Уз напредак сензорске технологије и уз напредак напредних рачунарских метода и технологија, рађање производних машина (или генерално машина) са имунитетом, које ће се можда саме поправљати (лечити) и вакцинисати, сасвим је могуће у будућности.
Аутор: проф. др Драган Ђурђановић, Машински факултет Униврзитета у Тексасу
Савремена пракса у напредним индустријама препуна је примера где инжењери и техничари морају да воде битку са кваровима и операционим проблемима које никада пре нису видели. На пример, везе у комуникационим мрежама у аутомобилској идустрији често пате од спорадичних прекида због мноштва фактора, као што су покретне машине и компоненте (роботи), абразивна околина (уља, расхладне течности), па и људске грешке (инсталирање мрежа зависи од људи и довољно је да се конектор не причврсти довољно, и проблем лоше везе ће се појавити).
Такви проблеми (кварови на мрежи) су инхерентно јединствени сваки пут, јер је свака мрежа јединствена по конфигурацији и начину на који се користи, а и озбиљност (релативна фреквенца) спорадичних прекида комуникације је увек јединствена. Стога не постоји “претходно искуство” на основу кога би се могао направити модел таквог квара и на основу кога би се такви проблем препознавали и спречавали.
Овај проблем је огроман и аутор је имао искуства са аутомобилском фабриком у којој сваки минут празног хода на траци кошта више од 25000УСД, па је један такав релативно баналан проблем (спорадична лоша веза на мрежи) довео до четири и по сата дугог застоја у производњи. Инжењери су морали да појединачно проверавају чворове на мрежи, док нису нашли проблематични чвор јер су протоколи комуникације такви да чвор који је извор проблема може да буде последњи чвор који детектује да нешто није у реду и да тако буде последњи активан чвор на мрежи [1].
ФЕНОМЕН “КУЛОНОВИХ КРИСТАЛА”
Све већа и израженија софистицираност производних система данас чини да последице кварова превазилазе чак и горе наведен пример. На пример, у [2] можемо видети податке добијене са алата за плазма-депозицију танких дијалектричких филмова, што је један од критичних процеса у производњи микро-електронских кола. У питању је процес у коме је неопходно одржати варијације у дебљини филма испод ангстрема, и то преко целе повшине силиконске “галете” (silicon wafer) пречника 300мм на којој се штампају полупроводничка кола.
Машина у којој се тај процес одвија је таквог нивоа софистицираности да кад један мали делић те машине не одради своју функцију савршено, сви системи у машини реагују на то и изгледа као да је све у машини поремећено. Уз то, ти поремећаји су тако мали да је јако тешко чак и детектовати тако нешто, пре него што производ изађе из машине, па се и на мерењима установи да кола у ствари не раде. (У том тренутку галета, која би требала да донесе произвођачу профит који често превазилази неколико десетина хиљада долара, постаје обичан фризби и све време и хемикалије које су уложене у процес постају ништа друго до трошак уложен да се тај “фризби” лепо пресијава на светлу). И док рад [2] елегантно решава проблем детектовања квара да би се производња одмах зауставила и предупредило прављење великог броја скупих фризбија уместо софистицираних чипова, проналажење разлога зашто је дошло до проблема и поправака кварова је и даље неегзактна “уметност”.
Тако, баш у том раду, последња аномалија, коју су аутори успешно детектовали коришћењем скривених Маркових модела, довела је до вишедневног застоја на машини, јер инжењери који одржавају ту машину нису могли да пронађу извор проблема (сваки дан застоја је односио милионе. Реактивна комора машине (критични подсистем у коме се одвија процес депозиције, који су инжењери и техничари одмах осумњичили, јер је она најчешћи извор детектоване контаминације честицама) више пута је отварана, чишћена и затварана, али су се честице изнова и изнова појављивале чим би процес био реактивиран. На крају је телефонски разговор са доктором квантне физике (зовимо га Ђорђе – иако му то није било име) и опис “чудних формација у комори” решио проблем. Наиме, Ђорђе је свима ставио до знања да “цели свет зна да су то Кулонови кристали” (Coulomb crystals).
Наравно, нико осим Ђорђа никада пре тога није чуо за тај феномен. Зато није чудно да је прво била потребна мала лекција из квантне физике (препуштамо читаоцу да изгугла шта је то), после чега су инжењери пронашли проблем у систему доставе материјала за танки филм, што је конзистентно са појавом Кулонових кристала и потврдило је дијагнозу доктора квантне физике (дакле, квар није био у комори, где су га данима тражили).
Овакве ситуације, где инжењери и оператери морају да реше проблем који никада пре нису видели и за који нема преседана у пракси (или само ретки појединац зна шта је проблем), све су чешћи и причињавају све више штете. Традиционалне методе дијагностике и одржавања не могу да реше такве ситуације, јер базирају детектовање и решавање кварова на креирању модела сваког квара и затим препознавању ситуација које одговарају том моделу (модел може бити статистички, динамички, а у скорије време, све чешће видимо моделе базиране на неуралним мрежама или експертним системима). Међутим, како направити модел ако се тај квар никада раније није десио (а једном кад се деси, вероватно се на исти начин више никада неће манифестовати)?
ИМУНИ СИСТЕМ КАО МОДЕЛ ЗА „ДЕТЕКТОРЕ АНОМАЛИЈА“
Одговор можда треба тражити ван машина. Можда га треба потражити у људском телу и решити га онако како наш људски имуни систем решава проблем вируса (антигена) које никада пре тога није видео. Такав један концепт се истражује у истраживачкој групи аутора овог текста [3] и успешно је тестиран у симулацијама неколико подсистема аутомобилских мотора [4,5]. Идеја је да у машини имамо флоту детектора аномалија који ће скенирати подсистеме у машини и тражити оне делове машине који не функционишу како треба.
Ти детектори у форми “лутајућих софтверскх агената” (програма који могу да се вежу за разне улазе и излазе) имају само моделе “нормалне операције” система за које се везују и могу детектовати кад ти “нормални модели” више нису валидни. Кад се детектује квар у неком подистему, тај софтверски агент, назовимо га “детектором аномалија”, остаје везан за тај подсистем и почиње да се грана и дели у више детектора аномалија који се везују за мање подподсистеме подсистема у коме је откривена аномалија.
Гранање се наставља док се детектори не прошире кроз читав подсистем који више не ради како треба, с тим што се детектори који не детектују никакав проблем више не деле, док се они који детектују аномалију даље деле све док такве поделе више нису могуће – дакле док не дођу до нивоа најмање компоненте у којој више не можемо да дефинишемо ситније подсистеме. Таква компонента може бити отпорник, вентил, сензор или нека друга јединица која се може заменити/оправити много ефикасније него велики подсистем, као што је мотор, или реактивна комора. Сви ти детектори имају само моделе нормалне операције Система и не требају им модели који одговарају аномалном (поквареном) стању, што је неопходно код традиционалних диагностицких метода и Система.
Читав процес описан у претходном пасусу личи на процес како наше тело реагује кад је нападнуто или кад се страно тело појави у њему. Главни проблем је детектовати “напад” и изоловати “нападача”. Детектори аномалија личе на антитела у нашем телу у смислу да се везују за подсистеме у машини који више не раде како треба (ти системи су антиген, или вирус због кога наша машина више не ради како треба) и кроз процес дељења кроз конституентне подсистеме Система у коме је нађена аномалија, наши детектори аномалија ће изоловати све подсистеме и компоненте у којима динамика (модел) изгледа нерегуарно. Антитела у нашем телу раде управо то – везују се за антигене (страна тела, вирусе), после чега наша бела крвна зрнца поједу све што антитела “обележе” као страно тело (кад наш имуни систем направи грешку и обележи наше сопствене ћелије, настају аутоимуни поремећаји – другим рецима, ни наш имуни систем није идеалан, али принцип по коме ради је заиста фантастичан и добро се показао у ових неколико милиона година наше еволуције).
„ВАКЦИНАЦИЈА МАШИНА“ ЈЕ ПИТАЊЕ ВРЕМЕНА
Као што је речено, аутор овог текста је већ обавио значајна истраживања у реализацији овакве визије у аутомобилским моторима, где је више незгодних кварова детектовано и локализовано у симулацијама система за доставу горива у бензинским моторима [4], или у системима за рециркулацију издувних гасова у дизел моторима [5]. Занимљиво је да аналогије са људским имуним системима иду тако далеко да праћењем рачунарског оптерећења у контролеру можемо видети и “температуру” коју аутомобилски мотор добија кад “убацимо” квар, односно вирус у њега. Чак постоји и могуцност да “вакцинишемо” машину против појединих кварова чим једна или неколико сличних машина доживе такве кварове и развију “антитела” (моделе) за те кварове. Све је то, наравно, у будућности, али не предалекој и могуће је извести барем у истраживачким лабораторијама пре но што тако нешто заживи и у свакодневном животу.
Тренутна истраживања су фокусирана на то да се оваква визија вештачких имуних система реализује у производним машинама високе технологије, као што је горе описана машина за депозицију танких филмова, или друге машине у микроелектроници и нано-технологији. Велики проблем је што су, за разлику од аутомобилских мотора, интеракције међу подсистемима у, рецимо машини за депозицију филмова, или у литографским машинама , толико дубоке и непрегледне да их је немогуће раздвојити помоћу сигнала и сензора које данас добијамо из тих машина (потребни су бољи, бржи сензори и много више њих него што је то сад случај). Због таквих комплексних и непрегледних интеракција и имамо ситуацију да изгледа као да је “све покварено” и експертско разумевање машине и феномена (или Кулонових кристала) је неопходно да се реши скоро сваки квар.
Уз напредак сензорске технологије, и уз напредак напредних рачунарских метода и технологија, рађање производних машина (или генерално машина) са имунитетом, које ће се можда саме поправљати (лечити) и вакцинисати, сасвим је могуће у будућности.
ЛИТЕРАТУРА:
- Lei, D. Djurdjanovic, L. Barajas, G. C. Workman, J. Ni and S. Biller, “DeviceNet Network Health Monitoring Using Physical Layer Parameters”, Journal of Intelligent Manufacturing, Vol. 22, pp. 289-299, 2011.
- Zhang, A. D. Bailey, III, and D. Djurdjanovic, “Bayesian Identification of Hidden Markov Models and Their Use for Condition-Based Monitoring,” IEEE Transactions on Reliability, Vol. 65, No. 3, pp. 1471-1482 September 2016.
- Djurdjanovic, “Distributed Anomaly Detection for Timely Fault Remediation in Modern Manufacturing,” Reports from the National Academy of Engineering Symposium on Frontiers of Engineering, The National Academy Press, Washington, DC, pp. 29-43, 2013
- E. Cholette, J. Liu, D. Djurdjanovic and K. Marko, “Monitoring of Complex Systems of Interacting Dynamic Systems,” Applied Intelligence, vol. 37, no. 1, pp. 60-79, 2012.
- Cholette and D. Djurdjanovic, “Precedent-Free Fault Isolation in a Diesel Engine EGR System”, Transactions of ASME, Journal of Dynamic Systems, Measurement and Control, Vol. 134, No. 3, pp. 031007-1 – 031007-11, 2012.
(Извор: „INGENIOSUS“ – лист Машинског факултета)