異常。經(jīng)驗豐富的技工人員和工程師可能具備這種知識，但他們屬于“稀缺資源”。

　　ADI公司團隊在過(guò)去20年里一直致力于理解人類(lèi)是如何解讀聲音和振動(dòng)的，從而建立一個(gè)系統來(lái)學(xué)習、解譯設備的聲音和振動(dòng)的含義，以檢測異常行為并進(jìn)行診斷。隨著(zhù)AI技術(shù)的導入，這種愿望已經(jīng)變成現實(shí)。其中，ADI公司的OtoSense體系結構就是一種設備健康監測系統，支持計算機聽(tīng)覺(jué)，讓計算機能理解設備發(fā)出的聲音和振動(dòng)主要指標，能在問(wèn)題變得嚴重之前確定工廠(chǎng)機器或汽車(chē)發(fā)動(dòng)機中的潛在問(wèn)題。OtoSense的設計理念秉持了幾個(gè)AI應用指導原則：從人類(lèi)神經(jīng)學(xué)中獲得靈感；能夠學(xué)習靜態(tài)聲音和瞬態(tài)聲音；在靠近傳感器的終端進(jìn)行識別；與人類(lèi)專(zhuān)家互動(dòng)，向他們學(xué)習并不斷優(yōu)化完善。

　　1.2 高精度傳感器及振動(dòng)檢測系統

　　如果沒(méi)有高精度的數據輸入，再強大的AI系統都不能發(fā)揮其功能，對于工業(yè)狀態(tài)監測來(lái)說(shuō)也是如此。加速度計是工業(yè)振動(dòng)監測的關(guān)鍵傳感器，其關(guān)鍵指標是低噪聲和寬帶寬，因此ADI在工業(yè)狀態(tài)監測應用中率先推出了多個(gè)系列的高性能MEMS加速度計產(chǎn)品。

　　例如，ADXL100x系列單軸加速度計針對工業(yè)狀態(tài)監控應用而優(yōu)化，測量帶寬高達50 kHz，g值范圍高達±100 g，并且擁有超低的噪聲性能，旋轉機械中發(fā)生的主要故障（如套筒軸承損壞、對準誤差、不平衡、摩擦、松動(dòng)、傳動(dòng)裝置故障、軸承磨損和空化）都在A(yíng)DXL100x系列狀態(tài)監控加速度計的測量范圍以?xún)取?/p>

　　此外，完整的振動(dòng)檢測系統ADcmXL3021還將高性能振動(dòng)檢測和各種信號處理功能相結合，借助寬帶寬（3 dB平坦度內為DC至10 kHz）和典型超低噪聲密度(26 μg/√Hz)可以跟蹤許多機器平臺上的振動(dòng)信號，可簡(jiǎn)化狀態(tài)監測系統中的智能傳感器節點(diǎn)開(kāi)發(fā)。

　　1.3 收購電機預測性維護公司，強化基于狀態(tài)的監控方案

　　ADI 的基于狀態(tài)的監控解決方案可提供更高水平的診斷和更深刻的洞察力，能夠實(shí)現預測性的機器健康解決方案。了解如何優(yōu)化信號鏈和處理能力以便在單個(gè)機器和整個(gè)系統上獲得實(shí)時(shí)、準確且可靠的數據。

　　值得一提的是，為進(jìn)一步加強基于狀態(tài)監測的預測性維護解決方案，ADI于2019年宣布收購一家專(zhuān)門(mén)從事電機和發(fā)電機預測性維護的公司Test Motors，ADI將結合其原有的工業(yè)狀態(tài)監測解決方案技術(shù)，以及OtoSense的AI平臺傳感解譯軟件與Test Motors的監控功能相結合，創(chuàng )建更優(yōu)化的解決方案，通過(guò)捕獲更廣泛的潛在故障，為機器提供更先進(jìn)、全面的健康狀況監測。

　　2 為MCU賦能工業(yè)AI

　　2.1 邊緣AI給工業(yè)帶來(lái)的變化

　　邊緣AI技術(shù)可以用于開(kāi)發(fā)更智能的設備/應用。在遇到通常需要人工決策的復雜事件時(shí)，這些設備將能自行作出決策。

　　因為本次采訪(fǎng)是工業(yè)專(zhuān)題，所以ST（意法半導體）以電機為例討論邊緣AI。工業(yè)設備應該24/7全天候運轉，所以密切監視設備老化程度是非常重要的。

　　在此電機上添加一個(gè)運行AI的智能單元，能準確地檢測到老化現象，將有助于預測故障并防止停機停產(chǎn)。

　　有趣的是，因為電機上裝有AI設備，不需要一直連接到云端，就能準確地檢測到迫在眉睫的重大故障，如果威脅到操作員人身安全，還可以決定停止電動(dòng)機運行?？傊?，其特點(diǎn)可以歸納為：

　　● 最便宜的工業(yè)設備維護成本；

　　● 為周?chē)脩?hù)提供更安全的工作環(huán)境；

　　● 處理速度快，延遲時(shí)間短，而非邊緣智能設備本機因為沒(méi)有裝置AI，需要連接到云服務(wù)器才能做出決策；

　　● 可降低設備的能耗，因為智能設備的能耗遠遠低于連接云AI解決方案；

　　● 更好的安全性能/隱私保護，因為智能設備可以自行在本機上處理工業(yè)設備數據，不會(huì )將數據發(fā)送到云服務(wù)器（不易遭受黑客網(wǎng)絡(luò )攻擊）。

　　2.2 工業(yè)AI的技術(shù)挑戰

　　當今的主要挑戰是，客戶(hù)非常想要通過(guò)AI提高應用的智能程度，或者想在產(chǎn)品上增加AI。然而有這方面知識或經(jīng)驗的廠(chǎng)商寥寥無(wú)幾。

　　另一個(gè)挑戰可能是數據隱私，目前大多數客戶(hù)對數據上云的做法仍持謹慎的態(tài)度。

　　為此，ST意識到有必要為客戶(hù)提供一個(gè)邊緣AI開(kāi)發(fā)生態(tài)系統，方便客戶(hù)在微控制器上添加AI。因此，ST在2018年CES（美國消費電子展）上發(fā)布了STM32Cube.AI，幫助客戶(hù)解決這個(gè)難題。STM32Cube.AI是一款軟件工具，用于為意法半導體微控制器優(yōu)化DNN（深度神經(jīng)網(wǎng)絡(luò )）。

　　STM32Cube.AI可以從眾多流行的AI開(kāi)發(fā)框架中（如Keras， Tensorflow Lite等）獲取接受過(guò)預訓練的神經(jīng)網(wǎng)絡(luò )模型輸出，并將其映射到經(jīng)過(guò)優(yōu)化后、適用于目標STM32 MCU的存儲及處理能力的DNN中去。

　　更通俗地講，STM32Cube.AI是一個(gè)生態(tài)系統的通用名稱(chēng)，用于在STM32上實(shí)現AI功能。 它是眾多工具的集合，包括硬件平臺、合作伙伴、固件庫、移動(dòng)應用程序等，可在STM32微控制器上實(shí)現AI功能。有了STM32Cube.AI，讓客戶(hù)在STM32系列上運行AI變得非常輕松簡(jiǎn)單。

　　關(guān)于數據隱私問(wèn)題，ST可以幫助客戶(hù)在邊緣（STM32）而非在云（服務(wù)器）上運行AI。這樣就不需要將數據傳輸到云，可以使客戶(hù)隱私得到更好的保護。與在云計算相比，邊緣（STM32）計算的其他優(yōu)點(diǎn)還包括：更低功耗、更安全。在邊緣端(STM32)運行AI，可以有效減少智能邊緣設備的功耗，以及在設備和云之間傳輸數據帶來(lái)的額外功耗。更重要的是，在邊緣運行AI可以讓設備在盡可能低延遲的情況下，自行作出決策并對設備進(jìn)行實(shí)時(shí)控制，從而避免因操作不及時(shí)給用戶(hù)或機器帶來(lái)的安全隱患和直接損失。

　　3 智能工廠(chǎng)的AI 趨勢：從工業(yè)終端設備智能化向工廠(chǎng)整體智能化演進(jìn)

　　3.1 邊緣AI給工業(yè)帶來(lái)的變化

　　邊緣AI計算是更靠近物或數據源頭的網(wǎng)絡(luò )邊緣，融合了網(wǎng)絡(luò )、計算、存儲以及應用處理能力的分布式平臺，就近提供智能服務(wù)。邊緣計算將云計算和數據存儲能力下沉到邊緣，更好地保障了應用服務(wù)的低延時(shí)、高可靠性以及數據安全。因此邊緣云計算技術(shù)將成為人工智能、物聯(lián)網(wǎng)等領(lǐng)域的關(guān)鍵組成部分，也將得到更大的發(fā)展，覆蓋的潛在客戶(hù)和場(chǎng)景將不斷出現。

　　3.2 邊緣計算的技術(shù)挑戰

　　隨著(zhù)互聯(lián)網(wǎng)時(shí)代的到來(lái)及AI技術(shù)的普及，越來(lái)越多的智能化設備走進(jìn)了我們的生活?！霸O備端、云端、大數據、物聯(lián)網(wǎng)”相輔相成，共同編織成了一個(gè)完善的智能化、數字化世界。目前絕大多數智能化設備的AI學(xué)習和推理都必須依靠強大的云端計算能力來(lái)進(jìn)行數據分析與算法的運作。但是，如果設備過(guò)分依賴(lài)云端進(jìn)行所有AI學(xué)習和推理，確實(shí)還存在著(zhù)上傳云端過(guò)程中因網(wǎng)絡(luò )帶寬問(wèn)題而產(chǎn)生的通信延遲等問(wèn)題。諸如此類(lèi)數據的處理挑戰將會(huì )在未來(lái)幾年內進(jìn)一步加劇。

　　3.3 瑞薩的e-AI解決方案

　　面向智能工廠(chǎng)的AI發(fā)展，瑞薩認為會(huì )以從工業(yè)終端設備智能化逐漸向工廠(chǎng)整體智能化的形式演進(jìn)。瑞薩e-AI致力于在工業(yè)終端設備系統所搭載的MCU/SoC上有廣泛的應用?；谟脩?hù)的既有制造設備，瑞薩首先會(huì )提供附加AI單元的解決方案，來(lái)拓展該市場(chǎng)，從而使e-AI的實(shí)用性得到市場(chǎng)廣泛的理解，進(jìn)而推進(jìn)各工業(yè)終端設備的e-AI預安裝解決方案的普及，最終使瑞薩的e-AI得到廣泛的發(fā)展。

　　2017年7月，瑞薩電子首次推出e-AI方案，通過(guò)瑞薩電子提供的e-AI翻譯器，把客戶(hù)AI模型翻譯到C語(yǔ)言，然后在瑞薩電子的MCU/SoC里進(jìn)行AI的終端推理功能。

　　2018年10月，瑞薩電子推出第二代的e-AI解決方案，將瑞薩電子獨有的DRP技術(shù)嵌入芯片，實(shí)現基于DRP的e-AI解決方案。DRP是執行e-AI以及優(yōu)化最終產(chǎn)品整體性能的核心技術(shù)之一。瑞薩有具體的對比表顯示相較于競爭對手產(chǎn)品的優(yōu)勢。與FPGA相比，DRP具有更高的靈活性和節省成本，因為算法的種類(lèi)和大小可以由同一個(gè)DRP硬件進(jìn)行時(shí)間復用處理。DRP的靈活性非常適合于A(yíng)I產(chǎn)業(yè)的DNN的快速演化。此外，由于DRP是一種低時(shí)鐘速率的硬件加速器，因此其功率效率遠優(yōu)于競爭對手（如GPU）。即使是AI推理也不需要散熱器。

　　4 邊緣AI為工業(yè)界帶來(lái)的新變化

　　邊緣AI將會(huì )給許多工業(yè)領(lǐng)域帶來(lái)變化，包含對環(huán)境與目標的智能感知，識別與判斷，對機器運行的最優(yōu)化控制，對設備的預測性維護，等等，非常多的領(lǐng)域都會(huì )用到。在不遠的將來(lái)，AI將無(wú)處不在，許多工業(yè)設備正在從目前的“可編程”轉向AI與邊緣計算，而邊緣AI作為邊緣端計算的核心部分，將發(fā)揮重要的作用。

　　針對邊緣AI應用，TI推出了系列應用處理器：Sitara工業(yè)應用處理器產(chǎn)品家族是客戶(hù)針對工業(yè)AI 應用的極佳選擇。例如，目前推出并已經(jīng)量產(chǎn)的AM574x應用處理器，基于典型的多核異構處理器結構，內部集成多個(gè)A15CPU+M4 控制器，多核C66x DSP與機器學(xué)習加速器 (EVE)， GPU以及ISP單元，非常適合邊緣AI的應用；無(wú)論是目前流行性的針對于機器視覺(jué)的CNN(卷積神經(jīng)網(wǎng)絡(luò ))，還是適合于語(yǔ)音、設備預測性維護數據分析等其他應用的RNN (遞歸神經(jīng)網(wǎng)絡(luò ))，都能利用AM574x內部的硬件單元得到加速。TI還將在近期內推出更新的一代產(chǎn)品AM7x 應用處理器，其邊緣AI的性能會(huì )得到更大的提升。

　　為了方便客戶(hù)更容易地部署邊緣計算，TI還推出了深度學(xué)習軟件框架 (TI Deep Learning softwareframework，簡(jiǎn)稱(chēng)TIDL)，針對目前流行的各種機器學(xué)習系統（例如TensorFlow，Caffee 等），客戶(hù)可以把采集到的各種有效樣本在云端／PC端做訓練，生成對應的網(wǎng)絡(luò )結構并無(wú)縫部署到Sitara應用處理器上去運行，這樣一來(lái)，極大地簡(jiǎn)化了客戶(hù)的產(chǎn)品開(kāi)發(fā)流程，縮短客戶(hù)的產(chǎn)品開(kāi)發(fā)時(shí)間與成本，快速響應市場(chǎng)。而且產(chǎn)品部署以后，也能在后續的使用中不斷地收集新的樣本，系統進(jìn)行迭代訓練與升級，不斷地提高系統的邊緣AI性能。

　　工業(yè)應用需要滿(mǎn)足客戶(hù)長(cháng)期的供貨生產(chǎn)以及穩定的質(zhì)量維護系統（往往供貨周期要求保證超過(guò)10年以上）；同時(shí)滿(mǎn)足各種工業(yè)級的質(zhì)量與安全標準，在這方面，對應于A(yíng)I與邊緣AI這樣一個(gè)新課題，TI同樣承諾一個(gè)長(cháng)時(shí)間的供貨周期以及系統的維護與升級，TI的DSP產(chǎn)品家族以及Sitara工業(yè)應用處理器產(chǎn)品家族，在這方面給業(yè)界提供了一個(gè)榜樣。

　　本文來(lái)源于科技期刊《電子產(chǎn)品世界》2019年第12期第9頁(yè)，歡迎您寫(xiě)論文時(shí)引用，并注明出處。