如何通过人工智能、大数据实现冶金设备预测性运行、管理、维护？

钢铁企业在冶金设备运维检修的过程中，必须要面临 3 种变革，分别是管理变革，技术变革以及决策变革，现如今面对的变革是决策变革。以往的钢铁企业都是通过人工实地针对设备进行“点巡检”，由以往积累的“经验”来进一步进行决策的，但是现如今不能只单单通过人工经验来进行生产设备维护了。

预测性维护（PDM）是工业互联网的重要应用，它并不算新鲜，在上世纪90年代就已经尝试被用于飞机发动机领域。最近几年，随着工业人工智能技术和边缘计算技术的逐步推进和成熟，过去仅仅集中应用于高端装备的预测性维护，现在已经可以“飞入寻常百姓家”了，并且具备了大范围应用的经济性前提。

近期山西某钢铁企业，站在企业信息化改革的前沿，经过详细的调研，引进了“冶金设备全生命周期线上管理系统”。该套系统是由科门智能（洛阳豫新工程技术股份有限公司，旗下物联网及人工智能发展事业部），独立自主开发，并且获得当年优秀物联网解决方案殊荣。

冶金设备全生命周期线上管理系统是一款集物联网采集通讯技术、人工智能算法、大数据分析算法于一体的远程可视化平台。通过一款嵌入人工智能算法程序的传感器，在冶金设备不停机的状态下，加装至其重要部件上，并不介入控制器原厂的数据和通讯协议，将传感器数据在边缘侧和云端进行分析和反馈，做到了“感知设备的脉动”。进行噪声平顺度、振动平顺度、温度数据的实时采集与判定。

负责冶金设备及其部件的作业人员可以通过手机与电脑查看冶金设备及其部件运行状态与异常报警，异常报警会记录异常发生地址、时间、异常参数，随着大数据积累，系统所配置的大数据分析算法将会分析故障原因与应急处理方案。同时，系统所配置的专家系统随着大数据积累可以准确预测出设备及其部件的生命周期、劳损程度、利用率等，也将按照月度、季度、年度为企业推送设备及其部件的异常统计。

除了机械故障的检测，系统同时集成设备及其部件所对应的工业控制系统中涵盖的所有监控信号，企业作业人员与管理人员可以随时随地通过手机与电脑在线查看设备及其部件的实时检测数据与控制信号。所集成工业控制系统中的监控数据同时应用在系统所配置的专家系统中，帮助企业更加清晰直观的统计所集成工业控制系统中的监控数据。

同时，此套系统提供了网页端、手机APP以及企业大屏多种访问模式，满足企业内不同用户在不同场景下的使用需求，实现该钢铁企业传统人工点巡检机械故障的运维模式转换，帮助企业杜绝重大安全事故的发生，降低30%以上的日常停机维护时间，节约30%以上的维护成本，帮助企业有效提升生产效率。

END

声明：本文内容来源于网络，如涉及版权，请联系删除。