设备预测性维护系统

设备预测性维护系统，是寄云通过数据接入、数据治理、可视化建模技术，所构建面向不同装备的健康管理与预测性维护业务中台，提供装备实时状态监控、故障诊断、隔离、性能和寿命预测等相关模型管理及应用开发服务，让装备真正做到状态维护和预测性维护。

基于寄云 IoT、DM 以及 DA 三大工业互联网产品打造的一体化全流程装备健康管理平台，通过数据引接、数据治理、可视化建模平台和面向应用可视化建模平台，构建面向不同装备的健康管理与预测性维护业务中台，包括装备状态监控和故障诊断、隔离等相关模型开发中台，并通过故障诊断与健康管理系统技术整合和优化运维服务资源，助力装备健康安全运行，极大地提升装备安全运营保障能力。

需求场景

在高端制造的过程中，大型关键设备需要进行有效的维护，一旦发生非计划停机，不仅会造成设备本身的损害，还会导致生产中断甚至产生安全风险，造成更大损失。而常规的设备维护方式，如定期保养的预防性维护和事后维修的纠正性维护，都无法在维护成本和维修成本之间取得很好的平衡。

预测性维护系统是层次化的综合解决方案，针对特定系统、单套设备、多套设备分别提供振动监测与诊断、实时状态监测与维护、预测性维护的解决方案。合理应对从部件到设备再到产线、车间、企业等不同层面设备管理的差异化需求。

方案优势

降低非计划停机率，基于人工智能分析的预警，降低设备非计划停机概率。
维护成本下降，远程排障节省人员差旅开支，精准快速排障减少停机时间，故障少发减少损失。
维护效率提升，精准排障以及更低的故障发生率缩短了管理人员的排障时间；故障维护可远程指导，维护支出降低，维护效率提升。
资产高效利用，提升设备及生产井可靠性、降低 NPT 时间和 NFF 发生。
探索未知，沉淀经验，实现对未知现象的探索和分析，实现工程经验的沉淀。

方案功能

高频数据分析

高频数据分析主要为用户提供数据分析工具、用户可以利用这些工具对振动传感器、压力传感器等采集数据进行分析，主要包括趋势分析法、时域分析法、频谱分析法、包络分析法、阶次分析法、瀑布图分析法等工具方法。使用以上方法可以对设备的轴系类故障、齿轮故障、轴承故障、电机故障等做出精准的判断。例如（风机、离心泵、煤磨、回转窑等等）。

故障诊断

故障数量统计：以多样图标的方式展示统计故障数据总数、未处理故障数量、已处理故障数量。
故障类型统计：以饼状图的方式统计不同类型故障数量占比。
设备故障分布：以柱状图的方式统计不同设备故障信息数据分布。
实时分析：在故障发生时，支持数据实时分析，分析结果结合 FMEA 故障库进行失效模式自动匹配，为运营人员提供有效参考。
根因分析：支持设备的根因分析，定位故障原因，通过主键设定，配合关联分析特征项，通过根因分析模型，实现故障追溯和诊断。

设备健康档案和寿命预测

为关键子系统构建多维度、实时的健康度指标。通过雷达图的方式，全面反映设备的健康状态。支持基于健康状态指标的告警和预警。基于维护记录、设备运行时间、理论 MTBF 时间等数据，精确计算关键部件的 RUL。根据 RUL 设置告警规则，产生告警。根据 RUL 驱动备品备件管理和优化策略。

结合仿真模型的数字孪生

寄云 PdM 系统结合作伙伴产品的仿真能力，在实际运行过程中实现实时数据和仿真模型的互动分析，提高数据判断精度和规则配置的有效性。