日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

1 方案背景與目標

    工廠的生產與制造離不開各類生產設備的運行，這些生產設備作為工廠的重要資產，其運行狀態將影響到實際產量、質量和企業的收入。因此，對生產設備進行及時的維護，避免發生異常停機，是工廠實現連續生產的關鍵因素之一。

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

• 被動型維護：在生產設備發生故障時修復故障

• 預防性維護：通過預先定義的維保計劃來識別生產設備故障

• 預測性維護：通過時序數據和生產設備的歷史故障數據，預測未來的潛在運行狀態

    本方案采用預測性維護模式，通過對設備、部件的健康度評估信息，在發生影響生產、影響產品質量的重大故障之前，在先期檢測到設備運行狀態異常，在故障前提供預警，有效降低維護成本和非計劃停機時間，從而提高企業資產壽命和生產效益。同時，結合西門子工業邊緣的平臺特性，充分利用其在規模化復制應用的特長，具備擴展性。

2 方案詳細介紹

本方案由西門子工業邊緣平臺和設備、西門子工業人工智能軟件Device Monitor組成。

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

西門子工業人工智能軟件Device Monitor提供5個功能模塊：設備狀態數據采集、數據預處理和模型生成、設備實時健康度評估、用戶管理、用戶交互界面。

1)   設備狀態數據采集

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

    通過上述數據源添加數據后，可以通過設備配置將數據與設備關聯。不同的設備有不同的預置數據點位需要。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：原始數據通常會有噪聲、缺失值等異常情況，將通過統計學方法、機器學習模型等方式對數據進行預處理去除噪聲，提升數據質量。

    模型訓練：之后，針對設備類型選擇匹配的算法模型（如：統計模型、機器學習算法、深度學習模型框架等）進行適配和訓練，通過歷史案例學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行交叉驗證，當模型驗證結果通過預設的統計評估指標時（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，并被激活用于實時監控。

3)   設備實時健康度評估

    通過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實時監控。通過設備狀態數據采集模塊所獲取的實時數據，模型將根據其傳輸頻率不間斷進行：

·       目標設備的健康度評估

·       通過用戶交互界面進行直觀展示監測過程

·       出現異常偏差時，根據偏離程度進行不同等級報警

4)   用戶管理

    可添加、配置不同的用戶賬號訪問用戶交互界面。同時，可以設置不同的用戶權限，不同權限用戶可以查詢不同層級的數據。

5)   用戶交互界面

    提供總覽頁面、報警頁面、模型頁面、數據頁面、資產頁面、用戶頁面、設置頁面共8類用戶交互界面。所有用戶交互界面均通過WebUI的方式訪問，用戶使用電腦瀏覽器訪問服務地址，即可登錄并查看Device Monitor的使用界面。對數據源的配置、模型的創建與管理、設備實時狀態監測和健康度評估均可通過用戶交互界面查看。

3 代表性及推廣價值

1)   數據類型的多樣性和標準化

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

2)   模塊化部署提升應用擴展空間

西門子工業人工智能軟件Device Monitor采用容器化部署方式，運行在西門子工業邊緣設備中。西門子工業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，通過遠程訪問即可獲取設備及軟件的運行狀態信息、日志，并且實現軟件功能管理。在生產設備增加后，原有的功能可以快速復制并運行在新的產線、車間和廠房，減少調試時間。

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，在實際應用中無需具備算法專業知識也可完成配置和調整。對生產設備了解的維保人員可結合過往的設備運行狀態和運維經驗，輔助Device Monitor中所運行的AI模型更加精準，對設備運行狀態的監測效果更佳準確。

4)   健康度評估輔助設備運維保養

本方案已輔助企業用戶在設備發生異常前提供相應的警示信息。以某企業用戶的實際應用為例，Device Monitor在設備發生故障前15天，已通過對相應關鍵時序數據的分析提供預警。基于評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，避免生產設備發生實際故障和停機。

本方案通過工業邊緣可以容器化運行各類應用的優勢，以圖像化配置的方式實現數據采集、處理、存儲，并且集成工業人工智能軟件Device Monitor，使其后續的功能擴展、規模化應用具備良好基礎。與此同時，為企業用戶提供基于時序數據的AI分析功能，實現設備狀態實時檢測和健康度評估，可在早期檢測到設備運行狀態異常，在故障前提供預警，有效降低維護成本和非計劃停機時間，從而提高企業資產壽命和生產效益。