，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

精益管理、能耗精益管理、工艺效能精益管理、 成本精益管理、人员绩效精益管理、质量安全精益管理 工艺优化解决方案 质量智检解决方案 基于设备 IoT 数据，使用 AI 大数据技术对设备健康 状态进行建模分析，实现健康度评估，故障预测等 基于知识图谱技术，建立设备工艺 “指导手册”，可以根据 工艺问题现象，自动推理排查有可能的原因和解决方案。 基于图像识别技术，实现产品质量质检的智能化自 动化，自动别质量缺陷，提升产品质量 库存绩效指标 设备状态监控、环境监控、 质量绩效指标 质量工艺的预警与异常推送、 故障远程诊断与定位 关键指标呈现、交付与质量综合查询 实时数据 刀加工时间、刀加工次数、 主轴转速、进给轴转速、 加工周期时间等 生产产量 当班产量、本模产量、上 模产量、总产量等 运行状态 加工、待机、故障、停机 及各种状态持续时间 能耗采集 实时能耗、待机能耗、能 耗统计 以机床设备为例 主要针对成品车间各类设备、工业机器人、 AGV 等关键设备的关键部件进行故障预测性维护，通过云鲸 工业互联网平台获取设备实时运行数据、工况数据、故障数据，并加装振动温度一体式传感器安装于设备表面， 结合有线监测站采集振动温度数据，通过 5G 、有线、 WIFI 接入云鲸平台，将数据汇总至云鲸工业互联网平台， 运行于平台的数据分析及设备模型软件可实现设备运行状态智能预警和故障原因诊断分析。 基于大数据的设备健康实现架构

........................................................................................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

全网设备资产，进行分类运维统 计，流程式维修引导，保障视频监控系统的业务质量，实时监测系统安全性和 稳定性，极大程度提高了视频监控系统的运行维护水平和效率。本次建设运维 管理系统，集设备管理、故障管理、资产管理、网络管理、视频诊断、录像巡 检等诸多功能于一身。 第三章 高清视频监控系统设计 高清视频监控系统主要由视频前端、传输、存储、解码显示、管理应用平 台等几个部分组成。 视频前 我们一般建议按照每个区域进行 VLAN 资源的划分，所有 IPC 使用的 VLAN 均遵从所在区域的 VLAN 规划。 尽管在不同的汇聚设备上使用相同的 VLAN 并不冲突，但是不允许这样的 做法，会对后期的维护和故障的排除造成很大的困难。 如果建设网络所使用的设备不能直接在端口上配置互联用的 IP 地址，需要 绑定相应的 VLAN 的话，还需要单独划分出来一大段 VLAN 资源用于设备互联， 强烈建议全网设备互联用 网络设备的可靠性主要通过关键部件冗余备份、设备冗余备份、传输告警 抑制和快速链路故障检测来进行保障。 关键部件冗余备份是指网络设备提供主控、电源等关键部件的 1+1 冗余备 份；另外系统各单板及电源、风扇模块均具有热插拔功能。这些设计使得设备 或网络出现严重异常时，系统能够快速地恢复和作出反应，从而提高系统的平 均无故障运行时间，尽可能地降低不可靠因素对正常业务的影响。 设备冗余备份是指通过双

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