電動(dòng)馬達預測性維護:企業(yè)部署算法集中管理、保護與擴充

為了提升生產(chǎn)力，企業(yè)級規模的應用架構工程部署項目通常會(huì )采用主-從式軟件開(kāi)發(fā)模型，確認在足夠數量的機臺上所安裝的函式能滿(mǎn)足使用量。本文以一個(gè)估測電動(dòng)馬達健康的預測性維護應用來(lái)說(shuō)明上述所需的功能。
如果你想把MATLAB函式分享給另一位同事，只要簡(jiǎn)單地透過(guò)Email就可以達成，不過(guò)這種方式可能不太適合較大的團隊。舉例來(lái)說(shuō)，你沒(méi)有辦法確保每一個(gè)人都使用最新版本的函式，你也沒(méi)有辦法限制他人存取這些具有所有權的程序代碼。而且如果為了滿(mǎn)足高峰期間的使用量而在足夠數量的機臺上安裝了函式，離峰期間則會(huì )有機臺處在閑置狀態(tài)。為了處理這樣的問(wèn)題，企業(yè)級規模的應用架構工程部署項目通常會(huì )采用主-從式軟件開(kāi)發(fā)模型（client-server software development model）來(lái)解決。
MATLAB Client for MATLAB Production Server這組支持套件，可為桌上型MATLAB提供了主-從式運算（client-server computing）帶來(lái)好處。它的作法是將算法集中在一個(gè)位置存放，這可確保所有客戶(hù)端使用的版本都相同；由遠程執行并加密，則可以保護智慧財產(chǎn)（intellectual property；IP）：終端用戶(hù)可以呼叫算法，但不能存取源代碼。
為了提升生產(chǎn)力，可以增加用戶(hù)端的workers，或者將MATLAB Production Server的范例部署在云端計算，如Microsoft Azure和Amazon Web Services等環(huán)境中。本文將以一個(gè)估測電動(dòng)馬達健康的預測性維護應用來(lái)說(shuō)明這些功能。

應用：以預測性維護方法評估馬達健康狀態(tài)
透過(guò)預測性維護系統來(lái)監測設備的健康狀態(tài)可預防意外的故障。舉例來(lái)說(shuō)，估計馬達的剩余使用壽命（remaining useful life；RUL）以判斷何時(shí)該替換馬達，以及偵測異常行為來(lái)決定是否需要進(jìn)行馬達檢驗。
我們的應用范例是把馬達傳感器收集來(lái)的時(shí)間序列數據發(fā)送到預測性維護算法，而該算法則使用機器學(xué)習來(lái)估計RUL和檢查異常行為（圖1）。

 
圖1 : 馬達健康應用范例的架構。

這個(gè)應用包含了兩部分：一是MATLAB馬達健康狀態(tài)app，它展示特定馬達的狀態(tài)，另一部分是MATLAB Production Server預測性維護的解析應用，內含兩組預測性維護算法。這個(gè)主從式架構把功能性的責任歸屬分為：使用者（client）端的app，用來(lái)管理數據存取與顯示，而服務(wù)器（server）端的算法則負責分析這些資料。使用者需仰賴(lài)服務(wù)器端提供的應用程序編程接口（application programming interface；API）連結，不需要、也不能存取執行結果。

服務(wù)器端：算法與接口
對馬達傳感器產(chǎn)生的時(shí)間序列數據，每一組算法采用不同的機器學(xué)習技術(shù)來(lái)進(jìn)行判定。RUL算法是使用一個(gè)線(xiàn)性回歸模型來(lái)估計故障發(fā)生的時(shí)間，此模型是由「預測性維護工具箱」（Predictive Maintenance Toolbox）的predict函式所提供。異常行為偵測算法則使用一個(gè)客制的單類(lèi)（one-class）支援向量機（support vector machine；SVM）和一個(gè)線(xiàn)性求解器，將傳感器事件分類(lèi)為正?；虍惓?，這些函式是來(lái)自于「統計與機器學(xué)習工具箱」（Statistics and Machine Learning Toolbox）。

這兩組算法都使用漸進(jìn)式的學(xué)習來(lái)持續更新它們的模型，同時(shí)也考慮到因為馬達磨損退化導致的傳感器數據偏移，因此，兩個(gè)模型都不需要在部署之前先經(jīng)過(guò)訓練。
由于終端使用者都會(huì )把同樣的數據流跑在這兩組算法上，服務(wù)器就提供一個(gè)入口點(diǎn)，所以透過(guò)processMotorData函式，針對時(shí)間序列數據上每一個(gè)元素，processMotorData就會(huì )送回一個(gè)RUL估計結果以及一個(gè)是否出現異常的標幟。
在處理數據流時(shí)使用者端通常會(huì )呼叫processMotorData好幾次，然后把數據流分割為依時(shí)間排序的窗口，并且在每個(gè)窗口完成時(shí)送出。MATLAB Production Server有一個(gè)無(wú)狀態(tài)（stateless）的架構：它會(huì )在每一次呼叫之后重置執行狀態(tài)，以避免數據在用戶(hù)之間泄漏。
由于算法使用漸進(jìn)式學(xué)習，它們會(huì )透過(guò)處理每一個(gè)窗口之后的模型更新來(lái)改善。不過(guò)，執行狀態(tài)的重置功能會(huì )從MATLAB Production Server的內存清除掉這些變更。
為了讓變更保留到下一次的呼叫，將它們儲存在透過(guò)mps.cache.connect函式所建立的外部數據高速緩存中，完成部署的算法就會(huì )將數據流依馬達編號ID來(lái)分組，并且為每一個(gè)馬達保留一個(gè)數據高速緩存和機器學(xué)習的模型。

使用者端：執行算法和數據可視化
我們將processMotorData 部署到一個(gè)MATLAB Production Server范例、命名為 MotorAnalytics檔案的中，讓使用者端的開(kāi)發(fā)人員可以使用它。如果要從MATLAB呼叫processMotorData ，可以使用MATLAB Client for MATLAB Production Server里，從MotorAnalytics安裝MATLAB add-on套件。
安裝這個(gè)add-on套件時(shí)，把processMotorData函式放置到MATLAB的路徑中。呼叫processMotorData時(shí)，會(huì )有一條需求被傳送給MATLAB Production Server主機上去執行預測性維護算法內的processMotorData函式，每一個(gè)安裝了add-on的使用者端就能去執行這個(gè)相同的預測性維護算法，如圖2所示。


 
圖2 : MATLAB桌上型使用者透過(guò)MATLAB Production Server存取processMotorDat。

使用者開(kāi)發(fā)
當add-on套件被安裝之后，這些終端使用者就可以從他們桌面端的MATLAB來(lái)跟 processMotorData函式進(jìn)行互動(dòng)。舉例來(lái)說(shuō)，MATLAB的help指令顯示了來(lái)自原始函式的協(xié)助文字訊息，后記則標明processMotorData是在MATLAB Production Server上執行。
add-on套件上人類(lèi)都可以讀懂的全部?jì)热?，任何執?processMotorData算法的IP智財會(huì )在MATLAB Production Server主機上以AES加密來(lái)確保安全性。
接著(zhù)我們透過(guò)MATLAB App Designer來(lái)建立帶有兩個(gè)內嵌儀表板的MATLAB app應用程序，讓用戶(hù)可以選擇一個(gè)馬達數據集，并檢視該數據執行預測性維護算法后所產(chǎn)生的結果。這個(gè)馬達數據集是由48小時(shí)、一分鐘取樣一次的傳感器讀數所構成。該馬達在這48小時(shí)期間內的RUL，會(huì )以距離到故障發(fā)生的估計分鐘數的線(xiàn)性圖表來(lái)呈現；當偵測到異常時(shí)，會(huì )以紅色圓點(diǎn)標示在線(xiàn)性圖表上。
圖3呈現了第8號馬達的狀態(tài)。圖表上標出了幾個(gè)異常與一個(gè)估計RUL在跌入零之前的一段暫時(shí)性下降，這個(gè)在大約12小時(shí)內機器余命從72小時(shí)快速的下降到零，顯示出有替換馬達的急迫性。


 
圖3 : 可視化呈現第8號馬達的健康狀態(tài)。

水平方向的擴充
接下來(lái)，把算法部署至MATLAB Production Server進(jìn)行規模擴充：MATLAB Production Server可自動(dòng)地加入容載量（在條件內）來(lái)響應增加的需求。每單一個(gè)MATLAB Production Server容納案例可以最多有24個(gè)workers，每一個(gè)worker可獨立地處理需求?如果主機有足夠的CPU資源的話(huà)，還可以同時(shí)間進(jìn)行。我們會(huì )建議每個(gè)worker分配一個(gè)核心。

為了說(shuō)明需求導向的擴充，我們從三個(gè)分開(kāi)的桌上型MATLAB單元開(kāi)啟predictive analytics app，先執行其中一個(gè)app副本，并等待它完成，接著(zhù)讓三個(gè)app全部同時(shí)執行。

圖4為執行結果。在左邊的圖表可以看到每一個(gè)app副本的解析結果。右邊的MATLAB Production Server儀表板展示了現行worker處理程序數量以及需求的處理量。在實(shí)時(shí)的截圖上，儀表板顯示有三個(gè)現行worker處理程序，以及每秒大約18筆訊息的處理量。

 
圖4 : 需求導向的水平擴充結果。

儀表板上的柱形圖繪制了處理量的歷史。每一組直條代表一段時(shí)間的活動(dòng)。較短的直條捕捉到的是只有一個(gè)app傳送需求至MATLAB Production Server的那段時(shí)間，當時(shí)的處理量大約為每秒6筆需求。較長(cháng)的直條代表三組桌上型app都在傳送需求的時(shí)候。在第二段時(shí)間，MATLAB Production Server自動(dòng)地啟動(dòng)兩個(gè)額外的workers，藉由需求來(lái)帶動(dòng)擴充，并且讓處理量增加到每秒18筆訊息。

集中化管理、保護與擴充
藉由開(kāi)發(fā)之后，processMotorData這個(gè)算法范例已經(jīng)具備了安裝于網(wǎng)絡(luò )的一個(gè)位置、以AES加密機制保護、并且可動(dòng)態(tài)擴展性的特點(diǎn)，已經(jīng)是一項企業(yè)層級的服務(wù)。因此，可以利用MATLAB Compiler SDK和MATLAB Production Server即可建立如同本文所示范的MotorAnalytics可部署檔案一樣。不過(guò)，如果是要安裝或使用 processMotorData等函式，只需要MATLAB和MATLAB Client for MATLAB Production Server支持套件就足夠了。
（本文由鈦思科技提供；作者Peter Webb任職于MathWorks公司）