同济大学-智能制造导论第8章 远程运维

第八章远程运维远程运维概要1远程运维体系架构2远程运维服务案例3远程运维概要1远程运维体系架构2远程运维服务案例31、远程运维概要1.1远程运维的必要性及意义(1)远程运维的必要性设备复杂程度和自动化程度的大幅度提高意外停机的巨大损失到场维修使得维护成本增加和资源浪费1、远程运维概要1.1远程运维的必要性及意义(2)远程运维的意义提高设备的整体管理水平提高产品质量，提高可靠性和可维修性提高企业的经济利益和社会效益1、远程运维概要1.2设备维护技术发展历程阶段名称所属阶段时间特点事后维修常规运维20世纪以前只有在设备发生故障之后才会进行诊断和维修预防维修20世纪初—20世纪80年代周期性维护，存在维修不足或维修过剩的缺点，停机损失大预知维修远程运维20世纪80年代以后在设备需要维护时进行维护1、远程运维概要1.3远程运维定义与核心技术(1)远程运维定义远程运维集成应用工业大数据分析、智能化软件、工业互联网等技术，建设设备全生命周期管理平台，并对智能设备远程操控、健康状况检测、设备维护方案制定与执行远程运维通过工业互联网远程采集设备数据，采用先进的分析算法对数据中的隐形知识进行挖掘和建模，并在制造过程中识别、预测和避免问题1、远程运维概要1.3远程运维定义与核心技术(2)远程运维核心技术①故障诊断技术主要是针对设备故障的诊断，是指在设备运行中，通过检测手段来判断设备性能状态，并对诊断对象发生的故障和异常进行认识和确定的工作基于机理模型的方法基于信号处理的方法基于知识的方法1、远程运维概要1.3远程运维定义与核心技术(2)远程运维核心技术②预测性维护技术预测性维护（PredictiveMaintenance，PM）是基于连续的测量和分析，预测诸如机器零件剩余使用寿命等关键指标基于机理模型的预测方法基于数据驱动的预测方法远程运维概要1远程运维体系架构2远程运维服务案例32、远程运维体系架构2、远程运维体系架构2.1远程运维系统组成现场采集设备运行状态数据结合数据中心，识别与预测设备的运行状态设备专家与维护人员可远程监测和观察设备的运行状态诊断专家可远程指导下位机上位机通信网络2、远程运维体系架构2.1远程运维系统的组成(1)远程运维系统的组成上位机：设备检测诊断系统。指人可以直接发出操控指令的集中管理监控计算机下位机：数据采集系统。现场直接控制设备获取设备状态的装置，一般来说是各种智能设备数据通信网络：连接上，下位机系统的网络，上位机之间，下位机之间的网络。实现系统中各个部分之间数据，信息的通信图1.远程运维系统的组成2、远程运维体系架构2.1远程运维系统的组成(2)远程运维系统的功能数据采集与传输（远程运维系统基础）智能诊断与远程维护数据存储与分析图2.数据采集与传输图3.机载与远程监控中心远程通信示意图2、远程运维体系架构2.2基于状态的远程运维系统架构基于状态的维护方式架构（Condition-basedMaintenance，简称CBM）是远程运维系统中常用的架构。CBM架构是通过对设备工作状态和工作环境的实时监测，借助人工智能算法等先进的计算方法，诊断和预测设备未来的有效工作周期，为现场操作人员提供系统目前健康状况的准确评估，预测系统的剩余寿命，合理安排设备未来的维修调度时间。图4.CBM架构图2、远程运维体系架构2.2基于状态的远程运维系统架构图5.CBM层次模型数据采集层（dataacquisition）：从底层设备采集，整理后输出数据处理层（datamanipulation）：数据采集层的输出数据进行预处理状态监测层（conditionmonitoring）：输出数据与系统工作限定值比较等健康评估层（healthassessment）：监测系统，子系统，组成不安的当前状态与性能衰退进行评估预诊断层（prognosticassessment）：基于数据信息建立预测模型，推断设备未来的有效工作时间决策支持层（decisionsupport）：提供推荐的系统维护动作和指令，并对决策信息进行保存表示层（presentationmodule）：数据的可视化展示或图形化操作并展示给用户2、远程运维体系架构2.3关键技术信号采集：设备工作性能状态监测是故障预测和诊断的前提。备性能状态的准确表达模型、参数实时测量、特征信号提取，以及如何用最少的传感器，获取最多的设备状态信息等数据传输：将数据从信号采集设备传递到远程故障诊断，预测平台上。基于BUS总线的传输、使用TCP/IP协议传输或者OPC协议传输在实际应用中都有体现。。数据处理：对原始信号的二次处理，剔除无用信息，提取特征信息知识数据库系统设计：远程运维依赖数据库和知识库支撑智能故障诊断方法以及智能设备状态预测方法：基于数据驱动的方法对故障诊断，状态预测进行建模，通过人工智能技术，基于设备的历史信息训练模型，提高模型的识别与预测能力。远程运维概要1远程运维体系架构2远程运维服务案例33、远程运维服务案例3.1宝钢远程运维案例(1)传统运维的不足定期维护，导致过度维护或维护不足；定检维护对关键点维护无能为力，对突发或偶发事故缺少预警连铸产线的设备状态信息的获取依靠点检技术人员人工在设备现场通过手动的方式测试获得，点检人员在各个状态受控点人工采集数据，工作强度非常大，人身安全时刻受到威胁设备现场大都环境恶劣，分布分散，许多地方人员无法进入，造成了人员工作强度大，提取的设备状态数据量少、时效性低生产线设备缺乏对故障历史数据与知识库的积累，建立设备数据中心与决策服务中心势在必行3、远程运维服务案例3.1宝钢远程运维案例(2)远程运维总体框架

图6.远程运维平台总体框架3、远程运维服务案例3.1宝钢远程运维案例(2)远程运维总体框架数据采集层主要是通过物联及互联技术获取设备状态运行数据及其他相关数据应用APP层主要是结合针对各种设备、采用不同形式的运维需求，通过平台软硬件资源的调用组合与配置，形成满足应用功能、管控流程的定制应用分析处理层主要以运维数据分析处理中心为基础，针对工艺参数和设备运行数据多源时域、频域数据融合分析，对设备状态进行及时决策，为设备状态智能诊断、综合诊断的数据分析提供技术支持，从而实现故障的准确预报和精确定位。3、远程运维服务案例3.1宝钢远程运维案例(2)远程运维总体框架图7.运维数据分析处理中心功能架构3、远程运维服务案例3.1宝钢远程运维案例(2)远程运维总体框架图8.平台共享功能组件构成平台服务层主要由平台共享功能组件和数字化模型组成。平台共享功能组件是以设备远程运维为目标，实现设备状态信息与相关工艺过程信息相关联，形成包含智能模型判断、专家知识决策和业务流程管控等要素、贯穿于运维全过程的服务功能组件3、远程运维服务案例3.1宝钢远程运维案例(2)远程运维总体框架主要工作流程图9.远程运维典型工作流程图远程运维结果：维修成本降低15%，突发故障持续时间降低20%，工作效率提升20%，基于状态的维修准确率大于80%。同时，系统运行可靠性达到99.9%，设备异常预警率99.9%，异常预警可靠性85%，故障智能判定模型准确率85%3、远程运维服务案例3.1宝钢远程运维案例(3)远程运维平台的优势改变了传统的设备状态人工点检模式降低了点检人员劳动强度提高了设备状态的把控能力。改变了传统运维的计划维修模式提高了人员效率和设备效率实现了运维状态数字可视化。3、远程运维服务案例3.2高档数控机床远程运维服务系统(1)传统运维的不足机床故障机床传统维修流程：工人主观判断尝试参数修正维修班检修机床大修解决解决事后维修的状态，严重拖延了故障诊断和解决问题的时间3、远程运维服务案例3.2高档数控机床远程运维服务系统(2)远程运维总体框架图10.远程运维平台图积累数控机床故障数据库、知识库；智能故障诊断技术进行在线监测诊断。围绕容易引发故障的关键零部件，开发远程运维平台3、远程运维服务案例3.2高档数控机床远程运维案例状态信息采集：对数控机床的数据采集依赖传感器的使用。通过有限元分析技术、磨床传动运动模型等分析大型数控磨床关键性能参数采集的优化布局方案，优化了大型数控磨床的传感器布置，实现了以较少的传感器对大型数控磨床性能的全息监测，降低了传感器设备的成本。故障数据库建立：需要建立高档数控机床性能特征数据库和故障模型库。为充分利用这些数据的信息，指导机床的正确操作与故障排除，需要在专家系统理论、知识挖掘理论的指导下，研究历史经验与故障诊断方法。(2)远程运维总体框架图11.以大型曲轴磨床为例的现场状态信息采集实现图12.高档数控机床数据中心建立3、远程运维服务案例3.2高档数控机床远程运维案例模型开发：基于模型的方法是针对数控机床的关键部件，建立相应的物理模型，通过各种实验模拟，得到各种工况下关键部件的实验数据，为数控机床的故障判别提供数据支持。基于数据驱动的故障诊断方法，让模型从大量的历史设备状态数据中提取信息，对模型进行训练。常用的数据驱动故障诊断方法例如神经网络。平台搭建

基于Web技术，开发高档数控磨床远程安全监控子系统、安全预警子系统、故障诊断子系统、维护服务子系统等。当设备出现故障或者需要进行维护时，以数据库、知识库、故障诊断模型为支撑，为设备各个相关人员提供设备状态信息发布与信息交互平台，从而完成对设备的多方协同维护与故障诊断。(2)远程运维总体框架图13.典型神经网络结构示意图3、远程运维服务案例3.3杜克能源公司运维案例维修专家现场采集数据返回电脑，查看分析数据提高数据分析时间，降低数据收集的时间人力成本，提高数据分析效率故障诊断，设备风险评估效率低数据采集NICompactRIO监控系统异常状态报警发送电子邮件，给出初步建议查看设备，进行维修3、远程运维服务案例3.4通用电气公司Predix平台(1)远程运维总体框架图14.通用电气Predix平台GE在边缘计算提供的功能几乎覆盖了边缘设备需要解决的所有问题边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务a）边缘端3、远程运维服务案例3.4通用电气公司Predix平台(1)远程运维总体框架Predix最强大的地方是提供了工业大数据分析功能，即将物理设备的各种原始状态通过数据采集和存储，反映在虚拟的信息空间中，通过构建设备的模型，实现对设备的掌控和预测。平台端PredixCloud是整个Predix方案的核心，围绕着以工业数据为核心的思想，提供了丰富的工业数据采集、分析、建模以及工业应用开发的能力b）平台端c）应用端Predix应用为各类工业设备，提供完备的设备健康和故障预测、生产效率优化、能耗管理、排程优化等应用场景，采用数据驱动和机理结合的方式，旨在解决传统工业几十年来都未能解决的质量、效率、能耗等问题，帮助工业企业实现数字化转型；同时，Predix采用物联网、人工智能等新兴IT技术，摆脱人的经验和知识积累的局限性，从只能解决已知的、经验性的问题，逐步