01 引言
近些年，智慧製造在工業流程工業生產中得到了示範應用，其重要性逐漸深入人心。國內外學者對於智慧製造的理解和定義不盡相同。
清華大學吳澄將智慧製造定義為以智慧技術為代表的新一代資訊科技在製造全生命週期的應用中所涉及的理論、方法、技術和應用。
智慧製造時代，對於裝置的可靠性要求會更高，對於裝置維護管理的要求也會隨之提高，製造企業、裝置管理資訊化廠商、預測性維護服務廠商都將參與到裝置維護管理的整體環節中。
02 裝置預測性維護
預測性維護是以狀態為依據的維修，是對裝置進行連續線上的狀態監測及資料分析，診斷並預測裝置故障的發展趨勢，提前制定預測性維護計劃並實施檢維修的行為。
總體來看，預測性維護中，狀態監測和故障診斷是判斷預測性維護是否合理的根本所在，而狀態預測是承上啟下的重點環節。
圖1：慧都裝置狀態監測系統示例
根據故障診斷及狀態預測得出的維修決策，形成維修活動建議，直至實施維修活動。可以說，預測性維護通盤考慮了裝置狀態監測、故障診斷、預測、維修決策支援等裝置執行維護的全過程。
上述預測性維護與預防性維修不同，經常會有人將兩者混淆。這裡強調說明，後者是以時間為依據的維修，目的是定期檢測裝置健康狀態、定期修復已發生的裝置故障及損壞、預防繼發性毀壞及裝置停機故障。
相對於預防性維修，實行預測性維護制度有以下優點：
避免“過剩維修”，防止因不必要的解體拆卸､更換零部件等；有效減少裝置停機維修時間；儘早發現故障隱患，避免故障惡化；合理預估機械部件的剩餘壽命，使裝置在保證安全的情況下合理超期服役。基於上述優勢，可以說實施預測性維護是企業提高裝置管理水平的必經之路，也是必然趨勢。
1.1 預測性維護市場潛力
研究表明，針對預測性維護這個新興市場，物聯網(Internet of Things，IoT)平臺商、雲端儲存廠商以及提供動態資料分析的廠商發揮著越來越大的作用。
基於雲平臺的IoT及大資料分析將對裝置的預測性維護帶來25%~30%的效率提升。IoT Analytics釋出的針對全球預測性維護的報告中指出：預計2016~2022年，預測性維護的複合年均增長率為39%；根據這個增長速度，到2022年，市場規模將達到734.5億元人民幣。
預測性維護市場規模如圖2所示。對於裝置管理資訊化廠商以及預測性維護服務廠商來說，開啟市場、拓展市場越早越有利。
圖2：預測性維護市場規模
1.2 預測性維護技術體系
預測性維護的技術體系涵蓋狀態監測、故障診斷、狀態預測、維修決策等4個方面。預測性維護技術體系如圖2所示。狀態監測技術是利用溫度、壓力、振動、超聲波等不同型別感測器獲取裝置的多種執行狀態資訊。
其中，溫度感測器可用於汽輪機、空壓機等大型機組的油溫、瓦溫監測；振動感測器廣泛應用於判斷機械裝置的非平穩運動現象；超聲波等高頻感測器可用於判斷裝置機械部件內部的細微摩擦，對於微小故障的判斷較為靈敏。
透過以上多感測器資料之間的協同工作及功能互補，可實現更精確的狀態監測。故障診斷涉及的方法包括時域訊號診斷､頻域訊號診斷，以及以此為基礎的人工神經網路､專家系統綜合診斷。
故障診斷可為裝置的狀態預測及維修決策提供指導意見。透過故障診斷及狀態預測，裝置管理者及檢維修人員制定合理的維修措施及計劃，並透過實施維修，驗證裝置狀態監測及故障診斷的合理性及準確性。
03 裝置故障診斷
在製造企業的生產環節中，生產與管理之間的關係可以描述為：系統的自由度決定了管理的複雜程度。對於智慧製造解決方案來說，系統的自由度越小，系統的可靠性要求越高，對於裝置管理者及檢維修人員的要求也會隨之提高。
裝置管理者需要在生產系統自由度降低的情況下實現更最佳化、更簡化、更智慧化的裝置狀態監測診斷過程，並以高準確性、高精確性的診斷結論指導檢維修實施及裝置恢復生產。
裝置故障診斷是預測性維護技術體系的重要組成部分，透過選取合適的狀態監測感測器，對裝置各個機械部位的狀態訊號連續、並行地進行採集。這是基礎，關鍵在於特徵提取演算法及故障識別方法。強調選取合適的狀態監測感測器是因為特徵提取演算法是對原始訊號的有效內容進行提取。
合適的感測器所採集的有效資訊會更多，更有利於進行故障型別識別，繼而進行故障確認併產生預警資訊。裝置故障診斷流程如圖3所示。裝置故障診斷在預測性維護中的實際意義為提醒裝置管理者及維修人員及時排除故障隱患，使裝置重新進入穩定執行期。
圖3：裝置故障診斷流程圖
現階段預測性維護中的故障診斷主要依靠人工分析實現，診斷分析人員透過趨勢、波形、頻譜等專業分析工具，結合傳動結構、機械部件引數等資訊，實現裝置故障的精準定位。
筆者相信，未來的預測性維護將是建立在物聯網及人工智慧技術上的智慧診斷，屆時診斷效率和準確性都將獲得大幅提升。本文將重點介紹物聯網技術在裝置狀態監測診斷中的應用前景及實施方案。
04 物聯網技術的應用
物聯網技術為裝置狀態監測診斷帶來了裝置狀態無線監測､高速資料傳輸､邊緣計算和精細化診斷分析等先進技術。在裝置狀態監測診斷中應用物聯網技術，面向企業數字化、網路化、智慧化需求，構建精準、實時、高效的資料採集互聯體系。
其核心意義在於構建基於海量資料採集、匯聚、分析的服務體系，實現工業技術、經驗、知識的模型化、標準化、軟體化、複用化。基於目前全球化的工業物聯網發展態勢，可以認為物聯網在裝置狀態監測診斷中的應用範圍、應用規模、應用成果將會不斷擴大，應用效果也將向更好更優的水平發展。
從整體的網路架構來看，裝置健康監測物聯網綜合管理平臺利用安裝在裝置上的感測器節點獲取裝置的健康狀態監測訊號和執行引數資料，經網路層集中上傳至裝置健康監測物聯網綜合管理平臺，實現資料傳輸。應用層實現監測訊號的分析、故障特徵提取、故障診斷及預測功能，實現智慧化管理、應用和服務。
圖4：慧都裝置狀態分析示例
裝置健康監測物聯網綜合管理平臺具有強大的資料採集分析處理、資料視覺化、裝置運維、故障診斷、故障報警等功能。透過實時監測檢視、統計、追溯，實現對其管轄裝置的實時監測和執行維護，基於執行資訊和檢修資訊、自動生成裝置管理報表，實現裝置可靠性、故障資料、更換備件等資訊統計，為維修方案制定提供依據。
針對不同需求，物聯網綜合管理平臺可採用私有云方式建設，以獨享宿主機資源方式，滿足使用者的資源獨享、安全、合規需求；可透過HTTP、OPC等方式，實現與企業生產管理系統或第三方管理系統進行資料對接，打通資料關聯通道。
此外，除了物聯網綜合管理平臺，物聯網在裝置狀態監測診斷中的應用還包括透過裝置狀態監測診斷APP，以實現對裝置執行資料的實時顯示，及時瞭解裝置突發故障，立即派發對裝置維修任務，快速反饋對維修結果等。
裝置狀態監測診斷、現場點檢、DCS控制系統以及生產現場影片的整體融合，全面覆蓋裝置執行狀態的整個監測過程。透過手機及內部辦公電腦實現資料的及時檢視、分析等，遠端診斷中心與生產現場協同工作，實現診斷及現場驗證的同步機制。
05 結束語
針對預測性維護價值數百億元的新興市場，本文提出以裝置故障監測、診斷、預防性維護為手段，將物聯網技術應用於裝置狀態監測診斷的思路，實現狀態線上監測、遠端故障診斷。智慧製造系統升級需要匹配預測性維護能力的同步提升。
因此，針對智慧製造時代的生產需要，建議將普遍採用的計劃性檢修向基於裝置健康狀態的預測性維護轉變。預測性維護的最終目標是提高生產安全穩定性、有效制定並實施裝置維護策略、降低裝置維護成本、減少裝置停工檢修時間。