以豐田和NISSAN為代表的日本汽車制造企業(yè)是精益制造的典范，在生產(chǎn)過程管理和設備使用維護方面具有嚴格的執(zhí)行規(guī)范和持續(xù)改進的文化機制，并且在生產(chǎn)流程監(jiān)控和質(zhì)量管理方面使用了大量的統(tǒng)計工具，確保在質(zhì)量發(fā)生偏差時能夠及時地進行糾正。

　　這些方法在使用初期很快顯示出了巨大的價值，使產(chǎn)品質(zhì)量和生產(chǎn)過程中的浪費得到了極大的改善，也幫助日本汽車在美國市場占據(jù)了半壁江山。然而在精益制造推行到一定程度之后，這些企業(yè)開始發(fā)現(xiàn)提升的空間越來越小，一些設備的停機和產(chǎn)品的質(zhì)量問題無論如何進行持續(xù)改善都無法完全消除，即使嚴格按照操作規(guī)范、每天對設備進行點檢，定期對設備進行預防性維護，依然避免不了設備故障停機的現(xiàn)象。

　　這是因為精益管理所解決的只是可見的問題和浪費，在問題發(fā)生時及時地發(fā)現(xiàn)和解決，卻無法去預測和管理不可見因素造成的影響。

于是這些企業(yè)紛紛意識到大型制造系統(tǒng)及設備須更好地應對動態(tài)的、變化的生產(chǎn)環(huán)境和客戶需求，將固有的靜態(tài)六西格瑪管理模型改進為動態(tài)預測模型，從而將簡單的生產(chǎn)制造偏差評估轉(zhuǎn)化為預測型衰退評估，開發(fā)了許多可大規(guī)模應用的在線預測分析工具。

　　以豐田公司的空氣壓縮機智能化升級為例，為了改進離線空氣壓縮機激流現(xiàn)象規(guī)避控制的準確度和效率，使用數(shù)據(jù)驅(qū)動的工具為激流曲線進行建模，為入口導流葉片設計反饋控制，在避免壓縮機激流現(xiàn)象發(fā)生的同時盡可能靠近最佳效率區(qū)間。然而由于許多變量都與產(chǎn)生激流現(xiàn)象有關，激流曲線的確切位置很難被準確定位，因此在實際操作過程中大多選擇保守的做法，使空氣壓縮機的運行參數(shù)盡量遠離激流曲線，但這卻造成了壓縮機能耗的增加。

　　為了有效解決這個問題，豐田公司引入了IMS的數(shù)據(jù)驅(qū)動建模方法，采集了在激流和非激流狀態(tài)下的分類控制和監(jiān)控參數(shù)，利用主成分分析方法將復雜多維的數(shù)據(jù)在保留最大方差的基礎上進行了降維。隨后利用支持向量機對激流和非激流狀態(tài)的數(shù)據(jù)主成分建立了分類模型，分類模型的邊界確保了激流和非激流狀態(tài)的參數(shù)之間的距離最遠，因此可以作為最佳激流曲線的邊界。最終，通過驗證的預測分析工具被集成到了壓縮機的控制系統(tǒng)中，實現(xiàn)了具有在線激流監(jiān)控和優(yōu)化控制能力的智能壓縮機設備。

壓縮機喘振預測分析流程

　　NISSAN公司在工業(yè)機器人的健康管理方面引進了預測分析模型。由于工業(yè)機器人被大量使用，且生產(chǎn)環(huán)境十分復雜，因此不適合安裝外部傳感器，而是使用控制器內(nèi)的監(jiān)控參數(shù)對其健康進行分析。NISSAN的工業(yè)機器人中有相當一部分是六軸機械臂，任何一個軸發(fā)生故障都會造成機械臂的停機。在使用伺服軸的轉(zhuǎn)速信號對機械臂的工況進行區(qū)分后，再對每一個工況內(nèi)的狀態(tài)參數(shù)（如扭矩和溫度等）建立健康評估模型，從其分析結(jié)果中可以發(fā)現(xiàn)在故障發(fā)生前的三個星期前就可以預測到早期故障特征。

對機械臂進行健康預診的分析結(jié)果

　　隨后NISSAN開始在六軸伺服機械臂上推廣預測分析模型，在大量機械臂的數(shù)據(jù)被采集和分析的條件下，對不同種類和運行工況的機械臂進行了聚類分析，形成了一個個機械臂的“虛擬社區(qū)”，社區(qū)內(nèi)的機械臂的數(shù)據(jù)分析采用集群建模的方法，通過比較每一個機械臂與集群的差異性來判斷其處于異常的程度，并對集群內(nèi)所有機械臂的健康狀態(tài)進行排序。

NISSAN工廠機器人健康預測分析管理系統(tǒng)

　　在對機械手臂的健康狀態(tài)進行定量化分析之后，NISSAN對分析結(jié)果進行了網(wǎng)絡化的內(nèi)容管理，建立了“虛擬工廠”的在線監(jiān)控系統(tǒng)。在“虛擬工廠”中，管理者可以從生產(chǎn)系統(tǒng)級、生產(chǎn)線級、工站級、單機級和關鍵部件級對設備狀態(tài)進行垂直立體化的管理，根據(jù)設備的實時狀態(tài)進行維護計劃和生產(chǎn)計劃的調(diào)度。該系統(tǒng)還能夠每天生成一份健康報告，對生產(chǎn)線上所有設備的健康狀態(tài)進行排序和統(tǒng)計分析，向設備管理人員提供每一臺設備的健康風險狀態(tài)和主要風險部位，這樣在日常的點檢中就可以做到詳略得當，既不放過任何一個風險點，也盡可能避免了不必要的檢查和維護工作，實現(xiàn)了從預防式維護到預測式維護的轉(zhuǎn)變。