工业互联网是互联网和新一代信息技术与工业系统全方位深度融合所形成的产业和应用生态,是工业智能化发展的关键综合信息基础设施。智能制造是推进工业互联网工业化与信息化融合的重要方向,其中预测性维护则是智能制造中非常重要的一环。
设备预测性维护基于连续的测量与分析,通过对机器的运行状态进行监控与数据采集、振动分析等方法,最大限度减小维护对生产带来的不利影响。工业互联网关键技术包括新型物联网通信技术、边缘计算技术、数字孪生技术等。中国高端科技规划布局,我国将工业互联网作为重要基础设施大力推进建设。
在工业互联网的关键技术中,边缘计算被持续提及。边缘计算为部署在网络边缘的计算、存储、网络及应用核心能力为一体的计算环境,为终端用户提供实时、动态和智能的服务计算。本文将边缘计算与预测性维护结合,分析预测性维护场景下边缘计算的需求,研究边缘计算在该场景下的应用方式,阐述相应架构及关键技术,展望边缘计算在预测性维护领域的发展趋势。
预测性维护技术的研究由来已久,常见的预测性维护方案以振动监测为代表,其他方式还有流体分析、超声波测试等。通过在设备上安装传感器搜集数据,随后将数据发送到分析平台进行计算与诊断,是一种信息化程度较高的手段。分析平台通常部署在云端,以实现统一管理和机器学习等高级功能。预测性维护在边缘端的主要需求有以下几点。
(1)功耗控制。由于需要在设备上加装传感器,但被监测的设备常常位于人较难到达或是环境复杂的区域,例如油田上的采油机,矿井下的皮带机、提升机。因此传感器多采用电池供电。如果通过预测性维护对设备能够进行很好的维护,但增加人力去更换传感器电池,反而会增加成本,得不偿失。此外,数据的传输与加密都会造成电量损耗,因此要采用更好的数据传输方式与信息加密方式。
(2)终端管理。传感器和各终端要更好地管理