智能社会与人工智能：大数据调度和智能维护

工程6（2020）835研究智慧社会-文章智能社会与人工智能：大数据调度和智能维护Ruben Forestia，d，J.，Stefano Rossia，Matteo Magnanib，Corrado Guarino Lo Biancoc，Nicola Delmonteca意大利帕尔马大学内科和外科，帕尔马43126b西得乐公司，帕尔马43126，意大利c工程与建筑系，帕尔马大学，帕尔马43124，意大利d毒理学研究中心（CERT），帕尔马大学，帕尔马43126，意大利阿提奇莱因福奥文章历史记录：收到2019年2019年10月25日修订2019年11月7日接受2020年1月29日在线提供保留字：智能维护智能社会人工智能以人为本的管理体系大数据调度全球标准方法协会5.0工业4.0A B S T R A C T人工智能（AI）在智能社会中的实施，其中对人类习惯的分析是强制性的，需要使用智能应用程序、智能基础架构、智能系统和智能网络进行自动数据调度和分析在这种背景下，其特点是培训和操作过程之间的巨大差距，需要一个专门的方法来管理和提取大量的数据和相关的信息挖掘。本工作中提出的方法旨在通过近乎零故障的先进诊断（AD）来缩小这一差距，以实现智能管理，可在社会5.0的任何背景下利用，从而减少所有管理级别的风险因素，并确保质量和可持续性。我们还开发了以人为本的管理系统的创新应用程序，以支持操作流程维护的调度，降低培训成本，提高生产率，并为智能基础设施设计创建人机网络空间。在12家国际公司中获得的结果表明，操作过程可能实现全球标准化，从而设计出能够自我学习和升级的接近零故障的智能系统。我们的新方法为选择新一代智能制造和智能系统提供了指导，以优化©2020 THE COUNTORS.Elsevier LTD代表中国工程院出版，高等教育出版社有限公司。这是一篇CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍虽然社会4.0整合了用于获取和分析数据的网络技术，但没有本体论[1]研究，信息共享和相关知识之间仍然存在本体研究是社会5.0的重要组成部分，其中大量数据与环境和人类生物学分析相结合，随着确保全球可持续性所需过程的复杂性增加而增加。此外，使用大数据的实时决策对于提高公司的竞争优势变得越来越大数据分析可以用来*通讯作者。电子邮件地址：ruben. unipr.it（R. Foresti）。为具有预定流程的预测性创新提供指导[4数字化创新导致客户终身价值降低[7]，这就需要灵活的制造系统，为非“数字原生”（不熟悉数字系统的人）人力资源（HR）提供智能虽然这些问题已经被发现了一段时间[9]，但即使在今天，许多公司还没有准备好使用智能分析工具管理大数据[10，11]，特别是在生产线的信息技术（IT）系统方面，业务分析的应用似乎是显而易见的。从自动化过程中收集信息的主要困难之一在于生产系统的创新，生产系统必须通过整合新的生产机器或采用不同制造商开发的技术来重新配置，以应对市场变化[12]。为https://doi.org/10.1016/j.eng.2019.11.0142095-8099/©2020 THE COMEORS.由爱思唯尔有限公司代表中国工程院和高等教育出版社有限公司出版。这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程杂志主页：www.elsevier.com/locate/eng836河Foresti等人/工程6（2020）835例如，为了减少订单和随后的产品装运之间的时间[13]，大规模定制需要高质量标准的快速生产以及在物理空间和网络空间之间实施智能系统[6，14，15]人力资源习惯的分析是强制性的，以确定用户友好的程序，以确保快速的机器重新配置。在本文中，我们提出了一种管理高度定制产品生命周期的新方法，无需对非数字原生HR进行专门培训[16我们的方法将标准协议应用于不同的维护活动[19]，评估人类网络物理系统（HCPS）的智能基础设施设计我们将我们的方法应用于12家饮料公司的生产线（生产线安装了先进的诊断（AD）系统）。之所以选择这些公司，这项工作中解决的主要问题是：我们如何开发一个智能系统，用于连接网络空间和物理空间，与人力资源培训无关，并且基于定制的调度，以便通过智能基础设施和应用程序自主管理大量数据，从而减少故障和停机时间？我们在这里证明，我们的方法可以减少人力资源培训和提高生产力。2. 背景信息和通信技术在制造业中的应用正在导致高度自动化，高效，灵活和智能的生产系统[20]。这些系统需要有效的维护组织，这可以通过工程方法来实现[21]，使用工程工具和方法设计控制论系统，例如用于数字化，网络化和人工智能的系统。越来越多的公司采用先进的生产系统，以保持其竞争优势，利用计算机集成制造[22]。通过这种先进的方法，可以在低成本自动化生产和高质量标准方面获得优异的结果，可以为智能组织设计经验测试。在这种情况下，可以实施一个完整的过程，该过程基于人力资源经验和统计数据定义过程参数，其中经验案例能够在所实施的人工神经网络中识别节点（与不同过程相关的常见变量），将网络空间感兴趣区域（ROI）定义为扩展到工业4.0的有效选项[14]。考虑到一般过程，需要用于为人力资源开发新培训课程的信息，以应对非正常操作条件（例如，制造过程中的机器故障）更新与恢复干预相关的数据，并通过AI算法进行分析和阐述，以确保系统的持续改进。我们提出的方法基于以下五个假设：(1) 智能社会通过人工智能评估人类需求，(3) 大数据链的分析可以通过可扩展的方法进行，以使其适应不同组织的AD技术流程。(4) 由于人工智能的进步，智能基础设施和应用程序可用于自动化所有管理流程，直至决策和协作机器人设计。(5) 过程可以由智能自学系统自主管理，通过数字应用程序（配备用户界面的软件）实现表1总结了各种社会范式中常用的术语根据不同的范式，一个名词对应不同的实体。以下三个小节解释了与不同社会有关的假设。2.1. 社会4.0在社会4.0中，知识和信息的跨部门共享是困难的，人们通过互联网访问网络空间中的云服务（数据库）来检索和分析数据。工业4.0的目标是基于网络物理系统（CPS），物联网（IoT）和服务互联网的概念和技术在本文中，人机合作反映了广泛的变化，在通信，协调和协作方面具有广泛的影响[25]，特别是在协作机器人的实施方面，这些机器人必须在很短的时间内通过灵活的配置和适应在任何操作过程中做出2.2. 社会5.0在社会5.0中，人工智能积累了从网络空间的物理空间获取的信息，由于使用了HCPS，未来可以对过程数据进行分析。HCPS是新一代的人工智能，它基于本体论[1]，并考虑到每一次此外，这一过程为工业和社会带来了新的数据，同时考虑到环境和人类生物学方面，这在以前是不可能的。社会5.0的目标是平衡经济进步与社会问题解决[26]，这需要科学家模仿生物进化中可以识别的结构和过程工业4.0侧重于采用不同的数字/基于网络的技术来获取和监控数据，而工业5.0则侧重于合成生物学产生的地缘战略转变。我们的想法是让动态表1社会范式的术语及其相关实体术语实体社会4.0社会5.0智慧社会核心流程AI Human最好的自动化操作流程，以人性化的方式考虑问题和刺激调度输出工艺参数计划流程社会化的AI它可以收集和学习人们上下文标准化网络空间物理空间全球系统制造业工业4. 0工业5. 0智能工厂(2)自动化程序应用于特定的计算机-分析大数据和CPS处理数据和hcp预测和自适应数据生产过程必须通过获取经验信息（来自真实案例）来改进自身，以防止人机交互导致的任何错误，确保所提供设施的安全性，并将操作过程与机教育人力援助高级诊断共同工作和零故障环境和生物智能系统和网络智能基础设施和应用智能城市智能工厂和全球需求。CPS：R. Foresti等/工程6（2020）835-846837围绕环境条件设计的城市，使用生物基产品，能源和服务，旨在实现智能城市中人工智能集成的零故障流程其目的是使制造过程完全符合环境和人类需求，并不断升级过程数据、服务和产品以及智能系统和相关基础设施[28]。此外，本文提出的数据调度使得能够基于来自社会4.0的经验和相关物理空间中的验证参数来建立用于决策的人工神经网络。2.3. 智慧社会智慧城市代表了一种基于人力、集体和技术资本开发的城市发展概念模型[29]。智慧城市的概念[30]可以扩展到智慧社会;事实上，社会5.0与人工智能一起，能够使用标准化的流程来评估人类的需求。因此，一个数字化和知识化的社会必须努力实现社会、环境和经济的可持续性[14]。人力和社会资本是智慧城市和智慧社会发展的核心，需要创新方法来实现预测和适应过程。其目的是设计一个具有数字基础设施的知识经济，这些基础设施可以协同工作，并可以实现各种智慧城市子系统之间的动态实时交互。目前，文献中包含了数十种关于智慧城市或智能城市的描述，尽管还没有达成全面一致[32无论如何，可以说智能城市是以人为中心的社会，其中人工智能选择流程，目标是使用配备智能设备（传感器/执行器）的智能工厂获得最佳生活质量条件，可编程逻辑控制器（PLC），流程管理和制造执行系统，企业资源规划软件和HCPS。这个想法是，订单可以在网络中的任何地方进行，制造过程可以远程控制[36]，并基于智能基础设施和本体，使用即插即用技术进行这将允许集成，交换或更换生产设备，而无需专门的人力资源支持系统重新配置。事实上，即插即用技术允许与PLC连接的智能设备的智能重新配置和交互，从而实现与其他设备的智能协作[37]。3. 理论和方法3.1. 智能维护典型的维护方法包括纠正性、预防性、预测性和主动性方法[38]。纠正方法是计划外的，当随机故障发生时进行纠正。计划使用其他三种方法，并对预防性和/或预测性分析的数据进行评价。预防性维护增加了部件的利用率，评估统计研究和设备手册，目的是在故障发生前支持更换程序。预测性维护使用传感器进行组件分析、数据收集和制造过程分析，利用历史趋势逐步减少问题，从而提高生产效率。主动维护是基于对问题及其原因的了解，评估部件与流体或润滑剂之间的所有关系，安排每个可能的问题，并实施持续改进。本文提出的相关知识水平。其目的是通过采用自主系统实施新的人机培训方法来改善主动维护HCPS），并通过零故障分析逐步升级支持设施管理的网络空间。3.2. 拟议的全球标准方法每个制造系统的人类习惯和操作活动可能不同（取决于环境条件、可用资源、网络、基础设施、设备等）;相应地，必须定义每个人机交互中的ROI本文提出的全球标准的社会5.0（GSM 5）的方法（图1）是能够改善自己随着时间的推移，并可以使用预测分析优化操作和维护（O M）过程。GSM 5的目标是开发生产和支持流程[39]，以实现多核循环系统，在所有运营管理级别[40]提供正确的信息，从而确保AI的完整调度[16，41]。专用的智能系统、网络[42]和应用程序[43]为创新教育提供了基础，为了实现情境化的大规模定制[13]，必须对社会5.0[44，45]中典型智能工厂的环境进行分析。用于训练和调度的系统（即，智能维护）通过大数据链构建，流程设计能够在社会5.0中持续改进典型的智能从安装的机器获得的数据（即，来自与人类合作的机器），被人类用于创新教育（即，由人类教育的人类）来预测和计划未来的维护活动。如今，环境问题和人类需求需要越来越多的可持续工艺，这限定了可用资源和制造限制（即，由人类训练的机器机器教育机器），并减少花费和浪费的时间。智能应用程序的数据调度[46]从新的操作过程实施开始，评估了人机之间在相关宏观领域的相互作用：零故障，大数据链，AD和新一代智能制造（NGIM）。结构化的网络空间支持NGIM的大规模定制过程及其在选定环境中与可用生物资源的零故障集成。这些信息与智能系统和网络实时共享，从而实现创新教育以及相关的数据分析和AD。因此，从特定环境中的未来结果开始，以获得从网络空间到物理空间的简单，有效和可扩展的演示程序，所有操作过程都需要完整的大数据分析来设置和开发程序，以减少故障和浪费。空间是无限的三维范围，其中物体和事件具有相对位置和方向。The human–cyber–physical space analyze both HCPS (objectsand events) and the operative processes (position and网络空间和物理空间之间的连接需要硬件（HW）和软件，这些硬件和软件可以通过本体论的HCPS数字化和详细说明人机之间的交互。具有相关数据调度管理过程的自主网络空间的创建使得能够基于社会5.0的参数来模拟NGIM操作过程。838河Foresti等人/工程6（2020）835Fig. 1. GSM 5和人-网-物空间的运营管理方法。棕色盒子：社会5.0中的物理空间：环境资源，智能系统和网络的一致时间定义，创新教育的运营效率的角色，和大规模定制的目标。蓝框：智能维护计划和HCPS信息数据流。黄框：操作管理的网络空间调度的宏观区域自动预测创新基于图2中的示意图，该示意图显示了如何实现这一目标。支持设施管理的操作流程定义：目标、资源、规则和可用硬件（ROI）的时间安排。操作过程需要通过实施经验演示案例进行人为定制从评估操作流程开始，这可以减少问题的数量，并确保效率，高质量和可持续性，必须针对任何特定环境和相关资源（例如，电子商务是可持续的，减少了浪费，但必须有互联网）。因此，有必要自定义功能AD和智能应用程序，用于提供可行性和零故障的反馈，将人类习惯与生产性能数据合并，并根据任务成功的概率识别可用选择减少浪费，提高产量）。此外，流通系统必须能够通过识别必须考虑的行动来自主改进，以便发生预测性创新这是通过使用网络空间的数字结构来实现的，其中大数据输出使AD成为可能，而零故障跟踪使可行性分析成为可能。公司治理产生的反馈对以下方面有用：从经济、环境和社会的角度评价了追求过程质量、全球规模和可持续性的潜力在每一步，目标可能会错过，可能需要修改手术过程，以改善系统和恢复所需的环。实施持续改进的管理层（战略、战术和操作）将分析和存储经验结果，从而可以创建修复机器故障的操作教程此外，需要机器历史以允许人工神经网络（节点）获得越来越准确的故障预测并计划维护，以便尽可能地减少干预和意外/不希望的停机时间（即，理想情况下，将干预减少到接近零）。因此，智能维护系统提出适当的服务，并且产品管理的反馈生成定制的AD算法。这种方法的效率通过近零故障高级诊断（nZ-FAD）流程不断更新，以确保持续改进。我们的目标是获得一个自动的自我恢复过程。因此，我们以建筑信息建模（BIM）过程为例，为智能工厂、社会5.0、工业5.0和智能城市设计一个这使我们能够探索一些经验案例，可以为AI原始数据和调度设计提供效率反馈。图二.操作过程的预测创新图。操作过程：深度学习和思想。质量和全球扩展：适用性和地理定位.长期可持续性：附加值以及收益与成本之间的关系。治理与互操作效率：实际适用性与管理指导。新：存在问题，可能的解决方案（技术，调度阶段和网络空间调度）必须进行测试。持续改进数据流（黄色和红色箭头）：是：新流程改进了最新技术水平;反馈：网络空间调度;否：建议的解决方案不符合指南。R. Foresti等/工程6（2020）835-8468394. 信息数据流：管理和操作过程在这项研究中，为了以智能的方式收集数据，我们决定参考一种通常用于大数据处理和管理的逻辑模型[47]，该模型集成了所有上述技术。数据分析突出了先前经验与模拟方法相结合的结果[48]。该结构旨在关联长期算法，识别有利因素，并评估其对成本，风险和操作过程的影响（图3）。信息物理空间和相关的调度（图。 4）必须通过用户友好的系统进行更新，以确保效率、质量和可持续性[49];信息和通知必须持续可用、保密和完整。目标是实现运营流程的持续自动化创新，这将为采用预测算法[51]的适当供应链管理[50]奠定基础。本案例研究将使人们有可能探索BIM的概念，它涉及到创建一个结构的物理和功能特征的数字表示。BIM涉及在多个维度上生成和管理区域物理和功能特征的数字表示[52]。在这种背景下，工业4.0提供了支持人机交互所需的所有技术，其功能目标是降低成本并增加对自动化过程的控制。在这一点上，以识别用于调度和相关阶段的操作宏区域。功能区的操作员和代理商定制AD，以获得足够的数据量和质量，确保零故障和零浪费。人工智能系统中处理信息学的部分必须通过提供预测和模拟操作过程所需的所有数据。专家定义全球区域指令，从操作流程开始，描述质量，可持续性和可行性，这些指令在任何全球背景下都是可扩展的，用于未来的人工智能培训和数据调度。在那之后，可以将物理空间与网络空间连接起来，以获得数据处理。4.1. 数据集和警报/报警消息优化维护对于提高性能至关重要[53-56] ;在制造系统中，警报和/或报警消息用于连接网络空间和物理空间，显示需要什么来改善AD（图）。 5）。在模拟了大量的真实环境（ACT）之后，AD系统记录协议编号、故障类型及其持续时间（ACT），提醒系统进行材料恢复和操作管理。这些智能系统在测试不同类型的智能应用程序（DO）时非常有用，主管可以实时控制和评估HR，以实现持续改进和零故障流程（ESTA）。因此，我们将建议的系统称为nZ-FAD，从“故障和修复”实践转变为“预测和预防”方法。主动维护方法使得可以在任何直接或间接故障发生之前检测到它们（即，预测）。当识别出故障趋势时，需要进行一项分析，关注人力资源习惯，并关注人与机器之间的互动，以提高安全性和舒适性（即，人机工程学）导致提出专用于快速恢复自动化制造系统的正常活动的文档和设备以减少或避免强制停机时间（即，预防）。在这种情况下，以下四种类型的机器警报列表被分类用于关键性控制分析（CCA）：警告、检查员、操作员和监督员警报。对于零故障过程，系统根据关键问题识别报警，并发出通知或图片（左侧或找到的组件），以告知HR机器的状况。一旦识别出故障涉及的部件，就可以将致动器降级到正常水平，发出故障警报的传感器也可以降级图三. 功能过程管理及其操作流程图。840河Foresti等人/工程6（2020）835图四、网络物理空间中的操作宏观领域橙色：BIM;绿色：工业4.0技术;黑色：调度阶段;黄色：网络空间调度。图五.持续改进（黄框和红色箭头）零故障操作流程的数据调度设计（蓝框）和横截面分析（棕色框）。移动应用程序的零故障数据管理。ACT：数字图书馆和设备的问题和停机事件的显示和分析云计算：基于云的结构，用于产品/服务的长期管理和实时数字协助。DO：具有数字辅助和操作流程验证的自动化生产线紫色子弹：微功能区。绿色子弹：智能维护操作流程。4.2. 流程数据流：功能化和定制图中的示意图。 6示出了应用于所提出的方法的IT系统的架构。信息系统基于Windows应用程序，该应用程序存储和处理来自生产线的数据，并通过连接到PLC的传感器进行监控当发生警报时，应用程序通过人机界面（HMI）加密通知（.txt格式）从机器的PLC收集信息，并将其提供给用户。通知传递的信息通过一个名为硬件组件识别协议（H-CIP）的功能协议汇总HMI上可用的数据存储在专用云[58]中，该云共享信息（例如，HW节点配置、节点或组件以及模块）与IT系统（例如，移动维护、管理软件等的应用运营中心确定目标和资源，旨在根据长期数据分析开发nZ-FAD先进的产品/服务控制。所选择的参数将基于离域自动机器的任务和典型使用来确定NGIM性能以及相关的角色和为了满足O M优化的要求，使用MIT App Inventor 2 SW开发了两个ad hocAndroid应用程序（管理程序应用程序（SVA）和维护程序应用程序（MNA））;这允许快速可靠地开发人机界面应用程序，而无需支付HW上的安装和/或分发服务（例如，智能手机和平板电脑）。数据库收集所有组件和来自非本地机器和管理层的相关关键性分析数据，与支持系统进行双边合作，以定义软件设计中有用的操作程序因此，所有类型的问题和程序进行了分析，目的是执行功能的人力资源指令。工业5.0环境允许更轻松、更有效地定制专用于数据收集、管理和辅助决策工具的数字系统。一旦主管的Android应用程序（名为SVA）收到R. Foresti等/工程6（2020）835-846841见图6。使用HCPS优化生产运行管理的系统架构。绿框：全球目标识别;蓝框：信息学改进活动的可用资源;棕框：角色;黄框：时间和网络空间调度的改进阶段报警时，它要求拍摄发生故障的机器或部件的照片，并记录描述机器和环境的状态的注释（例如，工作场所的安全危害），提供了一个基于其预览经验的观点。应用程序将处理主管在此阶段获取的信息，以评估如何按照称为单点教训（OPL）的说明修理机器。OPL将操作员通过相关识别协议详细描述的组件信息与检查员警报执行的分析合并，以尝试降低在传感器和执行器之间实施持续改进时涉及的故障风险。当发生故障时，AD算法在MNA上显示警报，并通过OPL逐步支持维护活动，以减少外包支持。此外，AD考虑到必要的技能（即，机械、电气、电子、软件等）为了利用基于可用性和一些重要参数（例如，维修时间和质量保证）。AD还考虑人类经验并运行人工神经例程（基于真实案例的历史数据的趋势分析以获得任务成功概率）来选择维护者（即，从公司现有的技术人员名单中挑选最合适的专业技术人员），并将修理工作分配给他们。一名主管管理恢复活动，系统支持在这些阶段协助他当主管结束此描述和选择步骤时，将带有照片和注释的请求发送给选定的维护人员，该维护人员在使用MNA Android应用程序访问存储在云中的警报的同时进行维护一旦获得正确数量的验证操作过程，协作机器人就可以逐步改进自动化维护活动。5. 大数据价值链（Big Data Value Chain）为了实现nZ-FAD以实现自动化O M，在众所周知的大数据价值链分析之后进行了初步分析[59]。5.1. 数据采集柔性化、模块化系统的实现要求数据调度标准化。我们的目标是提供一个与感兴趣的机器消息相关的数据结构（库），为了更好地解释数据收集，必须定义该数据结构。用于下一个用途。与生产线组件相关的HMI记录和显示针对两个宏观区域开发：H-CIP和CCA。通过分析每个硬件和软件设备，将相关功能代码数字化（参见H-CIP）基于维护中解决的典型问题： H-CIP显示在生产线上，回答：“问题在哪里？”“为什么会这样”考虑与硬件相关的因素及其相关风险，以及以及关于该装置的功能使用及其替换的所有附加信息为了提供必要的数字支持，根据以往的经验和CCA，熟练的HR进行快速组件更换教程。CCA通过提供有关“怎么办？”的必要信息并通过识别三个子记录：装置描述“使用哪些装置和工具？”，“什么时候做”的优先级，以及为了更好地维修、改进和最终回收部件而必须进行的操作活动在这种情况下，分析集中在人工神经网络的适当布局记录上，从而产生了一个数据分析模型，其中唯一的身份证件（ID）与关联到相关操作过程的每个微功能区域相关（表2）。因此，我们实现了一个调度的基础上，一些基本的，自古以来，这些问题对于任何类型的假设和论证的发展都非常重要，因此对于解决问题的各个阶段（发现，形成和解决）都非常重要。事实上，人脑可以被认为是一个处理器，一旦收到刺激（警报/警报），就会发现“发生了什么？”，可能的原因“为什么会发生"，相关语境“问题在哪里”最后给出了解决方案。同样的方法（识别问题、其原因和位置，以及可以实施解决方案的人员）用于智能维护操作过程，以提供基本的操作说明"如何做好“为了恢复正常活动，考虑到受试者的类型及其功能，“使用哪些设备和工具？”以及“什么时候做”这个问题的重要性5.2. 数据分析目的是使获得的原始数据适合用于决策或其他特定用途（例如，文学842河Foresti等人/工程6（2020）835表2近零故障过程的过程区域划分的问题出在哪里为什么会这样？谁能恢复它？该怎么办呢？使用哪些设备和工具？什么时候做？如何做好？这一过程是通过一个专门的宏逐步结构化的，从目标的定义和可用资源的评估开始，直到确定关键角色和正确的时间安排。通过这种方式，将有可能启动模拟和测试阶段（分别为阶段1和阶段2），名称和业务微型功能区操作过程规划业务流程的自动化（第3阶段）。H-CIP和信息(What发生了什么事？）问题出在哪里？感兴趣区域活动和进程5.3. 数据管理、存储和使用除了选择、分类和验证等其他操作外为何发生了什么风险材料dation[61]. 所有这些操作都确保数据是可信的-你的，可扩展的，可访问的，可重复使用的，适合于共同国家评估和维护(What做什么？）谁能恢复它？使用哪些设备和工具？什么时候做？如何做好？生产数据ID关键程度;影响区域;疾病验证活动操作程序;零故障活动;处置过程技术模式和存储区域标识H-CIP;功能描述;从1到10高、中、低;质量、安全和业务;系统现象;风险和警报OPL维护;分析和算法;最终恢复目的.然而，在不同的工业水平上获取所有数据通常仍然依赖于环境[62]。这里采用的解决方案是现成可用的，涉及一个公共云计算平台，可确保互操作性，可扩展性和灵活性[63]。之所以做出这种选择，是因为共享公共云可以降低成本，即使需要昂贵的冗余存储系统来确保也为灾难恢复设计的可靠服务（即，能够避免人为和自然的灾难性故障导致系统的昂贵中断的服务）。本研究旨在为未来的实施奠定基础，该实施可以在没有外部HR干预的情况下管理所有类型的警报[64]，从而减少停机时间。近年来，云计算和存储技术得到了越来越多的发展[10]。根据美国国家标准与技术研究所的定义，云计算系统包含五个基本特征：按需自助服务，广泛访问网络，资源池，快速弹性和测量服务。该网络的服务提供商可以存储大量数据，并且可以执行计算效率，参考资料、定性影响、症状的现象学分析、风险预防、推荐的翻修活动、操作影响和优先处理过程）。每个错误字符串都与一个唯一的ID相匹配，并创建一个专用文件，其中包含解决导致警报的故障所需的说明其主要目标是在操作员层面提供一种方法，在不需要专门人力资源的情况下重新启动故障中的每台不活动机器。这将减少工厂停机时间、未售出产品的费用以及人类活动的费用（其持续时间可变，难以确定）。出于这些原因，为每个问题创建了一个指南换句话说，数据分析导致针对每种故障写入OPL，使得在机器上工作的操作员可以在故障发生时有效地使用它为了在特定环境中使该方法功能化，考虑到人们具有不同类型的习惯[60]，高互操作效率调度是必需的。数据分析实施的示例如表3所示。使用数据[65]。当独立系统与云技术相结合时，即使计算资源有限，存储容量较小，性能和能力也会显著扩展，从而创建一个为多个用户提供共享服务的网络。通过云容量、物联网、中间件和大数据的组合来控制产品质量和设备的第一步是定义连接到网络的机器的数据存储技术。在这项工作中，我们利用外部云存储，它可以与工业测试案例中的机器和/或不同的IT组件（即，HMI、个人计算机、平板电脑、本地硬盘等）。每当发生故障时，PLC都会向HMI发送警报消息，HMI会向专用云发送文本文件，以丰富历史数据库。AD将传感器记录或计算的所有数据记录在本地硬盘中，并具有称为“报警历史管理”的专用功能，并将报警保存在云端，以确保数据保护。警报也可以通过电子邮件发送给所有参与维护活动的操作员。表3高互操作性效率的数据分析图和相关阶段。过程宏观操作过程1期2期3期目标功能分割全面质量细分和结构化预防消费自动报告资源业务费用和个性化运作中的供应系统和最后确定统计发生率关键性适应现实角色统计定制和最佳时间分配及其验证定制旋转定量调度情况持续性定时尺寸可行性研究系统的实际案例和结构验证实际可用要求验证互操作资源满意效率R. Foresti等/工程6（2020）835-846843最终数据库由工业机器用于优化管理。所收集的数据也可以被组织用于业务活动和/或通过通常由数据分析开发的测量模型来提高其行动的有效性[11，67]。通过智能的自动化决策过程，公司AD的实现将操作员报警与采用OPL格式和近零故障模型的故障排除操作员报警相结合。它可用于工业环境，恢复监督程序，并改善发送给相关HR的图像和文本。我们已经为Android设备开发了用于维护跟踪和监控的移动应用程序（MAM-TAM），该应用程序可以通过验证和显示链接到报警代码的OPL的文本文件、图像和PDF文档直接访问云，并且可以用于从外部和本地存储器检索数据。一个类似的应用程序的Windows加固型平板电脑已实施的工业应用。通过MAM-TAM，系统被实时监控。通过这种方式，每个专门的HR都可以进行监督，并可以提醒其他操作员存在不同的风险状况。在不改变自动化生产过程的管理机制的情况下，收集所有级别的实时信息的能力使得可以保持安全级别不变[10]，而不需要使用HMI存储器。6. 结果在过去的四年里，这里提出的方法已被应用于12家公司。已对所获得的改进进行了评估，重点是减少停机时间、培训活动、故障和外包支持，以及提高产量。如前所述，我们选择了12家饮料公司的生产线，因为瓶子格式的变化不需要困难的软件定制。因此，这种选择减少了可变性，使我们能够专注于人类活动分析。此外，他们代表世界各地的不同地点，有不同的营业额（其中三家是全球十大食品和饮料公司之一我们在所有企业中应用专用OPL进行智能协助，同时考虑到人类和机器执行的错误操作。表4显示了nZ-FAD采用期间（12至38个月）获得的结果。智能助手，其中包括写得很好的OPL，减少了停机时间（23 ±6）%，没有时间相关性，与实施前相同的月数相比，故障率降低了（9 ± 3）%，R2= 0.163。我们还注意到，与购买机器前后相同的时间间隔相比，内部人员的培训成本降低了（36 ± 16）%。失败和培训成本的降低与协议应用的时间无关（R2= 0.552和R2= 0.071，分别）。为了确定数字辅助系统是否正常工作实际上，测定值与nZ-FAD应用时间无关（R2=0.400），尽管有（35 ± 13）%的降低这一发现表明，故障和停机时间 的 减 少生 产 率 增 加 了 （ 19 ± 3 ） % ， 但 无 历 史 相关 性 （ R2=0.144），而停机事件数减少了3504 ± 1250起，并与nZ-FAD应用时间呈线性相关（R2= 0.927）。通常情况下，仔细的规划会导致月份与干预次数之间的正线性关系持续改进系统必须与逐步减少各种严重程度的维护工作在12-38个月的时间内，停机事件数量与nZ-FAD应用时间之间的关系是对数曲线，6年后倾向于每月100次干预的潜在平均值（图1）。 7）。总之，所提出的智能系统支持人类活动;减少停机时间、故障和培训成本;并提高生产力。智能维护减少了售后协助的数量，并通过数字平台的持续改进，使外包维护活动趋于零价值，这得益于网络空间与物理空间之间的全球管理方法，大数据分析和智能应用程序设计。7. 讨论采用上述方法产生了一个自学过程，在这个过程中，不再需要培训人员;相反，在需要时遵循OPL就足够了。事实上，实验结果表明，故障、停机事件和相关成本的减少与专门的人力资源培训无关，而是来自调度和机器学习。这种方法受到社会5.0愿景的启发，将物理空间与网络空间联系起来[69]。在社会5.0中，表4nZ-FAD的应用时间，并在12个不同的全球公司获得的结果，重点是减少停机时间，故障，培训成本和外包服务，增加生产，以及应用实施方法后停机事件的数量公司国家nZ-FAD应用时间（月）减少停机时间减少故障减少培训费用减少外包服务增产停机次数#1美国12百分之二十三百分之十三百分之五十百分之五十百分之十八1770#2法国12百分之三十二百分之十二百分之四十五百分之五十百分之二十1450#3秘鲁16百分之二十五百分之十百分之三十百分之三十百分之十五1900#4美国19百分之二十百分之十百分之四十百分之六十百分之十五2900#5南非25百分之二十一百分之九百分之二十百分之二十百分之二十二3400#6法国26百分之二十三百分之八百分之十五百分之二十五百分之二十3950#7柬埔寨28百分之三十百分之十百分之三十百分之三十百分之二十五3950#8比利时30百分之十六百分之五百分之六十百分之四十百分之二十4300#9比利时30百分之十三百分之五百分之六十百分之四十百分之十九4500#10泰国31百分之三十百分之十百分之四十百分之三十百分之十八4930#11意大利32百分之十七百分之十百分之二十百分之二十八百分之二十二3800#12法国38百分之二十百分之五百分之十八百分之二十百分之十九5200平均25百分之二十三百分之九百分之三十六百分之三十五百分之十九3504844河Foresti等人/工程6（2020）835见图7。 12-38个月期间的停机事件趋势环境定义了使用智能系统实现最大效率的全局ROI[70]，并使用创新方法来管理大规模定制[71]。该系统将先进的计算技术应用于广泛的数据收集的统计分析，从而能够降低定制和恢复活动的标准差。所提出的方法解决了现代维护系统从“预测和预防”实践到“分析根本原因并积极主动”方法的范式转变为了在智能社会中发展拟议的持续改进系统，有必要：为以人为中心的社会定义实施一个用于自我学习的互操作结构;使工业4.0结构功能化;设计具有智能系统的网络，以实现持续改进的目标设计物理空间和网络空间管理的操作和硬件结构;为定制流程和未来AI的实施建立功能计划在这个框架中，自动数据收集是强制性的，以便使用所有可用的工具来定义大数据链，并确定过程中所需的人力资源。使用高效的个性化设备，可以通过nZ-FAD系统随着时间的推移自我改进，所提出的方法可以被认为是任何类型的组织的通用管理方法GSM 5方法自动化了部分决策过程，提高了互操作效率，提供了过程的功能分析，这导致了定制AD软件工具的开发。这些过程是相互联系的，从而形成了一个在各个层面自动持续改进的循环，同时始终保持人类的核心地位。因此，运营商完成他们的活动并执行他们的功能，而不一定是使用OPL）。这样，智能工厂和智能组织的发展才能更加可持续。一旦所有的过程都被探索过（包括生物和绿色部门的过程，例如与环境影响和毒理学有关的过程），就有可能将活动转移到人工智能。所有这些描述的步骤使工业的实施5.0可能。8. 未来的方向和局限性通过实施所提出的方法，可以减少工业技术升级的培训时间和成本4.0以提高生产力为目标。为了在全球范围内实现标准化操作流程的持续改进，我们从数据收集开始，允许定义和重组软件结构;接下来，我们定制操作流程，同时降低风险并提高吞吐量。我们测试了所提出的遏制风险方法，以确定数字时代每一次变化的维护方法中的适当问题，为AI的实施设计调度。出于所有这些原因，我们假设，通过训练神经网络来考虑人类的习惯（性格），可以最大限度地提高智能系统的性能，并保持高标准的质量，可持续性和互操作性。一旦从真实案例中获得了令人满意的数据量，就有可能用“特征化的人工智能”来实现自动决策，就像一个成长中的孩子一样，利用其感官与系统进行交互，即使在行动能力降低的情况下。根据传感器的不同，需要许多硬件植入来确认所产生的趋势（至少需要70个月，见图7），以确定维护活动的实际数量及其与实施的预测分析的接近程度。9. 结论这项工作对于诊断系统的更新非常重要，通过研究和安排人与技术之间的互动在这个框架内，通过一个灵活的、可定制的、易于扩展的管理系统，在生产者和机器程序员之间建立直接的关系是非常有意义的GSM 5可以被认为是智能维护活动和智能应用设计的自动化管理的通用方法专用软件结构将故障减少到接近零，与维护和管理团队互动以持续质量改进，并管理自动化生产线的警报，而无需对人力资源进行特定培训。通过用户友好的界面，可以持续访问运营活动，并且可以自定义监控活动反馈的数字数据收集结果被用作集成维护计划管理的输入，以减少备件