动设备远程智能运维解决方案.pdf

1.找问题：工业生产设备数据“看不见”的价值

题。全球6400万台生产设备中，约92%没有数据采集功能，振动数据

因采集成本高采集应用更少。67%的企业主要通过Excel对数据进行简

单统计和展示，无法挖掘工业数据价值。

2.设目标：为工业动力设备提供智能、高效的远程运维服务

解决方案把装备数据采集、边缘计算特征提取和云端大数据分析相结

合，打造设备监测和预测性运维产品，为工业企业提供经济、实用的动

力设备预测性运维服务，实现关键设备故障智能诊断和准确预测，降低

企业生产和维护成本，保障关键设备运行安全，减少生产事故，为用户

创造价值。

二、创新点

1.本项目将设备的设计信息、工艺信息和运行环境信息融入到专家系

统的故障诊断之中，多维度地对故障进行诊断，可提高诊断结果准确度。

2.引入多步拟合技术，相比于传统单步拟合方法，多步拟合方法可降

低70％左右的预测误差。

3.凯奥思数据技术的硬件产品与美国国家仪器公司的产品类似，但无

线支持能力更好、边缘计算能力更强、产品价格更低。产品可与云平台
持远程升级与管理，通过智能应用实现更多功能，降低故障漏报与误报。

工业动设备预测性运维平台的技术架构包括数据采集体系、设备测试

数据集成管控体系、设备健康管理模式数据实时处理与系统集成平台、

数字化设备生产过程实时分析报表、计算框架制度、机器学习制度等几

个部分。

第一，建立统一采集标准和接口标准的数据采集体系。自研的边缘计

算网关(有线系列和无线系列)，支持多种工业通信协议和数据格式，解决

了数据采集难、采集成本高的问题，采集的数据经标准化转换后上传至

云平台，同时，云平台还支持从其他数据源抽取、接入数据，提高了数

据复用率。平台提供了数据开放服务接口以便上层应用访问所需的各种

数据。以微服务的架构构建数据开放服务。

第二，建立设备测试数据集成管控体系测试数据统一管理。将多台套、

分布式的测试数据统一存储于一个集中式网络PAAS数据平台中，通过
大数据在线分析，通过对生产过程实时数据进行分类、聚类、关联分析，

解决以往时效性差、分析不准确的问题，为技术人员和管理人员提供实

时有效的决策信息支持。

第三，建立数字化的设备健康管理模式数据实时处理与系统集成平

台。为企业提供工业大数据采集与交换、存储、计算和分析的工具平台，

通过MES采集生产、工艺、质量、安全及环保等数据，通过大数据的计

算框架计算出各种数据，最后通过数据分析服务于应用层。如循环经济

一体化与协同应用中通过大数据分析，制定更科学的生产计划，优化调

度及排放，提供设备状态监控与预警。

第四，建立数字化设备生产过程实时分析报表。基于强大的数据实时

接入能力构建数据源和数据处理间的桥梁，将数据处理与业务侧的数据

源解耦，对数据采集、数据传输、数据分发、采集状态监控以及数据治

理等，利用基于HDFS分布式文件系统的数据存储服务，主要将采集的

数据分类整理后存储在HBase、Hive等分布式数据库或数据仓库中，从

而形成相应的大数据业务主题数据。

第五，建立数字化设备健康管理模式主题域，确定：①生产主题，主

要包括生产流程、生产计划、生产调度、生产批次等数据；②质量主题，

主要包括检验申请、检测、工艺档案、质量报告等数据；③安全主题，

安全分析、工艺危害、控制策略、异常工况、环境数据等；④能源主题，

能耗情况、能源计划、能源实绩等。
建立离线计算和实时计算相耦合的计算框架体系。离线计算框

架主要处理历史数据，但是由于海量数据的处理需要耗费很多时间，所

以批处理系统一般不适合用于对延时要求较高的场景。实时计算框架主

要对从外部系统接入的数据进行处理，非常适合应用于对实时性要求较

高的场景。

第七，建立机器学习制度。专门研究计算机怎样模拟或实现人类的学

习行为，以获取新的知识或技能，重新组织已有的知识结构，使之不断

地改善自身的性能。

1.应用场景及成效

1）核心设备运行数据采集与故障预测

宝钢现场2000多台关键风机，部分采用GE本特利系统保护关键

旋转设备，数据封闭，需要支付高额费用才能接入设备远程运维平台，

大部分没有远程在线监控。安装凯奥思边缘智能产品，接入本特利系统，
台。上传至云端的数据，在机理算法和统计算法的作用下，进行时域、

频域等频谱分析，对故障进行自动化诊断，给出故障的类型和严重程度，

为后续的维修保养等业务提供决策支持。打破国外垄断，为更多设备提

供保护。

2）汽车动力设备征兆管理

凯奥思为广汽丰田提供了一套风机水泵监控与故障预测系统。实现不

同工厂，数据统一接入，统一管理；设备物联化，计算边缘化，