隔空把“脈”，料“事”如神，智能工廠中的預(yù)測性維護(hù)技術(shù)

制造智能化

生產(chǎn)力的提升是整個(gè)人類社會(huì)前進(jìn)的動(dòng)力。從蒸汽機(jī)的發(fā)明，到自動(dòng)生產(chǎn)線的引入，再到數(shù)控機(jī)床和計(jì)算機(jī)集成制造的出現(xiàn)，工業(yè)革命已經(jīng)完成了三次生產(chǎn)力躍升，實(shí)現(xiàn)了從手工生產(chǎn)到機(jī)械化、電氣化、再到數(shù)字化的變革。當(dāng)下隨著無線互聯(lián)、大數(shù)據(jù)和人工智能的發(fā)展，我們迎來了工業(yè)4.0時(shí)代，制造業(yè)正在從自動(dòng)化向智能化全面轉(zhuǎn)型。

在此背景下，"智能工廠"應(yīng)運(yùn)而生，它利用先進(jìn)的自動(dòng)化技術(shù)、數(shù)據(jù)分析和機(jī)器學(xué)習(xí)，實(shí)現(xiàn)了生產(chǎn)過程的高度優(yōu)化和靈活性。而"工廠預(yù)測性維護(hù)"是智能工廠概念的一個(gè)關(guān)鍵組成部分。

根據(jù)IoT Analytics的報(bào)告，預(yù)測性維護(hù)市場規(guī)模將從2021年的69億美元增長到2026年的282億美元，年復(fù)合增長率將達(dá)到31%。對(duì)于降低維護(hù)成本的需求，以及實(shí)時(shí)流分析技術(shù)的不斷普及，將促進(jìn)這一市場持續(xù)擴(kuò)大。

圖1：預(yù)測性維護(hù)市場發(fā)展

（圖源：IoT Analytics）

從預(yù)防性維護(hù)到預(yù)測性維護(hù)

提前化解潛在風(fēng)險(xiǎn)

在過程工業(yè)領(lǐng)域，確保設(shè)備的正常運(yùn)行是關(guān)鍵因素，它不僅影響工廠的高效率運(yùn)作，同時(shí)也是可靠和安全生產(chǎn)的基石。對(duì)于工廠而言，如何在提高產(chǎn)能的同時(shí)降低維護(hù)成本、提升關(guān)鍵設(shè)備的可用性，并減少非計(jì)劃性的停機(jī)時(shí)間，已成為一個(gè)日益重要的議題。

設(shè)備維護(hù)的兩種主流模式是預(yù)防性維護(hù)和預(yù)測性維護(hù)，它們的共同目標(biāo)是消除非計(jì)劃性的生產(chǎn)停機(jī)。

1

預(yù)防性維護(hù)

預(yù)防性維護(hù)側(cè)重于基于時(shí)間的策略，為設(shè)備設(shè)定一個(gè)預(yù)計(jì)的使用“保質(zhì)期”，然而這種方法并不能準(zhǔn)確反映設(shè)備的實(shí)際運(yùn)行狀況，例如潛在的故障風(fēng)險(xiǎn)及其發(fā)生的時(shí)間通常是未知的?！斑^度維護(hù)”往往不能有效地預(yù)防“非計(jì)劃停機(jī)”，有時(shí)甚至?xí)馔獾匾l(fā)“維修性故障”。

2

預(yù)測性維護(hù)

相比之下，預(yù)測性維護(hù)通過實(shí)時(shí)監(jiān)測和分析設(shè)備的運(yùn)行狀態(tài)，能夠?yàn)橛脩籼峁╆P(guān)于設(shè)備故障風(fēng)險(xiǎn)的即時(shí)評(píng)估，提前發(fā)出風(fēng)險(xiǎn)預(yù)警，并協(xié)助判斷“保質(zhì)期”的適用性，找到每一臺(tái)設(shè)備自己專屬的維護(hù)平衡點(diǎn)，從而避免非計(jì)劃停機(jī)的發(fā)生。

圖2：三種維護(hù)策略比較

（圖源：Mathworks）

預(yù)測性維護(hù)的概念起源于20世紀(jì)70年代，簡稱PdM（Predictive Maintenance）。當(dāng)時(shí)隨著計(jì)算機(jī)技術(shù)和數(shù)據(jù)分析方法的發(fā)展，人們開始探索如何通過數(shù)據(jù)分析來優(yōu)化設(shè)備的維護(hù)和運(yùn)營。開始時(shí)，預(yù)測性維護(hù)主要應(yīng)用于航空和軍事領(lǐng)域，用于提高關(guān)鍵設(shè)備的可靠性和安全性。

隨著時(shí)間的推移，這一概念逐漸被應(yīng)用到各種工業(yè)領(lǐng)域，特別是在工業(yè)4.0和智能制造的背景下，預(yù)測性維護(hù)結(jié)合了先進(jìn)的物聯(lián)網(wǎng)（IoT）技術(shù)、大數(shù)據(jù)分析和人工智能（AI），成為現(xiàn)代工業(yè)維護(hù)的重要組成部分。

盡管大多數(shù)企業(yè)仍依賴歷史經(jīng)驗(yàn)來診斷設(shè)備故障，這些經(jīng)驗(yàn)通常是這些領(lǐng)域的專家多年積累的結(jié)果，但它們的共享和傳承對(duì)許多企業(yè)管理者來說是一個(gè)挑戰(zhàn)。若能利用基于歷史故障記錄的大數(shù)據(jù)分析，并結(jié)合自然語言處理算法，構(gòu)建一個(gè)企業(yè)診斷系統(tǒng)來固化這些經(jīng)驗(yàn)，并充分利用工廠的故障記錄數(shù)據(jù)，就能實(shí)現(xiàn)對(duì)故障的快速匹配診斷，并及時(shí)進(jìn)行有效的修復(fù)和維護(hù)。這不僅能大幅提高故障處理效率，還能顯著降低誤判風(fēng)險(xiǎn)。對(duì)于工廠而言，預(yù)測性維護(hù)不僅提高了制造業(yè)的生產(chǎn)效率和質(zhì)量，還改變了傳統(tǒng)工業(yè)生產(chǎn)的方式，使得生產(chǎn)過程更加智能、高效和可持續(xù)。

Tenaris是一家全球無縫鋼管制造商，該公司從2018年底引入了ABB Ability的高低壓電機(jī)狀態(tài)監(jiān)測系統(tǒng)，在電機(jī)上部署傳感器來監(jiān)測其日常工作狀態(tài)，然后通過無線網(wǎng)關(guān)將數(shù)據(jù)傳輸?shù)綄ｉT的云端進(jìn)行存儲(chǔ)和分析。通過對(duì)于電機(jī)狀態(tài)數(shù)據(jù)的實(shí)時(shí)監(jiān)測分析，該系統(tǒng)可以提前預(yù)測出電機(jī)的故障類型和停機(jī)時(shí)間，從而做到更合理的計(jì)劃性維修。通過預(yù)測性維護(hù)系統(tǒng)的引入，Tenaris實(shí)現(xiàn)了460臺(tái)電機(jī)的24小時(shí)全天候無休運(yùn)轉(zhuǎn)，每年生產(chǎn)量提高至約800,000噸。

圖3：ZDT系統(tǒng)

（圖源：FANUC）

發(fā)那科（FANUC）是一家數(shù)控系統(tǒng)生產(chǎn)商，與思科共同開發(fā)了“Zero Down Time”零停機(jī)功能，并將這一系統(tǒng)部署到了通用汽車的生產(chǎn)線中。該系統(tǒng)實(shí)時(shí)收集機(jī)器人數(shù)據(jù)并進(jìn)行分析，可在機(jī)器人發(fā)生故障之前檢測到機(jī)器人機(jī)構(gòu)、控制裝置等方面的異常，并提醒用戶在停機(jī)發(fā)生前進(jìn)行有針對(duì)的維護(hù)維修，從而避免突然停機(jī)帶來的損失。通過此預(yù)測維護(hù)系統(tǒng)，成功地為通用汽車縮短了生產(chǎn)停機(jī)時(shí)間并有效地提高了設(shè)備綜合效率（OEE）。

其實(shí)遠(yuǎn)不止以上列舉的兩個(gè)領(lǐng)域，預(yù)測性維護(hù)系統(tǒng)已經(jīng)在汽車制造業(yè)、能源產(chǎn)業(yè)、化工業(yè)和食品加工等多個(gè)工業(yè)生產(chǎn)環(huán)節(jié)中發(fā)揮了巨大的作用，在提高了生產(chǎn)率的同時(shí)，還進(jìn)一步實(shí)現(xiàn)了更高的安全性。

在預(yù)測性維護(hù)系統(tǒng)中

構(gòu)筑高速可靠的連接

要實(shí)現(xiàn)一個(gè)完整的設(shè)備預(yù)測性維護(hù)系統(tǒng)，可以分為三個(gè)層面：感知+執(zhí)行層、連接和云平臺(tái)。在設(shè)備端，需要通過傳感器來采集各種模擬數(shù)據(jù)，然后轉(zhuǎn)換成數(shù)字信號(hào)發(fā)送至云端，云端的大數(shù)據(jù)平臺(tái)進(jìn)行數(shù)據(jù)的分析和處理，然后將分析結(jié)果分享給運(yùn)維人員，同時(shí)將指令反饋回端側(cè)做出相應(yīng)的持續(xù)監(jiān)測或提醒。

圖4：預(yù)測性維護(hù)原理

（圖源：羅蘭貝格）

顯而易見，在工廠預(yù)測性維護(hù)系統(tǒng)中，充斥著大量的連接場景，連接器在其中扮演著重要的紐帶角色。具體體現(xiàn)在以下幾個(gè)關(guān)鍵部分：

傳感器連接

連接器用于將傳感器物理連接到工廠中的機(jī)器和設(shè)備上。這些傳感器監(jiān)測如溫度、振動(dòng)、壓力等關(guān)鍵參數(shù)，用于檢測設(shè)備可能出現(xiàn)的問題。連接器確保這些傳感器可靠地附著在目標(biāo)設(shè)備上，并穩(wěn)定傳輸數(shù)據(jù)。

數(shù)據(jù)采集單元

在數(shù)據(jù)采集單元，連接器用于將各種傳感器和測量設(shè)備連接到數(shù)據(jù)采集系統(tǒng)。這樣一來，就可以從多個(gè)源收集數(shù)據(jù)，并將其傳輸?shù)街醒胩幚韱卧赃M(jìn)行進(jìn)一步分析。

通信網(wǎng)絡(luò)

工廠的預(yù)測性維護(hù)系統(tǒng)依賴于內(nèi)部通信網(wǎng)絡(luò)來共享和傳輸數(shù)據(jù)。連接器在這里用于連接不同的網(wǎng)絡(luò)組件，如路由器、交換機(jī)和數(shù)據(jù)處理單元，保證信息流動(dòng)的穩(wěn)定性和高效性。

控制系統(tǒng)接口

連接器還被用于將預(yù)測性維護(hù)系統(tǒng)與工廠的控制系統(tǒng)相連接。這種連接可以讓預(yù)測性維護(hù)系統(tǒng)將其發(fā)現(xiàn)的情況和推薦的維護(hù)措施傳遞給控制系統(tǒng)，以便操作人員采取必要的行動(dòng)。

電源管理

在電源管理方面，連接器用于確保所有的傳感器、數(shù)據(jù)采集設(shè)備和通信設(shè)備都能獲得必要的電源供應(yīng)。這包括將這些設(shè)備連接到電源線或電池。

維護(hù)和故障診斷

在預(yù)測性維護(hù)系統(tǒng)的維護(hù)和故障診斷階段，連接器可以用于快速連接或斷開設(shè)備，以便進(jìn)行維修或更換。這種快速連接/斷開功能減少了停機(jī)時(shí)間并提高了維護(hù)效率。

通過這些不同的應(yīng)用，連接器在工廠預(yù)測性維護(hù)系統(tǒng)中起著至關(guān)重要的作用，確保了系統(tǒng)組件之間的穩(wěn)定連接和高效通信，從而使整個(gè)預(yù)測性維護(hù)過程更加可靠和高效。

工業(yè)連接器：助力高效可靠的連接

既然是工業(yè)場景中的連接器，自然要能夠抵抗工業(yè)環(huán)境中的極端條件，在耐用性、魯棒性、電氣性能和防水防塵等方面，都要符合比常規(guī)連接器更高的標(biāo)準(zhǔn)。同時(shí)，還要滿足某些特殊工業(yè)場景中的反復(fù)插拔要求、EMI/RFI屏蔽能力、承重能力、更高的機(jī)械強(qiáng)度等。此外，連接器還應(yīng)符合特定行業(yè)的安全和質(zhì)量標(biāo)準(zhǔn)，例如UL、CE、RoHS等認(rèn)證。這些要求可確保連接器在工業(yè)環(huán)境中的穩(wěn)定性和性能，對(duì)于維護(hù)生產(chǎn)線的高效和可靠運(yùn)行至關(guān)重要。

那么什么樣的連接器能夠滿足以上的種種要求，助力工廠預(yù)測性維護(hù)系統(tǒng)的穩(wěn)定高效運(yùn)行呢？在這里我們?yōu)榇蠹姨暨x了兩款來自TE Connectivity的產(chǎn)品。一款是“盲插移動(dòng)充電連接器”，在貿(mào)澤電子官網(wǎng)上的產(chǎn)品料號(hào)為“2400405-1”。

圖5：盲插移動(dòng)充電連接器

（圖源：貿(mào)澤電子）

該連接器具備四大優(yōu)勢：一是超長壽命周期，達(dá)到了至少12,000次的設(shè)計(jì)插配周期；二是更好的連接靈活性，提供2和3電源觸點(diǎn)選項(xiàng)；三是提供多達(dá)8個(gè)信號(hào)觸點(diǎn)，每條線路高達(dá)0.5A；四是提供了盲插便利性，允許一定程度的錯(cuò)位插入。

另一款推薦的連接器是TE Connectivity的“AMPMODU 1.0mm中心線互連系統(tǒng)”。

圖6：AMPMODU 1.0mm中心線互連系統(tǒng)

（圖源：貿(mào)澤電子）

該系列非常適用于工業(yè)I/O連接。與標(biāo)準(zhǔn)2.54mm腳距連接器相比，該系列可節(jié)省電路板85%的空間；雙梁觸點(diǎn)設(shè)計(jì)即使在劇烈沖擊/振動(dòng)環(huán)境中也能提供可靠的電氣連接；鍍金選項(xiàng)提高了耐用性和耐腐蝕性。該系列產(chǎn)品在貿(mào)澤官網(wǎng)上的具體產(chǎn)品型號(hào)為“1MM-R-D06-VS-00-F-TBP”。

工業(yè)預(yù)測性維護(hù)

AI在工業(yè)端側(cè)落地的開始

預(yù)測性維護(hù)，被視為是AI在工業(yè)場景中非常容易落地的應(yīng)用方向之一。這是因?yàn)楣I(yè)領(lǐng)域通常已經(jīng)擁有大量的歷史運(yùn)行數(shù)據(jù)，這些數(shù)據(jù)可以用于訓(xùn)練預(yù)測性維護(hù)模型。這降低了實(shí)施AI系統(tǒng)所需的數(shù)據(jù)收集和準(zhǔn)備的成本和復(fù)雜性；同時(shí)預(yù)測性維護(hù)具備清晰的業(yè)務(wù)目標(biāo)，也更易獲得明顯的投入回報(bào)。

此外，預(yù)測性維護(hù)還具備非常好的“伸縮性”。預(yù)測性維護(hù)可以逐步實(shí)施，從幾臺(tái)設(shè)備開始，逐漸擴(kuò)展到整個(gè)生產(chǎn)線或工廠。這種漸進(jìn)的方法有助于企業(yè)適應(yīng)變革，逐步提高維護(hù)效率。在AI的能力加持下，智能工廠正在以預(yù)測性維護(hù)為基礎(chǔ)，向著全面數(shù)字化運(yùn)維場景逐步邁進(jìn)。

相關(guān)技術(shù)資源

TE Connectivity的盲插移動(dòng)充電連接器，了解詳情>>

TE Connectivity的AMPMODU 1.0mm中心線互連系統(tǒng)，了解詳情>>

該發(fā)布文章為獨(dú)家原創(chuàng)文章，轉(zhuǎn)載請(qǐng)注明來源。對(duì)于未經(jīng)許可的復(fù)制和不符合要求的轉(zhuǎn)載我們將保留依法追究法律責(zé)任的權(quán)利。