随着”工业4.0”、智能制造2025等等概念的提出，各类机器越来越智能化，需要对其进行更高维度的监控。

对智能制造来说，系统的自由度越小，系统的可靠性要求越高，设备管理的要求也相应提高。设备管理者需要在生产系统自由度降低的情况下实现更优化､更简便､更智能化的设备状态监测诊断，用以指导检修维护，最终提高生产安全稳定性，有效制定并实施设备维护策略。并降低设备维护成本和减少设备停工检修时间。

预测性维护是以状态为依据的维修，是对设备进行连续在线的状态监测及数据分析，诊断并预测设备故障的发展趋势，从而提前制定预测性维护计划并实施检维修。其技术体系涵盖状态监测､故障诊断､状态预测､维修决策等4个方面。其中，状态监测主要是利用温度､压力､振动､超声波等不同类型传感器来获取设备的多种运行状态信息，与故障诊断一样，都是判断预测性维护是否合理的根本所在。举例说明，利用温度传感器进行汽轮机､空压机等大型机组的油温､瓦温监测，利用振动传感器判断机械设备的非平稳运动现象，利用超声波等高频传感器判断设备机械部件内部的细微摩擦等等，再通过各类传感器数据之间的协同工作及功能互补，实现精确的状态监测。

物联网技术为设备状态监测诊断提供了无线监测､高速数据传输､边缘计算和精细化诊断分析等先进技术。在面向企业数字化､网络化､智能化需求时，能有效构建精准､实时､高效的数据采集互联体系，实现工业技术､经验､知识的模型化､标准化､软件化､复用化。基于目前全球化的工业物联网发展态势，可以认为物联网在设备状态监测诊断中的应用范围､应用规模､应用成果将会不断扩大，应用效果也将向更好更优的水平发展。

IoT Analysis针对全球预测性维护的报告中指出，基于云平台的IoT及大数据分析将对设备的预测性维护带来25%~30%的效率提升。预计2016~2022年，预测性维护的复合年均增长率为39%。

工业设备智能监护方向市场规模巨大，国内市场每年设备维护费用即可达万亿级。仅电力、油服、航空、高铁、地铁五个行业每年合计花费设备维护的费用就高达1.8万亿左右。

图片来源：网络 《ENGEL工业 4.0：未来工厂》一文

工业设备健康预测性维护系统：

项目公司研发的基于机器指纹的多传感器融合设备健康预测性维护方案，通过自主研发的信号采集终端，实时采集关键组件的声音、振动、温度等多维信号，并利用AI技术进行数据建模分析，实现对大型机械设备健康状态的实时监测，并提供设备故障预测诊断，指导开展预测性维护。

该系统可用于发电厂（水轮发电机组、风力发电机组、输煤管道、磨煤机、泵机、汽轮机、发电机等）、输配电设施（变压器等）、石化行业（泵机、压缩机、电机等）、煤炭行业（掘进机、采煤机、刮板输送机、液压支架等）、水泥厂（磨煤机、冷却机、堆料机等）、飞机关键部件（发动机、起落架等）、装备制造等众多工业应用场景，且方案部署便捷，可复制性很强，能够帮助企业降低设备维护成本，减少生产安全隐患，助力企业向“数字化”和“智能化”转型升级。

聚焦行业难点：

关键工业机器设备通常价格昂贵，其运行状态对整个生产流程关系重大，是各行业的重点维护对象。

传统工业维护对关键设备一般采取计划性预防维护手段，从而出现以下问题：

过度维修：不考虑设备实际运行状态的计划性维护，导致状态良好的机器被停机检修，造成不必要的人力、财力浪费，影响经济效益；过度维修降低了设备的利用率，同时存在维护过程中造成故障的风险。

欠缺维修： 处于故障边缘的机器被忽略，可能导致设备非计划性停机，极大影响生产过程，甚至可能导致重大生产事故。

参赛理由：

适应低资源、非协作的工业复杂场景。通过细微特征提取分析方法，能够在更早期实现机器故障的精准预判；

多维信息融合建模，更适合大型设备、关键设备的整体性运维监测；

独立自主研发的硬件设备，具有很强的灵活性和可扩展性，能够适应各类场景的个性化部署需求；其中声音、振动、温度一体采集器系全球首创。

非侵入式部署，安装实施方便，无需中断生产，有效降低部署成本；

云端一体化，具备边缘计算能力的终端设备、人工智能算法和云计算架构，可以与工业数据互通互联，实现设备早期预警及智能化维护。

项目公司简介：

北京华控智加科技有限公司由清华大学作为控股股东于2018年主导成立，是推动大学科技成果产业化发展战略的重要载体，也是清华重点打造的人工智能产业化平台。首席科学家刘加教授是清华大学电子系知名人工智能学者，由其领衔组成的华控智加科学家团队在智能语音领域深耕三十余年，取得了多项世界级成果。在国际最高水平NIST智能语音技术评测中，以及国际会议组织的相关核心技术竞赛中名列前茅，并在国家部门组织的多次招标评测中屡获佳绩。公司已研发完成了工业设备健康与安全监护系统，应用场景涵盖水电、风电、火电、配电、煤矿、化工、水泥、钢铁、装备制造等众多工业领域，服务客户包括国家电网、国投集团、京能集团等大型央企国企。