预测性维护白皮书.PDFVIP

2018 预测性维护白皮书 上海产业技术研究院 2018-3 I 上海产业技术研究院 目录 1 背景 1 2 维护理论的发展历程 1 2.1 故障维护（RUN-TO-FAILURE MAINTENANCE ） 1 2.2 预防性维护（PM PREVENTIVE MAINTENANCE ） 2 2.3 预测性维护（PDM PREDICTIVE MAINTENANCE ） 2 3 预测性维护概念及架构 3 3.1 概念 3 3.2 平台架构 4 3.3 系统流程 4 4 预测性维护技术体系 5 4.1 技术基础 5 4.2 传感技术 5 4.3 状态监测 5 4.4 数据传输 6 4.5 故障诊断 6 4.6 故障预测 6 4.7 维护管理 6 4.8 维护决策 7 5 预测性维护中的分析算法 7 6 案例（应用场景） 8 6.1 桥梁 8 6.2 电梯 9 6.3 风机 10 II 上海产业技术研究院 1 背景 当前，新一轮科技革命和产业变革孕育兴起，大数据的积聚、理论算法的革新、计算能力的提升及网 络设施的演进，驱动人工智能发展进入新阶段，人工智能正加快与经济社会各领域渗透融合，带动技术进 步、推动产业升级、助力经济转型、促进社会进步。 2017 年 7 月，国务院印发《新一代人工智能发展规划》，重点对 2030 年我国人工智能发展的总体思 路、战略目标和主要任务、保障措施进行系统的规划和部署，为推动我国人工智能的长期发展指明了方向。 同时，新一代人工智能重大项目近日已启动，聚焦基础理论研究、关键技术研发及支撑平台建设等工作。 2017 年12 月，工业和信息化部印发了《促进新一代人工智能产业发展三年行动计划（2018-2020 年）》（以 下简称《行动计划》），以信息技术与制造技术深度融合为主线，以新一代人工智能技术的产业化和集成应 用为重点，推动人工智能和实体经济深度融合，加快制造强国和网络强国建设。 2017 年11 月上海市发布了《关于本市推动新一代人工智能发展的实施意见》，《意见》明确，新一代 人工智能是当前引领性的战略性技术和新一轮产业变革的核心驱动力。上海将把加快发展新一代人工智能， 作为服务国家创新驱动发展战略、建设具有全球影响力科创中心的优先布局方向。 而预测性维护是工业大数据和人工智能方面的一个重要的应用场景，它针对设备、设施的故障和失效， 由被动故障维护到定期检修（人工巡检）再到主动预防最终到事先预测和综合规划管理的演进中，不断提 升、发展。其经济意义是降低设备的故障率及停机时间、提高设备利用率，保证设备持续使用，避免意外 停工，提高企业生产效率；同时减少维修费用及设备整个生命周期成本，消除在不必要的维护上所花费的 时间和资源，对设备进行适时小修，减少大修、突发故障所带来的巨大维修费用。其安全意义是降低由设 备的故障或突发故障所带来的难以估算的安全隐患。从市场角度看则是为客户提供了增值服务。 本白皮书以国家及上海制定的人工智能产业发展相关规划为导向，立足于人工智能在工业领域的应用 实践，梳理了维护理论的发展历程，重点对预测性维护的概念、架构、流程以及技术体系进