智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺

2020.07.26生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺建設(shè)方案智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第1頁。工業(yè)IOT平臺IndustrialIOTPlatform0204健康管理平臺HealthManagementQlatform03機(jī)器學(xué)習(xí)平臺MachinelearningPlatform目錄CONTENTS系統(tǒng)整體規(guī)劃OverallSystemPlanning0105業(yè)務(wù)場景Businessscenarios智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第2頁。系統(tǒng)整體規(guī)劃OverallSystemPlanning01智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第3頁。系統(tǒng)整體架構(gòu)接入設(shè)備算法&技術(shù)系統(tǒng)&應(yīng)用總裝車間IOT設(shè)備管理平臺設(shè)備健康管理平臺靈雀機(jī)器學(xué)習(xí)平臺涂裝車間工業(yè)微服務(wù)框架工業(yè)微服務(wù)組件IOT設(shè)備接入服務(wù)邊緣計算服務(wù)工業(yè)大數(shù)據(jù)平臺邊緣計算節(jié)點(diǎn)邊緣數(shù)據(jù)處理邊緣數(shù)據(jù)采集邊緣協(xié)議轉(zhuǎn)換設(shè)備接入設(shè)備管理設(shè)備權(quán)限固件升級數(shù)據(jù)采集數(shù)據(jù)清洗數(shù)據(jù)建模數(shù)據(jù)管理工業(yè)設(shè)備診斷模型AI人工智能引擎數(shù)據(jù)可視化模板專家知識庫平臺日志查詢監(jiān)控服務(wù)UI組件與可視化圖表API接口管理服務(wù)數(shù)據(jù)挖掘數(shù)據(jù)分析一站式機(jī)器學(xué)習(xí)服務(wù)規(guī)則引擎統(tǒng)計分析過濾袋系統(tǒng)工藝變頻器車身吊具內(nèi)飾線滑板及轉(zhuǎn)臺機(jī)器人手臂檢測開關(guān)智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第4頁。工業(yè)IOT平臺Overallsystemplanning02智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第5頁。工業(yè)IOT平臺-功能架構(gòu)設(shè)備接入設(shè)備管理業(yè)務(wù)對接接入服務(wù)規(guī)則引擎IOT基礎(chǔ)服務(wù)數(shù)據(jù)存儲機(jī)器學(xué)習(xí)服務(wù)消息隊(duì)列服務(wù)時序數(shù)據(jù)庫表格存儲關(guān)系型DBNoSQL設(shè)備健康管理生命周期IOT應(yīng)用服務(wù)設(shè)備聯(lián)動設(shè)備分組設(shè)備模型項(xiàng)目管理設(shè)備日志統(tǒng)計分析實(shí)時監(jiān)控設(shè)備影子固件升級數(shù)據(jù)分析設(shè)備狀態(tài)虛擬設(shè)備在線調(diào)試IOT設(shè)備管理系統(tǒng)提供全托管的工業(yè)網(wǎng)關(guān)接入平臺，幫助設(shè)備與云端之間建立安全、可靠的雙向連接，以支撐海量的數(shù)據(jù)采集，設(shè)備監(jiān)控，等工業(yè)物聯(lián)網(wǎng)應(yīng)用場景；借助IOT設(shè)備的統(tǒng)一管理，可部署任何物聯(lián)網(wǎng)設(shè)備，有助于企業(yè)減少物聯(lián)網(wǎng)設(shè)備連接的時間和成本，讓企業(yè)安全的開發(fā)、配置并管理大規(guī)模的連接設(shè)備，從而專注于從設(shè)備中獲取有效數(shù)據(jù)，實(shí)現(xiàn)一次構(gòu)建，終身受用。認(rèn)證與鑒權(quán)服務(wù)協(xié)議適配服務(wù)電機(jī)機(jī)器人風(fēng)機(jī)風(fēng)機(jī)HTTPStreamMQTTModbusOPC-UA智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第6頁。工業(yè)IOT平臺-Web頁面展示產(chǎn)品是設(shè)備的集合，同一個型號的產(chǎn)品，例如驅(qū)動電機(jī)，驅(qū)動輪，齒輪箱等，定義同一類型產(chǎn)品的屬性和事件，配置數(shù)據(jù)解析協(xié)議模板，Topic類型（數(shù)據(jù)上報，事件上報）「產(chǎn)品管理」頁面「時序數(shù)據(jù)庫」頁面TimeSeriesDatabase，時序數(shù)據(jù)庫，用于保存時間序列（按時間順序變化）的海量數(shù)據(jù)，靈活修改設(shè)備的存儲配置。智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第7頁。工業(yè)IOT平臺–監(jiān)控APP頁面展示電量查詢報警檢測報警詳情運(yùn)行數(shù)據(jù)智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第8頁。云犀IOT平臺功能設(shè)備遠(yuǎn)程監(jiān)控可以通過網(wǎng)頁或者手機(jī)APP實(shí)現(xiàn)設(shè)備數(shù)據(jù)監(jiān)控，第一時間了解設(shè)備運(yùn)行狀態(tài)、修改參數(shù)等。設(shè)備報警推送可以通過短信、微信、語音等多種方式，第一時間推送設(shè)備故障狀態(tài)，及時掌握設(shè)備運(yùn)行狀態(tài)。歷史數(shù)據(jù)查詢可以查詢保存和設(shè)備的歷史數(shù)據(jù)，可通過曲線或表格形式展示，并且可以導(dǎo)出至本地。數(shù)據(jù)存儲可以將采集的信息存儲到時序數(shù)據(jù)庫、關(guān)系數(shù)據(jù)庫、非關(guān)系數(shù)據(jù)庫和文件中，便于各類外部系統(tǒng)使用。規(guī)則引擎配置數(shù)據(jù)解析協(xié)議模板，Topic類型（數(shù)據(jù)上報，事件上報）當(dāng)設(shè)備滿足一個或多個條件是，觸發(fā)平臺自定義事件。智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第9頁。機(jī)器學(xué)習(xí)平臺IndustrialIOTPlatform03智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第10頁。一站式機(jī)器學(xué)習(xí)服務(wù)平臺可視化建模數(shù)據(jù)收集數(shù)據(jù)上傳待優(yōu)化數(shù)據(jù)提取數(shù)據(jù)標(biāo)注模型部署模型訓(xùn)練模型預(yù)測數(shù)據(jù)標(biāo)注數(shù)據(jù)上傳與接入標(biāo)注驗(yàn)證機(jī)器學(xué)習(xí)可視化建模模型預(yù)測與評估通過一站式機(jī)器學(xué)習(xí)服務(wù)平臺，解決了有數(shù)據(jù)、有業(yè)務(wù)場景，但卻不懂算法的需求。平臺面對不同的工業(yè)場景，具備自動建模能力，無需人工調(diào)參；用戶可根據(jù)業(yè)務(wù)需要，使用可視化建模工具對數(shù)據(jù)中的各元素可以進(jìn)行可視化拖拽，自由繪制任務(wù)流。支持10多種模型庫，自帶100+的機(jī)器學(xué)習(xí)算法，讓用戶無需算法經(jīng)驗(yàn)，便能基于特定場景生成模型，并實(shí)現(xiàn)一鍵部署，從而降低機(jī)器學(xué)習(xí)平臺門檻。數(shù)據(jù)合成訓(xùn)練集測試集預(yù)測模型模型下載在線預(yù)測模型一鍵部署模型效果評估模型訓(xùn)練智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第11頁。挖掘高質(zhì)量文本信息文本分析獲取特征數(shù)據(jù)文本清洗預(yù)處理文本語義轉(zhuǎn)化內(nèi)置機(jī)器學(xué)習(xí)算法獲取特征數(shù)據(jù)文本數(shù)據(jù)轉(zhuǎn)換為編碼數(shù)據(jù)去噪及降維轉(zhuǎn)化為NLP任務(wù)能識別的內(nèi)容根據(jù)u數(shù)據(jù)關(guān)系推斷結(jié)果回歸快速森林回歸泊松回歸線性回歸貝葉斯線性回歸預(yù)測一個屬性預(yù)測多個事件快速訓(xùn)練線性模型數(shù)據(jù)量小的線性回歸決策森林回歸神經(jīng)網(wǎng)絡(luò)回歸增強(qiáng)型決策樹回歸準(zhǔn)確、快速、多次訓(xùn)練準(zhǔn)確、大量訓(xùn)練準(zhǔn)確、快速訓(xùn)練、大存儲復(fù)雜問題的多種分類多分類多分類邏輯回歸快速、線性模型多級神經(jīng)網(wǎng)絡(luò)準(zhǔn)確、多次訓(xùn)練多級決策森林準(zhǔn)確、快速訓(xùn)練一對多分類依賴二分類多級增強(qiáng)決策樹快速、可度量兩種分類問題二分類二分類支持向量機(jī)100特征以下線性模型平均二分類算法快速訓(xùn)練、線性模型二分類決策森林準(zhǔn)確、快速二分類邏輯回歸快速、線性模型二分類增強(qiáng)決策樹準(zhǔn)確、快速、大存儲二分類神經(jīng)網(wǎng)絡(luò)準(zhǔn)確、大量訓(xùn)練使用流行網(wǎng)絡(luò)對圖像進(jìn)行分類圖片分類密集卷積網(wǎng)絡(luò)效率高、準(zhǔn)確性高預(yù)測默認(rèn)的興趣點(diǎn)推薦SVD推薦算法協(xié)同過濾，通過減少密度以更低的成本獲得更好的性能挖掘高質(zhì)量文本信息異常檢測一分類SVM效率高、準(zhǔn)確性高簡單的數(shù)據(jù)分成不同的組聚類K-means聚類少于100個特征的侵略邊界靈雀平臺內(nèi)置算法模型智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第12頁。人工智能在生產(chǎn)制造行業(yè)的典型應(yīng)用02預(yù)測性維保設(shè)備故障預(yù)測，保證設(shè)備可用，降低維護(hù)費(fèi)用03生產(chǎn)排班排程動態(tài)快速，目標(biāo)多樣性，降低生產(chǎn)成本01故障診斷設(shè)備健康診斷，設(shè)備故障預(yù)警，性能趨勢預(yù)測04產(chǎn)品質(zhì)檢產(chǎn)品缺陷檢測，降低人工成本，提升產(chǎn)品品質(zhì)05專家知識庫知識采集與匯總，知識加工與沉淀，知識利用與共享07能耗管理能耗特性分析，能耗新能優(yōu)化，節(jié)能效果評估06工藝優(yōu)化揭示數(shù)據(jù)規(guī)律，優(yōu)化工藝生產(chǎn)參數(shù)，提升生產(chǎn)效能08安全防護(hù)人臉識別，人員狀態(tài)監(jiān)測，多機(jī)交互智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第13頁。靈雀AI平臺功能數(shù)據(jù)集管理通過數(shù)據(jù)集組件，無縫對接IOT平臺的時序數(shù)據(jù)庫，關(guān)系數(shù)據(jù)庫，菲關(guān)系數(shù)據(jù)庫和文本數(shù)據(jù)文件為模型訓(xùn)練提供數(shù)據(jù)支撐。模型訓(xùn)練通過可視化建模方式降低機(jī)器學(xué)習(xí)門檻。模型倉庫支持模型的導(dǎo)入和下載，支持對模型進(jìn)行版本管理。模型API發(fā)布支持將模型以RESTAPI接口方式進(jìn)行發(fā)布，便于外部系統(tǒng)調(diào)用模型進(jìn)行計算，并將結(jié)果反饋給外部系統(tǒng)。智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第14頁。健康管理平臺HealthManagementQlatform04智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第15頁。設(shè)備健康管理平臺功能架構(gòu)數(shù)據(jù)層支撐層應(yīng)用層展示層設(shè)備健康狀態(tài)評估設(shè)備故障智能診斷設(shè)備性能趨勢預(yù)測工業(yè)大數(shù)據(jù)平臺設(shè)備資產(chǎn)管理平臺一站式機(jī)器學(xué)習(xí)平臺狀態(tài)監(jiān)控三維模型展示異常業(yè)務(wù)報警信號分析處理數(shù)據(jù)波形展示綜合狀態(tài)評估分析報告合成數(shù)據(jù)采集數(shù)據(jù)存儲可視化建模設(shè)備診斷模型設(shè)備資產(chǎn)管理維修文檔管理IOT設(shè)備車間1IT平臺車間2車間3ERPMESSCMPLMAPS故障預(yù)測故障診斷維修保障分析預(yù)測評估性能趨勢預(yù)測剩余壽命預(yù)測故障快速定位智能算法診斷故障實(shí)時處理維修計劃管理維修工單管理維修效果評估設(shè)備健康管理系統(tǒng)采用混合式大數(shù)據(jù)架構(gòu)實(shí)現(xiàn)數(shù)據(jù)的統(tǒng)一存儲和管理，以大數(shù)據(jù)分析模塊為業(yè)務(wù)功能提供支撐，實(shí)現(xiàn)數(shù)據(jù)采集、狀態(tài)監(jiān)測、故障診斷、故障預(yù)測、維修保障和設(shè)備信息管理六大業(yè)務(wù)應(yīng)用；使用專業(yè)波形圖與自適應(yīng)預(yù)警技術(shù)對設(shè)備狀態(tài)進(jìn)行監(jiān)測，基于設(shè)備狀態(tài)分析結(jié)果優(yōu)化備品備件庫存，自動生成維護(hù)工單，靈活定制可視化看板為管理人員提供決策支撐智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第16頁。設(shè)備健康管理平臺

-Web系統(tǒng)頁面展示設(shè)備狀態(tài)值，對設(shè)備的健康度進(jìn)行綜合打分，顯示當(dāng)前設(shè)備異常狀態(tài)設(shè)備發(fā)生故障后，進(jìn)行實(shí)時有效的消息推送，通過折線圖的方式對易損件進(jìn)行趨勢檢測，并實(shí)時預(yù)警。「實(shí)時監(jiān)控」頁面「數(shù)據(jù)分析」頁面對不同變頻器同一動作對比，為進(jìn)一步優(yōu)化設(shè)備狀態(tài)提供有力數(shù)據(jù)支撐同一變頻器不同周期對比了解設(shè)備運(yùn)行狀況，達(dá)到故障的提前預(yù)警作用智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第17頁。設(shè)備健康管理平臺-設(shè)備管理子系統(tǒng)設(shè)備臺帳設(shè)備分組資產(chǎn)結(jié)構(gòu)樹儀表器具設(shè)備和資產(chǎn)維修申請維修工單維護(hù)保養(yǎng)維修庫存管理維護(hù)報表維修工單管理備件庫管理預(yù)防性保養(yǎng)計劃儀表讀數(shù)維修日歷維修計劃甘特圖歷史工單任務(wù)分配大修計劃日點(diǎn)檢周期巡檢項(xiàng)修工單一級保養(yǎng)檢定管理備件備品信息入庫管理出庫管理退還管理庫存盤點(diǎn)維護(hù)儀表盤備品備件采購維護(hù)文檔管理維護(hù)項(xiàng)目管理移動APP工具智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第18頁。設(shè)備健康管理平臺-設(shè)備日常巡檢與設(shè)備定期點(diǎn)檢APP根據(jù)設(shè)備類別配置巡檢中的各個項(xiàng)目巡檢項(xiàng)配置根據(jù)設(shè)備所在位置配置巡檢點(diǎn)位信息點(diǎn)位配置通過組合排序點(diǎn)位制定巡檢線路巡檢線路設(shè)置時間/周期，結(jié)合線路來安排巡檢計劃巡檢計劃通過報表或圖標(biāo)方式查看到位率和完成率巡檢報告巡檢主頁二維碼掃描巡檢列表通過移動APP，可為生產(chǎn)線開班前對生產(chǎn)線設(shè)備進(jìn)行快速巡檢，發(fā)現(xiàn)問題后立刻用移動端記錄反饋給問題對應(yīng)負(fù)責(zé)人進(jìn)行維修。通過制定巡檢項(xiàng)目、巡檢路徑及巡檢計劃，結(jié)合二維碼定位掃描簽到和圖片上傳，將巡檢規(guī)范化、可控化。巡檢報告智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第19頁。云犀設(shè)備健康管理平臺功能設(shè)備預(yù)警推送可以通過短信、微信、語音等多種方式，第一時間推送設(shè)備故障狀態(tài)及預(yù)警結(jié)論。歷史數(shù)據(jù)查詢可以查詢設(shè)備運(yùn)行的歷史數(shù)據(jù)，故障數(shù)據(jù)、預(yù)警數(shù)據(jù)，通過曲線或表格形式展示，并且可以導(dǎo)出至本地。設(shè)備分析展示設(shè)備運(yùn)行狀態(tài)，對設(shè)備的健康度進(jìn)行綜合打分。顯示當(dāng)前設(shè)備異常狀態(tài)。調(diào)用在線預(yù)測服務(wù)，實(shí)現(xiàn)設(shè)備故障的提前預(yù)警并給出預(yù)警的結(jié)論。設(shè)備管理將設(shè)備進(jìn)行歸集管理（履歷、維修、保養(yǎng)、巡檢、維修SOP、故障知識體系），為設(shè)備故障預(yù)判和專家知識庫的提供數(shù)據(jù)支撐。智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第20頁。業(yè)務(wù)場景Businessscenarios05智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第21頁。過濾袋壓力監(jiān)控過濾袋進(jìn)液管出液管壓力傳感器（入口）壓力傳感器（出口）物聯(lián)網(wǎng)網(wǎng)關(guān)壓力數(shù)據(jù)kg/?時序數(shù)據(jù)庫數(shù)據(jù)實(shí)時分析圖表展示持續(xù)時間>10分鐘數(shù)據(jù)定義0.5~1.8KG/?1.8~2.3KG/?2.3KG/?以上壓差曲線初始壓力差：0.5KG/?故障壓力差：2.5KG/?實(shí)時告警郵件、電話、短信系統(tǒng)提示智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第22頁。驅(qū)動輪狀態(tài)監(jiān)測標(biāo)準(zhǔn)圖片IOT網(wǎng)關(guān)圖像處理圖片存儲驅(qū)動輪尺寸測量當(dāng)前圖片尺寸對比標(biāo)準(zhǔn)尺寸：240MM當(dāng)前尺寸：230MM故障尺寸：220MM圖片對比將當(dāng)前圖片和標(biāo)準(zhǔn)圖片進(jìn)行對比，將差異區(qū)域著色展示，直觀看出當(dāng)前驅(qū)動輪與標(biāo)準(zhǔn)狀態(tài)的差異。脫膠檢測驅(qū)動輪膠皮可能還會存在脫膠的情況，該種情況下，可能會出現(xiàn)驅(qū)動輪當(dāng)前尺寸相對標(biāo)準(zhǔn)尺寸更大的情況。中值濾波：基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個鄰域中各點(diǎn)值的中值代替，讓周圍的像素值接近的真實(shí)值，從而消除孤立的噪聲點(diǎn)。F(i,j)=Med{G(x+n,y+m)(1-N)/2≤n,m≤(N-1)/2}邊緣提?。篶anny算子邊緣檢測的方法是尋找圖像梯度的局部最大值。梯度是用高斯濾波器的導(dǎo)數(shù)計算的canny方法使用兩個閾值來分別檢測強(qiáng)邊緣和若邊緣，而且僅當(dāng)強(qiáng)邊緣和若邊緣相連時，弱邊緣才會包含在輸出中。因此，此方法不容易受噪聲的干擾，能夠在噪聲和邊緣檢測之間取得較好的平衡，能夠檢測到真正的弱邊緣。最小二乘法：最小二乘法是通用幾何元素擬合計算的主要方法，其實(shí)質(zhì)就是解超定的線性方程組。當(dāng)前尺寸230mm標(biāo)準(zhǔn)尺寸240mm實(shí)時告警郵件、電話、短信、系統(tǒng)提示智能制造生產(chǎn)設(shè)備預(yù)測性維護(hù)平臺全文共26頁，當(dāng)前為第23頁。電機(jī)電流監(jiān)測