摘 要：智能制造對工業(yè)裝備的發(fā)展提出智能設備、智能服務的新需求，以及新型傳感技術和信息技術的應用需求，推動工業(yè)裝備健康管理的發(fā)展。文中通過分析裝備工業(yè)大數據特點及技術框架，針對裝備健康管理的感知系統、智能運維、數據應用平臺等關鍵功能進行研究，提出裝備健康管理面臨的難點和解決方法，并結合典型應用案例介紹，提出裝備健康管理的價值挖掘方向。

關鍵詞：工業(yè)裝備；健康管理；大數據驅動；感知系統；智能運維

01工業(yè)裝備的智能化新需求

隨著發(fā)達國家不斷推出德國工業(yè)4.0、美國制造業(yè)復興、日本超智能社會5.0等“再工業(yè)化”戰(zhàn)略，以及“中國智能制造2025”的推出，促使全球制造業(yè)面臨深刻調整，呈現出革命性的新趨勢。機械裝備作為工業(yè)發(fā)展的基礎，迫切需要快速走向高端化、自動化和智能化。智能制造作為“中國制造2025”的主攻方向，需要全面提高企業(yè)在生產、研發(fā)、管理和服務全過程的智能化水平。《國家智能制造標準體系建設指南》中提出智能制造體系結構（見圖1），智能服務核心是遠程運維，工業(yè)軟件和大數據是打通物理信息的載體，裝備智能運維是實現智能設備、智能工廠、智能服務的必由之路，也是實現智能制造中數據轉換和產業(yè)轉型的關鍵技術[1]。目前裝備管理和運維難點在：定檢定修、意外停機損失大、帶病運行產品質量有波動、設備故障事后維修、安全事故頻發(fā)、生產效率衰減導致的隱形損失、缺乏高級診斷工程師等。裝備的智能健康管理，可積極改變運維現狀。裝備智能健康管理是以工業(yè)數據分析為基礎，對機械裝備進行狀態(tài)監(jiān)測、安全評估、故障診斷及預測、智能運維及設備管理等。

圖1 智能制造標準體系結構

02大數據驅動裝備健康管理發(fā)展

工業(yè)數據是智能制造發(fā)展中最基本的需求，也是裝備建康管理的先決條件，主要來源于裝備運行數據、信息化數據和產業(yè)鏈相關數據。隨著各類新型傳感器、檢測技術被應用于裝備，通信技術的飛速發(fā)展，推動工業(yè)數據的獲取和設備物聯的實現，因此制造業(yè)產生了爆炸式增長的數據。工業(yè)大數據具有數據容量大、數據采集速度快、數據類型多樣性且異構、數據價值密度低等數據特性。但數據本身沒有帶來價值，因此，裝備健康管理是將工業(yè)大數據轉換為有用信息，并輸出價值的一種新型服務方式。工業(yè)大數據系統主要由設備的現場感知采集、數據傳輸、數據分布式存儲、數據挖掘及可視化顯示等構成，如圖2所示?；诠I(yè)大數據，可采用定性和定量2類方法實現裝備的智能運維及建康管理。通過對數據進行特征提出，根據專家經驗或分析機理模型設置故障告警閾值、預警閾值和判定閾值，對裝備建康狀態(tài)進行定性判斷。故障閾值設定方法主要有單一特征的固定閾值、反映裝備總體狀況的相對閾值和3σ閾值等?；跍\層模型及深度學習2類智能算法模型可實現裝備定量的管理分析。

圖2 工業(yè)大數據技術框架

03裝備健康管理的關鍵功能

裝備健康管理系統主要包括以下功能：1）裝備感知系統 包括狀態(tài)監(jiān)測、數據質量改善及標準化采集、低時延通訊等；2）裝備智能運維 遠程無人操作、故障預警與診斷、健康狀態(tài)評估等；3）大數據應用平臺 工業(yè)互聯網平臺、產品周期分析、創(chuàng)新服務等。

3.1 裝備感知系統

健康管理系統應首先具備先進、準確、可靠的數據感知系統，該系統是智能運維和裝備管理的基礎支撐。目前裝備感知系統及數據采集是裝備制造業(yè)轉型升級的傳統痛點，新一代傳感、監(jiān)測及傳輸技術，全面提升智能感知能力。感知系統采集數據突破以往單一設備及單一特征的數據關注，包括設備基本信息、設備運行狀態(tài)、設備運維管理、系統工況等全方位立體多維度的系統數據，通過以上數據采集、智能模型分析，可全面分析設備運維狀態(tài)，提供故障診斷、健康預警等增值服務。數據采集范圍主要由設備基本信息、生產工況信息、設備實時運行狀態(tài)以及設備運維管理信息等，如圖3所示。

圖3 數據采集范圍

1) 新型傳感器技術和便攜式智能儀表的應用

隨著傳感器和檢驗檢測技術的快速發(fā)展，包括氣體、溫濕度、壓力、近距離（磁場、紅外等）、加速度、陀螺儀、光線傳感等先進工業(yè)傳感技術的豐富應用，對溫度、壓力、振動、噪聲、潤滑等多維數據源進行提取，全面反映設備及其系統的工作環(huán)境、運行狀態(tài)。新型MEMS傳感技術具有尺寸小、重量小、低成本、低功耗、可靠性強、可嵌入使用以及易于集成和實現智能化的優(yōu)勢。有別于傳統測量手段和人工數據分析，新一代監(jiān)測儀器儀表已具有采樣、檢驗、初步故障診斷、信息處理和決策輸出等多功能的綜合處理能力。

2) 基于低時延的設備實時監(jiān)控

5G、光纖傳輸等低時延通信技術，支撐大量監(jiān)測數據（例如監(jiān)測視頻及圖片等）實時傳送至管理終端。峰值吞吐率可達10 Gbps的5G網絡、100萬節(jié)點/km2的物聯網連接以及1 ms超低時延、高可靠的通信技術，是智能工業(yè)制造和裝備遠程控制的技術保障。對于智能檢測設備，例如無人機檢測和大量傳感技術，低時延通訊技術可支持傳回高清視頻、網絡高空覆蓋以及實時傳輸和操控能力。有別于傳統的離線點檢方式，通過5G等手段，監(jiān)測數據可實時傳送至數據管理中心，用于設備安全評估、故障診斷分析等。

3) 數據的標準化采集

傳統的數據系統是基于人工分析的采集標準，無法滿足數據智能分析的需求。由于機械裝備的自動化設備廠家品牌繁多，數據接口各異，同時裝備監(jiān)測數據龐大、信號源豐富分散、數據格式多樣等原因，工業(yè)數據呈現碎片化特點。目前，工業(yè)數據主要有Key-Value、文檔數據、接口數據、視頻數據、圖像數據、聲紋數據、遙感遙測、三維高程等不同類型數據[2]。工業(yè)協議主要有OPC、DeviceNet、CAN、ModBus、ControlNet、Profibus等多種協議[3]，導致數據很難實現互聯互通。開發(fā)人員遇到的最大問題是面對眾多工業(yè)協議和數據類型，無法有效解析和采集，同時常會出現數據不全、數據分散、離散等現象。以上原因導致數據“清洗”工作占比較高，甚至占軟件開發(fā)工作的70%。因此，高質量數據是智能應用成功落地的必要條件，面向數據分析的數據質量改善提升，對采集數據標準化及規(guī)范化操作至關重要。工業(yè)數據可通過優(yōu)化傳感器布置、數據標準化采集與規(guī)劃、臟數據清洗及填充、數據質量增強等流程提高數據質量，建立高質量數據庫，數據質量改善流程如圖4所示。

圖4 數據質量改善流程

數據標準化采集，需要從以下幾個方面開展：①統一設備和傳感器標識以及數據格式；統一傳感器型號及采集位置；優(yōu)化傳感器的布置位置；②統一采集時機及采集頻度；③定制化采集數據精度；④統一數據對齊方法。

3.2 裝備智能運維與故障診斷

據美國智能維護系統產學合作中心(IMS)統計數據，設備智能運維具有顯著優(yōu)勢和價值：可實現減少50%的計劃外停機，降低25%～40%的設備維護費用，帶動2.5%～5%的工業(yè)運轉能力增長等價值。裝備的智能運維是基于設備狀態(tài)的多維數據集，應用工業(yè)大數據和人工智能建立設備狀態(tài)數據分析模型，精準感知和預測設備狀態(tài)，輸出運維建議和設備管理決策。這一功能主要的分析模型有：故障診斷模型、健康預警模型、劣化趨勢模型、備件預測模型、運行效能模型等。通過智能運維，可實現異常檢測、事件處理、運行環(huán)境分析、人機協同操作、增強能效、強化安全等作用。故障診斷及預警技術的發(fā)展作為裝備健康與智能運維的關鍵，推動各行業(yè)健康管理和智能運維的發(fā)展。各行業(yè)應用不僅依賴于技術進步，也與應用場景及具體需求、機械裝備種類、設備特點等緊密相關。目前智能運維已在電力、機床加工、石化、船舶、高鐵、航空航天等領域得到不斷應用。在電力領域，面對現階段人工巡檢安全管控不足、數據線下流轉、缺陷識別效率不高等業(yè)務痛點，全自主無人機巡檢系統能夠實現電網巡檢高頻次、常態(tài)化、無人機值守化自主作業(yè)，大大減輕電力巡線的人力投入，快速、準確、安全地對輸電線路進行不停電巡檢[4，5]，如圖5所示。

圖5 電力全自主無人機巡檢系統

3.3 工業(yè)數據互聯網平臺

工業(yè)數據互聯網平臺是裝備健康管理的數據驅動途徑，亦是數據分析和數據價值的體現。近年來，各工業(yè)領域積極開展裝備健康管理的研究和應用，例如在農機設備、工程機械、工業(yè)車輛、鋼鐵設備、電梯、客運索道等領域，率先展開了智能生產、裝備管理、智能服務的嘗試，取得顯著的經濟效益和社會效益。工業(yè)數據互聯網平臺能夠實現多源異構數據的采集，具備工業(yè)數據處理環(huán)境，對數據深度分析和知識復用，并提供開發(fā)環(huán)境實現工業(yè)APP開發(fā)，其體系架構如圖6所示。

圖6 工業(yè)數據平臺體系架構

目前已涌現很多針對工業(yè)裝備不同應用領域的互聯網平臺，但依然面臨著很多挑戰(zhàn)。1）設備聯網難，通信協議不統一，工業(yè)數據采集能力薄弱。2)數據質量不高，建模分析能力薄弱。當前狀態(tài)監(jiān)測、故障診斷類較多，預測預警類及智能決策類工業(yè)互聯網平臺較少。3)分析模型跟不上，行業(yè)機理模型沉淀能力薄弱。我國工業(yè)APP數量多，但多數是傳統軟件云化而來，真正從工業(yè)PaaS平臺“生長”出來的工業(yè)APP較少[6]。以農機領域為例，農業(yè)全程機械化云服務平臺是中國農機院開發(fā)的面向農業(yè)機械作業(yè)全過程的服務平臺。該平臺利用北斗衛(wèi)星定位、農業(yè)傳感器、移動通訊、云數據處理等技術，面向機手、合作社、農機管理部門構建信息化和設備管理平臺，實現耕整地、播種、施肥、噴灌、噴藥和收獲的全程機械化管理。如圖7所示，該平臺已在吉林、遼寧、內蒙等省推廣，不僅改變三農的生產模式，也改進提升了農業(yè)主管部門的管理模式[7]。

圖7 吉林省農業(yè)云服務平臺

04裝備健康管理的應用價值挖掘

總體來看，裝備健康管理可提供以下應用價值的挖掘：1）開拓裝備智能服務 基于裝備運行狀態(tài)、基本信息、工作環(huán)境及行業(yè)數據，可提供豐富的信息服務和管理服務；2）服務方式轉變 由被動服務轉向主動服務，由故障維修轉為故障預測。3）改進產品設計 通過分析裝備數據，挖掘信息反饋至設計端，進一步了解設備性能缺陷和風險，不斷完善設計，用大數據打造產品全生命周期的信息閉環(huán)。4）創(chuàng)新性服務 通過裝備的運行情況判斷設備盈利情況和企業(yè)經營情況，維護設備企業(yè)的利益，控制資金風險。

結語

裝備制造業(yè)正處于重大轉型時期，利用物聯網、先進傳感技術、信息通信和大數據挖掘等技術的裝備健康管理，將促使工業(yè)裝備進入服務后市場，以此提升裝備的全生命周期價值和客戶價值，將催生全新的制造業(yè)服務模式。

參考文獻

[1] 陳雪峰，智能運維與健康管理[M]．北京：機械工業(yè)出版社，2018.

[2] 張志強，徐泉，劉文慶，等．分布式實時數據采集與傳輸系統的研究[J]，控制工程，2020，27(9)，1 582-1 588．

[3] 電子人物聯網．化工業(yè)數據采集難題與對策[EB/OL]．https://www.sohu.com/a/404540737_104253，2020-06-28．

[4] 無人機網，云勝智能助力“國家電網無人機自主巡檢規(guī)?；瘧蒙暇€發(fā)布會”圓滿成功，https://www.youuav.com/news/detail/202110/50898.html，2021-10-09．

[5] 馬青岷，無人機電力巡檢及三維模型重建技術研究[D]，山東：山東大學，2017．

[6] 袁曉慶，我國工業(yè)互聯網平臺建設面臨四大瓶頸[J]．中國計算機報，2018．

[7] 國務院國有資產監(jiān)督管理委員會官網．中國農機院推出國內首個農業(yè)全程機械化云服務平臺[EB/OL]．http://www.sasac.gov.cn/n2588025/n2588119/c4291584/content.html，2017-04-01

相關知識

裝備故障預測和健康管理（PHM）行業(yè)報告
設備健康管理體系有哪些功能 ？
移動健康管理APP的服務功能分析
健康管理的關鍵技術與工具掌握.pptx
人體成分分析儀：工作原理與功能
心理健康咨詢平臺功能需求分析
化工企業(yè)職業(yè)健康管理現狀及措施
智能體重管理：關鍵關鍵詞
裝飾工程項目職業(yè)健康安全管理
健康管理行業(yè)發(fā)展分析

網址: 工業(yè)裝備健康管理及關鍵功能分析 http://m.u1s5d6.cn/newsview340167.html