近期一些地方接连发生火灾等安全事故，暴露出隐患排查整治不到位、安全生产责任不落实等突出问题，再次敲响了警钟。安全生产包括生产环境、设备等方面的安全，着力加强生产环境风险监测、设备运行监测，防止伤亡事故、设备事故，实现风险事前精准预警、生产设备异常预测意义重大。作为安全生产的重要参与力量，安防产品技术将愈来愈发挥着不可替代的重要作用。通过人工智能、云计算、物联网、大数据、AI视觉等技术，为工业生产场景提供安全生产监测、设备预测性维护解决方案。数字化运维与预测性维护是生产企业工厂安全生产的重要一环，本文将从制造企业工厂车间生产设备异常预测、运行维护等角度，展开分析和探讨有关路径。

一、数字化运维价值

随着工业及科学技术的发展，现代设备发展的一个总体趋势是向密集化、复杂化、智能化和自动化方向发展，在役设备运行中的故障导致恶性事故屡见不鲜，现代产业迫切需要采用保障在役设备安全运行的相关监测技术，揭示设备运行状态的发展演变规律，实现早期故障预报，进而避免故障，特别是恶性生产安全事故的发生。

传统“手拉肩扛”的运维模式，由于完全依靠人工技术水平，运维管理效率低下，具有以下四方面的局限和隐患：

一是难度高。传统由人力进行故障巡检与诊断的方式，对分析人员技术水平要求较高，维修难度较大。

二是人工巡检风险较高。传统的设备监测，依靠人员实地进入危险的作业场所和设备中进行检查测试，风险性较高，效率大打折扣。

三是难以掌控生产设备实时状态。没有精确的传感器对数据进行收集，很难做到实时了解设备状态并进行精确分析，不能有效掌控生产设备的实时状态。

四是无法预测故障。没有精确的数据和分析支撑，无法实现对设备故障的预测，会大大增加设备故障风险，降低生产效率。

为了解决这些问题，工厂企业对生产设备的状态监测，由人工巡检逐渐转向以数智化进行实时监测的发展趋势，通过数字化工具解决生产设备预测性维护需求，有效解决制造企业工厂管理、生产设备维保。运维一直以来，都是制造企业工厂生产运营管理中，不可或缺的一环，运用新一代信息技术改变运维模式，具体可为制造企业工厂生产带来如下价值：

一是保障连续运行。基于可靠、真实的生产设备运行数据，实现设备当前运行状态的判断和未来状态的预测，可精准定位故障部件、分析故障根因、全面监测故障劣化趋势、评估故障部件剩余寿命，将维护维修决策由临时、事后抢修等，转变成计划、预测性维修，可有效减少非计划停机次数，从而保障并且有效提升企业的生产设备稼动率等综合效益。

二是保障设备安全。通过对设备状态的判断和预测，避免设备故障引起的连锁反应，可最大限度地降低安全事故风险。

三是保障企业效益。在企业的设备实际运维中，“过修”导致大量备件库存，“欠修”导致事后抢修，采用数字化运维，可实时掌握设备状态，实现预测性维护维修，最大限度减少“过修”或“欠修”，优化备件库存，减少备件资金占用，降低事后抢修比率。

四是建立故障数据库。随着历史数据和过程数据的大量积累，建立具有企业自身特色的设备故障案例库，丰富典型故障模型，可不断推进故障建模智能化分析技术在企业的应用，使分析结论更加智能和准确。

五是助力运维管理模式升级。基于可靠、真实的设备运行数据，实现设备当前运行状态的判断和未来状态的预测，改变之前基于经验的事后维修、计划性检修的设备运维模式，逐渐向基于设备状态的高阶设备运维管理模式转变，实现数字化、信息化驱动，变革设备运维管理模式，步入预测性维护模式。

二、预测性维护的必要性

工业企业生产设备是企业生存发展的物质基础，也是重要的企业固定资产，而且企业生产效率的高低，效益是否稳定提升，关键也是看生产设备能否正常运转、安全运行。为此，工业企业必须加强设备管理，做好预测性维护。

简单来说，预测性维护是一种能够预测机器部件未来故障点的技术，通过这项技术就可以在机器部件发生故障之前制定计划，对其进行部件更换。这不仅可以使设备的停机时间降到最低，使部件的寿命最大化，同时，还能保证生产效率的稳定性。完整的预测性维护主要包括数据采集和处理、健康度监测、维护管理与执行三个阶段。

  1.数据采集和处理阶段

通过物联网传感器设备，采集设备的特征数据，同时进行分类，为设备健康状态的预测，提供数据基础。

  2.健康度监测阶段

在此阶段中，需要根据机理或数据建立出预测模型，然后，把采集分类的设备特征数据，输入到预测模型当中，从而，能够判断出设备的状态，以及未来的变化趋势，提前预测故障可能发生的趋势和未来设备的健康度，避免设备突发故障的隐患，确保产线不停摆及生产安全。

  3.维护的执行和管理阶段

在该阶段中，需要将健康度分析的结果与工厂企业设备执行管理进行结合，制定维护的策略，监控维护策略的执行，记录维护的实施过程，并通过维护管理数据的积累，持续更新升级迭代维护策略。

设备的维护有事后维护、预防性维护和预测性维护三种方式：

事后维护是在设备产生故障后采取措施进行维护，设备宕机、在制品损失都是非常大的，是一种成本较大的维护方式。

预防性维护属于提前维护，是一种基于时间、性能等条件对设备进行有计划无目标地维护。

相比于事后维护和预防性维护，预测性维护通过对设备运行数据的实时监测和分析，预测设备的故障和维护需求，具有根据需要进行维护的特点。

设备维护的方式，从事后控制到预防性维护，再到预测性维护的发展趋势，显然，预测性维护是具有更为广阔的发展前景的。

三、数字化运维与预测性维护实践探索

运维的核心价值是预防，从监测到报警，从预测到维护，实现对设备的全生命周期管理，行业企业推出了有关业务产品、技术、方案，能够为制造型客户企业的工厂生产设备提供在线振动监测、故障预测、故障诊断、智能运维。

以笔者所在公司为例,新维智能研发的云维保，以“智能维保+技术共享+工业互联网+AIOT设备听诊”的方式，利用工业互联网标识解析服务+云计算+物联网技术+大数据采集+微服务+GIS+边算系统等先进技术，实现对生产设备的全生命周期管理，解决工厂信息化、智能化、移动化的产业升级需求，

工厂企业管理层可通过PC、移动端实现对设备的多时间维度数据趋势图分析、报警信息、指令下发、监控数据等功能，查看现场的参数和设备的状态，快速响应现场的事件和报警，有效避免停机损失、换装调试损失、暂停机损失、减速损失、启动过程次品损失和生产正常运行时产生的次品损失等。

任何预测性维护策略的关键部分是传感器，可实时捕捉机器的生命体征，生产设备完整的状态监测包含多个传感器，用以收集包括振动、温度、噪音、压力、流量、油液、电流等在内的重要设备参数。其中，振动信息是当前使用最普遍、最能反映设备当前状态的参数。振动信息的监测通常是指，对设备的振动进行采集，并通过人工智能对设备振动信息进行学习、处理和分析，可以了解设备运行的整体状况，从而，做出关键的设备维护决策。

由于工业现场环境比较恶劣，传感器的选择就显得尤为重要，相对于压电式振动传感器，新维智能公司提供的云维保Mbox设备听诊软硬件产品服务的系列传感器具有功率密度高、体积小、重量轻、耗能低、惯性小、谐振频率高、响应时间短、直流响应及安全可靠等特点，在振动监测方面，积累了丰富的经验。由于体积小，可以把信息的获取、处理和执行集成在一起，组成具有多功能的微型系统，集成于大尺寸系统中，从而，大幅度地提高系统的自动化、智能化和可靠性水平，最终达到为工厂高价值生产设备的预测性维护目的。

四、结语

设备运维的主体是设备物理实体，随着数字智能运维的不断推进，这些设备所产生的海量数据，将会帮助制造业进一步改善运营效率。数字化运维在保障设备健康服役、预防安全事故、实现智能运维等方面发挥着重要作用，作为工业制造领域的重要应用，数字化运维与预测性维护必将日益受到市场重视。

云维保•工厂维保Saas服务为生产企业实现工厂生产设备全生命周期管理，提供一机一码赋予设备资产与台账数字化，一站式解决工厂TPM无纸化巡检、一键扫码报修、数据看板、维保分析、工单流转规范透明化、模具与备件信息化管理、设备听诊与预测性维护等功能。