設備智能運維——企業降本增效的“殺手锏”
2020年4月9日，西安因聯信息科技有限公司創始人兼總經理呂芳洲受邀在由工業和信息化部文化發展中心主辦、先進制造商學院承辦的制造業高質量發展公益大講堂進行直播分享：《設備智能運維——企業降本增效的“殺手锏”》，以下為演講整理。
為什么在未來整個制造業發展中設備智能運維是企業降本增效的一個有效手段。
01 工業4.0背景下設備運維面臨的挑戰
當前世界各國都在倡導工業4.0和工業互聯網，中國從2015年提出“中國制造2025”開始，歷經近五年的摸索和嘗試，漸漸開始落地，解決企業實際運行中的一些痛點問題。國家工業信息安全發展研究中心通過調研發現設備資產管理是目前落地最廣泛的場景，其中設備狀態監測落地率高達80%，預測性維護及圍繞它的相關技術更是被譽為制造業 “殺手級”應用。雖然設備資產管理發展態勢良好，但是國內企業的設備管理依然面臨很多挑戰。
一是設備管理方面難題。工廠新舊設備“幾代同堂”情況時有發生，設備運行狀態數據不及時、不集中、不精細、不完整，造成設備維護工作難于監管，影響設備運轉率，降低設備使用壽命。
二是突發故障搶修。即使我們實行按期維修的過渡手段，但還是不可避免的出現突發故障，有可能導致生產的臨時意外中斷，造成生產成本的大幅提升，甚至對人員的安全造成威脅。
三是專業人才短缺挑戰。隨著人口紅利的逐漸消失，專業人才的短缺，也給企業帶來的很大的挑戰。一是勞動力成本不斷攀升，二是專業化人才始終屬于一種稀缺資源，企業難以留住導致青黃不接。
這是整個行業在設備運維方面都不可避免的幾大挑戰，那么，我們應該怎么去解決這些問題呢？
02 基于預測性維護的設備智能運維
在不同的背景下，設備維護策略分為兩種，一種是響應式維護，它的特點就是運行到故障發生時在進行維修和維護；另一種是預防性維護，又分兩種情況，一是定期維護，間隔固定的時間進行，二是基于設備實時狀態進行預知維護即預測性維護。
預測性維護從三個維度幫助設備進行自我表達，一是解決設備自我感知的問題，首先得發現設備狀態的異常。但正常的設備雖然外表形態各異，但看起來都是一個大鐵疙瘩，怎么能感覺到它的異常呢？有經驗的工程師可以通過現場的聲響或溫度來進行判斷，但是沒有經驗的呢，一直運轉到設備“趴窩”了以后才有可能發現設備異常。二是解決設備實現自我分析的問題，到底是什么導致的異常，故障部位是哪里，嚴重程度如何，該怎樣去應對。三是有針對性的對設備采取維修策略，比如說采用動平衡、對中處理、潤滑、更換部件或者停機維修等。
PHM解決問題業務流
PHM是工業設備的故障預測與健康管理的統稱。隨著信息技術，大數據技術，人工智能技術的發展，設備運維從故障后維護、周期性維護、基于點巡檢狀態維修逐步升級到數據驅動預測性維護的智慧階段。電機、泵、風機、減速機、壓縮機等設備構成了行業生產的基礎，PHM面向煉化、水泥、鋼鐵、造紙等常規流程工業以及汽車、飲料等離散行業為設備提供設備智能運維的服務。
那么，PHM是怎么解決問題的呢？
在這里要提到現在很火的一個概念——CPS，就是物理世界的對設備數字化的映射，也就是數字化設備模型，它的數據源分成幾大類，包括狀態參數、工況數據、設計參數，還有設備運行過程中的一些參數，在整個生命周期中的維護參數等等。數字化模型是構建數據化設備的一個基石，是所有統計分析和數據驅動模型的基礎， CPS這個概念是不斷外延不斷完善不斷發展的，它并不是一開始就非常完備的體系，是逐漸擴展逐步豐富的。
再回到PHM，它通過監測、預警、診斷和維護這四個流程形成閉環。
● 監測
監測是為了數據可視化，使得不可知不可感的設備變得可知可感。因聯的解決方案是提供完整的物聯網產品系列、數據接入能力以及整個數字化的模型能力，把物理世界中的設備變成數字世界可感知的設備。
狀態監測的基本原則是建立全面感知和數據標準化。設備進行自我表征和實現自我感知的手段和方法有很多，下面為大家介紹其中幾個?？梢钥吹剑麄€設備的失效模型呈現這樣一個曲線，從設備產生初始損傷一直到設備完全失效，不同的場景對應不同的方法，沒有一種方法適合所有場景。
溫度測試主要反映磨損類故障，當溫度出現異常時，說明設備已進入故障晚期，這個方法簡單，可作為狀態監測參數。
油液分析包含對油的理化分析，比如對潤滑油的粘度、水分、酸度進行光譜分析或鐵譜分析，分析油液里面所含有的顆?；蝾w粒大小來判斷設備磨損和污染情況。
應力波分析對設備材料發生的波動或撕裂非常敏感，可以檢測出早期故障，但是它有幾個特性，一是小段彈性介質的波動，當材料發生變化時才會發生；另外一個就是隨著傳播距離的增大而迅速衰減，拾取困難；三是在穿越界面時迅速衰減，很難捕獲。
基于振動的振動包絡分析和振動測試，振動信號的分析技術經過多年的迭代和大量使用已經發展成熟，國內外使用預測性維護技術的企業里面，采用振動信號進行分析的企業占到70%左右；另外它的監測覆蓋范圍可以涵蓋整個機械設備的傳動鏈，并可以對設備的早期故障進行診斷，提前3-6個月發現故障，是檢測旋轉機械故障最全面、最有效的方法。
實際上我們已經可以勾勒出包括機械設備、電氣設備、壓力設備在內的設備自我感知的一些常見手段。
振動：適用于旋轉機械、往復機械、軸承、齒輪等。
溫度（紅外）：適用于工業爐窯、熱力機械、電機、電器等。
聲發射：適用于壓力容器、往復機械、軸承、齒輪等。
油液（鐵譜）：適用于齒輪箱、設備潤滑系統、電力變壓器等。
無損檢測：采用物理化學方法，用于關鍵零部件的故障檢測。
壓力：適用于液壓系統、流體機械、內燃機和液力耦合器等。
強度：適用于工程結構、起重機械、鍛壓機械等。
表面：適用于設備關鍵零部件表面檢查和管道內孔檢查等。
工況參數：適用于流程工業和生產線上的主要設備等。
電氣：適用于電機、電器、輸變電設備、電工儀表等。
● 預警
對設備異常判斷的一個基本原則就是能否準確、及時、有效的發現故障，降低誤報漏報和重復報的問題，這里面我們提出了一個智能預警的概念。
在實踐過程中我們發現很多時候難以對設備進行有效的預警，往往是因為設備不全，數據提取有誤，或者使用方式方法有問題。關于怎么樣讓設備開口說話和進行自我表達，我們認為需要在設備自我感知的基礎上構建一套智能化的運行體系。首先要采集設備的原始數據，接著對它進行特征提取。以振動為例，對振動信號進行特征提取最少能提取數百種特征參量，這些特征參量在設備不同過程的故障或者設備狀態不同表征的靈敏度都是有差異的。提取完后要對這些特征進行過濾，數據經過過濾后進入整個模型，之后我們再進行整個報警的整合，按照既定的推送策略推送給用戶。用戶看到的就是對應0-4級的設備故障等級，最后根據不同的級別應該采取相應行動。
● 診斷
診斷就是對設備故障進行準確的定位，這需要對常規故障、自動化故障、復雜故障進行專業化診斷，因聯擁有結合專業分析工具和遠程診斷服務的完整智能診斷體系，確保設備故障精準定位。
怎么讓設備進行自我判斷呢？在這里我們提供了兩種通路和手段。一種是機理手段。所謂機理實際上是基于專業工程師/專家經驗或自身物理系統的特征進行推理分析的一套系統，可以明確表征出來故障的特征，基于AI的體系把專家的經驗固化到我們系統里，讓系統代替專家進行工作，得出結論，可以實現80%以上設備故障的有效推理和診斷。
另外一種是隨著我們故障案例的積累不斷地推演推理，基于大數據的手段實現智能診斷。這個系統是一個活的系統，可以不斷深入挖掘設備故障數據，不斷完備自己的模型，不斷進行自我迭代和進化，這和培養專家的過程類似，前者受制于專家的經驗和認知，后者隨著樣本數據和案例越來越多不斷演進自我精確度。隨著數據和案例的積累，不斷逼近甚至超越人類專家的水平，未來真正實現設備智能化診斷。
● 維護
我們回到現場維護這樣一個閉環里，通過PHM系統或對外API接口觸發相應的流程、相應的業務系統和相應的工單，對整個故障進行消除。
03 PHM系統的部署
PHM系統的部署分三層。
第一層是物理感知層，我們借助多元化的智能傳感器、DCS、SCADA系統，通過邊緣智能網關進入到PHM系統里。
第二層是PHM智能云平臺。智能云平臺上的核心在于PHM的工業算法模型，也就是我們建立起一個設備模型上面附著的算法模型就可以產生實際化的表達。
第三層是應用層。對于企業我們可以提供綜合分析決策支撐的大屏，也可以做整個設備智能運維診斷分析的應用。對設備運行維護人員來說，通過PHM系統能更詳細了解設備運行情況。與此同時我們還可以建立實時推送告警，24小時全天候不間斷的掌握設備運行情況。
整個PHM系統部署完成以后，通過逐級的體系給企業提供完善的設備運行維護系統。
04 設備智能運維帶來的實際價值
回歸到現實價值，從資產管理的維度講使用設備預測性維護的手段帶來的價值。
◆ 現場人員安全保障
工業現場很多設備處在百米以上的高空，尤其是風電行業管理人員要實現巡檢和設備檢修實際上會有很大風險。
◆ 備品備件提前準備
對設備狀態的準確預知可以體現在備品備件提前準備，也可以優化備品備件的庫存，根據大數據對備品備件準備策略進行調整和優化。
◆ 減少單機維護成本
◆ 避免生產線的突然中斷
非計劃性停機在流程工業里非常典型，尤其是生產線的突然中斷造成的整個流程的中止。
◆ 優化人員結構
對于企業來說，使用PHM系統對人員的要求降低，實現用少量的專家管理更多的設備，或讓這些專家的經驗外延，使得企業培養人員的壓力變小，對企業來說適用性人才會越來越多，降低企業人員成本。
◆ 為制造商提供改進建議
過去我們在實踐過程中發現有些設備裝配采用的零部件有批次性質量問題，這會造成批次性的故障，這些故障信息對于制造商來說可以改進他的生產工藝，改進他對原材料的選擇、廠商的選擇、型號的選擇等。
案例分享
我們通過最簡單的方式加外部傳感器迅速構建設備智能運維體系，傳感器不斷采集數據發送到智能網關，向上進入到我們的業務系統里去。下面來看幾個實際的案例，對設備智能運維的價值進行直觀的感受。
案例1—某飲料工廠部署案例
我們將平臺部署在公有云平臺上，實現對該客戶5家工廠的洗瓶機、灌酒機、貼標機、真空泵等44余臺設備的狀態監測，對不同工廠工藝流程進行管理、管控和比較，對設備集群進行管理，對設備的實時情況進行預警和診斷分析，另外我們提供了整個設備模型庫管理的工具和方法。通過部署遠程設備運維系統，大大降低了現場巡檢人員的勞動強度，提升了人員工作效率，有效降低設備非計劃停機風險，從而保障工廠的生產連續作業，節省備件庫存和設備維修保養費用。
案例2—某采油廠注水泵，避免安全事故
假如我們已知設備出問題了，但生產要求下不能停機檢修，該怎么辦？這時候我們可以在設備狀態監測下繼續運行，當不得不進行維修的時候再進行維修。我們的一個采油廠客戶的注水泵監測到已經發生嚴重故障，但是由于無備機切換，所以不能停機檢修，我們的系統和人員24小時密切監控設備運行狀態，實現該注水泵帶病安全運行5個月，保證生產正常運行的同時避免了設備突然發生故障。
案例3—某水泥廠輥壓機，避免故障停機損失
大家都知道，設備故障發現得越早，企業在允許的情況下越快維修，造成的生產損失就會越少。輥壓機是水泥廠一種關鍵設備，我們通過智能監測系統提前預知性的發現該輥壓機齒輪箱的早期故障，提前做好了備件準備，為水泥廠避免了輥壓機返廠維修帶來的連鎖損失761萬。