12月19日，中國軟件評測中心(工業(yè)和信息化部軟件與集成電路促進中心)聯合賽迪出版?zhèn)髅接邢薰�司發(fā)布“見證質量”技術白皮書，闡述當前熱點技術和重要領域的行業(yè)背景、發(fā)展趨勢、現存問題以及檢測認證內容等，提煉質量保障的核心指標。

故障診斷和預測性維護：智能制造領域一大爆發(fā)點

據悉，“見證質量”技術白皮書系列按照領域共分為智能制造、政務數據、網絡安全、機器人、智能網聯汽車、信息工程監(jiān)理、設計等7大部分。“見證質量”技術白皮書的發(fā)布，為社會各界人士進一步了解各種熱點技術的發(fā)展及應用狀況提供了一個新窗口。

其中，《智能制造診斷評價》白皮書是面向智能制造能力診斷需求和診斷服務市場魚龍混雜亂像，介紹典型地區(qū)優(yōu)秀做法，分享賽迪靈犀面向行業(yè)的智能制造咨詢經驗、診斷模型及有關案例。

“智能制造診斷評價”，無疑包含著多種生產制造模式、新興技術和企業(yè)案例。設備故障診斷和預測性維護作為整個智能制造診斷系統(tǒng)中的一大內容，是制造業(yè)向著智能化、數字化方向轉型升級中必須跨過的一道關口。那么，智能制造中的設備故障診斷和預測性維護該如何展開呢？

近年來，通過引入人工智能前沿技術，設備維護得以“提前化”與“智能化”，大量產品如智能傳感器、運維管理系統(tǒng)、相關SaaS和云數據平臺在智能制造領域被開發(fā)并且逐步得到推廣運用。

例如，阿里云ET工業(yè)大腦解決方案。利用ET工業(yè)大腦，阿里云開發(fā)了數字運維和設備故障診斷兩套解決方案，前者需通過智能傳感器實時監(jiān)測來達到預測性維護的作用，后者則依靠人力向系統(tǒng)發(fā)送檢測狀況。

其實，一個合理的預測性維護模型可以在提高預測故障精度的同時，增加設備運行壽命，降低設備維護成本。維護的本質是按需提供必要的設備維護，盡可能減少甚至避免傳統(tǒng)兩次例行維護之間潛在的故障發(fā)生概率，較好地實現設備不停機運行和降低成本，這就需要用到智能檢測系統(tǒng)、智能傳感器等設備。

通過傳感器搜集設備運行數據，從數據中可以看出設備的健康狀態(tài)，從而預測設備的工作壽命和可能存在的故障類型，讓設備故障還未出現故障就設定好解決預案，這就是預測性維護存在的一大價值。此外，提供一個長期無故障運行的質量良好的設備，也是智能制造的競爭力所在。

設備更替成本、適用性限制、人才匱乏、行業(yè)制度不健全等因素，正對我國當前智能制造產業(yè)鏈生產環(huán)節(jié)的設備維護與檢修造成了一定的阻礙。除了需攻克相應的技術難題外，設備維護資源共享平臺的建設、設備故障分析系統(tǒng)的健全及完善等也還需要一定的時間。

有研究人員指出，作為智能制造落地的一大關鍵組成部分，設備故障和前瞻性維護所占有的地位十分重要。監(jiān)測管理高效化、運維過程無人化、設備維護自動化、技術運用多元化將很有可能成為未來智能制造領域各類設備故障維修及提前維護的重要趨勢。

今后，在人工智能、云計算、大數據、5G、AR、VR等前沿技術的有力支撐下，各車間設備維護將變得更加迅速、更加有序。而保障智能制造生產、運輸、包裝等流程中各類設備的正常運行，將有助于產品制造的持續(xù)推進，從而更好地滿足現代社會個性化、高效化制造的新要求。

編輯：今夕何夕