01 時代的呼喚

　　新基建讓工業互聯網、大數據中心、人工智能等近幾年耳熟能詳的概念再次火熱起來。這些名詞也意味著中國工業有著新的需求，渴望新變革。

　　回想一下，機器的出現，簡單來說是想要解放生產力：不少東西，采用人手工制作太慢了，況且，人需要休息，而機器可以24小時不停歇。

　　那么，問題來了，機器怎樣可以在可控范圍內自動運轉？

　　這個問題有兩個關鍵點：人的管理和自動運轉。

　　在機器自動運轉方面，人們已經取得一定的成績。進入工業4.0，需要考慮人的管理與機器自動運轉怎么融合的問題。簡單來說，即人機協同。這過程中少不了工業互聯網、大數據中心、人工智能等新一代信息技術的興起和推動。

　　傳統的制造業主要是圍繞材料、機器、方法、測量和維護五個核心要素進行技術升級的。其中，針對維護的預測性維護近年來也越發受到重視。得益于傳感技術、物聯網技術、工業大數據和人工智能的技術發展，預測性維護成為工業互聯網“殺手級”應用。

　　02 預測性維護

　　預測性維護是將傳統以人工為主的運維管理轉變為自動化、信息化的智能監測維護方式，它不同于預防性維護和修復性維護，而是集設備狀態監測、故障診斷和預測、維修決策支持和維修活動于一體的一種主動維護方式。通過對設備狀態進行連續測量和數據分析，實現設備故障的診斷以及設備狀態發展趨勢的預測，制定最優維護方案。

　　現階段，狀態監測主要通過監測各種參數（如設備振動、溫度等）以識別設備的潛在故障。數據的采集主要包括設備數據、生產過程數據、環境數據、（工人）作業數據等。一般通過振動、溫度、壓力、超聲波、油液分析等不同的監測方法采集設備狀態的數據。

　　寰球設備健康管理系統從設備振動數據入手，通過寰球MEMS振動傳感器進行數據采集。通過寰球多維感知與部件預警系統單元對采集到的振動信號進行邊緣計算、特征提取，并通過多種方式將提取后的特征值上傳至云端，經過部署在云端的算法模型計算，得出設備的健康度與相關數據。

　　在此基礎上，通過物理模型、知識系統和統計模型等混合型故障預測技術，融合故障診斷的算法，如時頻診斷、統計診斷、專家系統診斷、人工神經網絡診斷、模糊診斷、灰色熊理論診斷等，實現對設備早期微弱性能變化展示、異常識別報警、故障診斷和預測。

　　寰球設備健康管理系統采用數據模型＋機理模型＋專家知識的特色混合建模技術，建立智能數據分析模型，設備監督方案從單維度閾值監測上升為多變量融合監測。同時，系統設有智能趨勢分析，能夠預測部件的故障趨勢，方便管理人員編制故障預警，根據預警主動進行預測性維護。

　　除此以外，基于運行信息、檢修信息等數據積累，綜合設備故障數據更換備件、設備可靠性等信息，為維保、維修方案制定和決策提供數據和理論的支撐。

　　03 預測性維護的意義

　　相對于其他的維修方式，預測性維護可以進行遠程監測、故障預測，也可用于質量控制、資產追蹤、決策支撐等。其主要的優勢在于：

　　縱向來看，預測性維護有利于企業降低生產成本、提高效益有顯著作用（通常可將維護成本降低10－50％）；

　　橫向來看，行業競爭激烈，引入預測性維護技術可以有效提高企業競爭力（如識別和改進產品缺陷，增加生產安全性等）；

　　新時代工業服務要求的變化和商業模式的轉變無不倒逼產業模式的轉變，預測性維護便是新時代、新業態下出現的新模式。

　　作為信息化建設者的一員，寰球致力于工業大數據和人工智能技術的應用研究，幫助企業，尤其是中小型企業通過云計算和大數據等技術手段對生產設備、產品、服務進行管理，提高生產效率，縮減成本，一起往高質量制造業方向攜手共進。