，并依据该状态发展趋势和可能的故障模式 ，预先制定维修计划 ，确定机器应该修 理的时间、 内容、方式。预测性维护可以为企业带来以下效益： ☐ 降低维保成本 ☐ 延长设备寿命 ☐ 提高设备使用率 ☐ 减少库存成本 ☐ 提升生产安全 维护触发点 固定周期，不考虑设备实际 状态，可能带来过度维护 必要时，预留足够应对时间 给一线人员在故障前做出应对 维护方式 根据零部件的平均损坏率进行维护， 遵从操作手册（凭经验） 有计划无目标 事后维护 故障发生后 最昂贵的维护 事后维修比事前预防的成本高约 50% 以 上 状态监测 健康评估 异常监测 故障预测 故障诊断 维修决策 图形 1 解决方案 解决思路 将数据和知识库进行深入融合，构建 AI 模型库： 如整合设备传感器数据与知识库中的故障案例，预测 剩余使用寿命（如“轴承预计 AI+ 设备管理（预测性维护） 基于设备运行状态——实时监测与数据分析的主动维护策略：  持续采集设备运行参数（如振动、温度、电流等）；  利用机器学习或物理模型预测设备劣化趋势；  在故障发生前，精准定位风险点并制定干预计划。 全面设备管理体系的三类方式比较 模式 特点 事后维护 " 不坏不修，坏了才修 " ，缺乏事前准备，易导致停工时间延长并扰乱生产计划。 预防性维护 按照

................................................................................ 35 2 3.5.6 设备故障管理 ............................................................................................ 36 系统，由各自的账户权限和安全等级来确定其所能访问的系统功能范围。 建立 SCADA 系统的意义就是为了方便管理层以及使用者对于产线的生产情况有一 定程度的了解，所以，在除了基础数据的展示外。KS 平台还提供故障报警，自定义报 表简单的数据统计分析等功能。以此来满足企业的基础需求。 2.3．数据的转发 KS 中存储和展示的数据，不仅可以供于其自身使用，还可以通过相应的接口提供 给其它软件使用，这主要 影响生产的因素采 取一些可控的管理手段，在规范生产管理的同时减少因人员问题导致的生产异常 情况发生； l 设备方面，如果没有科学的管理手段，将会导致设备的维护保养计划可能无法按 时到位，设备故障也就无法短时间内解决。从而在根本上影响生产，所以，对于 设备的管理，需要制定一些直接有效且全面的管理手段； l 报警预警方面，一般情况下的报警只能起到提示的作用（如 SCADA 系统中的报 警

........................................................................................105 11.3. 故障排除................................................................................................. 包和派工单的物量、计划工时、实际工时，并通 过数据整理建立标准型基础制造信息数据库。对 这些信息进行实时的处理，提取出工厂车间调度 和管理系统和 ERP 系统所需要的正确信息，如产 品质量信息、订单完成情况、设备故障诊断信息 及成本核算信息等，为企业 ERP 系统和车间层的 调度管理系统提供数据基础和决策支持。现场信 息数据的采集可由车间手工输入或由各种自动化 设备自动获取。 根据生产计划及对应的工艺参数，通过 写入 程序实现对设备的控制。 设备管理与人员 管理 1) 根据车间近期的生产计划，协调和分配车间 的人力、机器、工具和物料等资源，并跟踪 其即时的工作状态和刚刚的完工情况。其包 括设备故障统计、设备检修计划、设备台帐 查询、各种备品、材料等库存台帐查询、出 入库管理及各种物品的消耗统计。 2) 主要提供工序工价核算员工薪酬功能，通过 设定工序价格、工作现场的信息收集，如班 组员人员、出勤状况、计件的产出数量等，

机 器 学 习 认知制造业借助认知计算技术、认知分析技术、工业物联网 (IoT) 技术及其他技术推动制造制造业务转型 认知 解决方案 实时洞察 个性化制造 数据整合 车间可视度 自动故障检修 主动维护 流程自动化 自动决策 自主运行 自给自足的 生态系统 推销失败后， 服务数据 实际需求数据和 预期需求数据 制造执行 系统数据 企业资源 计划数据 机器传感器数据 35 GUANLIJISHUHUA GUANLIJISHUHUA 动设备故障诊断与预测性维护平台分析框架 故障诊断分析 • 分析方法 / 模型 : 相关数据异常分析模型 • 输入数据 : 传感器监控数据 • 结果输出 : 每个传感器在某时刻的异常 评分 ; 关键性能指标（依赖关系 图） 关键故障预测 传感器异常诊断 整机健康状态评估 • 分析方法 / 模型 : 时域频域分析 : 传感器监控数据 • 结果输出 : 故障原因和类型 • 分析方法 / 模型 : 聚类相关技术 • 输入数据 : 部件状态数据 • 结果输出 : 整机健康指数 ; • 分析方法 / 模型 : 决策树 支持向量机 神经网络 • 输入数据 : 监控数据 维修历史 • 结果输出 : 提前预知关键故障 数据收集和准备 36 GUANLIJISHUHUA

统有关的系统或相关部件发生故障时， 可以向驾驶者发出警告的诊断系统。 OBD 系统的应用源于欧 III 排放标准，功能正确的发挥对于用车排放的控制十分重 要。 OBD装置监测多个系统和部件，包括发动机、催化转化器、颗粒捕集器、氧 传感器、排放控制系统、燃油系统、 GER等。 OBD是通过各种与排放有关的部件信息，联接到电控单元（ ECU），ECU具备检测 和分析与排放相关故障的功能。当出现排放故障时， ECU记录故障信息和相关代 ECU记录故障信息和相关代 码，并通过故障灯发出警告，告知驾驶员。 ECU通过标准数据接口，保证对故障 信息的访问和处理。 ② OBD技术最早起源于 80 年代的美国，初期的 OBD技术，是通过恰当的技 术方式提醒驾驶员发生的失效或是故障。欧盟和日本在 2000 年以后引入 OBD技 术， 04 年之后，汽车发达国家的 OBD技术进入第三个阶段。 欧洲和美国在 OBD检测的项目和限值方面， 目的在于成为高排放标准车辆之前发现故障； 欧洲 OBD监控的目的在于发现高排 放车辆。我国导入的 OBD技术，将在三个阶段以后等效采用欧洲 OBD系统的相关 规定。 欧 III 排放标准并不等于 OBD，12 月 1 日北京实施的加装 OBD强制政策后， 车辆 为欧 III+OBD 的标准。 ③ OBD是通过各种与排放有关的部件信息，联接到电控单元（ ECU），ECU具 备检测和分析与排放相关故障的功能。 源于此，今天的

，安全仪表在线 实时数据 统计平衡 生产平衡 平衡结果 进出厂管理 计量管理 实时数据 调度约束 生产目标 生 产 调 度 排 程 PID 监 视 故障诊断 实时数据 物料平衡与统计 生产绩效 CO 生产统计与绩效 操作管理 操作绩效 操作参数 实时数据 物料移动与库存管理 FI 财务数据 APC 监 1 ～ 0 设备 & 基础设 施 智慧工厂的信息化设计 11 玻璃瓶清洗 计划 成品质检 RFID 样 品 配方管理 配方变更 生产数据采 集 智慧工厂的主业务流 设备故障 报警 设备维修 ) 采购付款 管理 1 销售收款 管理 2 采购入库 质管理 大数据 分析 数据中心管 理 数据驾驶舱 研发试制 计划 原料领用管 设备信息 查询与监控 日计划排产 产线计划 配方管理 配方变更 工艺运行管 理 工艺卡片管 理 玻璃瓶清洗 计划 人员计划 能耗计划 预防性维护 设备故障 报警 设备维修 设备台账管 理 设备清洗 计划 ) 采购付款 管理 1 销售收款 管理 2 总账管理 资金管理 成本管理 质管理 供应商资 配额管理

数字孪生智能工厂的数据可视化 主要包括设备状态监测、生产线 运行数据、产品信息等。数据可 视化的直观性和可操作性对于工 厂的智能化控制和优化至关重要。 数据挖掘 数字孪生智能工厂的数据挖掘主 要包括设备故障预测、生产线优 化调度、产品工艺优化等。数据 挖掘的准确性和有效性对于工厂 的智能化控制和优化至关重要。 数据分析和报告 数字孪生智能工厂的数据分析和 报告主要包括设备运行状态分析、 生产线效率分析、产品市场竞争 数字孪生智能工厂的业务流程 优化主要包括生产计划制定、 物料需求计划制定、设备维护 计划制定等。业务流程优化的 合理性和有效性对于工厂的智 能化控制和优化至关重要。 数字孪生智能工厂的智能决策 支持主要包括设备故障预测、 生产线优化调度、产品工艺优 化等。智能决策支持的准确性 和有效性对于工厂的智能化控 制和优化至关重要。 业务流程优化 智能决策支持 数据驱动的决策分析与优化 智能控制与优化 08 人工智能在工厂控制中的应用 通过机器学习算法，可以对生产流程进行优化，例如调整生 产工艺、改变设备参数等，提高生产效率和质量。 生产流程优化 通过机器学习算法，可以对设备故障进行 预测和诊断，实现及时维护和保养，保证 设备的稳定性和可靠性。 设备故障诊断 通过机器学习算法，可以对产品质量进 行检测和控制，实现自动化检测和分类， 提高产品质量和管理水平。 质量检测和控制 01 02 03 机器学习优化生产流程

对设备的增删改查及远程控制功能 APP 和 WEB 故障管理 实时故障查询、历史故障查询、故障处理 APP 和 WEB 报表统计 设备数据等多维度分类统计报表 WEB 方案实施 应用侧方案 依托广州乐然物联网科技有限公司平台采集的数据及 API 接口 ，根据活鲜运输物联网 项 目需要开发 ，具有通用功能 ，包括 ：用户管理、 设备管理、 故障管理、 报表统计功能。 序号 名称 供应商 备注 设备信息集中展示 设备详情 位置定位 远程监控 产品介绍 - 应用侧 故障查询 ： 通过物联网专用网络将设备状态信息实时传输到云平台 ，应用平台登录时可以实时监 测监控设备告警及故障数据。 设备故障自动报警 设备故障消息自动推送 按预制条件自动调节 调节执行结果实时反馈 通知维护人员 维修执行情况反馈 故障报警 智能调节 通知维修 角色分工 项目分工简介图 目录 n 行业分析

仓储的智能化：项目通过工业互联网平台和 5G 技术，实现仓储信息的实 时更新和共享，提高了仓储管理的效率，降低了库存成本。 4.设备管理的提升：项目实现了对设备的实时监控和预警，提前进行维护和 修理，降低了设备故障率，延长了设备的使用寿命。 5.电子图纸技术的应用：项目使设计和生产环节的无缝对接成为可能，提高 了生产的精确性。同时，通过质量追溯系统，可以实现对每一个产品的生产过程 进行全程追溯，确保产品质量，提高客户信任度。 帮助减少工厂内的二手烟污染，从而有助于保护工人的健康。  5G+设备故障诊断 场景描述：使用 5G 智能数采网关设备，实时采集设备数据，传输到设备管 理系统。设备管理系统负责对采集到的设备状态数据、运行数据进行全生命周期 监测，监控设备运行是否正常，对故障进行提早诊断、研判预警。 实施效果：准确性方面，可以通过建立故障诊断模型，通过数据分析，提高 13 故障诊断的准确性。及时性方面，实时采集设备状态数据，及时发现设备的异常， 及时发现设备的异常， 从而及时诊断设备的故障。  5G+能耗监控 场景描述：通过 5G 智能电表和生产用能管控系统的应用，可实现对生产用 能各项指标数据实时采集、实时传输及监控预警。同时发生超压超载，超过最大 预警阀值，触发自动切断机制，系统可自动进行阀门关闭，及时避免可能发生的 用电灾害事故。 实施成效：从用电全生命周期出发，建立标准的、有效的管理体系，通过节 能监测、能源统计

史数据、异常数据进行 监测，对风功率预测曲线、 SCADA 状态参数、传动链振动监测数据、报警数据进行 实时监控、显示。引入美国 IMS 中心大数据分析工具，提供从风场级到部件级的多 层次状态评估及故障预测功能、风场调度与维护排程优化功能、和风场区域风功率 预测及发电量预测功能，实现风机资产预测性维修维护、动态经济性能分析与优化 功能。 锅炉智能诊断系统 通过锅炉的三维可视化建模，以 电厂端 35 汽机智能诊断系统 通过汽机三维可视化建模和 透视功能，可以方便使用者查看 设备的内部情况，及时找到故障 位置，对复杂部件进行快速诊断。 例如：一是汽轮机调速汽门在线 监测和故障预警功能，不仅能够 对高调门的喷嘴配汽特性故障进 行预警，保证机组的安全稳定性； 而且还能够指导运行人员实时对 机组最优滑压点进行优化调整， 实现机组复杂变工况模式下滑压 能。对压缩机喘振故障、失衡、轴承机械故障、效率下降、和过负 载 运行等异常模 式进行预测和控制参数优化建议，从而保证压缩机安全、稳定、和高效地持续运行。 远程振动监测与分析系统 振动监测作为工业装备资产状态监测最常见的手段之一，但其分析对专家的依 赖很大。远程振动监测与分析系统内部署了数十种振动信号处理、故障提取、模式 识别、故障特征建模、故障趋势预测、和故障诊断算法，能够极大程度上帮助专家