工业大数据环境下的智能服务模块化设计

张 卫 丁金福 纪杨建 夏文俊 兰 虎 章建辉

1.浙江师范大学智能制造技术与装备研究中心，金华，321004 2.浙江大学流体动力与机电系统国家重点实验室，杭州，310027 3.英国剑桥大学工程系制造研究院，剑桥，CB3 0FS 4. 浙江万里扬股份有限公司，金华，321000

0 引言

智能制造从数字化、网络化、智能化的并行推进过程中，制造与服务融合问题成为产业界和学术界近年来关注的热点之一，服务企业、制造企业和终端用户都会从制造服务中获取价值。服务型制造[1-2]、云制造[3-4]、制造物联等制造服务模式以颠覆性技术为依托，成为中国制造重要的战略选择。智能服务是制造服务理论的重要对象，对智能服务的设计主要包括功能和流程两方面的任务，将功能与流程结合，增加了制造服务的复杂性，考虑服务设计的虚实结合性和数据复杂性特点，工业大数据可以较好地满足服务设计需求。工业大数据深刻地影响着制造业[5-7]，它是工业数据的总和，主要包括企业信息化数据、工业物联网数据和外部跨界数据，本质是通过促进数据的自动流动去解决控制和业务问题，减少决策过程所带来的不确定性，并尽量克服人工决策的缺点。模块化方法广泛应用于设计、制造领域[8-9]，在产品服务系统中也有初步的应用[10]。为了解决智能服务设计的复杂性问题，引入模块化方法是较好的选择。本文在应用工业大数据技术的基础上，研究智能服务的设计过程，并以模块化方法提出智能服务的设计策略。

1 智能服务的工业大数据环境分析

智能服务是制造服务智能化的具体应用，制造服务包含服务企业、制造企业、终端用户围绕产品生产和提供服务进行的所有活动，主要表现为生产性服务关系和制造服务化关系。服务企业向制造企业提供的制造服务，以及对整个价值链上制造企业生产过程中的所有活动提供的不同程度的服务，主要是生产性服务[11-12]；制造企业向终端用户提供的制造服务，以及对整个产业链上运作过程中与制造企业相关的价值增值活动提供的服务，主要是制造服务化[13-15]。生产性服务关系和制造服务化关系共同促进制造与服务的融合[16]。

在工业大数据环境下，基于工业大数据管理和工业大数据分析实现制造与服务数据的获取，本文构建的智能服务的工业大数据系统框架见图1，其中，工业大数据的核心部分包括工业大数据分析系统、工业大数据管理系统、智能终端以及应用系统的数据接口。根据一般制造企业的需求，智能服务工业大数据系统的分析原理如下。

图1 智能服务的工业大数据系统框架Fig.1 Intelligent service industry big data system framework

(1)通过物联网中的RFID和传感器等相关技术，将服务企业、制造企业和终端用户的所有智能服务要素(包括静态智能服务要素和动态智能服务要素)进行互联互通，相关智能服务要素通过物联网连接到智能服务数据系统平台。

(2)平台通过工业大数据管理对服务要素的相关数据进行智能服务数据采集，或对相关智能服务参数进行写入的活动。将多源的大数据统一为HDFS系统文件，并存储在NoSQL数据库或者NewSQL数据库。同时，对智能服务进行管理并控制相关数据的传递。

(3)建立面向智能服务应用、智能服务技术、智能服务管理的工业数据分析系统，通过Map Reduce及其相关技术对各类智能服务数据进行分析，实现并行处理和数据挖掘。根据需要更新大数据分析算法。

(4)通过智能客户端或者智能移动终端为异地的智能服务相关人员提供多维度的服务信息显示、查询、分析、追踪、追溯和仿真等功能。

(5)通过紧密集成模式的应用接口实现与其他应用系统的集成，如CAPP、PDM、CAM、MES等系统。其中，智能服务的模块化设计系统也在工业大数据环境中运行。

2 工业大数据驱动的智能服务设计

构建智能服务的工业大数据系统之后就可以进行智能服务设计。智能服务设计在设计服务功能、服务流程的同时，还需要考虑服务组合。协同设计提供交互环境而确定服务功能、仿真设计模拟服务过程而确定服务流程，在此基础上，可以采用服务模块化方法来实现服务组合。智能服务往往由多个服务模块组合而成。关于服务模块化已经有了较多的研究，可以引入智能服务设计，形成智能服务的模块化设计方法。服务企业为制造企业提供智能服务，就是根据制造企业的需求来设计智能服务方案，针对智能服务，基于工业大数据的智能服务模块化设计主要包括工业大数据支持、智能服务模块分解、智能服务模块优化。工业大数据驱动的智能服务设计方法见图2。

图2 工业大数据驱动的智能服务设计Fig.2 Industrial data driven intelligent service design

在工业大数据支持层面，从智能服务应用、智能服务技术、智能服务管理三个维度设计工业大数据的分析主题，在每个主题下设置核心目标，形成目标函数以及约束条件，根据不同粒度的需求来采集工业大数据。对采集到的工业大数据进一步存储和清洗，形成制造服务信息，通过数据挖掘得到制造服务知识。不同的工业大数据分析主题分类管理，选择适合的算法来分析，支持智能服务模块的分解。

在智能服务模块分解层面，针对智能服务的功能和流程从技术维度进行模块化，针对智能服务的活动从应用维度进行模块化，针对智能服务的组合从管理维度进行模块化。每个维度都基于相关工业大数据分析的结果来综合处理。将智能服务设计结合智能服务企业来确定初步的智能服务模块，作为智能服务模块优化的基础。

在智能服务模块优化层面，基于分解的结果来进行智能服务的模块化设计。一般智能服务模块含有若干智能服务活动，智能服务模块化设计过程是一个仿真优化过程，依据智能服务分解获得的智能服务活动，通过构建结构矩阵模型进行制造服务活动的组合与优化，确定最佳的智能服务模块。智能服务模块化需要同智能服务功能模块化、智能服务流程模块化等协同设计。

3 工业大数据支持的智能服务模块化设计策略

DONALD STEWARD在1981年引入设计结构矩阵(design structure matrix, DSM)来分析信息流，DSM是一个n阶方阵，用于显示矩阵中的各个元素的交互关系，有利于对复杂项目进行可视化分析[17-19]。基于DSM可建立智能服务模块化设计策略，矩阵中包含组成智能服务的各项功能及各功能间信息交换的方式，从中可以发现某项功能开始时需要哪些信息和某个功能产生的信息将提供给哪些功能。智能服务模块化设计策略的分析过程如下。

3.1 工业大数据支持的智能服务模块分解

工业大数据支持的服务企业提供智能服务给制造企业，大型企业需要较多的配套服务，中小企业需要较多的租赁服务等，服务企业进行服务创新的核心任务就是智能服务设计。在工业大数据支持下，构建智能服务模块，最后将智能服务功能分解，进行智能服务设计。可以从三个维度来实现工业大数据支持的智能服务模块分解，见图3，管理维度模块化是概念设计、技术维度模块化是服务实现、应用维度模块化是领域实施等。

图3 工业大数据支持的智能服务模块分解Fig.3 Decomposition of intelligent service modules supported by industrial big data

在工业大数据支持的智能服务管理维度模块化方面，主要是智能服务企业从管理角度运作制造服务，在工业大数据环境下，为服务模块化创造了基础，将抽象的服务划分为适当的模块来管理。利用模块化思想，将智能服务需求分解成若干服务模块后，分别设计服务模块，再将设计好的服务模块组合为智能服务方案，提供给制造企业。智能服务是由服务模块组成的，智能性体现在服务模块的智能划分、智能设计、智能组合等方面，这些智能性借助人工智能技术和知识工程等手段实现模块化。智能生产方式也体现在服务模块化设计的智能化以及领域知识的应用等方面。

在工业大数据支持的智能服务技术维度模块化方面，依据管理维度的模块划分结果，以技术实现智能服务模块。将智能服务模块从功能和流程两方面模块化，以协同设计方式实现各个功能模块，服务企业和制造企业通过协同技术确定具体的服务功能；以仿真设计方式实现各个流程模块，服务企业依据产品和服务功能确定具体的服务流程。服务功能和服务流程相互映射，服务功能、服务流程同时也与服务模块相互映射，形成技术维度和管理维度的相互映射。技术维度也依赖于知识工程的支持、大数据分析的支持等。

在工业大数据支持的智能服务应用维度模块化方面，将管理维度和技术维度集合起来，支持具体智能服务的应用，应用维度也要基于模块化思想进行设计。工业大数据支持的智能服务设计反映服务创新的水平，一般的功能模块划分为服务或技术的研发模块、服务的设计和开发模块、服务的管理模块、服务的执行和传递模块、其他增值服务支持模块等，每个服务模块又包含若干子模块。工业大数据支持的每个服务模块也基于服务功能和服务流程，进行智能服务设计。智能服务模块分解最终落实到应用维度，为智能服务模块设计和智能服务模块配置奠定基础。

3.2 工业大数据支持的智能服务模块化设计过程

工业大数据支持的智能服务模块化设计可以采用DSM模型来分析，服务企业为制造企业提供智能服务，围绕产品的全生命周期进行服务创新。智能服务包括提供产品或零部件实现服务的有形服务，也包括不以实体形式实现服务的无形服务。通过工业大数据支持获得的智能服务模块分解可以作为模块化设计的初始化，以此来进一步优化智能服务模块，将获得的初始化智能制造服务模块假设为智能服务活动，通过对智能服务活动的集成来优化，基于DSM模型的模块化设计过程如下。

(1)定义智能服务邻接矩阵。用图Gr=(V,E)表示智能服务，其中，智能服务活动集V=v1,v2,…,vn是有限非空集合，vi为智能服务活动；智能服务关系E是有限边集合，E中的每个元素e与V中的智能服务活动vi相对应。如果智能服务活动从v1到vn的次序确定，则n阶方阵A=aijn×n为智能服务Gr的邻接矩阵,即

(1)

i,j=1,2,…,n

(2)定义智能服务可达矩阵。智能服务Gr是有向图。如果智能服务活动从v1到vn的次序确定，则n阶方阵P=[pij]n×n为智能服务Gr的可达矩阵,即

(2)

同时，有

P=A(1)∪A(2)∪…∪A(n)

(3)

式中，A(n)为A的n次幂矩阵。

(3)确定智能服务的DSM采用布尔型，矩阵的运算规则见表1。

表1 智能服务的DSM运算规则

(4)计算P∩PT。PT为智能服务可达矩阵P的转置矩阵，则

(4)

若从智能服务活动vi到vj可达，则有pij=1；若从智能服务活动vj到vi可达，则有pji=1。当且仅当pijpji=1时，智能服务活动vi和vj相互可达。

如果矩阵P∩PT第i行的非零元素在第j1,j2,…,jk列，则智能服务活动vi,vj1,vj2,…,vjk在同一个强连通分支中。也就是说，智能服务Gr强连通分支是vi,vj1,vj2,…,vjk导出的子图。

(5)由P∩PT识别智能服务活动,进而完成智能服务模块化设计。

4 实例分析

以某机床企业智能服务设计为例，通过企业需求分析获得该智能服务的工业大数据获取方案，根据各类核心服务所需要的基础数据，构建适合的企业工业大数据系统，在此基础上进行支持该企业运作的智能服务模块化设计。假设工业大数据系统支持模块化设计阶段相关的数据采集与分析，机床企业智能服务模块化设计过程如下。

4.1 机床企业智能服务模块分解

数控机床服务是一种典型的智能服务，机床企业作为服务企业提供数控服务给制造企业，此类服务具有广阔的市场潜力和应用前景。由于数控机床在智能制造中普遍使用，大型企业需要较多的配套服务，中小企业需要较多的租赁服务等，所以数控机床企业可以作为服务企业进行服务创新，核心任务就是智能服务设计。

在工业大数据分析支持下，构建智能服务模块，最后将智能服务功能分解，进行智能服务设计。大数据分析主要面向管理维度模块化、技术维度模块化、应用维度模块化等。机床企业为制造企业提供数控机床及其相关服务，围绕数控机床的全生命周期进行服务创新。

数控机床相关服务包括有形服务(如数控机床租赁)，也包括无形服务(如金融租赁服务)。依据工业大数据整合相关文献与领域知识，机床企业对数控机床服务进行模块化分析，获得初始化智能服务分解模块，见表2。

4.2 机床企业智能服务模块化设计过程

通过工业大数据提供的机床企业数控机床服务模块信息，将初始化的智能服务模块作为制造服务活动，采用基于DSM的模块化设计进一步分析数控机床服务。对于服务模块有对应的服务活动，这些服务活动之间存在串行关系和并行关系。用有向图表示数控机床服务活动信息传递，见图4。图4中的节点表示数控机床服务活动，有限边表示数控机床服务活动之间的关系，设计结构矩阵Q是邻接矩阵AD。用有向图分析获得数控机床服务活动的设计结构矩阵Qn×n以及可达矩阵P。

表2 机床企业的初始化智能服务分解模块

图4 数控机床服务活动的信息传递有向图Fig.4 Information transmission directed graph of NC machine tool service activities

计算P∩PT，识别出数控机床服务活动集：{JSZX,GLPX},{JCXS,RZZL,JCXD},{WLFW,TSFW,ZJAZ,LJGY,JJWX},{DQWX,BJGY},{YCWH,YCJK},{BJHS,CPHS},{JCZB},{SJFX},{YWJC}。因此，数控机床服务划分为9个服务活动集，见图5。数控机床服务划分为9个对应的模块，每个模块包含若干服务活动。

图5 数控机床服务模块化设计Fig.5 Modular design of CNC machine tool service

5 结语

制造服务设计问题的智能化是解决制造服务实用化的关键问题之一。通过构建工业大数据系统，采取设计结构矩阵方法建立了智能服务模块化设计策略，提高了制造服务设计的效率和速度。通过机床制造企业实例分析，证明模块化设计方法能较好地帮助企业做出科学、系统、智能的服务设计，同时也证明工业大数据系统模型是正确、合理和有效的。智能服务设计的功能设计与流程设计是相互影响的，本文没有具体深入功能与流程的模块化设计，下一步需要分别研究功能模块化的设计策略，以及流程模块化的设计策略等内容，所提方法在制造服务设计中较好地融入了大数据和模块化技术，为制造与服务融合的实现打下了基础。