王建新 ，房金良，趙 旭，李 朋，李曉君，徐 嘉，陳 剛

（1.一汽解放汽車有限公司，吉林長春 130000；2.一汽奔騰轎車有限公司，吉林長春 130000）

0 引言

近年來，隨著智能制造的發(fā)展，基于新一代信息通信技術(shù)與先進(jìn)制造技術(shù)深度融合，貫穿于設(shè)計(jì)、生產(chǎn)、管理、服務(wù)等制造活動(dòng)的各個(gè)環(huán)節(jié)，具有自感知、自學(xué)習(xí)、自決策、自執(zhí)行、自適應(yīng)等功能的新型生產(chǎn)方式成為智能制造的發(fā)展重點(diǎn)[4]。因此，設(shè)備狀態(tài)監(jiān)測(cè)和維修如何適應(yīng)智能制造的發(fā)展變的非常重要。

1 開發(fā)設(shè)備狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修平臺(tái)的總體原則

為適應(yīng)智能制造的發(fā)展需要，針對(duì)性的選擇傳統(tǒng)的商用車制造設(shè)備的重要部件，對(duì)重要設(shè)備數(shù)字化建模后，在設(shè)備運(yùn)行過程中，開展設(shè)備的重要參數(shù)的狀態(tài)自動(dòng)監(jiān)測(cè)，通過信息化系統(tǒng)將監(jiān)測(cè)大數(shù)據(jù)采集、分析和優(yōu)化，建立診斷模型，開展故障診斷，判定設(shè)備所處的狀態(tài)，預(yù)測(cè)設(shè)備未來狀態(tài)，智能判定設(shè)備狀態(tài)趨勢(shì)和可能的故障模式，通過智能決策，制定相應(yīng)措施，從而消除潛在故障。通過建立統(tǒng)一的設(shè)備狀態(tài)監(jiān)測(cè)和預(yù)測(cè)性維修[5]平臺(tái)，對(duì)重要設(shè)備維修統(tǒng)一管控，實(shí)現(xiàn)設(shè)備狀態(tài)通過智能信息系統(tǒng)自動(dòng)在線監(jiān)測(cè)、提升維修效率、消除意外故障。

為保證設(shè)備狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修平臺(tái)系統(tǒng)開發(fā)的穩(wěn)定性及可推廣性，根據(jù)商用車制造設(shè)備特點(diǎn)結(jié)合，描述狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修平臺(tái)開發(fā)及應(yīng)用對(duì)象的選擇原則、規(guī)劃方案，根據(jù)近年設(shè)備大修內(nèi)容及損耗統(tǒng)計(jì)，確定設(shè)備的監(jiān)測(cè)部件及監(jiān)測(cè)參數(shù)，確定一期平臺(tái)開發(fā)監(jiān)測(cè)設(shè)備42 臺(tái)，監(jiān)測(cè)點(diǎn)114 點(diǎn)。數(shù)據(jù)來源層（即狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修平臺(tái)面向的對(duì)象設(shè)備、設(shè)備部件、監(jiān)測(cè)參數(shù)）確定后，針對(duì)系統(tǒng)平臺(tái)架構(gòu)要求，數(shù)據(jù)采集模塊、數(shù)據(jù)管理模塊、模型管理模塊、業(yè)務(wù)應(yīng)用模塊、業(yè)務(wù)操作層對(duì)應(yīng)的開發(fā)內(nèi)容主要包括數(shù)字化智能感知、數(shù)據(jù)診斷模型建立、監(jiān)測(cè)數(shù)據(jù)與診斷模型智能分析、智能預(yù)測(cè)診斷、智能決策、智能優(yōu)化、過程中關(guān)鍵數(shù)據(jù)可視化、監(jiān)測(cè)及預(yù)測(cè)性大數(shù)據(jù)流設(shè)計(jì)及應(yīng)用等。

2 設(shè)備狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修平臺(tái)系統(tǒng)架構(gòu)

為建立統(tǒng)一的公司級(jí)智能制造設(shè)備狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修平臺(tái)系統(tǒng)，針對(duì)不同地域的生產(chǎn)基地、傳統(tǒng)和新的生產(chǎn)線、不同的制造設(shè)備，需要統(tǒng)一規(guī)劃建立公司級(jí)的系統(tǒng)架構(gòu)，主要包括軟件架構(gòu)和硬件架構(gòu)。

2.1 軟件架構(gòu)

面向商用車智能制造的設(shè)備狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修平臺(tái)軟件架構(gòu)共分為6 部分，分別是L0 數(shù)據(jù)來源層、L1 數(shù)據(jù)采集模塊、L2 數(shù)據(jù)管理模塊、L3 模型管理模塊、L4 業(yè)務(wù)應(yīng)用模塊、L5業(yè)務(wù)操作層，每一部分的具體內(nèi)容如圖1 所示。

圖1 狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修平臺(tái)系統(tǒng)軟件架構(gòu)

平臺(tái)系統(tǒng)采用JAVA 語言編寫、RESTful 風(fēng)格接口、MySQL數(shù)據(jù)庫，部署環(huán)境為Linux（CentOS 7 系統(tǒng)）。

油菜（Brassica napus L.）子中含有豐富的油酸及亞油酸，湖北省恩施地區(qū)推廣的雙低菜子油品質(zhì)僅次于橄欖油，營養(yǎng)價(jià)值較高［1］。油菜是中國的重要油料作物，2015年中國油菜種植面積居全世界第二［2］，種植面積及產(chǎn)量都占全球的30%［3］。油菜菜薹中富含維生素C，可作為蔬菜食用［4］。種植油菜對(duì)于閑田利用、增加農(nóng)民收入也具有重要作用［5］。

平臺(tái)支持業(yè)務(wù)系統(tǒng)數(shù)據(jù)接入、互聯(lián)網(wǎng)數(shù)據(jù)采集、合作伙伴系統(tǒng)數(shù)據(jù)接入、外部臨時(shí)數(shù)據(jù)導(dǎo)入等。數(shù)據(jù)交換考慮各類數(shù)據(jù)格式、各類傳輸頻次的數(shù)據(jù)導(dǎo)入和導(dǎo)出。數(shù)據(jù)格式主要包含JSON、文本文件、XML 等多種方式，傳輸頻次包含非實(shí)時(shí)、準(zhǔn)實(shí)時(shí)、實(shí)時(shí)形式。

故障診斷技術(shù)將多種不同的智能技術(shù)結(jié)合起來，尤其是將神經(jīng)網(wǎng)絡(luò)、模糊邏輯與專家系統(tǒng)結(jié)合的診斷模型，顯著改善在機(jī)器學(xué)習(xí)、診斷實(shí)時(shí)性等方面的性能，同時(shí)保證其有效性和應(yīng)用性。

故障診斷通過振動(dòng)頻譜分析技術(shù)（FFT），分析被狀態(tài)監(jiān)測(cè)的生產(chǎn)設(shè)備劣化程度，同時(shí)根據(jù)專家系統(tǒng)自動(dòng)給出機(jī)組的故障原因、故障危害及維修建議，最終形成AI（Artificial Intelligence，人工智能）智能診斷。

2.2 硬件架構(gòu)

設(shè)備狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修平臺(tái)采用BS 和CS 架構(gòu)，用戶可以在互聯(lián)網(wǎng)覆蓋的任意地方，隨時(shí)了解設(shè)備的運(yùn)行情況。

硬件架構(gòu)內(nèi)容包括對(duì)監(jiān)測(cè)設(shè)備建模，根據(jù)監(jiān)測(cè)參數(shù)和監(jiān)測(cè)設(shè)備部件是否內(nèi)置采集源選擇安裝增加智能傳感器，傳感器或采集源通過數(shù)據(jù)線纜傳輸?shù)讲杉K，在采集模塊中通過光電轉(zhuǎn)化器把采集模塊處理后的電信號(hào)轉(zhuǎn)為光信號(hào)，通過光纖發(fā)送到服務(wù)器，通過服務(wù)器的數(shù)據(jù)處理，用戶可以通過廠區(qū)局域網(wǎng)和互聯(lián)網(wǎng)兩種途徑進(jìn)行瀏覽、訪問；集團(tuán)總部或獲得權(quán)限的其他分廠也可以通過互聯(lián)網(wǎng)進(jìn)行瀏覽與訪問；狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修平臺(tái)系統(tǒng)硬件傳輸架構(gòu)如圖2 所示。

圖2 狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修平臺(tái)系統(tǒng)硬件架構(gòu)

3 狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修平臺(tái)監(jiān)測(cè)設(shè)備

根據(jù)商用車產(chǎn)品特點(diǎn)，商用車制造設(shè)備主要包括車身制造設(shè)備、車架制造設(shè)備和通用設(shè)備；車身制造設(shè)備包括沖壓、焊裝、涂裝和總裝用設(shè)備；車架制造設(shè)備包括輥壓、壓合、車架噴涂和車架裝配用設(shè)備[6]；通用設(shè)備包括空壓機(jī)、廠房空調(diào)等。

為保證設(shè)備狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修平臺(tái)系統(tǒng)開發(fā)的穩(wěn)定性及可推廣性，結(jié)合公司實(shí)際，平臺(tái)開發(fā)及應(yīng)用分三期開展：一期是平臺(tái)開發(fā)和應(yīng)用，設(shè)備對(duì)象是沖壓和輥壓重要設(shè)備、涂裝空調(diào)、重要車間的空壓機(jī)；二期是平臺(tái)成熟應(yīng)用，設(shè)備對(duì)象是單基地車身和車架焊裝、涂裝、總裝用設(shè)備和其他通用設(shè)備；三期建設(shè)是平臺(tái)多基地共用，設(shè)備對(duì)象是全體系重點(diǎn)設(shè)備。為更加清晰的說明平臺(tái)開發(fā)及應(yīng)用，聚焦一期開發(fā)內(nèi)容。

3.1 狀態(tài)監(jiān)測(cè)和預(yù)測(cè)維修設(shè)備對(duì)象

設(shè)備選擇原則是故障頻發(fā)、設(shè)備貴重、維修成本高和對(duì)整車制造產(chǎn)能影響較大。具體狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修設(shè)備對(duì)象名稱是：沖壓車間自動(dòng)線的壓力機(jī)；車架車間滾壓線的輥壓機(jī)、腹面數(shù)控沖孔機(jī)、三面數(shù)控沖孔機(jī)、折彎機(jī)；涂裝車間的空調(diào)。

空壓機(jī)大多數(shù)采用1 用1 備或2 用1 備方式，但是部分車間沒有備用空壓機(jī)；同時(shí)，空壓機(jī)機(jī)組是交替使用，運(yùn)行時(shí)間基本相同，當(dāng)1 臺(tái)空壓機(jī)出現(xiàn)故障時(shí)，其余空壓機(jī)也將到達(dá)故障期，所以監(jiān)測(cè)設(shè)備包括焊裝車間、總裝車間和車架車間的空壓機(jī)。

3.2 監(jiān)測(cè)設(shè)備部件及監(jiān)測(cè)參數(shù)

沖壓車間壓力機(jī)2016—2019 年停線大修原因主要是軸承磨損后，搖桿、拉桿、齒輪、傳動(dòng)系統(tǒng)銅瓦、飛輪軸等斷裂，大修損耗預(yù)計(jì)605.6 萬元，沖壓車間自動(dòng)線壓力機(jī)大修記錄具體見表1。

表1 沖壓車間自動(dòng)線壓力機(jī)大修記錄

由于壓力機(jī)飛輪、電機(jī)等軸承安裝隱蔽，無法觀察到其磨損狀態(tài)，人工狀態(tài)監(jiān)測(cè)困難，但是在故障發(fā)生之前，常伴有軸承溫度變高和振動(dòng)異常等現(xiàn)象；對(duì)輥壓機(jī)、沖孔機(jī)、折彎機(jī)、空調(diào)風(fēng)機(jī)分析得知，設(shè)備發(fā)生故障之前同樣伴有電機(jī)軸承的溫度和振動(dòng)異常。因此，監(jiān)測(cè)設(shè)備對(duì)象的監(jiān)測(cè)部位是電機(jī)、風(fēng)機(jī)、渦輪、滾軸、飛輪的軸承位置，監(jiān)測(cè)的參數(shù)是軸承的振動(dòng)和溫度參數(shù)，沖監(jiān)測(cè)設(shè)備部件及監(jiān)測(cè)參數(shù)清單見表2。

表2 沖壓監(jiān)測(cè)設(shè)備部件及監(jiān)測(cè)參數(shù)清單

4 系統(tǒng)平臺(tái)開發(fā)及應(yīng)用

按照系統(tǒng)平臺(tái)架構(gòu)要求，數(shù)據(jù)來源層（即狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修平臺(tái)面向的對(duì)象設(shè)備、設(shè)備部件、監(jiān)測(cè)參數(shù)）確定后，數(shù)據(jù)采集模塊、數(shù)據(jù)管理模塊、模型管理模塊、業(yè)務(wù)應(yīng)用模塊、業(yè)務(wù)操作層對(duì)應(yīng)的開發(fā)內(nèi)容主要包括數(shù)字化智能感知、數(shù)據(jù)診斷模型建立、監(jiān)測(cè)數(shù)據(jù)與診斷模型智能分析、智能預(yù)測(cè)診斷、智能決策、智能優(yōu)化、過程中關(guān)鍵數(shù)據(jù)可視化、監(jiān)測(cè)及預(yù)測(cè)性大數(shù)據(jù)流設(shè)計(jì)應(yīng)用等。

4.1 智能感知

狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修設(shè)備可分為兩類，分別是自帶數(shù)據(jù)來源和無自帶數(shù)據(jù)來源的設(shè)備；針對(duì)自帶數(shù)據(jù)來源的設(shè)備，系統(tǒng)平臺(tái)可以單向提取原有系統(tǒng)數(shù)據(jù)，不可向原系統(tǒng)寫入數(shù)據(jù)，不影響原系統(tǒng)獨(dú)立運(yùn)行；無數(shù)據(jù)來源的設(shè)備需要對(duì)監(jiān)測(cè)設(shè)備硬件升級(jí)，加裝數(shù)據(jù)感知單元（智能傳感器）獲取監(jiān)測(cè)數(shù)據(jù)源。

設(shè)備狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修平臺(tái)開發(fā)一期針對(duì)的主要是傳統(tǒng)無數(shù)據(jù)源的設(shè)備，需要在原監(jiān)測(cè)設(shè)備部件并且拾取信號(hào)最大的部位處增加振動(dòng)和溫度傳感器實(shí)現(xiàn)數(shù)據(jù)源的獲取及監(jiān)測(cè)；由于對(duì)軸承監(jiān)測(cè)安裝位置空間有限和避免破壞設(shè)備部件本體，采用的是振動(dòng)、溫度一體傳感器，安裝方式是磁吸加膠粘方式，振動(dòng)、溫度一體傳感器安裝現(xiàn)場(chǎng)如圖3 所示。同時(shí)，依據(jù)監(jiān)測(cè)設(shè)備部件的工作溫度、環(huán)境溫度、主軸轉(zhuǎn)速等，相應(yīng)的數(shù)據(jù)源單元—傳感器參數(shù)留有1 倍的安全范圍。

圖3 振動(dòng)、溫度一體傳感器安裝現(xiàn)場(chǎng)

為快速定位監(jiān)測(cè)部件，標(biāo)識(shí)并識(shí)別監(jiān)測(cè)結(jié)果，針對(duì)監(jiān)測(cè)設(shè)備或部件，開展近似三維建模，并在平臺(tái)系統(tǒng)設(shè)備詳情圖中展示，平臺(tái)系統(tǒng)設(shè)備詳情具體如圖4 所示。

圖4 平臺(tái)系統(tǒng)設(shè)備詳情

4.2 診斷模型建立

為精準(zhǔn)的分析監(jiān)測(cè)數(shù)據(jù)，預(yù)測(cè)設(shè)備狀態(tài)，自動(dòng)制定維修方案，需要對(duì)監(jiān)測(cè)設(shè)備部件的參數(shù)建立初始診斷模型；根據(jù)診斷模型的設(shè)置，當(dāng)零部件出現(xiàn)失效趨勢(shì)或異常時(shí)，系統(tǒng)給出不同級(jí)別的預(yù)警，預(yù)警閾值可設(shè)置為正常、預(yù)警、警告和危險(xiǎn)4 個(gè)等級(jí)，具體如下：①正常：特征參數(shù)在正常范圍內(nèi)；②預(yù)警：特征參數(shù)接近超差；③警告：特征參數(shù)已超出允許公差，疑似故障或趨勢(shì)異常；④危險(xiǎn)：系統(tǒng)診斷已經(jīng)出現(xiàn)故障或確認(rèn)失效。診斷模型需要根據(jù)設(shè)備運(yùn)行過程中大數(shù)據(jù)分析不斷優(yōu)化，可以手工配置。壓力機(jī)的飛輪和電機(jī)的診斷模型示例如圖5 所示。

圖5 壓力機(jī)的飛輪和電機(jī)的診斷模型示例

4.3 智能分析、診斷、預(yù)測(cè)和決策

智能感知單元采集的數(shù)據(jù)經(jīng)過采集模塊處理將電信號(hào)轉(zhuǎn)化成數(shù)字信號(hào)，通過KNN（最鄰近節(jié)點(diǎn)算法）、SVN（最優(yōu)化計(jì)算方法）對(duì)數(shù)字信號(hào)數(shù)據(jù)進(jìn)行抽取、加工，將數(shù)據(jù)通過RS485 協(xié)議傳遞到服務(wù)器的關(guān)系型數(shù)據(jù)庫MySQL，開展數(shù)據(jù)的智能分析、診斷、預(yù)測(cè)和決策。

依托專家診斷數(shù)據(jù)庫，結(jié)合診斷模型的建立，將采集的數(shù)據(jù)經(jīng)過傅里葉變換算法、小波分析、包絡(luò)分析等分析對(duì)比，生成設(shè)備狀態(tài)趨勢(shì)、時(shí)域和頻域等圖譜，AI 診斷設(shè)備狀態(tài)，生成包含診斷建議的診斷報(bào)告，預(yù)測(cè)設(shè)備故障，提前決策并消除隱患，AI 診斷分析結(jié)果如圖6 所示。

圖6 AI 診斷分析結(jié)果

4.4 智能優(yōu)化

結(jié)合公司歷史積累，設(shè)備故障模型及維修經(jīng)驗(yàn)建議可以人工配置到智能制造設(shè)備狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修平臺(tái)中，形成診斷案例庫，經(jīng)過狀態(tài)監(jiān)測(cè)、智能分析、診斷后，診斷案例庫可以直接使用，實(shí)現(xiàn)設(shè)備預(yù)測(cè)性維修平臺(tái)自完善。

系統(tǒng)采集大量商用車制造設(shè)備數(shù)據(jù)，將數(shù)據(jù)集中分析、建模，建立公司的設(shè)備運(yùn)行數(shù)據(jù)庫和診斷模型，比如：根據(jù)空壓機(jī)運(yùn)行數(shù)據(jù)，對(duì)空壓機(jī)的振動(dòng)診斷模型優(yōu)化為公司診斷模型，模型修改后，預(yù)測(cè)時(shí)間間隔從40 min 提升至120 min，優(yōu)化避免設(shè)備故障的時(shí)間保障，壓機(jī)狀態(tài)預(yù)測(cè)性模型優(yōu)化見表3。

表3 空壓機(jī)狀態(tài)預(yù)測(cè)性模型優(yōu)化

4.5 智能可視

平臺(tái)系統(tǒng)可視化主要是基于公司、基地工廠、車間、設(shè)備四級(jí)實(shí)物管理，通過數(shù)據(jù)可視化可快速捕捉設(shè)備狀態(tài)情況，包括設(shè)備測(cè)點(diǎn)狀態(tài)、設(shè)備啟停時(shí)長、設(shè)備7 日內(nèi)報(bào)警趨勢(shì)、設(shè)備三維數(shù)據(jù)、監(jiān)測(cè)參數(shù)實(shí)時(shí)值、時(shí)域、頻域和趨勢(shì)圖，設(shè)備測(cè)點(diǎn)出現(xiàn)異常時(shí)為黃色，正常狀態(tài)為藍(lán)色，設(shè)備狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修平臺(tái)可視化如圖7 所示。

圖7 設(shè)備狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修平臺(tái)可視化

4.6 大數(shù)據(jù)流設(shè)計(jì)及應(yīng)用

公司數(shù)據(jù)湖平臺(tái)可以收集智能制造的設(shè)備狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修平臺(tái)系統(tǒng)診斷模型建立、分析的數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)的讀取。

分析后的數(shù)據(jù)結(jié)合專家診斷數(shù)據(jù)實(shí)現(xiàn)診斷報(bào)警，然后將報(bào)警信息生成可視化的報(bào)表，實(shí)現(xiàn)狀態(tài)監(jiān)測(cè)參數(shù)的可視化，同時(shí)推送的診斷信息傳遞至MOM（制造運(yùn)營管理）系統(tǒng)的設(shè)備管理模塊，實(shí)現(xiàn)維修單創(chuàng)建和指定相關(guān)維修人員，進(jìn)而實(shí)現(xiàn)監(jiān)測(cè)參數(shù)、推送信息、維修單時(shí)間、維修時(shí)間、備件名稱、入庫時(shí)間、出庫時(shí)間和備件數(shù)據(jù)量數(shù)據(jù)統(tǒng)計(jì)。

統(tǒng)計(jì)后的數(shù)據(jù)指導(dǎo)備件管理，包括備件出入庫時(shí)間、備件需求數(shù)量優(yōu)化等，設(shè)備狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修平臺(tái)數(shù)據(jù)流如8所示。

通過大數(shù)據(jù)流設(shè)計(jì)及應(yīng)用，在實(shí)現(xiàn)設(shè)備狀態(tài)監(jiān)測(cè)和預(yù)測(cè)性維修的基礎(chǔ)上，自動(dòng)生成維修備件數(shù)據(jù)，實(shí)現(xiàn)備件采購和存儲(chǔ)數(shù)量降低70%左右。

圖8 設(shè)備狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修平臺(tái)數(shù)據(jù)流

5 結(jié)束語

在故障頻發(fā)、設(shè)備貴重、維修成本高和對(duì)整車制造產(chǎn)能影響較大的沖壓車間自動(dòng)線的壓力機(jī)、車架車間滾壓線的輥壓機(jī)、腹面數(shù)控沖孔機(jī)、三面數(shù)控沖孔機(jī)、折彎機(jī)、涂裝車間的空調(diào)、總裝車間的空壓機(jī)等設(shè)備的軸承運(yùn)動(dòng)部位增加智能傳感器實(shí)現(xiàn)智能感知；不同的監(jiān)測(cè)設(shè)備及參數(shù)確定不同的診斷模型，預(yù)警閾值設(shè)置為正常、預(yù)警、警告和危險(xiǎn)4 個(gè)等級(jí)；平臺(tái)根據(jù)診斷模型和系統(tǒng)自有專家數(shù)據(jù)庫，對(duì)監(jiān)測(cè)數(shù)據(jù)自動(dòng)生成設(shè)備狀態(tài)趨勢(shì)、時(shí)域和頻域等圖譜，進(jìn)而推送診斷和預(yù)測(cè)結(jié)果；大量分析數(shù)據(jù)和歷史積累數(shù)據(jù)整合配置后，診斷模型優(yōu)化，設(shè)備維修預(yù)測(cè)準(zhǔn)確率不斷優(yōu)化，同時(shí)設(shè)備狀態(tài)的預(yù)測(cè)時(shí)間間隔提升2 倍以上；可視化界面可以快速監(jiān)測(cè)不同基地工廠、不同車間、不同設(shè)備的實(shí)時(shí)、歷史和趨勢(shì)狀態(tài)；大數(shù)據(jù)流設(shè)計(jì)及應(yīng)用，在設(shè)備狀態(tài)監(jiān)測(cè)和預(yù)測(cè)性維修的基礎(chǔ)上，每年可降低大修成本140 萬左右；與MOM 的設(shè)備管理系統(tǒng)、公司數(shù)據(jù)湖平臺(tái)數(shù)據(jù)跨平臺(tái)對(duì)接，自動(dòng)生成維修備件數(shù)據(jù)，實(shí)現(xiàn)備件采購和存儲(chǔ)數(shù)量降低70%左右，成本相應(yīng)降低70%以上。

經(jīng)過面向商用車智能制造的設(shè)備狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維修平臺(tái)開發(fā)及應(yīng)用，無論針對(duì)集團(tuán)級(jí)汽車制造企業(yè)，還是針對(duì)中小型汽車制造企業(yè)，在設(shè)備狀態(tài)監(jiān)測(cè)對(duì)象選擇、監(jiān)測(cè)部件和監(jiān)測(cè)參數(shù)確定、設(shè)備狀態(tài)實(shí)時(shí)在線監(jiān)測(cè)、預(yù)測(cè)性維修探索、數(shù)據(jù)流設(shè)計(jì)及應(yīng)用方面都有較強(qiáng)指導(dǎo)意義。