預測性維護（PdM）被預言為工業(yè)互聯(lián)網的“殺手級”應用之一。

預測性維護（PdM）因被預言為工業(yè)互聯(lián)網的“殺手級”應用之一，被寄予厚望。早在上世紀90年代，飛機發(fā)動機領域就嘗試應用預測性維護。近幾年，隨著工業(yè)人工智能技術和邊緣計算技術的不斷演進和日趨成熟，以往集中應用于裝備的預測性維護，得以“飛入尋常百姓家”，具備了大范圍應用的經濟性前提。根據(jù)IoT Analytics發(fā)布的報告：2022年之前，預測性維護市場將持續(xù)保持高速增長，復合年均增長率（CAGR）為39%，成為工業(yè)4.0落地的短路徑。

企業(yè)在對工業(yè)設備進行維護時，大致分為3種維護方式：

1) 修復性維護：屬于事后維護，亡羊補牢。

2) 預防性維護：屬于事先維護，基于時間、性能等條件對設備進行定期維修，但更多是基于經驗。

3) 預測性維護：屬于事先維護，基于安裝在設備上的各種傳感器，實時監(jiān)控設備運行狀態(tài)，更準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)報警或修理命令。

▲ 3種工業(yè)設備維護方式

放眼工業(yè)4.0、智能制造，預測性維護是大勢所趨。相較于其他的維護方式，預測性維護具有智能化，降低維護成本，增加不停機運行時間等特點。

狀態(tài)監(jiān)測與預測性維護

近年來，制造企業(yè)紛紛開始采用預測性維護技術，以期有計劃地降低停機概率。那么，對傳統(tǒng)設備監(jiān)測等同于預測性維護么？

（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)生之前安排預防性維護。連續(xù)狀態(tài)監(jiān)測技術通常用于壓縮機，泵和電動機等設備。

工業(yè)應用場景中，利用傳感器進行狀態(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)測就是預測性維護（PdM：Predictive Maintenance）。狀態(tài)監(jiān)測是對設備運行狀態(tài)進行全時監(jiān)督，而預測性維護技術（PdM）則是基于狀態(tài)監(jiān)測、異常檢測和分類算法，并集成了預測模型，該模型可以根據(jù)檢測到的異常來判斷剩余的機器運行時間。預測性維護是在傳統(tǒng)狀態(tài)監(jiān)測的基礎上，采用更加*的分析方法，進一步預測設備壽命，甚至對潛在故障類型進行診斷?？梢哉f，預測性維護包含了狀態(tài)監(jiān)測，是傳統(tǒng)狀態(tài)監(jiān)測的進一步發(fā)展。

狀態(tài)監(jiān)測可以收集被監(jiān)測設備狀態(tài)的實時信息，而預測性維護的核心思想是在監(jiān)控的基礎上，進一步預測設備的運行壽命，甚至能夠對潛在的故障類型做出診斷。當前大多數(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，還未能前瞻性地預測設備即將出現(xiàn)的問題。

預防性維護與預測性維護

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

預防性維護和預測性維護之間的區(qū)別在于，預測性維護系統(tǒng)使用智能狀態(tài)監(jiān)測傳感器作為數(shù)據(jù)記錄器，收集和預處理設備內的數(shù)據(jù)，并識別磨損模式并提供更準確的方法來預測故障。預測模型包括統(tǒng)計監(jiān)測，隨人工智能的普及和邊緣算力的提升，神經網絡和機器學習算法也被用來識別數(shù)據(jù)并進行預測。測得的數(shù)據(jù)與設備健康運行狀態(tài)參數(shù)進行比較，從而判斷是否需要進行維護，以及如何有針對性的安排維護工作。

▲圖解預防性維護與預測性維護區(qū)別

從狀態(tài)監(jiān)測到預測性維護，邊緣計算是“好拍檔”

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

狀態(tài)監(jiān)測和預測性維護的好處顯而易見，但挑戰(zhàn)也異常艱巨，涉及到多種不同的技術能力：從設計智能傳感器節(jié)點、在傳感器節(jié)點和網關中配置運行嵌入式軟件，到開發(fā)上云軟件或ERP軟件系統(tǒng)，再到可實施的機器學習和人工智能算法，以確保檢測到技術異常并準確預測設備壽命。

▲ 狀態(tài)監(jiān)測和預測性維護讓邊緣計算不“邊緣”

智能狀態(tài)監(jiān)測傳感器是預測分析的關鍵要素。它們收集、記錄、預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)基礎和依據(jù)。例如，溫度的突然升高表明可能是設備問題，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，當振動分析顯示旋轉設備的諧波頻率發(fā)生變化時，狀態(tài)監(jiān)測工具可以根據(jù)預測模型繪制設備退化情況。

▲ 智能狀態(tài)監(jiān)測傳感器是預測分析的關鍵要素

網關既可以實現(xiàn)收集和處理來自多個智能傳感器節(jié)點的數(shù)據(jù)，也可以充當連接橋，使能以太網、Wi-Fi、無線蜂窩或LPWAN技術實現(xiàn)到云的安全連接。

邊緣計算與處理整合并協(xié)調分配智能傳感器節(jié)點和網關之間運算處理能力，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)處理還可以通過機器學習和人工智能（AI）算法來增強智能傳感器節(jié)點和網關任務配置文件，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)測和預測性維護

工業(yè)場景五大要素：人、機、料、法、環(huán)，預測性維護主要與“機”掛鉤。狀態(tài)監(jiān)測和預測性維護是工業(yè)4.0的增值和挑戰(zhàn)性應用，也是工業(yè)4.0落地的短路徑。意法半導體為此積極部署了*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。

▲ 預測性維護方框圖

微控制器與微處理器：基于Arm®Cortex®M4 / M33 / M7的STM32微控制器產品家族，以及基于Arm®Cortex®-A7®內核、具有強大浮點運算功能的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產品型號均允許用戶通過STM32Cube.AI工具鏈實施神經網絡和機器學習，從而實現(xiàn)預測性維護的深度學習算法。STM32完善全面的生態(tài)體系及工業(yè)領域的泛在應用都將助推預測性維護這一工業(yè)服務化的歷史進程。

傳感器和慣性測量單元（IMU）：意法半導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，包括加速度計和超聲波模擬麥克風，可實現(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，這些傳感器包含經過優(yōu)化可運行機器學習算法的算力，通過這些算法慣性測量單元（IMU）可以與主機處理器共享數(shù)據(jù)處理。

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