在制造業生產線上，工業生產設備都會受到持續的振動和沖擊，這導致設備材料和零件的磨損老化，從而導致工業設備容易產生故障，而當人們意識到故障時，可能已經產生了很多不良品，甚至整個工業設備已經奔潰停機，從而造成巨大的損失。

如果能在故障發生之前進行故障預測，提前維修更換即將出現問題的零部件，這樣就可以提高工業設備的壽命以及避免某個設備突然出現故障對整個工業生產帶來嚴重的影響。

隨著工業4.0的到來，智能工廠的工業設備都配上了各種感應器，采集其振動、溫度、電流、電壓等數據顯得輕而易舉，通過分析這些實時的傳感數據，對工業設備進行故障預測將是一種行之有效的措施。

因此設備故障預測方案成為了制造行業所青睞的解決方案，其具備的核心功能有：

• 故障超前預警，減少設備停機時間；

• 分析結果實時推送，減少人工成本；

• 適用于企業各種類型的設備，通用性強。

本次慧都科技就設備故障預測方案分享一個落地的案例，就案例本身的效果來為大家介紹他的核心功能和實現的應用價值。

項目背景

該客戶主要是已開發、設計、制造、銷售汽車及汽車零部件（包括新能源汽車及其電池、電機、整車控制技術）、電子電器、金屬機械、鑄金鍛件、粉末冶金、設備、工具和模具的一家汽車制造商公司。在整車生產過程中，需要利用沖壓設備將鋼板鍛造成型，沖壓設備故障會對生產過程帶來不必要的損失，并存在以下三個痛點：

• 傳統的設備運維運維人員需要積累豐富的運維經驗，時間、人力成本高；

• 對于設備故障的類型和程度等級難以做出準確的判斷；

• 對故障的發生時間以及可能性無法做出精準的預測。

溝通調研

慧都大數據團隊根據通過遠程以及現場溝通的方式先為客戶提供了基于設備故障預警方案應用的全面咨詢服務。根據咨詢反饋項目組團隊入駐客戶現場調研，針對客戶現場生產狀況以及客戶訴求，結合大數據分析產品，完成定制項目搭建方案。通過前期的咨詢與調研，項目組團隊基于客戶訴求啟動項目研發工作，項目組完成設備故障預警的算法模塊，離線測試通過（不和生產線對接）。

數據準備與方案實施

數據描述：液壓測試狀態監控平臺，共有17個傳感器，每個傳感器每秒鐘每赫茲讀取的數據。標簽共有五類，也就是五種故障類型，分別是冷卻狀態(3個類別)，閥門狀態(4個類別)，內泵泄露(3個類別)，水壓累積(4個類別)，穩定性(2個類別)。

數據特征提取：調用慧都AI DRIVER的時間序列特征抽取工具的API，計算一些特征的統計矩、熵、譜，進行特征組合后，一共有2205條樣本，85個特征。

數據的特征選擇和降維：運用了Filter方法，Wrapper方法，Embedded方法，進行特征選擇，結合降維方法PCA、LDA，對數據進行降維處理，以減少特征數量、數據降維，使模型泛化能力更強，更穩定，同時增強對特征和特征值之間的理解（如圖一）。再加上數據歸一化處理，讓數據區分度明顯提高（如圖二），

圖一

圖二

使用產品：慧都DataForce、慧都生產制造BI、慧都工業AI模型

建立故障預測模型：為了找到的合理預測時長，比較了慧都AI模型的多個模型對設備五個故障預測目標的準確率指標和F1分數隨時間變化的趨勢。整體預測效果在時間步長為10分鐘時是最佳的，慧都建議企業按照10分鐘來進行預測，同時安排設備維護計劃。

完成了咨詢、調研、研發后慧都大數據通過實施工程師和客戶對接，將我們的產品和方案，集成到客戶設備運維系統中，實現設備故障的預測和分析。

效果展示

慧都大數據團隊對數據進行處理，選擇最優的預測模型，對傳感器的數據進行相關性探索，找到故障發生的所有相關數據特征（如圖方框選擇的數據區域所示），從而預測出故障會在接下來的某個時間點出現故障（如圖橢圓形區域）。我們的預測模型準確度在90%以上。

模型效果

沖壓設備故障5分鐘的預測狀況

沖壓設備故障10分鐘的預測狀況

效果界面

總結

慧都設備故障預測解決方案項目團隊在實施完成后，為客戶進行了一個月的項目運行維護，做到了三分鐘響應，半小時處理，能夠完美融入客戶現場生產過程，客戶非常滿意。最終實現：

• 故障預測準確率93%以上；

• 預測時間只需要100毫秒；

• 節省人工成本現在只需要1個運維人員；

• 方案線上全自動預測，實現了完全的自動化。

慧都工業大數據分析平臺致力于打造國內第一個端到端的工業大數據分析平臺，為企業提供產品全生命周期數據管理和分析方案，為您提供從數據采集、數據準備、數據建模、可視化分析的端到端解決方案。

歡迎撥打慧都熱線023-68661681或，我們有專業的大數據團隊，為您提供免費大數據相關業務咨詢！