預(yù)測性維護(hù)（PdM）被預(yù)言為工業(yè)互聯(lián)網(wǎng)的“殺手級”應(yīng)用之一。

預(yù)測性維護(hù)（PdM）因被預(yù)言為工業(yè)互聯(lián)網(wǎng)的“殺手級”應(yīng)用之一，被寄予厚望。早在上世紀(jì)90年代，飛機(jī)發(fā)動機(jī)領(lǐng)域就嘗試應(yīng)用預(yù)測性維護(hù)。近幾年，隨著工業(yè)人工智能技術(shù)和邊緣計(jì)算技術(shù)的不斷演進(jìn)和日趨成熟，以往集中應(yīng)用于裝備的預(yù)測性維護(hù)，得以“飛入尋常百姓家”，具備了大范圍應(yīng)用的經(jīng)濟(jì)性前提。根據(jù)IoT Analytics發(fā)布的報(bào)告：2022年之前，預(yù)測性維護(hù)市場將持續(xù)保持高速增長，復(fù)合年均增長率（CAGR）為39%，成為工業(yè)4.0落地的短路徑。

企業(yè)在對工業(yè)設(shè)備進(jìn)行維護(hù)時，大致分為3種維護(hù)方式：

1) 修復(fù)性維護(hù)：屬于事后維護(hù)，亡羊補(bǔ)牢。

2) 預(yù)防性維護(hù)：屬于事先維護(hù)，基于時間、性能等條件對設(shè)備進(jìn)行定期維修，但更多是基于經(jīng)驗(yàn)。

3) 預(yù)測性維護(hù)：屬于事先維護(hù)，基于安裝在設(shè)備上的各種傳感器，實(shí)時監(jiān)控設(shè)備運(yùn)行狀態(tài)，更準(zhǔn)確的判斷故障何時發(fā)生。如果發(fā)現(xiàn)故障隱患，自動觸發(fā)報(bào)警或修理命令。

▲ 3種工業(yè)設(shè)備維護(hù)方式

放眼工業(yè)4.0、智能制造，預(yù)測性維護(hù)是大勢所趨。相較于其他的維護(hù)方式，預(yù)測性維護(hù)具有智能化，降低維護(hù)成本，增加不停機(jī)運(yùn)行時間等特點(diǎn)。

狀態(tài)監(jiān)測與預(yù)測性維護(hù)

近年來，制造企業(yè)紛紛開始采用預(yù)測性維護(hù)技術(shù)，以期有計(jì)劃地降低停機(jī)概率。那么，對傳統(tǒng)設(shè)備監(jiān)測等同于預(yù)測性維護(hù)么？

（CM：Condition Monitoring）是監(jiān)測各種參數(shù)（例如振動或溫度）以識別潛在故障的方法。這種方法旨在突出問題，允許在任何損壞發(fā)生之前安排預(yù)防性維護(hù)。連續(xù)狀態(tài)監(jiān)測技術(shù)通常用于壓縮機(jī)，泵和電動機(jī)等設(shè)備。

工業(yè)應(yīng)用場景中，利用傳感器進(jìn)行狀態(tài)監(jiān)測已有較長的一段時間，但這并不代表簡單的狀態(tài)監(jiān)測就是預(yù)測性維護(hù)（PdM：Predictive Maintenance）。狀態(tài)監(jiān)測是對設(shè)備運(yùn)行狀態(tài)進(jìn)行全時監(jiān)督，而預(yù)測性維護(hù)技術(shù)（PdM）則是基于狀態(tài)監(jiān)測、異常檢測和分類算法，并集成了預(yù)測模型，該模型可以根據(jù)檢測到的異常來判斷剩余的機(jī)器運(yùn)行時間。預(yù)測性維護(hù)是在傳統(tǒng)狀態(tài)監(jiān)測的基礎(chǔ)上，采用更加*的分析方法，進(jìn)一步預(yù)測設(shè)備壽命，甚至對潛在故障類型進(jìn)行診斷?？梢哉f，預(yù)測性維護(hù)包含了狀態(tài)監(jiān)測，是傳統(tǒng)狀態(tài)監(jiān)測的進(jìn)一步發(fā)展。

狀態(tài)監(jiān)測可以收集被監(jiān)測設(shè)備狀態(tài)的實(shí)時信息，而預(yù)測性維護(hù)的核心思想是在監(jiān)控的基礎(chǔ)上，進(jìn)一步預(yù)測設(shè)備的運(yùn)行壽命，甚至能夠?qū)撛诘墓收项愋妥龀鲈\斷。當(dāng)前大多數(shù)的狀態(tài)監(jiān)測還都只停留在數(shù)據(jù)收集的初級階段，還未能前瞻性地預(yù)測設(shè)備即將出現(xiàn)的問題。

預(yù)防性維護(hù)與預(yù)測性維護(hù)

預(yù)防性維護(hù)本質(zhì)上是有計(jì)劃的、基于設(shè)備的預(yù)期狀況來進(jìn)行定期維護(hù)，而設(shè)備狀況由狀態(tài)監(jiān)視技術(shù)和統(tǒng)計(jì)過程控制來確定，有可能是定期保養(yǎng)維護(hù)、定期功能檢測等。但是，這可能導(dǎo)致非必要維護(hù)和所謂的被動維護(hù)；以及除故障診斷外，在某臺設(shè)備發(fā)生故障后完成維修。

預(yù)防性維護(hù)和預(yù)測性維護(hù)之間的區(qū)別在于，預(yù)測性維護(hù)系統(tǒng)使用智能狀態(tài)監(jiān)測傳感器作為數(shù)據(jù)記錄器，收集和預(yù)處理設(shè)備內(nèi)的數(shù)據(jù)，并識別磨損模式并提供更準(zhǔn)確的方法來預(yù)測故障。預(yù)測模型包括統(tǒng)計(jì)監(jiān)測，隨人工智能的普及和邊緣算力的提升，神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)算法也被用來識別數(shù)據(jù)并進(jìn)行預(yù)測。測得的數(shù)據(jù)與設(shè)備健康運(yùn)行狀態(tài)參數(shù)進(jìn)行比較，從而判斷是否需要進(jìn)行維護(hù)，以及如何有針對性的安排維護(hù)工作。

▲圖解預(yù)防性維護(hù)與預(yù)測性維護(hù)區(qū)別

從狀態(tài)監(jiān)測到預(yù)測性維護(hù)，邊緣計(jì)算是“好拍檔”

預(yù)測性維護(hù)工具現(xiàn)已成為工業(yè)4.0的重要組成部分。使用預(yù)測性維護(hù)策略來分析數(shù)據(jù)有助于避免計(jì)劃外的故障，如生產(chǎn)線停機(jī)，可以通過特別的管理方式將機(jī)器脫機(jī)以進(jìn)行維修。通過及時訂購和交付備件，預(yù)測性維護(hù)有助于降低維護(hù)成本。例如，在電力需求較低時，有計(jì)劃地更換由遠(yuǎn)程狀態(tài)監(jiān)測系統(tǒng)識別出的某些風(fēng)力渦輪機(jī)組件?；趯?shí)時狀態(tài)監(jiān)測技術(shù)和不同類型數(shù)據(jù)分析的有效預(yù)測性維護(hù)策略可提供更具成本效益的維護(hù)策略。

狀態(tài)監(jiān)測和預(yù)測性維護(hù)的好處顯而易見，但挑戰(zhàn)也異常艱巨，涉及到多種不同的技術(shù)能力：從設(shè)計(jì)智能傳感器節(jié)點(diǎn)、在傳感器節(jié)點(diǎn)和網(wǎng)關(guān)中配置運(yùn)行嵌入式軟件，到開發(fā)上云軟件或ERP軟件系統(tǒng)，再到可實(shí)施的機(jī)器學(xué)習(xí)和人工智能算法，以確保檢測到技術(shù)異常并準(zhǔn)確預(yù)測設(shè)備壽命。

▲ 狀態(tài)監(jiān)測和預(yù)測性維護(hù)讓邊緣計(jì)算不“邊緣”

智能狀態(tài)監(jiān)測傳感器是預(yù)測分析的關(guān)鍵要素。它們收集、記錄、預(yù)處理并安全地傳輸數(shù)據(jù)，為之后在可視化工具和其他處理算法提供數(shù)據(jù)基礎(chǔ)和依據(jù)。例如，溫度的突然升高表明可能是設(shè)備問題，而小幅升高可能表示未來的可靠性問題。振動監(jiān)控可以發(fā)現(xiàn)潛在的問題，例如錯位或軸承故障，當(dāng)振動分析顯示旋轉(zhuǎn)設(shè)備的諧波頻率發(fā)生變化時，狀態(tài)監(jiān)測工具可以根據(jù)預(yù)測模型繪制設(shè)備退化情況。

▲ 智能狀態(tài)監(jiān)測傳感器是預(yù)測分析的關(guān)鍵要素

網(wǎng)關(guān)既可以實(shí)現(xiàn)收集和處理來自多個智能傳感器節(jié)點(diǎn)的數(shù)據(jù)，也可以充當(dāng)連接橋，使能以太網(wǎng)、Wi-Fi、無線蜂窩或LPWAN技術(shù)實(shí)現(xiàn)到云的安全連接。

邊緣計(jì)算與處理整合并協(xié)調(diào)分配智能傳感器節(jié)點(diǎn)和網(wǎng)關(guān)之間運(yùn)算處理能力，目的是在正確的時間將正確的數(shù)據(jù)發(fā)送到可執(zhí)行更高級分析的企業(yè)級系統(tǒng)。邊緣端的數(shù)據(jù)處理還可以通過機(jī)器學(xué)習(xí)和人工智能（AI）算法來增強(qiáng)智能傳感器節(jié)點(diǎn)和網(wǎng)關(guān)任務(wù)配置文件，并拓寬異常檢測和分類的范圍。

ST工業(yè)解決方案：面向狀態(tài)監(jiān)測和預(yù)測性維護(hù)

工業(yè)場景五大要素：人、機(jī)、料、法、環(huán)，預(yù)測性維護(hù)主要與“機(jī)”掛鉤。狀態(tài)監(jiān)測和預(yù)測性維護(hù)是工業(yè)4.0的增值和挑戰(zhàn)性應(yīng)用，也是工業(yè)4.0落地的短路徑。意法半導(dǎo)體為此積極部署了*的IC解決方案和完善的生態(tài)系統(tǒng)，包括用于遠(yuǎn)程監(jiān)控的評估工具、軟件、文檔和在線看板等，來滿足不斷更新的工業(yè)需求。

▲ 預(yù)測性維護(hù)方框圖

微控制器與微處理器：基于Arm®Cortex®M4 / M33 / M7的STM32微控制器產(chǎn)品家族，以及基于Arm®Cortex®-A7®內(nèi)核、具有強(qiáng)大浮點(diǎn)運(yùn)算功能的STM32MP1微處理器系列可以在邊緣端處理傳感器數(shù)據(jù)。數(shù)千個STM32產(chǎn)品型號均允許用戶通過STM32Cube.AI工具鏈實(shí)施神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)，從而實(shí)現(xiàn)預(yù)測性維護(hù)的深度學(xué)習(xí)算法。STM32完善全面的生態(tài)體系及工業(yè)領(lǐng)域的泛在應(yīng)用都將助推預(yù)測性維護(hù)這一工業(yè)服務(wù)化的歷史進(jìn)程。

傳感器和慣性測量單元（IMU）：意法半導(dǎo)體還提供具有成本競爭力的高性能傳感器和慣性測量單元（IMU），10年長期供貨保證，包括加速度計(jì)和超聲波模擬麥克風(fēng)，可實(shí)現(xiàn)不同精度的振動分析，比如簡單通過/故障監(jiān)控，以及基于頻率的高精度數(shù)據(jù)分析等。此外，還有用于溫度、濕度和壓力感應(yīng)的一系列環(huán)境傳感器以及*的MEMS傳感器，這些傳感器包含經(jīng)過優(yōu)化可運(yùn)行機(jī)器學(xué)習(xí)算法的算力，通過這些算法慣性測量單元（IMU）可以與主機(jī)處理器共享數(shù)據(jù)處理。

有線和無線通信解決方案：意法半導(dǎo)體還提供一系列有線和無線技術(shù)解決方案，包括用于工業(yè)有線連接的IO-Link兼容設(shè)備，以及低能耗藍(lán)牙（BLE）SoC和網(wǎng)絡(luò)處理器，支持LoRa、Sigfox和免許可證的ISM和SRD頻段的LPWAN SoC和收發(fā)器等無線技術(shù)解決方案。