為了提升生產(chǎn)力，企業(yè)級規(guī)模的應(yīng)用架構(gòu)工程部署專案通常會採用主-從式軟體開發(fā)模型，確認在足夠數(shù)量的機臺上所安裝的函式能滿足使用量。本文以一個估測電動馬達健康的預(yù)測性維護應(yīng)用來說明上述所需的功能。

如果你想把MATLAB函式分享給另一位同事，只要簡單地透過Email就可以達成，不過這種方式可能不太適合較大的團隊。舉例來說，你沒有辦法確保每一個人都使用最新版本的函式，你也沒有辦法限制他人存取這些具有所有權(quán)的程式碼。而且如果為了滿足高峰期間的使用量而在足夠數(shù)量的機臺上安裝了函式，離峰期間則會有機臺處在閒置狀態(tài)。為了處理這樣的問題，企業(yè)級規(guī)模的應(yīng)用架構(gòu)工程部署專案通常會採用主-從式軟體開發(fā)模型（client-server software development model）來解決。

MATLAB Client for MATLAB Production Server這組支援套件，可為桌上型MATLAB提供了主-從式運算（client-server computing）帶來好處。它的作法是將演算法集中在一個位置存放，這可確保所有用戶端使用的版本都相同；由遠端執(zhí)行並加密，則可以保護智慧財產(chǎn)（intellectual property；IP）：終端使用者可以呼叫演算法，但不能存取原始程式碼。

為了提升生產(chǎn)力，可以增加使用者端的workers，或者將MATLAB Production Server的範(fàn)例部署在雲(yún)端計算，如Microsoft Azure和Amazon Web Services等環(huán)境中。本文將以一個估測電動馬達健康的預(yù)測性維護應(yīng)用來說明這些功能。

應(yīng)用：以預(yù)測性維護方法評估馬達健康狀態(tài)

透過預(yù)測性維護系統(tǒng)來監(jiān)測設(shè)備的健康狀態(tài)可預(yù)防意外的故障。舉例來說，估計馬達的剩餘使用壽命（remaining useful life；RUL）以判斷何時該替換馬達，以及偵測異常行為來決定是否需要進行馬達檢驗。

我們的應(yīng)用範(fàn)例是把馬達感測器收集來的時間序列資料發(fā)送到預(yù)測性維護演算法，而該演算法則使用機器學(xué)習(xí)來估計RUL和檢查異常行為（圖1）。

圖1 : 馬達健康應(yīng)用範(fàn)例的架構(gòu)。

這個應(yīng)用包含了兩部分：一是MATLAB馬達健康狀態(tài)app，它展示特定馬達的狀態(tài)，另一部分是MATLAB Production Server預(yù)測性維護的解析應(yīng)用，內(nèi)含兩組預(yù)測性維護演算法。這個主從式架構(gòu)把功能性的責(zé)任歸屬分為：使用者（client）端的app，用來管理資料存取與顯示，而伺服器（server）端的演算法則負責(zé)分析這些資料。使用者需仰賴伺服器端提供的應(yīng)用程式介面（application programming interface；API）連結(jié)，不需要、也不能存取執(zhí)行結(jié)果。

伺服器端：演算法與介面

對馬達感測器產(chǎn)生的時間序列資料，每一組演算法採用不同的機器學(xué)習(xí)技術(shù)來進行判定。RUL演算法是使用一個線性回歸模型來估計故障發(fā)生的時間，此模型是由「預(yù)測性維護工具箱」（Predictive Maintenance Toolbox）的predict函式所提供。異常行為偵測演算法則使用一個客製的單類（one-class）支援向量機（support vector machine；SVM）和一個線性求解器，將感測器事件分類為正常或異常，這些函式是來自於「統(tǒng)計與機器學(xué)習(xí)工具箱」（Statistics and Machine Learning Toolbox）。

這兩組演算法都使用漸進式的學(xué)習(xí)來持續(xù)更新它們的模型，同時也考慮到因為馬達磨損退化導(dǎo)致的感測器資料偏移，因此，兩個模型都不需要在部署之前先經(jīng)過訓(xùn)練。

由於終端使用者都會把同樣的資料流跑在這兩組演算法上，伺服器就提供一個入口點，所以透過processMotorData函式，針對時間序列資料上每一個元素，processMotorData就會送回一個RUL估計結(jié)果以及一個是否出現(xiàn)異常的標幟。

在處理資料流時使用者端通常會呼叫processMotorData好幾次，然後把資料流分割為依時間排序的視窗，並且在每個視窗完成時送出。MATLAB Production Server有一個無狀態(tài)（stateless）的架構(gòu)：它會在每一次呼叫之後重置執(zhí)行狀態(tài)，以避免資料在使用者之間洩漏。

由於演算法使用漸進式學(xué)習(xí)，它們會透過處理每一個視窗之後的模型更新來改善。不過，執(zhí)行狀態(tài)的重置功能會從MATLAB Production Server的記憶體清除掉這些變更。

為了讓變更保留到下一次的呼叫，將它們儲存在透過mps.cache.connect函式所建立的外部資料快取記憶體中，完成部署的演算法就會將資料流依馬達編號ID來分組，並且為每一個馬達保留一個資料快取記憶體和機器學(xué)習(xí)的模型。

使用者端：執(zhí)行演算法和資料視覺化

我們將processMotorData 部署到一個MATLAB Production Server範(fàn)例、命名為 MotorAnalytics檔案的中，讓使用者端的開發(fā)人員可以使用它。如果要從MATLAB呼叫processMotorData ，可以使用MATLAB Client for MATLAB Production Server裡，從MotorAnalytics安裝MATLAB add-on套件。

安裝這個add-on套件時，把processMotorData函式放置到MATLAB的路徑中。呼叫processMotorData時，會有一條需求被傳送給MATLAB Production Server主機上去執(zhí)行預(yù)測性維護演算法內(nèi)的processMotorData函式，每一個安裝了add-on的使用者端就能去執(zhí)行這個相同的預(yù)測性維護演算法，如圖2所示。

圖2 : MATLAB桌上型使用者透過MATLAB Production Server存取processMotorDat。

使用者開發(fā)

當(dāng)add-on套件被安裝之後，這些終端使用者就可以從他們桌面端的MATLAB來跟 processMotorData函式進行互動。舉例來說，MATLAB的help指令顯示了來自原始函式的協(xié)助文字訊息，後記則標明processMotorData是在MATLAB Production Server上執(zhí)行。

add-on套件上人類都可以讀懂的全部內(nèi)容，任何執(zhí)行 processMotorData演算法的IP智財會在MATLAB Production Server主機上以AES加密來確保安全性。

接著我們透過MATLAB App Designer來建立帶有兩個內(nèi)嵌儀表板的MATLAB app應(yīng)用程式，讓使用者可以選擇一個馬達資料集，並檢視該資料執(zhí)行預(yù)測性維護演算法後所產(chǎn)生的結(jié)果。這個馬達資料集是由48小時、一分鐘取樣一次的感測器讀數(shù)所構(gòu)成。該馬達在這48小時期間內(nèi)的RUL，會以距離到故障發(fā)生的估計分鐘數(shù)的線性圖表來呈現(xiàn)；當(dāng)偵測到異常時，會以紅色圓點標示在線性圖表上。

圖3呈現(xiàn)了第8號馬達的狀態(tài)。圖表上標出了幾個異常與一個估計RUL在跌入零之前的一段暫時性下降，這個在大約12小時內(nèi)機器餘命從72小時快速的下降到零，顯示出有替換馬達的急迫性。

圖3 : 視覺化呈現(xiàn)第8號馬達的健康狀態(tài)。

水平方向的擴充

接下來，把演算法部署至MATLAB Production Server進行規(guī)模擴充：MATLAB Production Server可自動地加入容載量（在條件內(nèi)）來回應(yīng)增加的需求。每單一個MATLAB Production Server容納案例可以最多有24個workers，每一個worker可獨立地處理需求?如果主機有足夠的CPU資源的話，還可以同時間進行。我們會建議每個worker分配一個核心。

為了說明需求導(dǎo)向的擴充，我們從三個分開的桌上型MATLAB單元開啟predictive analytics app，先執(zhí)行其中一個app副本，並等待它完成，接著讓三個app全部同時執(zhí)行。

圖4為執(zhí)行結(jié)果。在左邊的圖表可以看到每一個app副本的解析結(jié)果。右邊的MATLAB Production Server儀表板展示了現(xiàn)行worker處理程序數(shù)量以及需求的處理量。在即時的截圖上，儀表板顯示有三個現(xiàn)行worker處理程序，以及每秒大約18筆訊息的處理量。

圖4 : 需求導(dǎo)向的水平擴充結(jié)果。

儀表板上的直條圖繪製了處理量的歷史。每一組直條代表一段時間的活動。較短的直條捕捉到的是只有一個app傳送需求至MATLAB Production Server的那段時間，當(dāng)時的處理量大約為每秒6筆需求。較長的直條代表三組桌上型app都在傳送需求的時候。在第二段時間，MATLAB Production Server自動地啟動兩個額外的workers，藉由需求來帶動擴充，並且讓處理量增加到每秒18筆訊息。

集中化管理、保護與擴充

藉由開發(fā)之後，processMotorData這個演算法範(fàn)例已經(jīng)具備了安裝於網(wǎng)路的一個位置、以AES加密機制保護、並且可動態(tài)擴展性的特點，已經(jīng)是一項企業(yè)層級的服務(wù)。因此，可以利用MATLAB Compiler SDK和MATLAB Production Server即可建立如同本文所示範(fàn)的MotorAnalytics可部署檔案一樣。不過，如果是要安裝或使用 processMotorData等函式，只需要MATLAB和MATLAB Client for MATLAB Production Server支援套件就足夠了。

（本文由鈦思科技提供；作者Peter Webb任職於MathWorks公司）