美国NIST发布智能制造预测与健康管理路线图
8月，美国国家标准与技术研究院（NIST）发布《用于智能制造系统的故障预测与健康管理（PHM）测量科学路线图》[1]，旨在维系高效的无故障制造生产，助力装备综合效率达到峰值，实现全时段满负荷零废品的理想状态。
NIST计划开发模块化PHM能力，可用于各组织及行业，并最终融入装备及工艺当中。该路线图认为，当前面临的一大障碍就是如何获取有用的数据来支持可靠的基于物理的指标的开发，这些指标反映了故障及故障前的情况，并可与PHM算法和分析进行整合。报告指出，如何产生用于PHM的准确数据，而不损坏装备或影响生产也是一大挑战。路线图对13种具有高优先权的研发主题制定了行动计划，这些主题对PHM能力整合入智能制造系统具有关键性作用，参见下表。
表1 智能制造系统预测与健康管理路线图关注的13个研发主题领域
|
优先领域与主题 |
涉及内容 | |
| PHM制造工艺技术与度量 | PHM先进传感器 |
传感器开发的多级方法，从评估现有传感器并判断与PHM应用的差距开始；通过开发新型传感器及传感性能及标准来弥补差距。 |
| 数据格式、分类与结构 |
制定数据分类与标准，以支持PHM用于制造业各部门；最终结果将会是数据仓库以及格式、存储、组织和接口的支撑标准。 | |
| 企业级维修规划PHM |
创建维修规划数据与其他部件及物流相融合的PHM系统；用于决策的人机界面与设备综合效率重大改进相结合。 | |
| PHM性能评估 | PHM的总体架构框架 |
执行专门产业标杆，以定义当前现状、确定关键性能指标以及标准PHM架构。该框架可作为智能制造系统的有益参考。 |
| PHM性能的成本模型 |
进行成本效益分析以更好地掌握何时何地开展PHM。最终的模型将统筹考虑设备故障、附带损害、暂停服务时收益损失以及常规使用等的成本。 | |
| PHM性能指标的识别 |
开发在线的、预测性能指标，能够在系统或部件发生故障前作出判断。 | |
| 应用分类法 |
对部件定义、标准测试程序、故障问题解释等给出一致性的分类。 | |
| PHM数据与信息需求 |
收集PHM系统、现有数据收集策略、故障及停机主要原因等的最显著的特征信息。 | |
| 预测及诊断的数据 |
新方法用于开发和收集数据，以支持故障预测与诊断。 | |
| PHM基础设施：软硬件与系统集成 | PHM作为设备特征 |
重量、成本和性能是设计人员在开发制造系统时常考虑的关键因素，应将PHM也考虑进去。 |
| PHM开源 | 分担风险和资金，保证无限制的合作。 | |
| 新制造技术PHM的嵌入式传感器 |
嵌入并运行PHM系统应无缝对接，不影响PHM和生产设备的性能。 | |
| 信息及时传送 |
向目标接收方传送准确的状态更新。 | |
（万勇）