本期导读
诸如电机、减速箱、泵、风机、空压机等旋转设备，作为机械设备中的一类重要分支，在工业领域中扮演着生产、制造等关键角色。旋转设备的健康运行是工业企业安全生产的重要保障。
区别于传统的响应式维护和预防性维护策略，预兆诊断及健康管理（PHM, Prognostics and Health Management）技术所带来的预测性维护策略，实现设备故障隐患的提早发现，规避了传统维护策略存在的设备欠维护和过维护问题，在保障安全生产的同时，最大化设备使用寿命。
现今，多数工业企业仍沿用传统的响应式和预防性维护策略，主要依靠人力巡检和基于经验制定的维修保养计划对设备进行维护。
此种方式在实际应用时往往会带来诸多设备管理问题，主要表现为以下三点：
1. 存在财产及人身安全隐患：获取设备运行健康状态信息不及时，突发故障造成的异常停机可能危及公共财产及人员安全；
2. 意外停机经济损失大：设备一旦发生故障引起非计划停机，没有足够的信息判断故障原因，修复效率低下，影响订单生产，造成经济损失；
3. 影响设备使用寿命：无法适时进行设备维护保养，设备长期处于保养不良状态，缩短设备实际使用寿命。
研华PHM设备预兆诊断及健康管理方案（以下简称研华PHM方案）打通了从端到云的数据传输通道，借助边缘信息感知、边缘计算、云计算、数字信号处理、人工智能、物联网、故障机理知识等技术及理论，综合考虑企业的设备维修保养需求，以数据为核心驱动企业从响应式维护/预防性维护向预测性维护转变。
研华PHM方案的系统架构由设备端、边缘端、云端三部分组成，为客户提供一站式端到云的设备健康管理解决方案。
研华将目光聚焦在诸如电机、减速箱、泵机、空压机等工业企业常见旋转设备上，实时在线监测设备运行状态；
研华使用自研传感器、网关、数采卡借助信息感知技术实时在线获取设备的振动以及温度信息，针对不同应用场景选择经边缘计算后推送上云或直接上云的方式，将传感器感知得到的设备状态信息推送到云端；
研华PHM方案，采用ISO标准与AI技术作为双保险，为用户提供设备异常侦测以及未来7天状态预测，并根据异常侦测及预测结果，借助故障诊断算法实现故障排查及溯源，为用户提早制定针对性维修保养计划提供依据， 其核心功能主要包含ISO国标异常侦测、AI异常侦测、AI异常预测和设备精密诊断四部分。
· ISO国标异常侦测：符合ISO 10816 振动评价国际标准要求，计算振动速度均方根值，并依照国标要求设定设备异常报警阈值，实现依据ISO国标标准的设备异常侦测；
· AI异常侦测：结合故障机理知识及神经网络技术，构建设备衰退程度估计模型，计算设备衰退程度指标，实现依据AI推理的设备异常侦测；
· AI异常预测：采用时间序列模型，预测未来7天国标指标和设备衰退程度指标的指标值，为用户提早制定维修保养计划提供依据；
· 设备故障精密诊断：整合时域、频域、时频域常见诊断算法，帮助用户实现设备异常排查及故障溯源。
精准保养：基于设备状态而不是经验安排维修保养计划，避免基于经验保养所带来的设备保养不足和保养过度，最大化保养费使用价值；
释放人力：有效地将人力从重复性的巡检工作中转移，提升人力使用价值；
避免设备无预警损坏：提早发现设备故障隐患，避免非计划停机；
降低设备更换费用：避免因突发故障所带来的紧急维修费用；
维持供货稳定：避免因产线意外停摆所带来的延迟交货违约金；
避免产品折损：避免因加工设备故障所带来的整批次产品折损；
避免工安事件：避免因突发故障所带来的公共财产损失和人员伤亡，建立企业正面的社会形象。
研华PHM方案，从真实设备健康管理应用需求出发，可广泛应用于石化、煤炭、水泥、钢铁、汽车制造、电力、半导体、食品加工等领域，为工业安全生产连续性保驾护航。
某半导体厂房导入研华PHM解决方案后，设备运维人员根据AI侦测指标实现了风机精准保养，减少维护保养成本，提升工作效率。
某物流中心使用研华PHM解决方案，对堆垛机电机进行实时状态监测及预测，保障堆垛机安全稳定运行，避免因突发故障带来的货物折损。
某食品加工厂引入研华PHM解决方案，对其汽水灌注射室中的电机进行衰退程度实时判断与预警，达成零非计划停机目标，维持供货稳定，并更进一步增加生产效率。