3.2.1　基于5C的预测性维护模型

随着信息和通信技术的飞速发展，先进的分析技术也被集成到制造、产品和服务过程中，许多行业正面临着新的机遇，同时也面临着维持它们竞争力和市场需求的挑战。这种集成（当前称为信息物理系统CPS）正在将这个行业转变为下一个层次：CPS促进了大规模数据的系统化转化，从而促使不可见的退化模式和低效率可见，并产生最优决策。美国辛辛那提大学Jay Lee教授分析了工业大数据和CPS的发展趋势，讨论了图3.2所示在生产过程中应用CPS的5C体系架构（智能连接、数据转换、信息、认知、配置）以及在制造业全面整合CPS的必要步骤[5]，形成了图3.3所示基于5C的预测性维护模型[6]。

图3.2　基于5C的信息物理系统框架

图3.3　基于5C的预测性维护模型

（1）智能连接层

智能连接层包括各种用于管理数据采集系统、优化数据并将数据传输到中央服务器的无缝非接触式方法，在这一层选择合适的传感器、数据源和传输协议对下一层的CPS性能以及通过系统发现的知识质量和准确性都产生重大影响。

（2）数据转换层

在数据转换层，数据能够被分析并转化为有价值的知识，最近的研究广泛关注于开发智能算法和数据挖掘技术，这些算法和技术可以应用于从机器和工艺数据到业务和企业管理数据等各种数据源。

（3）信息层

信息层是CPS的中央信息栈。信息可以从每一个方面推送过来，编译成一个信息空间。

（4）认知层

这一层会产生一个了解监控系统的全面知识，专家获取知识的正确表示可以支持决策。

（5）配置层

配置层是从信息空间到物理空间的反馈，起到了监督控制作用，可使设备实现自配置和自适应。在这个阶段可以作为弹性控制系统（Resilience Control System，RCS），利用正确的预防性决策进行控制和监控设备系统。