钢管制造执行系统中人工免疫本体的设计与应用

王昆鹏

（1.中石化石油机械股份有限公司研究院， 湖北 武汉 430205；2.中国石化石油机械装备重点实验室， 湖北 武汉 430205）

引言

制造系统中存在的扰动和风险致使系统性能水平失衡。一些研究人员提出应对这些扰动和风险的方法，但他们更关注于解释扰动和风险的起因，而很少确定扰动或风险对系统期望性能的不利影响。这些方法通常在离线状态下起作用，因此无法被用于分析实时变化的制造系统数据。此外，这些研究人员也没有设计用这些方法监控扰动和风险的计算机工具。最近几年，研究人员受生物免疫机理启发设计了一些用于制造系统故障检测、诊断和恢复的人工免疫系统，以应对制造系统扰动和风险。与该系统相关的方法包括阳性选择算法[1]、阴性选择算法[2]、基于双信号的方法[3]和基于免疫网络的方法[4]。在实现异常检测、故障抽取、反应和记忆的过程中，这些方法主要将注意力集中于扰动的预测和检测，但这些研究工作并没有关注人工免疫本体的详细设计以及如何在制造执行系统（Manufacturing Execution Systems，以下简称MES）中应用这些本体实现制造系统应对扰动和风险的功能。

1 生物免疫相关概念和原理

在生物世界中，病原体（pathogen）可让人或动植物感染疾病。抗原（antigen）是存在于病原体表面的有毒微粒，描述了病原体的具体特征。为了保卫病原体的宿主，生物免疫系统凭借抗原呈递细胞（APC细胞）、B细胞等多种免疫细胞斗争和清除抗原和病原体。APC细胞的一些表面受体可区分自体（属于生物体的特征）和异体（例如病原体表面的抗原）。APC细胞在发现抗原后会通过激活专业的免疫细胞发起和引导免疫应答。根据危险理论（如图1所示），病原体表面的抗原可能入侵生物体细胞。受伤的生物体细胞放出危险信号，并在受伤的细胞周围建立一个危险区域，使大量流动的免疫细胞被刺激和征集到感染的位置。在随后的免疫应答中，被危险信号的B细胞增殖和释放其表面的抗体，以消灭抗原和病原体。该理论启发研究人员设计和研发了关于机器和过程异常的检测算法。

图1 危险理论图解

2 针对研究案例的故障树分析

本文的研究案例是一个钢管制造企业。研究人员已对钢管制造过程中的各道工序开展了故障树分析，并将焊接工序识别为一个瓶颈工序。该工序可能产生很多扰动。接下来将举例描述这些扰动及其引起的风险。

以焊机为例，焊接工序需要设置焊机的一些参数值，例如焊接速度值、焊接电流值、焊接电压值等等。如果焊机的工艺参数值偏离了工艺要求规定值或值域，那么焊机的零部件可能出现故障。本文对焊机进行了故障树分析（Fault Tree Analysis，以下简写为FTA）。下页图2显示了FTA的部分结果。如下页图2所示，焊接工序故障的原因可能是焊接参数设置值不符合工艺要求，也可能是焊接速度值不符合工艺要求。焊接速度值过大和过小均表现为焊接速度测量值不在工艺要求值域内。

图2 焊机故障树分析

除工序外，制造系统中也会出现与物料、订单、资源等物理或逻辑实体相关的扰动。研究人员已进行了关于这些物理或逻辑实体的故障树分析，本节不做赘述。

3 人工免疫本体的设计

对制造系统中物理或逻辑实体的故障树分析结果是设计人工免疫本体时必须利用的重要知识。本节结合案例企业的故障树分析结果，描述了用本体设计工具Protégé设计人工免疫本体的过程。

3.1 自体类

自体类相当于制造系统的正常（可容忍的、可接受的）运行状态。自体类可分解为描述时间、数量、质量、成本和性能规格相关知识的子类（如图3所示）。自体类子类能连接现有的企业信息系统和软件，例如设计工具、制造和过程规划工具等等。

3.2 抗原类

抗原类相当于扰动的特征值，例如对工艺要求的过度偏离或者错误的参数值。设计抗原类是为了获取扰动症状知识。为了动态检测对工艺要求的偏离，本文用语义网规则语言（Semantic Web Rule Language，以下简写为SWRL）编写了一些规则。这些规则允许我们将被监视参数的采集值（例如MES提供的采集值）与自体类中存储的工艺要求值作比较。图4列举了焊接速度测量值偏离工艺要求值域的两项推理出抗原类实例的规则。与抗原类相关的这些规则允许用FTA图推理出异常可能已经发生。

3.3 病原体类

病原体类代表扰动。病原体类子类说明了与制造系统物理或逻辑实体（例如物料、操作、订单和资源相关的可能扰动的种类（参见3.5节）。

为了根据已检测到的偏离确定扰动类型，我们依赖病原体类相关的本体约束条件。约束条件允许根据实例属性自动分类实例。图5列举了关于PMachine类的约束条件。这些约束条件规定，对“意外发生的未知情况可被视为PMachine类扰动”而言，任何已检测到的关于焊接速度、电流或电压的偏离都是其必要和充分条件。

图3 自体类家谱

图4 推理出抗原类实例的规则

图5 推理出抗原类实例意味着推理出相应的病原体类实例

3.4 危险信号类

危险理论提供推理以建立制造系统中扰动传播的模型。一个危险信号相当于对扰动影响的评估。设计危险信号类是为了获取关于制造系统物理和逻辑实体上可能发生风险的知识。

3.5 细胞类

细胞类相当于下面两种实体。

1）制造系统物理实体，例如原料、零件、产品和资源（资源例如机器、工具等）

2）制造系统逻辑实体，例如订单（例如供应、工作和交通），路线、物料清单等等。

图6显示了细胞类家谱。

图6 细胞类家谱

图7展示了一个细胞类实例（Welding_01）。该实例表示一项焊接工序。该工序的特征是已创建的速度、电压和电流自体类实例。DqualityWeldDefect_01表示焊机故障对焊缝质量的影响。

图7 细胞类实例

3.2.7 B细胞类

B细胞与监控工具和算法（例如计划、调度和排序）有关。这些监控工具和算法能被用于制订应对决策（即抗体类）以应对扰动或其直接和潜在风险。设计B细胞类是为了列举和分类能控制每种扰动或风险的决策。图6展示了B细胞类家谱。

3.3 人工免疫本体在MES中的应用

上述人工免疫本体已在3.1节中所述钢管制造企业实施的MES中得到应用。研究人员在MES中植入了一些具有通用特征的agent，以支持在线应对未被预测和不可被预测的事件。agent可利用本体中存储的具有数据、规则和约束条件形式的知识。本体使agent能用推理机推理出新的事实。本文用Pellet2作为推理机。该推理机具有复杂的数据类型推理能力以及对SWRL规则的支持。图8举例说明了多个agent如何利用本体协作完成制造系统扰动和风险监控。

B agent运用推理机以及关于每个B细胞类实例的约束条件推理出一组应对决策。决策人审阅这些被建议的决策，选择合适的决策并在连贯的应对策略中协调这些决策。图8的第4部分对此作了说明。应对决策的建议也直接显示在MES的终端界面上。图9展示了预焊岗位的MES终端（一台平板电脑）的界面。图中红字即MES通过应用人工免疫本体提出的应对决策建议，供岗位工人或生产管理人员考虑。

图8 利用人工免疫本体推理出应对决策实例的过程

图9 预焊岗位的MES终端界面（数据保密处理）

4 结语

本文提出了一种基于知识监控制造系统中扰动和风险的方法，描述了一个人工免疫本体的设计过程，赋予MES利用本体和多agent系统监控扰动和风险的功能，结合一个钢管制造企业的案例展示了MES如何利用本体检测扰动、识别风险以及提出应对决策的建议。