1 方案背景與目標

    工廠(chǎng)的生產(chǎn)與制造離不開(kāi)各類(lèi)生產(chǎn)設備的運行，這些生產(chǎn)設備作為工廠(chǎng)的重要資產(chǎn)，其運行狀態(tài)將影響到實(shí)際產(chǎn)量、質(zhì)量和企業(yè)的收入。因此，對生產(chǎn)設備進(jìn)行及時(shí)的維護，避免發(fā)生異常停機，是工廠(chǎng)實(shí)現連續生產(chǎn)的關(guān)鍵因素之一。

    當前對于生產(chǎn)設備的維護方式包括三種，分別是被動(dòng)型維護、預防性維護和預測性維護：

• 被動(dòng)型維護：在生產(chǎn)設備發(fā)生故障時(shí)修復故障

• 預防性維護：通過(guò)預先定義的維保計劃來(lái)識別生產(chǎn)設備故障

• 預測性維護：通過(guò)時(shí)序數據和生產(chǎn)設備的歷史故障數據，預測未來(lái)的潛在運行狀態(tài)

    本方案采用預測性維護模式，通過(guò)對設備、部件的健康度評估信息，在發(fā)生影響生產(chǎn)、影響產(chǎn)品質(zhì)量的重大故障之前，在先期檢測到設備運行狀態(tài)異常，在故障前提供預警，有效降低維護成本和非計劃停機時(shí)間，從而提高企業(yè)資產(chǎn)壽命和生產(chǎn)效益。同時(shí)，結合西門(mén)子工業(yè)邊緣的平臺特性，充分利用其在規?；瘡椭茟玫奶亻L(cháng)，具備擴展性。

2 方案詳細介紹

本方案由西門(mén)子工業(yè)邊緣平臺和設備、西門(mén)子工業(yè)人工智能軟件Device Monitor組成。

工業(yè)邊緣設備位于現場(chǎng)設備層，在與工控設備連接部署時(shí)，無(wú)需修改原有工控設備的軟硬件，不會(huì )對現場(chǎng)生產(chǎn)造成影響，實(shí)現了與原有控制系統的低耦合。邊緣設備上部署有工業(yè)邊緣運行系統（Industrial Edge Runtime），可以運行各類(lèi)容器化的應用，實(shí)現數據采集、處理、存儲、展示、AI算法應用等功能。

西門(mén)子工業(yè)人工智能軟件Device Monitor提供5個(gè)功能模塊：設備狀態(tài)數據采集、數據預處理和模型生成、設備實(shí)時(shí)健康度評估、用戶(hù)管理、用戶(hù)交互界面。

1)   設備狀態(tài)數據采集

    可以通過(guò)3種數據源讀取設備運行狀態(tài)數據：OPC UA、MQTT和FTP。

    通過(guò)上述數據源添加數據后，可以通過(guò)設備配置將數據與設備關(guān)聯(lián)。不同的設備有不同的預置數據點(diǎn)位需要。目前支持的設備包含：電機、軸承、齒輪箱、泵、泵站、氣源、滑塊導軌、沖壓機。

2)   數據預處理和模型生成
    數據預處理：原始數據通常會(huì )有噪聲、缺失值等異常情況，將通過(guò)統計學(xué)方法、機器學(xué)習模型等方式對數據進(jìn)行預處理去除噪聲，提升數據質(zhì)量。

    模型訓練：之后，針對設備類(lèi)型選擇匹配的算法模型（如：統計模型、機器學(xué)習算法、深度學(xué)習模型框架等）進(jìn)行適配和訓練，通過(guò)歷史案例學(xué)習生成有效的設備健康度預測模型。

    模型評估：在存有典型工況驗證數據集上進(jìn)行交叉驗證，當模型驗證結果通過(guò)預設的統計評估指標時(shí)（如：敏感度指標、特異性指標），該設備健康度預測模型的準確度得到有效評估，并被激活用于實(shí)時(shí)監控。

3)   設備實(shí)時(shí)健康度評估

    通過(guò)數據預處理和模型生成模塊所激活的模型將被用于目標設備的運行狀態(tài)實(shí)時(shí)監控。通過(guò)設備狀態(tài)數據采集模塊所獲取的實(shí)時(shí)數據，模型將根據其傳輸頻率不間斷進(jìn)行：

·       目標設備的健康度評估

·       通過(guò)用戶(hù)交互界面進(jìn)行直觀(guān)展示監測過(guò)程

·       出現異常偏差時(shí)，根據偏離程度進(jìn)行不同等級報警

4)   用戶(hù)管理

    可添加、配置不同的用戶(hù)賬號訪(fǎng)問(wèn)用戶(hù)交互界面。同時(shí)，可以設置不同的用戶(hù)權限，不同權限用戶(hù)可以查詢(xún)不同層級的數據。

5)   用戶(hù)交互界面

    提供總覽頁(yè)面、報警頁(yè)面、模型頁(yè)面、數據頁(yè)面、資產(chǎn)頁(yè)面、用戶(hù)頁(yè)面、設置頁(yè)面共8類(lèi)用戶(hù)交互界面。所有用戶(hù)交互界面均通過(guò)WebUI的方式訪(fǎng)問(wèn)，用戶(hù)使用電腦瀏覽器訪(fǎng)問(wèn)服務(wù)地址，即可登錄并查看Device Monitor的使用界面。對數據源的配置、模型的創(chuàng )建與管理、設備實(shí)時(shí)狀態(tài)監測和健康度評估均可通過(guò)用戶(hù)交互界面查看。

3 代表性及推廣價(jià)值

1)   數據類(lèi)型的多樣性和標準化

不同于常見(jiàn)的被動(dòng)式和預防性維護，本方案采用AI算法分析時(shí)序數據的方式，擴展了對生產(chǎn)設備可監控數據的多樣性和廣度。通過(guò)不同的傳感器，聲波信號、熱信號、振動(dòng)信號、壓力信號等不同狀態(tài)信號均可作為預測性維護的數據來(lái)源。通過(guò)西門(mén)子工業(yè)邊緣計算，不同類(lèi)型的狀態(tài)信號可以便捷地配置化接入，并實(shí)現統一的數據標準化轉換，為Device Monitor提供標準化數據來(lái)源。

2)   模塊化部署提升應用擴展空間

西門(mén)子工業(yè)人工智能軟件Device Monitor采用容器化部署方式，運行在西門(mén)子工業(yè)邊緣設備中。西門(mén)子工業(yè)邊緣平臺的集中管理、分布式運行方式，可大幅降低軟件功能升級的工作量，通過(guò)遠程訪(fǎng)問(wèn)即可獲取設備及軟件的運行狀態(tài)信息、日志，并且實(shí)現軟件功能管理。在生產(chǎn)設備增加后，原有的功能可以快速復制并運行在新的產(chǎn)線(xiàn)、車(chē)間和廠(chǎng)房，減少調試時(shí)間。

3)   配置化使用降低應用上手難度

本方案的使用均基于WebUI完成，在實(shí)際應用中無(wú)需具備算法專(zhuān)業(yè)知識也可完成配置和調整。對生產(chǎn)設備了解的維保人員可結合過(guò)往的設備運行狀態(tài)和運維經(jīng)驗，輔助Device Monitor中所運行的AI模型更加精準，對設備運行狀態(tài)的監測效果更佳準確。

4)   健康度評估輔助設備運維保養

本方案已輔助企業(yè)用戶(hù)在設備發(fā)生異常前提供相應的警示信息。以某企業(yè)用戶(hù)的實(shí)際應用為例，Device Monitor在設備發(fā)生故障前15天，已通過(guò)對相應關(guān)鍵時(shí)序數據的分析提供預警?；谠u估得到的健康度信息及其變化趨勢，設備運維人員可以更好地規劃檢查和維保措施，避免生產(chǎn)設備發(fā)生實(shí)際故障和停機。

本方案通過(guò)工業(yè)邊緣可以容器化運行各類(lèi)應用的優(yōu)勢，以圖像化配置的方式實(shí)現數據采集、處理、存儲，并且集成工業(yè)人工智能軟件Device Monitor，使其后續的功能擴展、規?；瘧镁邆淞己没A。與此同時(shí)，為企業(yè)用戶(hù)提供基于時(shí)序數據的AI分析功能，實(shí)現設備狀態(tài)實(shí)時(shí)檢測和健康度評估，可在早期檢測到設備運行狀態(tài)異常，在故障前提供預警，有效降低維護成本和非計劃停機時(shí)間，從而提高企業(yè)資產(chǎn)壽命和生產(chǎn)效益。