融合BI+AI，新一代增强型数据分析让制造企业高效解决故障预测分析问题

随着科学技术的迅速发展，制造企业对设备维修从传统的被动维修转变为主动预防性维修。传统的维修方法主要基于已有的维修制度、基于运营中发生的各种故障、基于操作和检修人员的行业经验，在面对产品升级改造、设备从未发生的新故障，人工经验的欠缺等问题就会造成设备的过修或失修，其结果是维护费用的使用效率低，设备非预期的停机时间长，从而导致生产力损失与营运成本上升，也可能产生额外的维修与替换成本，使制造商必须准备许多零件，增加库存成本，最严重的还会带来重大安全问题。

在这种情况下，基于预测性维修的方式应运而生，通过预测性维修可以监控设备运行状态、定位故障原因、进一步对故障预测，确保质量，优化每一步资源，最大限度的减少非计划性维护停机时间，消除不必要的维修，节约成本、提高效率。

永洪科技产品Yonghong Z-Suite是融合BigData + BI + AI技术的一站式大数据分析平台，通过数据采集、数据治理、数据存储、数据挖掘和数据分析等过程洞察整个产品生命周期中各个时刻的状态和性能，并利用人工智能和可视化技术提供设备运行状态监控、故障根因分析、故障预测、决策分析全链条一站式应用解决方案。可有效降低设备全生命周期维修成本，实现预测性维修。

接下来介绍一下某风电巨头的一个真实案例，在某风电场中，风力发电机组出现了主轴承故障。主轴承是连接机组定轴和动轴的关键部件，主轴承发生故障轻则增加机组振动噪声，重则导致动轴卡死无法旋转。主轴承失效后只能更换无法修复，常见的故障分类包括磨损性故障、腐蚀性故障、断裂性故障及老化性故障。在风场中常用的故障检测方法多为定期维护，有时维护不及时就会造成比更换必要的零部件和人工成本更高的代价机组停机。因此建立提前预知主轴承故障模型，掌握主轴承运行状态是非常有必要的。