400-618-1990

搜索

版权所有©北京瑞风协同科技有限公司  
京ICP备16029927

资源中心

新闻中心

服务热线:

产品方案

投资者关系

瑞风测试

400-618-1990

8610-82119375

友情链接

关于瑞风

新闻中心

智慧院所建设的思路方法和解决方案

作者简介

王可:北京瑞风协同科技股份有限公司CTO、副总经理。从事制造业信息化领域的研究及应用推广28年。参加或主持国家多个科研项目,分别获得航天部“科技进步奖”一等奖及三等奖,北京市"科学技术"三等奖、教育部"科学技术进步奖"一等奖。参加或主持了试验数据管理平台、综合保障业务平台、设计仿真平台等软件产品的研制开发。

近年内主要方向集中在装备试验信息化、装备五性及综合保障信息化等领域。重点方向:装备综合保障业务平台及工具技术、复杂产品状态监控及维护支持技术。

 

1、智慧院所建设概述

智慧院所已经成为当前我国科研院所信息化能力建设的一个主旋律。

智慧院所建设在我国高技术装备研制领域备受关注。2015年国防科工局启动了“智慧院所信息化能力建设”的研究课题,旨在从国家和行业的层面上研究高技术装备领域的信息化能力建设的方向和重点,并提出在十三五及后续时期内持续推进和引导领域内企业的智慧院所和智能工厂建设的策略。在课题牵头单位中航科技委的主持下,集中了来自船舶、电子领域的近百家单位的专家和学者,组成十个专题小组开展智慧院所智能工厂建设的需求调研和技术研究,并在2016年完成课题评审,形成了该方面比较权威的研究成果。与此同时,业内大批的科研院所和工厂紧锣密鼓地开始了布局,纷纷投入人力物力进行智慧院所和智能工厂的论证和可行性分析,有些已经进入到实质性操作阶段。

智慧院所是什么?建设内容有哪些,建设成果是什么?

根据科工局智慧院所课题组的研究结论,智慧院所是基于知识构筑的智慧化组织,其组织、决策、运营、市场营销、管理和科研生产模式是以知识应用为基础,以创新驱动发展为目的,具有自学习、自成长、自优化、自适应的特征,是支撑我国科研院所未来自主创新的核心科研组织。该结论强调了在智慧院所中知识应用的重要性,以及智慧能力的主要特征:自学习、自成长、自优化、自适应。

智慧院所信息化能力建设的重要工作内容之一就是建设智慧工作平台WWP(WisdomWorkingPlatform)。这是课题组的一个重要结论,同时给出了智慧工作平台WWP的体系结构和主要特征描述。如下图所示:

 

图1-1智慧工作平台(WWP)的层次化体系架构

 

智慧工作平台WWP的四层体系架构包括应用层、能力层、关键平台层和基础能力层。其中的关键平台层包括数字化工作平台、信息化管控平台和知识应用平台等三部分,它们基于基础能力层的众多技术工具,综合应用了四项关键技术,即:先进的数字化技术、先进的信息化技术、先进的项目管理技术以及知识工程应用技术。WWP的体系结构特征又称为“三驾马车、四轮驱动”。

智慧工作平台WWP的四项关键技术中,知识工程应用具有独特的地位。进入新世纪之后知识工程应用技术才得到快速发展,并成为智慧工作平台WWP建设中的主要突破口。知识工程平台以知识的提炼和积累为前提,以知识的应用为目标,充分利用科研和管理的知识性成果(标准/规范、定义/模板、公式/模型),把数据和信息处理提升到用知识来进行表达、推导。知识工程非常好地表明了技术沿着“数字化—信息化—知识化—智慧化”的发展历程,同时为科研和管理的智慧化提供了现实途径。

 

2、智慧院所建设的策略、思路和方法

如何开展智慧院所建设?

智慧院所建设的目标、策略和方法是众多科研院所探索的焦点。智慧院所作为我国科研院所未来自主创新的科研组织形态,是研究院所的信息化能力建设的必由之路,在操作层面上的途径就可以设定为建设智慧工作平台WWP。

目前主要问题是:如何在科研院所的信息化现状基础上建成智慧工作平台WWP?经过前几个五年计划的信息化建设,很多科研院所已经有一套自己的信息化体系,大体上以PLM/CAX系统为主服务于科研工作,以ERP或类似系统为主服务于经营管理工作,以信息化门户(Portal)为入口串接各个系统。在这个基础上建立智慧工作平台WWP,既不是推倒重来,也不是简单修修补补,必须有一套有效的策略,实现实质性的改造和提升。

 

图2-1如何建成智慧工作平台WWP

 

智慧研发的策略

智慧研发策略,就是为建设智慧院所提出的一整套的思路和方法。智慧研发简而言之就是:以型号需求为牵引,以创新驱动发展为目的,以知识工程应用为主要途径,以智慧设计/智慧试验/智慧综保工具为手段,实现科研和经营业务的全面感知、智能决策、精准执行。

智慧研发策略的主要特征可归结为“三架马车、四轮驱动、三个标志”。如下图,智慧研发策略充分吸收了科工局课题组提出的三个关键平台(数字化工作平台、知识应用平台和信息化工作平台)和四项先进技术(数字化技术、项目管理技术、知识工程技术、信息化技术),同时,提出三项能力:全面感知、智能决策、精准执行,作为智慧院所创新型工作能力的主要标志。

 

图2-2智慧研发策略的主要特征

 

智慧院所的能力标志:全面感知、智能决策、精准执行

实现全面感知、智能决策、精准执行三项能力,既可作为智慧工作平台WWP的能力标志,又可作为在智慧院所建设中的重要工作指南。具体说明如下:

全面感知:就是要感知项目的进展情况、质量情况、成本情况、产品效费比等等情况。缺乏对决策所需情况的全面了解,是阻碍智慧型科研和生产经营的主要症结之一。全面感知就是让各个层面的领导和决策人员能够完整、方便、直观地获取自己关心的细节信息和综合性信息。

智能决策:就是采用有别于传统方法,基于知识应用平台的支撑,采用智能化的计算、分析和仿真手段,将这些融入到智慧工作平台的处理流程中,使得在设计分析、试验验证、装备保障等专业的方案、研制、决策等工作中,让知识真正发挥作用,提升智慧水平。

精准执行:就是对进度、对质量、对精度各方面的精确控制。包括进度控制、数据采集、分析计算、资源调度等各个环节的监督。这些本就是信息化一直以来的目标,只不过是在智慧院所建设中赋予了更多的意义。

三项能力是业内众多专家相互之间交流形成的初步共识。它既可作为在智慧院所建设工作成效的一个衡量标尺,也可作为在建设智慧工作平台WWP中的具体方向指南。

智慧研发的思路、方法和技术路线

智慧研发策略的内容包括总体思路、方法和手段、以及实施的技术路线,可用如下图表示:

 

图2-3智慧研发策略的思路和方法

 

如图所示,落实智慧研发策略的主要思路是:面向应用需求,以三种能力为指引,补足要素、强化信息综合、优化决策手段,分步改进和实质改造相结合,逐步达到智慧型科研院所的信息化能力。

面向应用补足要素是智慧研发策略的出发点。补足要素就是在现行的信息化工具体系中加入实质性提升智慧能力的要素,这里的要素包括知识工程应用平台、MBD工具、信息感知工具等一系列创新型、智慧型工具。面向应用在知识工程平台的建设中有重要的意义,在国内已实施的项目中,有些知识工程平台建成了仅仅被动接收访问的信息库,成为新的信息孤岛!这里的面向应用就是让知识工程平台能够真正嵌入到实际工程应用过程中,利用插件方式将知识的抽取和推送与应用程序结合起来。基于插件的知识工程应用模式在后面还会详细论述。

智慧研发策略中的方法主要是实现三项能力的方法,即:

实现智能感知:数据挖掘、统计分析、指标监控、可视展现。

实现智能决策:知识梳理、知识推送、数据判读、分析仿真。

实现精准执行:任务规划、流程驱动、状态监控、反馈修正。

上述方法可以从工具级和系统级两个层面上实施。即实施到数字化研发工具集、知识工程应用工具集和信息化管控工具集的开发中,并实施到智慧工作平台WWP的体系构建过程中。

智慧研发策略中的技术路线,是将上述的思路和方法落实的具体步骤。首先是补足要素,就是用三类工具集(数字化研发工具、信息化管控工具集、知识工程工具集)对三个关键平台进行查漏补缺,通过补缺、替换、升级等方式;其次是开展知识工程,包括建设知识库平台和专业知识库,以及为各种应用程序提供知识插件来衔接知识工程平台;接下来就是信息综合,这是通过引入新型的信息感知构件,把各方面的信息抽取出来,进行综合和展现,为决策提供更充分的支持;最后一项工作就是流程集成,这是信息化长期工作内容,不再赘述.

智慧研发策略下的智慧工作平台WWP

根据智慧研发策略的思路、方法以及技术路线,最后得到的智慧工作平台的总体结构如下图。

 

图2-4智慧研发策略下的智慧工作平台WWP

 

新的WWP既有对传统科研信息化环境的继承性,又有实质性变化。第一个变化:知识应用平台成为主体支撑架构之一;第二个变化:感知工具集被提到比较重要的位置,能够跨领域全面收集和综合信息,改变各种业务工具仅关注自身管理的信息,无法掌控全面信息的弊病;第三个变化:拥有更丰富的智能工具(例如专业知识库、MBD工具等),并实现了更充分的信息集成和流程集成。

总之,新的智慧工作平台WWP相对于现状来说,将在感知能力、决策能力和执行能力有实质性的提升。

 

3、智慧研发的解决方案:工具集和能力实现途径

从2015年开始,瑞风协同股份公司有幸参加到国防科工局的“智慧院所信息化能力建设”课题活动中,全程参与了课题组的调研、讨论和报告编制,对智慧院所建设的需求、技术和实施规划有了较深入的理解。

为了落实智慧研发策略的思路、方法和技术路途径,瑞风协同提出的解决方案集中在三方面:一是智慧工作平台WWP的要素工具集;二是在系统和工具两个级别上实现三项标志性能力:全面感知、智能决策、全面感知;三是智慧研发策略中的四项关键技术。

智慧研发的要素工具集

根据智慧研发策略,提供三类工具集,用于补充到智慧工作平台WWP的三个关键平台中,如下图:

 

图3-1智慧研发解决方案的三类要素工具集

 

如图所示,第一类,数字研发工具集针对WWP的数字化工作平台,该工具集进一步分为:基于MBD的设计仿真类、智慧试验类、全周期综合保障类。这些工具集是瑞风二十年来积累下的自主知识产权成果;第二类,知识工程的应用平台,是基于最新知识工程研究成果和行业内多年经验推出的新一代知识工程基础平台和专业知识库,其中插件机制保证了专业知识库与各个应用工具的连接;第三类,信息化管控工具,其中的科研管理信息的综合及挖掘工具,将成为实现全面感知的主要手段。

智慧研发标志性能力的实现

从系统级来看,智慧研发的三项能力的实现包括如下三条途径,即:从多个应用系统的数据库或信息存储区采集和综合,面向全系统提供知识库基础平台和多个专用领域知识库,以及持续整合现有业务流和数据流。以装备全周期的业务为例说明这些途径,如下图:

 

图3-2系统级的智慧研发能力的实现途径

 

如图所示,给出了从装备立项、论证到生产使用的完整业务流程。从信息系统的角度可以分为多个层次,每个层次上都有相应的业务流程、各环节工具和数据库。其中,在顶层上主要是科研计划、项目、总体分析以及相应数据,顶层的某些环节细分为下一层的业务流程,下一层主要包括专业分析、计算和仿真工具以及相应数据;这样构成一个多阶段、多层次、多系统和多数据库的体系。

为实现系统级的全面感知,采用科研信息综合及挖掘工具(EI构件),抽取和汇集各种信息并进行统计分析和预测,形成各种信息综合显示界面(如领导驾驶舱界面或各种图表),供各级领导或决策人员掌握情况。

为实现系统级的智能决策,主要着力点放在知识库平台的建立和应用上。知识库通过知识插件从各个专业系统收集整理知识或推送知识。智能决策可以理解为基于知识的决策,即通过知识插件与其它子系统的无缝集成,将知识库中的标准、规范、经验、模型等运用到设计分析中,充分利用已有的智慧积淀。

为实现系统级的精准执行,主要基于现行的各种信息化技术,逐步深入进行流程集成和信息集成,实现业务过程的细致规划和严格监控,实现数据分析的精准、顺畅传递,实现状态的准确获取、及时预警。

总之,在构建系统时实行上述的智慧研发策略,将在整体上逐步具备全面感知、智能决策、精准执行的能力。

智慧研发能力实现的专业实例:工具级的智慧能力

智慧研发的全面感知,智能决策、精准执行的三项能力,不仅仅体现在系统级别,而且也来自于组成智慧工作平台的各种工具中。在此,用几个实际的专业工具来说明。

在设计仿真工具类中,两个MBD设计仿真工具比较具有代表性。一个是装配设计工具FastADS,一个是产品制造成本分析仿真工具欧普瑞。

MDB装配设计工具FastADS提供了紧固件表达规范,提供了基于知识工程的智能紧固件选用流程引擎,提供了紧固件数据管理和紧固件装配知识积累的能力,从而实现了紧固件装配设计的智能化、流程化、便捷化。该选用流程包括了紧固件装配设计的相关知识、规范和设计经验。这样,使得规范性大大增强,同时降低了设计门槛,使设计人员在几个小时内即可掌握系统的使用。充分体现了基于知识的智能决策和基于流程控制的精准执行能力。

 

图3-3基于知识的MDB装配设计工具FastADS具有较强的智能决策能力

 

在中国商飞的国产大飞机研制过程中,FastADS不仅帮助全数字化设计模型发放,而且基于全数字化模型提取并统计紧固件信息、进行紧固件的自动钻铆。据统计,在飞机紧固件装配设计环节的效率提升了10倍,设计更改占比时间从50%降低到10%!其智慧研发能力发挥了令人惊叹的作用!

产品制造成本分析仿真软件欧普瑞(Apriori),是具有降本增效重大意义的一个创新产品。欧普瑞提供了基于3D产品模型的设计制造成本建模和计算仿真能力,可以快速获取高度准确的成本信息;也可以根据不同生产方案、工艺路线进行相应成本的智能仿真,用于生产决策。

欧普瑞的创新就在于提供前所未有的MDB成本建模及分析方式,它能够全面感知产品的成本情况。以前的生产单位对成本的估算基本上以人工计算为主,比较粗放。而欧普瑞基于产品的三维模型把工艺过程的每个环节的成本整理得非常清晰,形成后台的完备的工艺及成本知识库。这个完备的智慧知识库针对产品工艺、生产线条件、加工平台、加工工具、加工工时等,每一项成本都精细化到细节,从而构成一个精确的成本模型。在国内著名的农用机械设备厂的应用中,使得制造成本降低了20%以上!再次证明全面感知和智能决策能力的重要性。

 

图3-4欧普瑞能够全面感知产品的成本模型

 

在智慧试验工具集中,基于模型的结构试验设计及数据监视系统SEDIS、试验可视化监测工具3DMA、基于模型的加热虚拟试验系统VITAS、装备试验故障业务系统ETDS等,都是新近推出的智慧研发工具,比较具有代表性。

SEDIS是国内首款MBD结构试验设计及数据监视系统。它解决了在飞机等类型的复杂型面上进行试验传感器的精确布置和安装问题,同时为管理和使用这些传感器数据也提供方便的手段。SEDIS使得试验设计人员能够快速完成应变测点的设计,并方便试验实施人员在现场安装应变片时能够准确定位,以及在分析试验数据时能够准确感知到任何试验工况下、不同传感器位置的试验数据。

 

图3-5SEDIS能够全面、方便的感知到任何试验点的信息

 

3DMA是试验现场数据监视和事后数据回放的三维可视化工具。用户可以在任意一台计算机上直观考察试验件状态变化,并可以回放测点的真实试验测试数据变化历程,还可以对异常数据提供预警。

3DMA实现了传统试验监控和分析方式的革新。在传统试验里面都是通过各种采集软件来获取数据、并将数据汇集到软件系统进行分析处理。采用新一代的三维可视化工具3DMA,将试验场景(包括试验台、设备以及试验件等)建立起三维的数字化环境,把试验过程中采集的各种信息直接加载到三维模型上,查看关键参数的实时状态并及时进行超差报警。同时,提供试验回放功能复现试验件的变化过程。3DMA提供全面感知试验过程的直观手段,大幅度提高了对于试验过程的监控能力。

 

图3-63DMA提供了全面感知试验过程的高效手段

 

在智慧保障工具中,综保方案的设计分析系统WILS、综保数据管理系统LDM3000等比较具有代表性。

WILS是装备保障方案的生成和权衡分析工具。装备保障方案是对装备使用和维修保障的总体规划和实施方案。WILS可以应对装备保障工作日趋复杂而带来的装备保障方案设计的诸多问题,包括:方案内容繁杂、数据处理量大、权衡分析不精确、报告格式不规范等。一句话,采用智能化方案工具WILS是解决传统方式带来各种的不规范、不精确的有效途径。在WILS软件中的保障业务建模包括保障对象建模、保障组织建模、保障活动建模、保障资源建模,为全面感知装备保障的要素并做出合理的保障方案奠定基础。

 

图3-7WILS智能化装备保障方案设计流程

 

装备综保数据管理系统LDM3000,管理研制阶段的综保设计、分析、仿真、试验数据,以及使用阶段的交付、使用、故障、维修及资源数据等近20类数据,同时提供技术状态管理、统计分析、监控预警、历史追溯等一系列功能,并可集成多种工具和外部数据,形成支撑综保业务的基础平台。LDM3000建立了综保知识库,通过把各种综保工具与综保知识的关联实现知识积累和利用,从而借助知识提升各种分析和决策的智慧水平。

 

图3-8LDM3000实现对装备全寿命状态的全面感知和监控

 

在瑞风协同提供的三类工具集中的各种智慧型工具,在此无法一一详述。这些工具的智慧研发能力,结合WWP平台的智慧研发的机制,即可实现整个体系的智慧研发能力。

 

4、智慧研发的解决方案中的关键技术

在建设智慧研发平台建设中有一批关键技术。其中主要包括:

• 知识库建模及知识应用插件技术(KENOVA);

基于模型的数字化设计及试验技术(MBD & MBT);

工程大数据的智能综合及挖掘技术(EI);

虚拟试验仿真技术(VT);

知识库建模及知识应用插件技术(KENOVA)

知识库的开发和应用工作从上世纪90年代就开始了,国内虽然有一些工程案例,但是一直无法体现其价值。究其原因,知识库如何与应用相集成,如何利用知识提升设计分析的智慧水平,是一直没有突破的关键技术。不少单位的知识库建设成果仅仅是孤岛式的知识搜索工具,还有些标榜为知识库的仅仅是知识条目堆积而成的信息库而已。

智慧研发策略提出了知识应用工程在智慧院所建设中一整套的实现机制和方法。智慧研发策略提出知识应用工程而不仅仅是知识库,就是要强调知识库平台的建设必须是面向应用的、从应用中来到应用中去,要让知识“活起来”。因此,智慧研发策略中的知识应用工程的两大机制就是:利用知识库基础平台承载专业知识库,利用知识插件实现与应用衔接。

知识库基础平台Kenova是知识应用平台的基础架构,它提供四大能力,即:知识本体建模、专业知识库扩展、知识插件集、知识访问。基本结构如下图:

 

图4-1智慧研发策略下的知识库基础平台结构

 

如图,知识本体建模是知识库基础平台的核心能力。知识库中有设计知识、试验知识、仿真知识、综保知识,而表达这些知识的基本结构、逻辑关联和核心定义就是知识本体。知识本体建模就是建立某一类知识的核心模型,描述每类知识的基本点:内涵、外延、多种维度的属性及其之间的关联、简单数学关系等等。知识本体建模是知识库有别于其它信息库的重要特征,知识本体建模的主要成果就是知识地图或知识图谱。这其中,知识地图或知识图谱上的每一个节点都有其唯一的编码,对知识图谱的编码技术是决定知识库平台使用效率的关键之一。

专业知识库是在知识本体基础上对专业知识的完整表述或例证。这些表述和例证是知识的具体内容,由于不像基本概念、术语、属性那样简洁,而是包括同类细分科目的大量数据,无法归入到知识本体的范畴,也无法用简洁的数据表来存储。因此采用专门的专业知识库结构,其中既有结构化的数据表项信息,也有非结构化的信息存储。这类知识信息有多种,典型的包括计算处理模型、子类的物理化学属性表、标准或规范、工程要求、典型应用案例说明等等。例如,紧固件知识库就包括了各个门类的紧固件的基本参数、强度性能、设计约束信息,而材料知识库包括了国军标各个材料类下的各种细项的物理化学属性、特性参数、工程设计原则等。

知识插件机制是实现知识库与各个应用系统衔接的关键技术途径。插件机制的核心是一个知识插件总线,以及一批插件适配器与各种知识插件相连接。附加在各种应用系统的知识插件主要负责向知识库平台传送知识(知识提取)或从知识库平台接收知识(知识推送),而插件适配器实现与各个插件之间的连接和信息传递,并实现在信息源头和目的地之间的格式的转换。通过这个标准化且能够扩展的总线结构,就实现了知识的提取和推送。例如在CATIA上的知识插件把系统对紧固件知识的需求(知识编码和属性选择信息)转换为适配器所能够接收的XML格式,经由适配器到插件总线,然后通过插件总线将知识需求传递给知识库平台,知识库平台解析知识编码在知识图谱上的定位,并根据属性选择信息获取紧固件知识库的知识条目,最后原路回送到CATIA平台。整个过程如下图,其中通过知识地图的编码实现知识使用者和提供者之间的准确对接是关键。

 

图4-2应用系统获取知识的基本过程

 

智慧研发策略中采用插件技术能够把知识库和应用之间联系起来。Kenova平台提供了多种知识插件,包括业内主流的CAD、CAE软件的知识插件。同时,提供开放的插件总线和典型适配器,第三方可以自主开发应用系统的知识插件,可以通过C/S模式或B/S模式的多种适配器实现即插即用,这种机制的通用性、扩展性比较强。

知识库访问功能是知识库平台对外提供的通用服务窗口。知识库平台首先提供一般的知识搜索、查询、遍历等功能。作为知识库平台的管理者,提供新建知识库、知识本体建模、知识库信息的人工收集等功能。在建立知识库时候,一般需要几个步骤,包括:知识梳理分类、创建知识条目、建立维度及知识属性、建立条目关联,很可能需要对知识条目进行审批,一般来说,知识在审批发布后才能进入知识库。

在上述知识库的四大能力之外,在知识库平台中还用到一些比较重要的技术。其中之一就是海量知识的搜索管理技术,即知识数据量如果很大的话,为提升知识搜索的效率,可以把重要的知识本体和核心信息使用专门的高效存储设备以便迅速进行知识搜索。其二,如果知识库分布在不同存储设备上时,将把知识的检索、查询、抽取和建模功能,分布在各个设备上,形成全网的众多机器、设备、存储的分布式知识应用机制,有助于知识库的无限制扩展。

基于模型的数字化设计及试验技术(MBD & MBT)

在智慧研发策略中,将基于模型的数字化设计技术(MBD)和基于模型的试验业务技术(MBT,ModelBasedTest)作为提升智慧研发能力的主要途径之一。MBD技术实现了产品设计信息的综合和统一,并由此带来设计优化、多学科协同、多单位协作的巨大效益。而基于模型的试验业务技术(MBT)虽然刚刚走入人们的视线,但已经展现出巨大的潜力。

MBD技术的核心在于两点:专业模型的定义和表达,以及专业模型与产品三维模型的存储集成和处理集成。前者是专业领域知识的数字化问题,后者需要基于三维设计工具的数据模型和处理功能API接口进行集成。

以MBD设计仿真工具FastADS系统为例,FastADS把传统的紧固件知识在三维环境中的属性信息、图形显示、设计功能、批量处理等进行了重新设计,使得紧固件信息能够有机融入到三维装配模型中,既完整表达产品结构信息又能够高效处理、传递和存储。其中包括一些创新的技术,包括:

• 用紧固件特征数据驱动关联设计;

紧固件全信息表达方法;

紧固件信息数据仓库存储;

基于知识推理和知识积累的紧固件选用引擎;

快速安装状态的紧固件全三维实例化。

其中,利用基于知识推理的紧固件选用或安装功能,系统可以自动匹配选用知识和规则,可以加速大量紧固件安装设计过程。FastADS创新技术的使用如下图所示。

 

图4-3MBD工具FastADS的技术创新

 

工程大数据的综合及挖掘技术(EI)

基于大数据和工程智能(EI)的数据挖掘及综合技术,是智慧研发策略实现“全面感知”的主要途径,也是智慧研发的第三类关键技术。其中的两个要点是大数据和工程智能,大数据众所周知,工程智能(EI,EngineeringIntelligence)是面向工程应用的数据挖掘和统计分析技术。可以说,大数据着重描述处理对象的属性,而工程智能则着重描述处理方法。

工程智能技术(EI)从商务智能技术(BI)发展而来,两者既有很多相似处,又有明显的区别。相似的是,在技术组成上都采用数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术等;在处理流程上也相似,如下图,第一步是面向多种异构的业务信息存储系统(包括PLM、ERP、TDM以及其它信息系统),用转换、汇总、装载等方式汇集到数据仓库,然后进一步提炼构成各种主题数据集市(DataMart),然后再进行多维分析、统计挖掘,并进行报表生成、数据展现、图形显示、组合播放等,提供领导的决策辅助或业务人员的分析查询之用。明显的区别是,工程智能EI在传统的商业智能加入了工程应用的专业特色,包括工程应用中的权限、密级、项目管理、版本管理等带来的访问控制和数据过滤。不像商业数据可以对用户一视同仁,工程数据的访问权限受到使用者身份的限制,不符合的身份和密级、未被授权的项目和产品类别都会屏蔽使用请求,即使统计性信息也会进行专门的处理。其次,工程文档和数据一般都有明确的版本标识,那么搜索、分析、挖掘数据时,一般只能从最新版本提取信息,而不是像商业智能处理上不加区分按照多个数据源来处理。

 

图4-4工程智能技术(EI)处理流程

 

如图,工程智能技术的处理流程中用到一些重要的技术,包括数据装载时的ETL技术(提取、转换、加载)和大数据接口技术、在建立数据仓库时的聚合分类钻取技术、在分析时用到的驾驶舱技术等。

首先,ETL技术被用于对多种异构数据源的自动数据处理。可以通过不同的提取、转换手段把数据汇聚到数据仓库。为了支持不同的分析和挖掘处理方法,数据仓库支持多种数据库模型,包括星型、多星型、雪花模型、正则范式模型等。其次,大数据访问接口是工程智能技术的重要数据源。在ETL的数据源中要包括对基于Hadoop的数据存储接口的访问能力,以及采用Lucene/ElasticSearch构件对非结构化文档进行搜索的能力。再次,数据的聚合分类钻取技术是对工程大数据最常用的挖掘技术。数据分层钻取主要基于数据仓库的基本搜索机制即可实现,而聚合和分类则是基于对数据的深入理解,需要专业分析人员,并借助各种概率统计分布计算技术和算法,进行不断的开发、验证和改进,具有较大的难度和不确定性。

对科研信息进行智能挖掘和综合展现时,需要在界面层和后台技术上有侧重性的开展开发工作。首先在EI前台界面层上一定要保证易用和可读性,要精准把握受众的需求。信息感知分为几个层次:决策者是整体态势感知;专业责任人员是专题态势感知,具体操作者是具体属性和数据感知。因此,需要感知什么内容,重点在哪里,需要实现哪些个性化选择能力,浅层次现象信息和深层次原因线索怎么合理分布,在界面显示方式上是采用报表、统计图、组合看板、场景图地理图等,所有这些都需要制订某种规范和惯例,典型的看板形式如下图所示。其次在EI后台技术处理引擎上一定要保证性能优化,要尽可能的提升响应速度,并为此进行必要的预处理工作。大量的数据都是分散存储在异构数据库或文件系统中,要预先按照感知的主题内容进行信息提取,建立数据仓库,采用联线式处理工具得到重要的特征值或当期统计值,形成多级的数据缓冲机制,在界面上可以逐层精确展示,以应对不同的需求。

 

图4-5科研信息的感知界面注重易用和可读性

 

虚拟试验仿真技术(VT)

虚拟试验仿真技术是智慧院所建设中实现自优化、自适应特征的重要技术。虚拟试验仿真技术,就是在数字空间中建立与物理试验对应的试验对象模型、试验台架模型及环境模型,根据预设的试验计划在数字空间中模拟试验全部或局部过程,利用计算和仿真结果预判或验证试验方案和试验结果。

虚拟试验仿真技术是个大课题,一直受到业内人员的特别关注。特别是在复杂装备研制领域,虚拟试验可以用于帮助验证和优化试验方案,也可以减少不必要的试验次数或扩大试验的范围。虚拟试验仿真与知识库之间也有非常紧密的关系。虚拟试验仿真技术的行业和专业特征比较强,不同类型的虚拟试验有很多专有特点,例如:静强度虚拟试验、结构动力虚拟试验、机构功能性验证试验、虚拟热试验、虚拟噪声试验、虚拟烧蚀试验等等,都各自有不同的模型表达、处理过程、展现方式。限于篇幅无法在此展开,今后有机会再专门论述。

除了上述的四项关键技术之外,智慧研发策略中还有不少技术要点和难点。例如,在智慧院所建设中,有关标准体系的建设工作也是非常关键的。鉴于我国试验类数据基础标准的缺乏,中国装备试验信息化专委会与中国标准委员会合作,正在编制中国试验数据服务类标准TODS,预计在2018年正式颁布试行版本,相信会为智慧院所建设提供巨大助力。

总之,智慧研发策略,因为智慧院所建设应运而生,也将伴随智慧院所建设而不断发展,成为智慧院所建所的一条可取之路。

新闻中心