工业装备健康管理及关键功能分析

汤秀丽 秦雅楠 潘俊萍 刘 锦

1北京起重运输机械设计研究院有限公司 北京 100007 2机械工业起重机械轻量化技术重点实验室 北京 100007 3北京市自动化物流装备工程技术研究中心 北京 100007

1 工业装备的智能化新需求

随着德国工业4.0、美国制造业复兴、日本超智能社会5.0等“再工业化”战略以及“中国智能制造2025”的推出，促使全球制造业面临深刻调整，呈现出革命性的新趋势。机械装备作为工业发展的基础，迫切需要快速走向高端化、自动化和智能化。

智能制造作为“中国制造2025”的主攻方向，需要全面提高企业在生产、研发、管理和服务全过程的智能化水平。《国家智能制造标准体系建设指南》中提出智能制造体系结构（见图1），智能服务核心是远程运维，工业软件和大数据是打通物理信息的载体，装备智能运维是实现智能设备、智能工厂、智能服务的必由之路，也是实现智能制造中数据转换和产业转型的关键技术[1]。

图1 智能制造标准体系结构

目前装备管理和运维难点在：定检定修、意外停机损失大、带病运行产品质量有波动、设备故障事后维修、安全事故频发、生产效率衰减导致的隐形损失、缺乏高级诊断工程师等。装备的智能健康管理可积极改变运维现状。

装备智能健康管理是以工业数据分析为基础，对机械装备进行状态监测、安全评估、故障诊断及预测、智能运维及设备管理等。

2 大数据驱动装备健康管理发展

工业数据是智能制造发展中最基本的需求，也是装备建康管理的先决条件，主要来源于装备运行数据、信息化数据和产业链相关数据。随着各类新型传感器、检测技术被应用于装备，通信技术的飞速发展，推动工业数据的获取和设备物联的实现，故制造业产生了爆炸式增长的数据。工业大数据具有数据容量大、数据采集速度快、数据类型多样性且异构、数据价值密度低等数据特性。但是，数据本身没有带来价值，因此，装备健康管理是将工业大数据转换为有用信息，并输出价值的一种新型服务方式。工业大数据系统主要由设备的现场感知采集、数据传输、数据分布式存储、数据挖掘及可视化显示等构成，如图2所示。

图2 工业大数据技术框架

基于工业大数据，可采用定性和定量2类方法实现装备的智能运维及建康管理。通过对数据进行特征提出，根据专家经验或分析机理模型设置故障告警阈值、预警阈值和判定阈值，对装备健康状态进行定性判断。故障阈值设定方法主要有单一特征的固定阈值、反映装备总体状况的相对阈值和3σ阈值等。基于浅层模型及深度学习2类智能算法模型可实现装备定量的管理分析。

3 装备健康管理的关键功能

1）装备感知系统 包括状态监测、数据质量改善及标准化采集、低时延通讯等；

2）装备智能运维 远程无人操作、故障预警与诊断、健康状态评估等；

3）大数据应用平台 工业互联网平台、产品周期分析、创新服务等。

3.1 装备感知系统

健康管理系统应首先具备先进、准确、可靠的数据感知系统，该系统是智能运维和装备管理的基础支撑。目前装备感知系统及数据采集是装备制造业转型升级的传统痛点，新一代传感、监测及传输技术，全面提升智能感知能力。

感知系统采集数据突破以往单一设备及单一特征的数据关注，包括设备基本信息、设备运行状态、设备运维管理、系统工况等全方位立体多维度的系统数据，通过以上数据采集、智能模型分析，可全面分析设备运维状态，提供故障诊断、健康预警等增值服务。数据采集范围主要由设备基本信息、生产工况信息、设备实时运行状态以及设备运维管理信息等，如图3所示。

图3 数据采集范围

1)新型传感器技术和便携式智能仪表的应用

随着传感器和检验检测技术的快速发展，包括气体、温湿度、压力、近距离（磁场、红外等）、加速度、陀螺仪、光线传感等先进工业传感技术的丰富应用，对温度、压力、振动、噪声、润滑等多维数据源进行提取，全面反映设备及其系统的工作环境、运行状态。新型MEMS传感技术具有尺寸小、质量轻、低成本、低功耗、可靠性强、可嵌入使用以及易于集成和实现智能化的优势。有别于传统测量手段和人工数据分析，新一代监测仪器仪表已具有采样、检验、初步故障诊断、信息处理和决策输出等多功能的综合处理能力。

2)基于低时延的设备实时监控

5G、光纤传输等低时延通信技术，支撑大量监测数据（例如监测视频及图片等）实时传送至管理终端。峰值吞吐率可达10 Gbps的5G网络、100万节点/km2的物联网连接以及1 ms超低时延、高可靠的通信技术，是智能工业制造和装备远程控制的技术保障。对于智能检测设备，例如无人机检测和大量传感技术，低时延通讯技术可支持传回高清视频、网络高空覆盖以及实时传输和操控能力。有别于传统的离线点检方式，通过5G等手段，监测数据可实时传送至数据管理中心，用于设备安全评估、故障诊断分析等。

3)数据的标准化采集

传统的数据系统是基于人工分析的采集标准，无法满足数据智能分析的需求。由于机械装备的自动化设备厂家品牌繁多，数据接口各异，同时装备监测数据庞大、信号源丰富分散、数据格式多样等原因，工业数据呈现碎片化特点。

目前，工业数据主要有Key-Value、文档数据、接口数据、视频数据、图像数据、声纹数据、遥感遥测、三维高程等不同类型数据[2]。工业协议主要有OPC、DeviceNet、CAN、ModBus、ControlNet、Profibus 等多种协议[3]，导致数据很难实现互联互通。开发人员遇到的最大问题是面对众多工业协议和数据类型，无法有效解析和采集，同时常会出现数据不全、数据分散、离散等现象。以上原因导致数据清洗工作占比较高，甚至占软件开发工作的70%。因此，高质量数据是智能应用成功落地的必要条件，面向数据分析的数据质量改善提升，对采集数据标准化及规范化操作至关重要。工业数据可通过优化传感器布置、数据标准化采集与规划、脏数据清洗及填充、数据质量增强等流程提高数据质量，建立高质量数据库，数据质量改善流程如图4所示。

图4 数据质量改善流程

数据标准化采集，需要从以下几个方面开展：①统一设备和传感器标识以及数据格式；统一传感器型号及采集位置；优化传感器的布置位置；②统一采集时机及采集频度；③定制化采集数据精度；④统一数据对齐方法。

3.2 装备智能运维与故障诊断

据美国智能维护系统产学合作中心(IMS)统计数据，设备智能运维具有显著优势和价值：可实现减少50%的计划外停机，降低25%～40%的设备维护费用，带动2.5%～5%的工业运转能力增长等价值。装备的智能运维是基于设备状态的多维数据集，应用工业大数据和人工智能建立设备状态数据分析模型，精准感知和预测设备状态，输出运维建议和设备管理决策。

这一功能主要的分析模型有：故障诊断模型、健康预警模型、劣化趋势模型、备件预测模型、运行效能模型等。通过智能运维可实现异常检测、事件处理、运行环境分析、人机协同操作、增强能效、强化安全等作用。

故障诊断及预警技术的发展作为装备健康与智能运维的关键，推动各行业健康管理和智能运维的发展。各行业应用不仅依赖于技术进步，也与应用场景及具体需求、机械装备种类、设备特点等紧密相关。目前智能运维已在电力、机床加工、石化、船舶、高铁、航空航天等领域得到不断应用。

在电力领域，面对现阶段人工巡检安全管控不足、数据线下流转、缺陷识别效率不高等业务痛点，全自主无人机巡检系统能够实现电网巡检高频次、常态化、无人机值守化自主作业，大大减轻电力巡线的人力投入，快速、准确、安全地对输电线路进行不停电巡检[4，5]，如图5所示。

图5 电力全自主无人机巡检系统

3.3 工业数据互联网平台

工业数据互联网平台是装备健康管理的数据驱动途径，亦是数据分析和数据价值的体现。近年来，各工业领域积极开展装备健康管理的研究和应用，例如在农机设备、工程机械、工业车辆、钢铁设备、电梯、客运索道等领域，率先展开了智能生产、装备管理、智能服务的尝试，取得显著的经济效益和社会效益。

工业数据互联网平台能实现多源异构数据的采集，具备工业数据处理环境，对数据深度分析和知识复用，并提供开发环境实现工业APP开发，其体系架构如图6所示。

图6 工业数据平台体系架构

目前已涌现很多针对工业装备不同应用领域的互联网平台，但依然面临着很多挑战。1）设备联网难，通信协议不统一，工业数据采集能力薄弱。2)数据质量不高，建模分析能力薄弱。当前状态监测、故障诊断类较多，预测预警类及智能决策类工业互联网平台较少。3)分析模型相对落后，行业机理模型沉淀能力薄弱。我国工业APP数量多，但多数是传统软件云化而来，真正从工业PaaS平台产生出来的工业APP较少[6]。

以农机领域为例，农业全程机械化云服务平台是面向农业机械作业全过程的服务平台。该平台利用北斗卫星定位、农业传感器、移动通讯、云数据处理等技术，面向机手、合作社、农机管理部门构建信息化和设备管理平台，实现耕整地、播种、施肥、喷灌、喷药和收获的全程机械化管理。如图7所示，该平台已在吉林、辽宁、内蒙古等省推广，不仅改变三农的生产模式，也改进提升了农业主管部门的管理模式[7]。

图7 吉林省农业云服务平台

4 装备健康管理的应用价值挖掘

总体来看，装备健康管理可提供以下应用价值的挖掘：

1）开拓装备智能服务 基于装备运行状态、基本信息、工作环境及行业数据，可提供丰富的信息服务和管理服务；

2）服务方式转变 由被动服务转向主动服务，由故障维修转为故障预测。

3）改进产品设计 通过分析装备数据，挖掘信息反馈至设计端，进一步了解设备性能缺陷和风险，不断完善设计，用大数据打造产品全生命周期的信息闭环。

4）创新性服务 通过装备的运行情况判断设备盈利情况和企业经营情况，维护设备企业的利益，控制资金风险。

5 结语

装备制造业正处于重大转型时期，利用物联网、先进传感技术、信息通信和大数据挖掘等技术的装备健康管理，将促使工业装备进入服务后市场，以此提升装备的全生命周期价值和客户价值，将催生全新的制造业服务模式。