電動馬達預測性維護: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(guī)模的應用架構工程部署項目通常會采用主-從式軟件開發(fā)模型，確認在足夠數(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健康的預測性維護應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)模的應用架構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；由遠程執(zhí)行并加密，則可以保護智慧財產(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健康的預測性維護應用來說明這些功能。

應用：以預測性維護方法評估馬達健康狀態(tài)
透過預測性維護系統(tǒng)來監(jiān)測設備的健康狀態(tài)可預防意外的故障。舉例來說，估計馬達的剩余使用壽命（remaining useful life；RUL）以判斷何時該替換馬達，以及偵測異常行為來決定是否需要進行馬達檢驗。
我們的應用范例是把馬達傳感器收集來的時間序列數(shù)據(jù)發(fā)送到預測性維護算法，而該算法則使用機器學習來估計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，用來管理數(shù)據(jù)存取與顯示，而服務器（server）端的算法則負責分析這些資料。使用者需仰賴服務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(zhí)行結果。

服務器端：算法與接口
對馬達傳感器產(chǎn)生的時間序列數(shù)據(jù)，每一組算法采用不同的機器學習技術來進行判定。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)計與機器學習工具箱」（Statistics and Machine Learning Toolbox）。

這兩組算法都使用漸進式的學習來持續(xù)更新它們的模型，同時也考慮到因為馬達磨損退化導致的傳感器數(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估計結果以及一個是否出現(xiàn)異常的標幟。
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：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。
由于算法使用漸進式學習，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)流依馬達編號ID來分組，并且為每一個馬達保留一個數(shù)據(jù)高速緩存和機器學習的模型。

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)行預測性維護算法內的processMotorData函式，每一個安裝了add-on的使用者端就能去執(zhí)行這個相同的預測性維護算法，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來建立帶有兩個內嵌儀表板的MATLAB app應用程序，讓用戶可以選擇一個馬達數(shù)據(jù)集，并檢視該數(shù)據(jù)執(zhí)行預測性維護算法后所產(chǎn)生的結果。這個馬達數(shù)據(jù)集是由48小時、一分鐘取樣一次的傳感器讀數(shù)所構成。該馬達在這48小時期間內的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)；當偵測到異常時，會以紅色圓點標示在線性圖表上。
圖3呈現(xiàn)了第8號馬達的狀態(tài)。圖表上標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小時內機器余命從72小時快速的下降到零，顯示出有替換馬達的急迫性。


 
圖3 : 可視化呈現(xiàn)第8號馬達的健康狀態(tài)。

水平方向的擴充
接下來，把算法部署至MATLAB Production Server進行規(guī)模擴充：MATLAB Production Server可自動地加入容載量（在條件內）來響應增加的需求。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，還可以同時間進行。我們會建議每個worker分配一個核心。

為了說明需求導向的擴充，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)行結果。在左邊的圖表可以看到每一個app副本的解析結果。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)絡的一個位置、以AES加密機制保護、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。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）