電動馬達(dá)預(yù)測性維護(hù):企業(yè)部署算法集中管理、保護(hù)與擴充

為了提升生產(chǎn)力，企業(yè)級規(guī)模的應(yīng)用架構(gòu)工程部署項目通常會采用主-從式軟件開發(fā)模型，確認(rèn)在足夠數(shù)量的機臺上所安裝的函式能滿足使用量。本文以一個估測電動馬達(dá)健康的預(yù)測性維護(hù)應(yīng)用來說明上述所需的功能。
如果你想把MATLAB函式分享給另一位同事，只要簡單地透過Email就可以達(dá)成，不過這種方式可能不太適合較大的團隊。舉例來說，你沒有辦法確保每一個人都使用最新版本的函式，你也沒有辦法限制他人存取這些具有所有權(quán)的程序代碼。而且如果為了滿足高峰期間的使用量而在足夠數(shù)量的機臺上安裝了函式，離峰期間則會有機臺處在閑置狀態(tài)。為了處理這樣的問題，企業(yè)級規(guī)模的應(yīng)用架構(gòu)工程部署項目通常會采用主-從式軟件開發(fā)模型（client-server software development model）來解決。
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）帶來好處。它的作法是將算法集中在一個位置存放，這可確保所有客戶端使用的版本都相同；由遠(yuǎn)程執(zhí)行并加密，則可以保護(hù)智慧財產(chǎn)（intellectual property；IP）：終端用戶可以呼叫算法，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。本文將以一個估測電動馬達(dá)健康的預(yù)測性維護(hù)應(yīng)用來說明這些功能。

應(yīng)用：以預(yù)測性維護(hù)方法評估馬達(dá)健康狀態(tài)
透過預(yù)測性維護(hù)系統(tǒng)來監(jiān)測設(shè)備的健康狀態(tài)可預(yù)防意外的故障。舉例來說，估計馬達(dá)的剩余使用壽命（remaining useful life；RUL）以判斷何時該替換馬達(dá)，以及偵測異常行為來決定是否需要進(jìn)行馬達(dá)檢驗。
我們的應(yīng)用范例是把馬達(dá)傳感器收集來的時間序列數(shù)據(jù)發(fā)送到預(yù)測性維護(hù)算法，而該算法則使用機器學(xué)習(xí)來估計RUL和檢查異常行為（圖1）。

 
圖1 : 馬達(dá)健康應(yīng)用范例的架構(gòu)。

這個應(yīng)用包含了兩部分：一是MATLAB馬達(dá)健康狀態(tài)app，它展示特定馬達(dá)的狀態(tài)，另一部分是MATLAB Production Server預(yù)測性維護(hù)的解析應(yīng)用，內(nèi)含兩組預(yù)測性維護(hù)算法。這個主從式架構(gòu)把功能性的責(zé)任歸屬分為：使用者（client）端的app，用來管理數(shù)據(jù)存取與顯示，而服務(wù)器（server）端的算法則負(fù)責(zé)分析這些資料。使用者需仰賴服務(wù)器端提供的應(yīng)用程序編程接口（application programming interface；API）連結(jié)，不需要、也不能存取執(zhí)行結(jié)果。

服務(wù)器端：算法與接口
對馬達(dá)傳感器產(chǎn)生的時間序列數(shù)據(jù)，每一組算法采用不同的機器學(xué)習(xí)技術(shù)來進(jìn)行判定。RUL算法是使用一個線性回歸模型來估計故障發(fā)生的時間，此模型是由「預(yù)測性維護(hù)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客制的單類（one-class）支援向量機（support vector machine；SVM）和一個線性求解器，將傳感器事件分類為正常或異常，這些函式是來自于「統(tǒng)計與機器學(xué)習(xí)工具箱」（Statistics and Machine Learning Toolbox）。

這兩組算法都使用漸進(jìn)式的學(xué)習(xí)來持續(xù)更新它們的模型，同時也考慮到因為馬達(dá)磨損退化導(dǎo)致的傳感器數(shù)據(jù)偏移，因此，兩個模型都不需要在部署之前先經(jīng)過訓(xùn)練。
由于終端使用者都會把同樣的數(shù)據(jù)流跑在這兩組算法上，服務(wù)器就提供一個入口點，所以透過processMotorData函式，針對時間序列數(shù)據(jù)上每一個元素，processMotorData就會送回一個RUL估計結(jié)果以及一個是否出現(xiàn)異常的標(biāo)幟。
在處理數(shù)據(jù)流時使用者端通常會呼叫processMotorData好幾次，然后把數(shù)據(jù)流分割為依時間排序的窗口，并且在每個窗口完成時送出。MATLAB Production Server有一個無狀態(tài)（stateless）的架構(gòu)：它會在每一次呼叫之后重置執(zhí)行狀態(tài)，以避免數(shù)據(jù)在用戶之間泄漏。
由于算法使用漸進(jìn)式學(xué)習(xí)，它們會透過處理每一個窗口之后的模型更新來改善。不過，執(zhí)行狀態(tài)的重置功能會從MATLAB Production Server的內(nèi)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mps.cache.connect函式所建立的外部數(shù)據(jù)高速緩存中，完成部署的算法就會將數(shù)據(jù)流依馬達(dá)編號ID來分組，并且為每一個馬達(dá)保留一個數(shù)據(jù)高速緩存和機器學(xué)習(xí)的模型。

使用者端：執(zhí)行算法和數(shù)據(jù)可視化
我們將processMotorData 部署到一個MATLAB Production Server范例、命名為 MotorAnalytics檔案的中，讓使用者端的開發(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add-on套件時，把processMotorData函式放置到MATLAB的路徑中。呼叫processMotorData時，會有一條需求被傳送給MATLAB Production Server主機上去執(zhí)行預(yù)測性維護(hù)算法內(nèi)的processMotorData函式，每一個安裝了add-on的使用者端就能去執(zhí)行這個相同的預(yù)測性維護(hù)算法，如圖2所示。


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

使用者開發(fā)
當(dāng)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來跟 processMotorData函式進(jìn)行互動。舉例來說，MATLAB的help指令顯示了來自原始函式的協(xié)助文字訊息，后記則標(biāo)明processMotorData是在MATLAB Production Server上執(zhí)行。
add-on套件上人類都可以讀懂的全部內(nèi)容，任何執(zhí)行 processMotorData算法的IP智財會在MATLAB Production Server主機上以AES加密來確保安全性。
接著我們透過MATLAB App Designer來建立帶有兩個內(nèi)嵌儀表板的MATLAB app應(yīng)用程序，讓用戶可以選擇一個馬達(dá)數(shù)據(jù)集，并檢視該數(shù)據(jù)執(zhí)行預(yù)測性維護(hù)算法后所產(chǎn)生的結(jié)果。這個馬達(dá)數(shù)據(jù)集是由48小時、一分鐘取樣一次的傳感器讀數(shù)所構(gòu)成。該馬達(dá)在這48小時期間內(nèi)的RUL，會以距離到故障發(fā)生的估計分鐘數(shù)的線性圖表來呈現(xiàn)；當(dāng)偵測到異常時，會以紅色圓點標(biāo)示在線性圖表上。
圖3呈現(xiàn)了第8號馬達(dá)的狀態(tài)。圖表上標(biāo)出了幾個異常與一個估計RUL在跌入零之前的一段暫時性下降，這個在大約12小時內(nèi)機器余命從72小時快速的下降到零，顯示出有替換馬達(dá)的急迫性。


 
圖3 : 可視化呈現(xiàn)第8號馬達(dá)的健康狀態(tài)。

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

為了說明需求導(dǎo)向的擴充，我們從三個分開的桌上型MATLAB單元開啟predictive analytics app，先執(zhí)行其中一個app副本，并等待它完成，接著讓三個app全部同時執(zhí)行。

圖4為執(zhí)行結(jié)果。在左邊的圖表可以看到每一個app副本的解析結(jié)果。右邊的MATLAB Production Server儀表板展示了現(xiàn)行worker處理程序數(shù)量以及需求的處理量。在實時的截圖上，儀表板顯示有三個現(xiàn)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(dǎo)向的水平擴充結(jié)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間的活動。較短的直條捕捉到的是只有一個app傳送需求至MATLAB Production Server的那段時間，當(dāng)時的處理量大約為每秒6筆需求。較長的直條代表三組桌上型app都在傳送需求的時候。在第二段時間，MATLAB Production Server自動地啟動兩個額外的workers，藉由需求來帶動擴充，并且讓處理量增加到每秒18筆訊息。

集中化管理、保護(hù)與擴充
藉由開發(fā)之后，processMotorData這個算法范例已經(jīng)具備了安裝于網(wǎng)絡(luò)的一個位置、以AES加密機制保護(hù)、并且可動態(tài)擴展性的特點，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，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）