设备故障分析及预测性维护在智能制造中的重要应用

智能制造时代，对于设备的可靠性要求会更高，对于设备维护管理的要求也会随之提高，制造企业、设备管理信息化厂商、预测性维护服务厂商都将参与到设备维护管理的整体环节中。

02 设备预测性维护

预测性维护是以状态为依据的维修，是对设备进行连续在线的状态监测及数据分析，诊断并预测设备故障的发展趋势，提前制定预测性维护计划并实施检维修的行为。总体来看，预测性维护中，状态监测和故障诊断是判断预测性维护是否合理的根本所在，而状态预测是承上启下的重点环节。

图1：慧都设备状态监测系统示例

根据故障诊断及状态预测得出的维修决策，形成维修活动建议，直至实施维修活动。可以说，预测性维护通盘考虑了设备状态监测、故障诊断、预测、维修决策支持等设备运行维护的全过程。

上述预测性维护与预防性维修不同，经常会有人将两者混淆。这里强调说明，后者是以时间为依据的维修，目的是定期检测设备健康状态、定期修复已发生的设备故障及损坏、预防继发性毁坏及设备停机故障。

相对于预防性维修，实行预测性维护制度有以下优点：

• 避免“过剩维修”，防止因不必要的解体拆卸､更换零部件等；
• 有效减少设备停机维修时间；
• 尽早发现故障隐患，避免故障恶化；
• 合理预估机械部件的剩余寿命，使设备在保证安全的情况下合理超期服役。

基于上述优势，可以说实施预测性维护是企业提高设备管理水平的必经之路，也是必然趋势。

1.1 预测性维护市场潜力

研究表明，针对预测性维护这个新兴市场，物联网(Internet of Things，IoT)平台商、云存储厂商以及提供动态数据分析的厂商发挥着越来越大的作用。基于云平台的IoT及大数据分析将对设备的预测性维护带来25%~30%的效率提升。IoT Analytics发布的针对全球预测性维护的报告中指出：预计2016~2022年，预测性维护的复合年均增长率为39%；根据这个增长速度，到2022年，市场规模将达到734.5亿元人民币。

预测性维护市场规模如图2所示。对于设备管理信息化厂商以及预测性维护服务厂商来说，打开市场、拓展市场越早越有利。

图2：预测性维护市场规模

1.2 预测性维护技术体系

预测性维护的技术体系涵盖状态监测、故障诊断、状态预测、维修决策等4个方面。预测性维护技术体系如图2所示。状态监测技术是利用温度、压力、振动、超声波等不同类型传感器获取设备的多种运行状态信息。其中，温度传感器可用于汽轮机、空压机等大型机组的油温、瓦温监测；振动传感器广泛应用于判断机械设备的非平稳运动现象；超声波等高频传感器可用于判断设备机械部件内部的细微摩擦，对于微小故障的判断较为灵敏。

通过以上多传感器数据之间的协同工作及功能互补，可实现更精确的状态监测。故障诊断涉及的方法包括时域信号诊断､频域信号诊断，以及以此为基础的人工神经网络､专家系统综合诊断。故障诊断可为设备的状态预测及维修决策提供指导意见。通过故障诊断及状态预测，设备管理者及检维修人员制定合理的维修措施及计划，并通过实施维修，验证设备状态监测及故障诊断的合理性及准确性。

03 设备故障诊断

在制造企业的生产环节中，生产与管理之间的关系可以描述为：系统的自由度决定了管理的复杂程度。对 智能制造解决方案来说，系统的自由度越小，系统的可靠性要求越高，对于设备管理者及检维修人员的要求也会随之提高。设备管理者需要在生产系统自由度降低的情况下实现更优化、更简化、更智能化的设备状态监测诊断过程，并以高准确性、高精确性的诊断结论指导检维修实施及设备恢复生产。

设备故障诊断是预测性维护技术体系的重要组成部分，通过选取合适的状态监测传感器，对设备各个机械部位的状态信号连续、并行地进行采集。这是基础，关键在于特征提取算法及故障识别方法。强调选取合适的状态监测传感器是因为特征提取算法是对原始信号的有效内容进行提取。

合适的传感器所采集的有效信息会更多，更有利于进行故障类型识别，继而进行故障确认并产生预警信息。设备故障诊断流程如图3所示。设备故障诊断在预测性维护中的实际意义为提醒设备管理者及维修人员及时排除故障隐患，使设备重新进入稳定运行期。

图3：设备故障诊断流程图

现阶段预测性维护中的故障诊断主要依靠人工分析实现，诊断分析人员通过趋势、波形、频谱等专业分析工具，结合传动结构、机械部件参数等信息，实现设备故障的精准定位。笔者相信，未来的预测性维护将是建立在物联网及人工智能技术上的智能诊断，届时诊断效率和准确性都将获得大幅提升。本文将重点介绍物联网技术在设备状态监测诊断中的应用前景及实施方案。

04 物联网技术的应用

物联网技术为设备状态监测诊断带来了设备状态无线监测､高速数据传输､边缘计算和精细化诊断分析等先进技术。在设备状态监测诊断中应用物联网技术，面向企业数字化、网络化、智能化需求，构建精准、实时、高效的数据采集互联体系。其核心意义在于构建基于海量数据采集、汇聚、分析的服务体系，实现工业技术、经验、知识的模型化、标准化、软件化、复用化。基于目前全球化的工业物联网发展态势，可以认为物联网在设备状态监测诊断中的应用范围、应用规模、应用成果将会不断扩大，应用效果也将向更好更优的水平发展。

从整体的网络架构来看，设备健康监测物联网综合管理平台利用安装在设备上的传感器节点获取设备的健康状态监测信号和运行参数数据，经网络层集中上传至设备健康监测物联网综合管理平台，实现数据传输。应用层实现监测信号的分析、故障特征提取、故障诊断及预测功能，实现智能化管理、应用和服务。

图4：慧都设备状态分析示例

设备健康监测物联网综合管理平台具有强大的数据采集分析处理、数据可视化、设备运维、故障诊断、故障报警等功能。通过实时监测查看、统计、追溯，实现对其管辖设备的实时监测和运行维护，基于运行信息和检修信息、自动生成设备管理报表，实现设备可靠性、故障数据、更换备件等信息统计，为维修方案制定提供依据。

针对不同需求，物联网综合管理平台可采用私有云方式建设，以独享宿主机资源方式，满足用户的资源独享、安全、合规需求；可通过HTTP、OPC等方式，实现与企业生产管理系统或第三方管理系统进行数据对接，打通数据关联通道。

此外，除了物联网综合管理平台，物联网在设备状态监测诊断中的应用还包括通过设备状态监测诊断APP，以实现对设备运行数据的实时显示，及时了解设备突发故障，立即派发对设备维修任务，快速反馈对维修结果等。

设备状态监测诊断、现场点检、DCS控制系统以及生产现场视频的整体融合，全面覆盖设备运行状态的整个监测过程。通过手机及内部办公电脑实现数据的及时查看、分析等，远程诊断中心与生产现场协同工作，实现诊断及现场验证的同步机制。

05 结束语

针对预测性维护价值数百亿元的新兴市场，本文提出以设备故障监测、诊断、预防性维护为手段，将物联网技术应用于设备状态监测诊断的思路，实现状态在线监测、远程故障诊断。 智能制造系统升级需要匹配预测性维护能力的同步提升。因此，针对智能制造时代的生产需要，建议将普遍采用的计划性检修向基于设备健康状态的预测性维护转变。预测性维护的最终目标是提高生产安全稳定性、有效制定并实施设备维护策略、降低设备维护成本、减少设备停工检修时间。