2020-08-21 13:40:58 嘿嘿能源heypower

工业4.0是指未来的工作环境具有完全的数据流动性和透明度，工厂各部件在其中收集有关其操作的数据并相互共享。即使在今天，IBM估计一个典型的工厂每天可产生1TB的数据，但是只有1%的数据被分析过。未来，数据量肯定会激增，而使用人工智能(AI)及其机器学习(ML)技术的更高级分析将在其中起到越来越重要的作用，帮助管理者理解数据。将此概念推向极致，一些工厂甚至会看到自主工厂组件之间的分布式决策，以及它们与来自供应链和分销链的数据的集成。在需要时，现场工作人员将可随时获得准确的信息，并且可以实时优化他们的工作计划。

这些新技术整合的累积影响将对许多行业产生革命性的影响，但对核工业可能不那么重要。虽然核电站长期以来都充斥着不断记录数据的传感器，但监管环境不利于数据本身在共享、处理和使用方面的快速创新。在这一点上，工业4.0对核工业，尤其是在电厂运行中变得非常具有挑战性。对安全性的需求限制了操作数据的传输，并且很难证明对与安全性相关的系统进行任何更改是合理的。世界核安全研究所(WorldInstituteforNuclearSecurity)称，“信息技术和运营技术的融合是不可避免的，随之而来的是重大机遇和风险”，但随着我们进入2020年代，这个问题仍未得到解决和界定。

情报专家

虽然以传感器为主导的数字革命还没有到来，但核工业可以利用已有的丰富的结构化数据信息。RobertPlana是Assystem的首席技术官，他解释了公司采取的一些方法。

通常在AI和ML应用程序中，最好的性能是在使用大量数据训练新应用程序后获得的，这些数据集有时来自多个领域的多个数据源。尽管核工业的安全限制使这种方法不可能实现，但对Plana和Assystem的另一种选择是在独立基础上创建专家系统，在该系统中，所有数据都归客户所有，并在客户的控制之下。在没有大量训练数据的情况下，该公司通常使用客户真实生活数据的80%用于训练，20%用于测试。Plana说，学习系统的潜在性能可能会有所损失，但输入数据的严谨性和专业的知识编码可以弥补这些损失。

为了支持法国即将进行的退役项目，Assystem创建了一个基于数千份纸质文件存档的特定搜索引擎。

第一阶段是对文件进行扫描并使用光学字符识别将其转换为机器可读的形式。然后，将文档内容进行分类，并提供完整的搜索功能。

接下来，该团队建立了一个本体――基于文本中的关键词汇和文本内容的显性关系的主题领域图――这进一步完善的搜索功能。

当然，工厂和法规文件中高度结构化的信息为这一点奠定了良好的基础，但对于Plana来说，最好的出发点有时是表格。

他说:“工程师非常有条理，他们在表格中总结重要的数字。”他解释说，文档通常是分解的，分别处理纯文本、词汇表和表格。分析之后，机器可能会建议从数据表开始，但工程师总是会指导和调整过程。

为了补充退役文件和本体，又增加了20000个问题和答案，对有价值的制度化知识进行了编码。“我把这称为公司的数字遗产，”Plana说。“如果你把专家的知识，最常见的问题，和深度学习技术结合起来，你就能建立一个非常智能的搜索引擎。”通过这种方式，一个相对较小的数据输入――48GB的文档――创建了一个强大的特定主题知识工具，包括一个站点清单数据库。

最后一个阶段是添加自然语言接口。工程师们可以通过一些问题来调查异常情况及其意义，比如“你能识别出A建筑中的放射性材料吗?”或“你能把文件中列出的放射性水平与拆除小组开始在现场作业时测量到的水平进行比较吗?”

Plana表示，该系统“可以在数秒内检索到(人工搜索)需要花费一周时间的信息。”

数字孪生

对设施确切状态的详细了解对于制订退役计划至关重要。只有从一个完整的画面中才能正确地定义团队的规模、所需的工具和过程，以及进度和成本。为了实现这一点，数字孪生必须将工厂的原理图和组件包含到尽可能小的水平，包括描述部件及其维护的所有文档。

目前，许多即将退役的设施只有2D图纸和描述，通常是关于设施的设计和后续改造的更新。然而，同样重要的是要记住，没有任何设施是真正按照设计建造的。在实际将东西拧到墙上时，总会有一些小问题和优化措施。Plana说:“数字孪生创造了在两者之间移动的环境。”

协调所有这些设计信息的第一步是对设备进行三维激光扫描以获得其当前拓扑。然后可以继续进行所谓的“四维建造(Build4D)”：在操作发生时随着时间移动进行空间检查的概念，例如安装大型新组件。除了模拟主要任务的过程外，Build4D还可以管理设施中的协作性――避免发生冲突，因为两个团队需要同时访问同一空间，或者仅需要现场运行一定数量的人员受到安全或保安约束为。如果一个专门的团队不能在某一天完成其工作，就不能保证次日人员或工具的可用性。这些简单的协作冲突可能会使项目迅速脱离计划。

调度可以通过任务完成时获得的知识来进行。例如，如果OEM信息显示需要三天时间来删除某个部件，但实际上完成使用该结果更新模型的整个过程通常需要四天时间。

Plana说:“你拥有的数据越多，你的模型就越能代表现实，你就能更精确地进行项目交付。”

Build4D也被证明有助于法国核电站的停电管理优化工作。