设备智能运维平台，一款掌握“由果追因”法的智能化AI数据中枢系统

一般工业生产现场工艺流程较长且设备类型繁杂，在长期不间断的运行过程中，一旦设备停止运行，导致生产中断，轻则引发局部故障，重则带来人员安全问题。当遇到设备故障问题，大多数情况下都会出现一位“老将”——资深专家，凭借在现场多年的摸索和经验总结来排查故障，精准定位故障位置，分析故障成因。

那么，问题来了——如果“老将”出差了、请假了、退休了，总之不在现场，“新兵”即使是临时上场，企业也会要求“新兵”快速、准确的定位和解决问题，可是如何在复杂的业务流程和多类型的设备中“由果追因”呢？

这时候，就需要设备智能运维平台（以下简称平台）登场了。

平台用五个步骤，从已知结果逆向推断，在复杂的现象和问题中找到设备故障的真正原因，并合理规划提出处置建议。

明确问题

平台可实时监控设备在生产全流程的运行状态、检测异常状态、预警故障风险，生成运行基线，建立全生命周期管理机制。当设备出现故障时。第一时间启动告警，并通知到相关负责人。

收集数据

平台内置快照功能，在故障发生的同一时刻，保留前后至少5分钟内的相关设备数据和指标数据保存。

得益于对多源异构数据的提前汇集与整合，平台可快速、准确、完整的收集到终端、服务器、IoT设备等设备数据，并成覆盖全场景的全局数据中枢。

智能分析

借助于机器学习、人工智能算法等多重智能分析方法，平台打通了从单设备到核心区域，再到整体全局的分析架构。这使企业管理团队和运维团队视角不再只是停留于单个设备或单个业务，而是通过跨设备层、业务层的数据联合分析，进行全局的整体分析，为企业发现更深层的潜在问题。

这其中关于平台智能分析能力就非常值得展开说说了。

设备出现故障后，平台可在几十秒内完成故障诊断。能做到如此快速的诊断，主要是借助于两个智能分析方法——工业小模型分析法、域模型分析法。

经过对工业现场进行的深度调研和十余年的行业经验，平台构建了常见故障类型的故障字典和以层级结构展示设备各部件间的设备树，并针对现场设备创建物模型，确定采集设备指标，之后将故障字典、设备树、设备指标建立指标关联关系，形成自感知、自学习、自决策、自执行、自适应等具有AI特征的工业小模型。

例如，平台会为“管网油气运输场景的油气混输泵”建立独有的泵模型和设备指标。当油气混输泵出现故障时，平台按照工业小模型的智能分析法，第一时间对照故障字典，自动查询设备各部件及相关联指标状态和设备基线情况，启动基于时间序列的单指标分析和基于时间切面的多指标关联分析，形成初步推断。

当业务域中出现2个及以上设备连续告警时，可能会出现故障向下游蔓延或产生重大生产事件的情况。为防止上述情况出现，平台融入人工智能算法的域模型分析法，建立设备与设备间的关联分析，形成检测安全行为和通信故障的两种能力。

推导过程

因为现场深度调研结果与设备故障字典已提前存入平台，所以每次分析时，平台就会按照之前的模型数据。

继续以“管网油气运输场景的油气混输泵”为例，由于转子不平衡、叶轮磨损、密封老化、轴过热等基于泵产生的故障都已存入故障字典，泵入口压力、叶轮转速、轴振动、轴温度等泵的关键指标也已在实时监测，所以当设备故障时，平台可自动顺畅的调用对应的故障字典和关键指标，快速分析出可能故障。

工业小模型推导过程：

处置建议

经过智能分析推论与诊断，平台快速还原事件起因，并根据诊断结果给予整体处置建议。

域模型分析中的安全事件的推导过程和处置建议：

模型域分析中的网络故障链路诊断的推导过程和处置建议：

精准根因诊断，快速定位溯源，设备智能运维平台突破单个设备、单个业务维度局限性的全局层分析能力，让“新兵”也能一个顶俩！

除故障诊断功能外，预测性维护、趋势分析、组态分析、规律规约、健康度评估、全生命周期管理，也是平台的核心分析功能，多重分析功能让管理/运营人员对厂区的安全管控力和优化决策水平得到大幅提升。

驱动智能转型升级

设备智能运维平台的研发

带着为用户解决真实问题的美好愿景

现场部署应用中

平台也将稳定发挥技术与数据优势

助力用户在数字化转型中实现降本增效！