基于工業互聯網平臺的設備遠程監測診斷測試床
朗坤智慧成立于1999年，總部位于江蘇省南京市，是國內領先的工業領域信息化整體解決方案提供商。公司秉承“連接、共享、融合、生態”的經營理念，持續創新，開放合作，在“智慧工廠、智慧園區、智慧城市”領域構建起“管理咨詢、解決方案與產品、IT運維服務、IT監理服務”的全流程全壽期服務體系。
一、關鍵詞
遠程診斷、邊緣計算、數據網關、工業大數據、設備感知、專家診斷系統
二、發起公司和主要聯系人聯系方式
發起公司
朗坤智慧科技股份有限公司
主要聯系人
嚴云峰，副總經理，負責本項目的總體策劃和研發組織工作，13913940312。
三、合作公司
江蘇省國信資產管理集團有限公司，火電關鍵設備監測；
山東能源臨沂礦業集團責任有限公司，煤礦關鍵生產設備監測；
南京大學，提供故障診斷人工智能算法模型。
四、測試床項目目標和概述
本測試床項目針對當前工業設備管理、運維檢修領域存在的問題，提出一種基于工業互聯網的設備遠程監測與故障診斷解決方案，廣泛采集各種大型工業設備運行和狀態監測數據，建立設備大數據平臺，采用專業的信號分析技術，將遠程技術專家人工診斷與智能診斷相結合，解決目前工業設備故障診斷面臨的故障樣本少、專業技術人員缺乏等矛盾，為工業企業提供遠程監測、故障診斷等專業的運維服務。
五、測試床解決方案架構
(一) 測試床應用場景
建立車間、部門、工廠、集團、云平臺五級應用，主要應用場景如下：
l 車間
數據檢測、設備檢查，接收平臺設備診斷報告及運維檢修改善建議。
l 部門
設備監視、預警信息處理，輔助分析設備狀態，調度車間運行方式。
l 工廠
全廠綜合監視，處理關鍵設備狀態異常事件，執行集團設備管理及生產調度指令。
l 集團
全集團設備狀態評估、統計對標分析、異常監控、檢修運維策略優化。
l 云平臺
專家遠程診斷服務、設備故障預警審查、設備數據建模維護配置。
(二) 測試床重點技術
1. 數據采集技術
設備狀態監測與故障診斷面向的對象復雜，數據源多種多樣，有離散控制系統（DCS）、管理信息系統（MIS）、廠級監控系統（SIS）、數據采集與監控系統（SCADA）等，以及設備設計、試驗、維修等相關數據的EAM系統等。測試床需要具備對不同設備的監測儀表、終端、控制系統等數據源的海量實時/非實時數據進行統一采集、處理、傳輸、存儲和管理的能力。
2. 工業網關平臺
設備互聯是工業企業實現智慧化轉型的第一步；朗坤從提升設備連接能力與設備智能化兩方面入手，通過智能化的網關軟件與完善的設備組網方案，打造一個智能工業物聯網平臺，幫助用戶解決設備接入難、設備自主功能弱的難題。
朗坤從設備接入場景、設備接入網關、設備接入網絡與安全、設備接入平臺服務幾個方面入手，設計了一套完整的工業設備物聯網解決方案，目前解決方案已經開發落地，主要由設備端的網關軟件、平臺側的設備接入管理系統以及完善網絡接入硬件方案組成，朗坤工業物聯網平臺以其無處不在的智能化設備感知能力，能夠為企業智慧化轉型打下堅實的基礎。
（工業物聯網技術方案）
l 網關軟件功能介紹
工業網關平臺是朗坤工業物聯網平臺邊緣側解決方案的核心組件，朗坤基于19年的設備端數據采集處理經驗，通過整合平臺化思想、邊緣計算概念以及互聯網思維，打造了一個通用的工業設備智能連接平臺。網關軟件主要功能如下表。
| 功能類別 | 功能描述 |
| 采集功能 | 1、 按照配置定時執行數據采集任務 2、 接受控制指令，控制設備運行 3、 提供常用設備通訊協議庫 4、 提供協議二次開發標準模板 |
| 計算功能 | 1、 完成一次采集數據的二次計算 2、支持計算腳本的編輯與測試工作 |
| 模型發布 | 1、 加載算法模型，通過分析設備原始數據給出決策指導 2、 模型庫功能，支持自定義開發模型添加到模型庫 |
| 本地緩存 | 提供數據共享平臺，為邊緣計算等功能提供數據接口 |
| 數據轉發 | 1、 按照配置上傳實時數據至云端 2、 網絡異常數據緩存功能 3、 接收并下發云端控制指令 |
| 系統管理 | 系統配置、系統監控、日志管理、系統升級、遠程控制 |
| 二次開發 | 1、 通訊協議二次開發 2、 設備模型二次開發 |
l 設備接入管理系統介紹
朗坤設備接入管理系統支持以租戶為單位的設備統一管理，用戶注冊開通即可使用，能夠實現對網關、設備的云端統一管理、監控。
| 模塊名稱 | 功能描述 |
| 設備接入 | 提供企業設備接入監控、配置、事件報警功能。 |
| 規則引擎 | 支持基于JSON、二進制格式的設備數據實時分發、存儲。 |
| 接入SDK | 提供Https、SDK（JAVA/C++等語言）等接口方便開發者基于平臺做數據設備接入二次開發 |
| 數據存儲 | 支持數據存儲至時序數據庫、關系數據庫、NOSQL等 |
| 租戶管理 | 租戶的權限、授權信息，租戶下用戶賬戶信息 |
| 安全保護 | 從用戶認證、通訊加密、權限控制等方面嚴格控制通訊過程，用戶信息、數據的安全。 |
3. 時序數據庫技術
TrendDB是朗坤自主研發的一套大型通用分布式時序數據庫管理軟件，包含完整的實時歷史數據庫系統，及應用開發所需要的套裝軟件：管理工具、開發工具、分析應用和對外接口。TrendDB提供全方位處理實時數據的功能，同時對開發應用提供了全面支撐。
在壓縮效率、分布式、吞吐量、實時歷史緩存等關鍵指標方面都處于領先地位，關鍵技術指標如下：
4. 數字信號處理技術
采用數字濾波、計算階比跟蹤、包絡解調及重采樣等技術，用于工業設備振動監測信號降噪、變速變工況下振動信號分析、軸承部件故障微弱沖擊信號提取等，實現設備故障特征提取，方便遠程監測專家對設備故障進行分析診斷，或者通過機器學習算法實現設備故障智能診斷。
5. 人工智能機器學習技術
建立設備故障診斷模型，采用卷積神經網絡等深度學習方法，對設備遠程監測大數據平臺收集的故障樣本進行訓練學習，不斷提高模型診斷精度，實現設備故障的智能診斷。
(三) 技術創新性及先進性
1. 采用基于DSP+FPGA+ARM結構的嵌入式信號采集技術，增加了信號采集的實時性、可靠性和穩定性；
2. 采用邊緣計算技術，系統具備一定的智能化預警能力；
3. 采用了計算階比跟蹤和數字包絡分析等大量專業的信號分析技術；
4. 對振動數據的存儲采取了時間稀釋及工況標記相結合的優化技術，在常規存儲硬件條件下同時滿足了實時分析的高密度數據存儲及異常數據的永久存儲要求；
5. 采用多維專業檢測綜合狀態評價技術，使診斷對象結果更加全面可靠；
6. 平臺提供故障機理專家規則知識庫診斷和大數據機器學習預測兩種故障分析模式，可以根據設備模型和數據的完整度選擇恰當的分析模型，提高了故障分析的適用性和準確性。
(四) 測試床解決方案架構
本測試床通過在設備層采集大型工業設備運行時DCS、SIS、DEH、PLC及部分智能儀表數據，以及轉動設備運行時振動狀態數據，遠程傳輸到設備狀態監測大數據平臺，經過專業的信號分析技術進行信號預處理和特征提取，形成設備故障特征數據庫，通過數據挖掘、技術專家人工分析、神經網絡機器學習方法，建立設備故障診斷模型，形成故障診斷知識庫，為工業設備運行提供基于工業互聯網的遠程監測、故障診斷專業技術服務和遠程運維服務。
工業互聯網平臺架構圖
六、預期成果
搭建數據中心、專家診斷系統、遠程在線服務平臺，組成工業互聯網，將設備制造商、專業診斷專家服務團隊、工廠（設備擁有方及使用方）、軟件平臺數據服務團隊融入到一個平臺，實現數據共享、專業知識共享、專家資源共享，通過移動數據降低設備人員流動成本，利用大數據分析技術，預測設備狀態劣化趨勢，優化設備運行維修策略，節約運維檢修費用，提高設備效能和利用率。具體包括以下三個層面的預期成果：
(一) 測試床的預期測試結果，針對測試項
1. 建設一個行業大數據中心
以國信集團、臨礦集團為基點，搭建行業設備數據中心，實時采集電廠、礦井設備數據，為大數據遠程故障診斷提供數據支撐，使設備故障預測更精準、可靠；
2. 建設一個礦業、能源行業設備故障預測與健康管理平臺
基于大數據，建立設備故障樣本數據庫，采用專家診斷與人工智能診斷相結合，實現故障早期預測以及設備健康評估；
3. 開辟一套行業設備服務模式
集聚專家資源，集中診斷；集中維修隊伍，人才資源合理利用。使用方、生產商、專家、政府合作，搭建重型設備的制造、運維、診斷、檢修生態圈，提供平臺化服務，并能進行產業推廣，推動礦山、能源等行業設備集聚。
(二) 商業價值
基于工業互聯網平臺的設備遠程監測診斷測試床為企業、高校、研究院所、制造商、工業服務商提供了一個共享的技術服務平臺，充分利用現有的高校、研究院、制造商、使用方等單位的專家資源和工業互聯網平臺的大數據與AI技術，為企業生產和運維服務提供遠程技術支持，這一技術服務模式和共享服務平臺具有廣闊的應用市場，商業價值巨大。
(三) 經濟效益
基于工業互聯網平臺的設備遠程監測診斷測試床可以實現對大型工業設備的遠程監測和故障診斷，充分利用制造商、高校、研究院所的技術專家，為工業企業設備管理提供技術指導，大幅降低企業設備維修成本，解決當前企業設備運行維護中存在的維修不足導致的故障頻發以及過維修導致維修成本居高不下等問題，提高了企業設備管理效率、降低設備故障率和停產時間，提高了設備可用率，為企業創造可觀的的經濟效益。
(四) 社會價值
基于工業互聯網平臺的設備遠程監測診斷測試床的應用推廣，有力的推動了設備運行維護體系的變革，改變現有的設備預防性維護向預測性維護和狀態檢修方向發展，大大減輕預防性定期檢修帶來的社會資源的浪費（過維修）和人力成本的增加，同時遠程監測診斷的推廣也提升了設備技術專家這一緊缺資源的價值和有效利用率，對社會進步和技術發展起到積極地推動作用。
七、測試床技術可行性
本測試床需要測試的技術包括物理平臺和軟件平臺兩部分，以軟件平臺為主。
(一) 物理平臺
l 振動傳感器
采集精度、信號類型、數據同步性等。
l 網關設備
支持設備通過以太網、串口物理通訊；
通過透傳方式采集數據；
支持4G、WIFI兩種網絡通訊模塊，云端解析；
支持離線運行，通過移動APP配置。
l 手持終端
測溫、測振、存儲容量、電池容量、防護等級（防塵、防水、防爆、跌落）、攝像、定位、通訊網絡等。
l 移動設備
操作系統、屏幕、通訊網絡、電池容量、防護等級等。
(二) 軟件平臺
l 數據采集
本地緩存、自動恢復、穩定性、實時性、完整性、準確性、遠程配置等。
l 數據存儲
存儲測點容量、存儲精度、存儲數據容量等。
l 數據服務
響應速度、開放程度、接口方式、數據安全等。
l 專家診斷
自動診斷、人工診斷、遠程診斷、分析工具、分析模型等。
l 在線監視
刷新頻率、監測范圍、數據融合效果、用戶體驗等。
l 狀態評估與預警
實時性、準確性、可追溯性等。
八、和AII技術的關系
(一) 與AII總體架構的關系
本測試床遵循并應用了AII總體架構中的網絡互聯、標識解析、平臺與支撐、工業互聯網數據、安全及應用中的一部分標準。關鍵部分詳見下表：
(二) AII安全
遵循煤礦、電力行業安全防護規定，按照“安全分區、網絡專用、橫向隔離、縱向認證”的基本原則，采用在Ⅰ區與Ⅲ區之間配置物理隔離裝置的部署方式，確保電力實時閉環監控系統及調度數據網絡的安全，以抵御黑客、病毒、惡意代碼等通過各種形式對系統發起的惡意破壞和攻擊。
(三) 風險模型
廠礦側部署工業環網及數據本地緩存、斷點續傳和自適應數據采集策略，以應對廠礦側與集團側或云端之間的通訊網絡環境比較脆弱的實際問題。
(四) 安全聯系人
胡杰英，負責本測試床項目的數據隔離、數據傳輸、數據授權等信息管理安全。
(五) 與已存在AII測試床的關系
本測試床采用了時間稀釋、工況標記等振動數據的彈性存儲，振動、紅外、超聲、電流頻譜、油液等綜合檢測評估模型，遠程在線診斷服務模式等多種獨創實用技術，在平臺層面實現了數據接入、數據建模與數據訂閱的工業互聯網遠程專家診斷功能，與現有已存在AII測試床都存在巨大的差異。
九、交付件
第一階段：建立智能傳感器、設備網關、數據網關的數據傳輸通道，實現本地緩存、邊緣計算、數據采集上傳云端、遠程配置管理等功能，階段交付件為智能網關平臺。
第二階段：建立遠程在線監測與參數預警平臺，實現設備生產過程數據、振動檢測數據、紅外成像數據、油液化驗數據、超聲檢測數據、電流頻譜檢測數據等復雜類型數據的長期存儲、實時刷新與歷史檢索、參數異常預警等高效數據服務，階段交付件為遠程在線監測平臺與大數據存儲平臺。
第三階段：建立專家診斷系統與設備遠程診斷平臺，實現設備狀態在線評估、遠程專家診斷等專家遠程診斷服務功能，階段交付物為設備故障建模工具及設備故障遠程診斷服務平臺。
十、測試床使用者
電力集團、煤礦集團的設備診斷專家、設備管理專家、運行人員、檢修人員都需要通過本系統監視設備運行狀態，實現設備的運行優化與優化檢修決策。
1. 設備診斷專家
熟悉設備結構、設備特性、故障模式，利用平臺專家系統及分析工具，實現設備狀態評估，為設備管理專家、運行人員、檢修人員提供遠程指導。
2. 設備管理專家
熟悉設備結構、設備特性，精通設備管理方法，利用檢測數據及專家診斷數據，檢查設備管理水平，制定設備運維、檢修方案。
3. 運行人員
熟悉設備運行維護操作規程，接收平臺預警通知信息、輔助診斷專家確認故障現象、接收設備管理專家和診斷專家的遠程指導。
4. 檢修人員
熟悉設備結構和檢修操作規程，根據專家診斷系統及設備管理專家、故障診斷專家的狀態評估結果、分析診斷結論及維修建議，接受遠程維修策略指導。
十一、 知識產權說明
朗坤智慧科技股份有限公司對本測試床的建設、運營、使用擁有產權；
江蘇省國信資產管理集團有限公司、山東能源臨沂礦業集團責任有限公司對本測試床在各自集團內部的使用擁有產權。
十二、 部署，操作和訪問使用
本測試床采用集中部署、多級應用的架構模式，需要將分散在全國各地礦站的7大業務系統的振動檢測數據、生產實時過程數據及運維業務數據的采集傳輸并實現業務協同處理，貫穿礦側工業環網、礦側辦公網絡及集團辦公網絡，然后利用集團網絡同步至工業互聯網設備遠程診斷云平臺。本測試床存在地理分布廣、網絡通訊鏈路節點多、數據量大、數據結構復雜、時效性要求高等特點，為實現平臺數據的可靠性、穩定性、準確性、實時性、全面性，擬采用以下網絡拓撲結構：
十三、 資金
十四、 時間軸
本測試床屬于歷時多年的研究項目，主要分為以下幾個關鍵的時間點：
第一階段為智能網關平臺研發及試點實施階段，計劃歷時6個月(2018.2~2018.7)，完成臨礦集團數據接入與存儲工作；完成國信集團下屬能源企業設備數據的接入與存儲工作。
第二階段為遠程在線監測與參數預警平臺研發與試點實施階段，計劃歷時4個月（2018.8~2018.12）,完成臨礦集團的綜合監視頁面組態、設備數據關系建模、參數預警建模及專業診斷分析工具（振動分析、超聲分析、電流頻譜分析、紅外攝像分析、油液質量分析）的研發。完成國信集團下屬能源企業主要生產實時監視畫面的建設，構建工廠工藝模型。
第三階段為診斷模型深度應用階段，計劃歷時8個月（2018.10~2019.5），建立煤礦重點設備類型的專家診斷模型。構建國信集團下屬能源企業關鍵設備的設備畫像，并實現關鍵設備的預測性維護。
第四階段為建設行業生態服務圈，計劃歷時6個月（2019.6~2019.12），建立設備廠商、臨礦集團、國信集團、專家診斷團隊、專業檢修公司的數據共享協同平臺。基于臨礦集團、國信集團的試點，共同向其它同類型企業輸出平臺的設備遠程診斷能力。
十五、 附加信息
本測試床項目的關鍵功能模塊，包括智能感知、信號處理、數據存儲及專家系統知識庫，都是基于平臺化建模組態設計模式，具有很強的可移植性。采用的振動、紅外、超聲、油液、電流頻譜、機器學習等關鍵專業檢測診斷技術，可識別的故障機理具備一定的普適性，能夠有效分析診斷旋轉機械、電機、電氣設備、真空類或高壓類容器設備，除適合應用在火電、煤礦之外，也適宜于水電、風電、光伏發電、冶金、采礦等對設備可靠度要求高的重資產生產企業。
聲明
本報告所載的材料和信息，包括但不限于文本、圖片、數據、觀點、建議，不構成法律建議，也不應替代律師意見。本報告所有材料或內容的知識產權歸工業互聯網產業聯盟所有（注明是引自其他方的內容除外），并受法律保護。如需轉載，需聯系本聯盟并獲得授權許可。未經授權許可，任何人不得將報告的全部或部分內容以發布、轉載、匯編、轉讓、出售等方式使用，不得將報告的全部或部分內容通過網絡方式傳播，不得在任何公開場合使用報告內相關描述及相關數據圖表。違反上述聲明者，本聯盟將追究其相關法律責任。
AII微信公眾號
AII頭條號