工(gong)業設(she)備(bei)的重大故障(zhang)并(bing)不是突然發生，而是一個逐(zhu)步(bu)劣(lie)化的過程，在此過程中，設(she)備(bei)仍可“帶病運行”。智能制(zhi)造時代(dai)，對于設(she)備(bei)的可靠性要求會更高(gao)，對于設(she)備(bei)維護管(guan)理的要求也(ye)會隨(sui)之提高(gao)。
對工(gong)業企(qi)業而言，設備(bei)作為企(qi)業資產(chan)的一部分，是一切(qie)生產(chan)制造的基礎。因(yin)此，設備(bei)運(yun)營與維護的重要性不(bu)(bu)言而喻。傳統的設備(bei)運(yun)維模式存在故障不(bu)(bu)可預測、運(yun)維成(cheng)本(ben)高(gao)、管(guan)理手段(duan)不(bu)(bu)足、安全(quan)生產(chan)事(shi)故多發等痛(tong)點。
日前，湃方科技(北京)有限公司CEO武通達、CnosDB時序數據庫開源社區發起人/諾司時空創始人鄭博接受了智次方·物聯網智庫的專訪。武(wu)通達表示(shi)，事實上，工(gong)業設(she)備(bei)的(de)重大故障并不是突然發生(sheng)，而(er)是一個逐步劣化的(de)過程，在(zai)此過程中(zhong)，設(she)備(bei)仍(reng)可“帶病運(yun)行”。智能制(zhi)造時代，對于設(she)備(bei)的(de)可靠性要求會更高，對于設(she)備(bei)維護管理的(de)要求也(ye)會隨之提(ti)高。
數字化時代，旋轉機械預測性維護面臨新挑戰
隨著近年來以物聯網、云計算和大數據(ju)等技(ji)術為特征的(de)(de)(de)全數字(zi)化制造的(de)(de)(de)迅猛(meng)發(fa)展，一種更加高(gao)效的(de)(de)(de)維護模式——預測性維護逐漸(jian)成(cheng)為未(wei)來(lai)企(qi)業的(de)(de)(de)核(he)心需要。設(she)備的(de)(de)(de)健(jian)康狀態及運行情(qing)況將會得到隨時隨地的(de)(de)(de)實時監(jian)測，使檢修(xiu)變得有(you)據(ju)可依，有(you)理可循。
成立于2018年的湃方科技是一家專注于提供工業設備智能化解決方案的企業，為裝備制造企業及工廠打造了一套完整的設備智能化解決方案，包括基于邊緣計算的智能物聯終端、人工智能算法引擎、智(zhi)能(neng)工業設備(bei)管理(li)(li)云平臺(tai)，可以(yi)有效(xiao)地解決用戶(hu)設備(bei)數據采集、智(zhi)能(neng)分析、高(gao)效(xiao)管理(li)(li)以(yi)及(ji)精準(zhun)決策的(de)需求，為工業用戶(hu)提供全棧(zhan)式的(de)設備(bei)智(zhi)能(neng)化服務(wu)，目前已在裝備(bei)制(zhi)造(zao)、煤(mei)炭采礦、石油石化、鋼鐵冶金等諸多行業服務(wu)超過100家國(guo)內外知名企業。
武通達表示，在一(yi)些大(da)型(xing)旋轉機(ji)械(xie)設備的應(ying)用場(chang)景中(zhong)，比如電動機(ji)、風機(ji)組(zu)、液壓(ya)泵(beng)站等，已經成為現代大(da)規模(mo)生產裝置的關鍵設備，要求長周期連(lian)續(xu)運行，一(yi)旦(dan)故(gu)障停機(ji)可能(neng)造成重(zhong)大(da)經濟損失(shi)，甚至導致重(zhong)大(da)安全事故(gu)的發生。
旋(xuan)轉機械的(de)預測(ce)(ce)性維護主要依靠在(zai)設(she)(she)備(bei)上部署一個或多個測(ce)(ce)點，采集(ji)振動(dong)、溫度等數據(ju)，通過對數據(ju)的(de)實時分析和判斷，預測(ce)(ce)設(she)(she)備(bei)異常情(qing)況(kuang)并精準(zhun)定位設(she)(she)備(bei)故(gu)障(zhang)。武通達表示，傳統(tong)的(de)設(she)(she)備(bei)監(jian)控(kong)產(chan)生了基(ji)于有線傳感器的(de)本地部署解決(jue)方案，人員在(zai)中控(kong)室或者監(jian)控(kong)大廳監(jian)測(ce)(ce)設(she)(she)備(bei)的(de)運行狀態。這些系統(tong)不僅體積大、成本高，在(zai)部署復雜度、響應速度上都面(mian)臨巨大挑(tiao)戰，不足以實現企業的(de)真正(zheng)需(xu)求。
湃方智(zhi)能設(she)備(bei)狀態監測(ce)儀測(ce)點示意圖
武通達認為(wei)，由(you)于(yu)受到一(yi)些特殊條件的制約，旋轉機械的預測性維護的解決方(fang)案需要(yao)滿足以下要(yao)求(qiu)：
第一，部署便捷，成本低。通(tong)過輕量化、小(xiao)型化和(he)無(wu)線(xian)化的(de)硬(ying)件產品，可以(yi)在例如軸承等(deng)空間狹小(xiao)的(de)位置進行安裝(zhuang)，相對于(yu)傳統(tong)監測方案，無(wu)需復雜布線(xian)，實施周期(qi)短，綜合成本(ben)低。
第二，功耗低，壽命長。工業(ye)設備(bei)往往具備(bei)很長(chang)的壽命，平均在(zai)二十年(nian)左右，而一個(ge)大型工廠甚至可達上萬臺旋轉機械，如果(guo)傳感(gan)器壽命只有(you)1年(nian)，維護部署代價則會非(fei)常高。
第三，監測具有特殊性，需滿足多級實時性要求。比(bi)如(ru)目前設(she)備管理采用的主要(yao)方式(shi)——日常(chang)巡檢，頻率可能是一天、幾(ji)天或者幾(ji)個小時(shi)，但對于特定的異常(chang)處理，故(gu)障響應(ying)速度(du)甚至要(yao)達到(dao)分鐘級(ji)甚至更低。
第四，超前預警，實現主動運維。傳(chuan)統設(she)備巡檢(jian)存(cun)在故障發(fa)現滯后(hou)性，往(wang)(wang)往(wang)(wang)在設(she)備故障后(hou)期(qi)，劣化表現明顯時才(cai)進行檢(jian)修干(gan)預(yu)，預(yu)測性維護則(ze)直(zhi)擊痛點，將故障發(fa)現時間(jian)提前至(zhi)早期(qi)，實現故障超前預(yu)警，讓檢(jian)修變得有據可依，更大限度避免(mian)非計劃性停機風險。
打通物聯網四大層級，湃方科技實現精準預測性維護
湃方科(ke)技(ji)一(yi)直以來秉持的(de)(de)產品(pin)思路(lu)是(shi)進行技(ji)術的(de)(de)融(rong)合，武通(tong)達表(biao)示，智能物聯(lian)(lian)網時代，數據和算法(fa)(fa)的(de)(de)聯(lian)(lian)系是(shi)非(fei)常緊(jin)密的(de)(de)，這(zhe)就(jiu)代表(biao)硬件端(duan)、算法(fa)(fa)端(duan)和最終(zhong)應(ying)用(yong)端(duan)之(zhi)間的(de)(de)關聯(lian)(lian)性非(fei)常強。要實現這(zhe)一(yi)整套的(de)(de)智能運維思想體系，需要將底層的(de)(de)硬件層、中間的(de)(de)算法(fa)(fa)層以及(ji)頂層的(de)(de)應(ying)用(yong)層全(quan)部(bu)進行打通(tong)。
湃方智能(neng)設備(bei)狀態監測系統示意圖(tu)
基(ji)于這樣的(de)思考，湃方科技(ji)應用核心技(ji)術為(wei)客戶(hu)打造了適用于各垂直行業(ye)預測性維(wei)護的(de)工業(ye)設備智能化解(jie)決(jue)方案。該解(jie)決(jue)方案主要分為(wei)4層(ceng)：底層(ceng)的(de)數據(ju)采集(ji)，網絡層(ceng)的(de)數據(ju)傳(chuan)輸(shu)，平臺(tai)層(ceng)的(de)數據(ju)管理(li)和(he)算法以(yi)及頂層(ceng)的(de)數據(ju)應用。
首先，底層(ceng)(ceng)(ceng)邊(bian)緣端的(de)(de)硬件設(she)備(bei)數(shu)(shu)據(ju)通(tong)過無線網絡等傳輸(shu)給數(shu)(shu)據(ju)集成層(ceng)(ceng)(ceng)，以此來(lai)實現(xian)相關數(shu)(shu)據(ju)的(de)(de)收集工作。上(shang)一(yi)層(ceng)(ceng)(ceng)是數(shu)(shu)據(ju)中(zhong)臺層(ceng)(ceng)(ceng)，這一(yi)層(ceng)(ceng)(ceng)會(hui)提(ti)(ti)(ti)供PaSS服(fu)務，同時(shi)(shi)，也會(hui)進行(xing)元(yuan)數(shu)(shu)據(ju)管(guan)理，并(bing)支持深度學習引擎。此層(ceng)(ceng)(ceng)是數(shu)(shu)據(ju)存儲(chu)的(de)(de)核心，數(shu)(shu)據(ju)庫的(de)(de)性(xing)(xing)能(neng)(neng)(neng)和(he)穩(wen)定性(xing)(xing)表(biao)現(xian)會(hui)直(zhi)接影響整(zheng)(zheng)體(ti)架(jia)構(gou)的(de)(de)性(xing)(xing)能(neng)(neng)(neng)。武通(tong)達表(biao)示，此前，湃方(fang)科技一(yi)直(zhi)采用傳統關系型數(shu)(shu)據(ju)庫進行(xing)數(shu)(shu)據(ju)存儲(chu)，并(bing)未(wei)引入(ru)時(shi)(shi)序數(shu)(shu)據(ju)庫。再(zai)上(shang)一(yi)層(ceng)(ceng)(ceng)是數(shu)(shu)據(ju)訪問(wen)和(he)分析(xi)服(fu)務層(ceng)(ceng)(ceng)，提(ti)(ti)(ti)供各(ge)種實時(shi)(shi)數(shu)(shu)據(ju)查詢的(de)(de)API和(he)訪問(wen)服(fu)務，分析(xi)服(fu)務方(fang)面(mian)，也提(ti)(ti)(ti)供相關算法(fa)庫。最上(shang)層(ceng)(ceng)(ceng)支撐的(de)(de)湃方(fang)平臺業務，提(ti)(ti)(ti)供面(mian)向(xiang)用戶直(zhi)接需求(qiu)的(de)(de)功(gong)能(neng)(neng)(neng)模塊，例如設(she)備(bei)管(guan)理、故障預(yu)測、備(bei)品(pin)備(bei)件管(guan)理等應用集成功(gong)能(neng)(neng)(neng)。此外，相關監(jian)控工具一(yi)直(zhi)貫穿整(zheng)(zheng)個(ge)架(jia)構(gou)始終(zhong)。
湃方科技平臺架構(gou)圖
武通達(da)表示，這套解決方(fang)(fang)案的(de)優(you)勢在于(yu)：在邊(bian)緣層，湃方(fang)(fang)通過邊(bian)緣計算(suan)技術(shu)，將算(suan)法(fa)和(he)算(suan)力下(xia)沉(chen)到邊(bian)緣端進行部署。傳(chuan)(chuan)感器(qi)的(de)數據采(cai)集之(zhi)后(hou)，可(ke)以直接進行處(chu)理和(he)分析，再進行上傳(chuan)(chuan)。這樣就實現了設(she)備(bei)異常的(de)高速響應，傳(chuan)(chuan)感器(qi)的(de)超(chao)低(di)功耗(hao)和(he)超(chao)長(chang)的(de)工作壽(shou)(shou)命，在提高10倍以上響應速度的(de)情況下(xia)，壽(shou)(shou)命能(neng)(neng)夠能(neng)(neng)延長(chang)2-3倍。在中間(jian)層，湃方(fang)(fang)提供(gong)了一整(zheng)套的(de)數據庫(ku)(ku)管(guan)理方(fang)(fang)式，特(te)別是針對于(yu)典型(xing)旋轉機械的(de)算(suan)法(fa)庫(ku)(ku)，能(neng)(neng)夠精準(zhun)監(jian)測(ce)設(she)備(bei)運(yun)行狀態(tai)、故障診斷等。而在最頂層的(de)設(she)備(bei)管(guan)理級的(de)應用當中，由于(yu)精準(zhun)掌握了數據源，目前算(suan)法(fa)的(de)準(zhun)確率(lv)在測(ce)試平臺高達(da)96%-98%。
傳統數據庫面臨巨大挑戰，CnosDB時序數據庫強化數據管理和治理水平
隨著工業智能化的快速發展，工業互聯網的(de)迅速普及(ji)，上云(yun)智(zhi)能設備(bei)(bei)數(shu)(shu)量(liang)(liang)(liang)(liang)快速增加(jia)，傳(chuan)統(tong)的(de)關系(xi)型(xing)數(shu)(shu)據(ju)庫(ku)(ku)(ku)(ku)面(mian)臨巨大(da)挑戰。首先，傳(chuan)統(tong)關系(xi)型(xing)數(shu)(shu)據(ju)庫(ku)(ku)(ku)(ku)由(you)于(yu)受到(dao)存(cun)儲(chu)(chu)結構(gou)限制，寫入(ru)(ru)吞(tun)吐能力(li)達到(dao)瓶頸，海量(liang)(liang)(liang)(liang)數(shu)(shu)據(ju)無(wu)法高效的(de)寫入(ru)(ru)。武(wu)通(tong)達表示(shi)，隨著湃(pai)方(fang)(fang)平臺監控(kong)設備(bei)(bei)數(shu)(shu)量(liang)(liang)(liang)(liang)逐漸增多，需(xu)要(yao)進行大(da)量(liang)(liang)(liang)(liang)的(de)并發(fa)式的(de)處理，導致云(yun)平臺端的(de)負載越來越重。尤(you)其一些應用(yong)場景對(dui)通(tong)信和數(shu)(shu)據(ju)的(de)傳(chuan)輸與存(cun)儲(chu)(chu)要(yao)求非常高，云(yun)平臺很難(nan)通(tong)過關系(xi)型(xing)數(shu)(shu)據(ju)庫(ku)(ku)(ku)(ku)接入(ru)(ru)大(da)量(liang)(liang)(liang)(liang)的(de)高頻(pin)采集數(shu)(shu)據(ju)。其次(ci)，為了預測性維護更(geng)加(jia)精準(zhun)，以及(ji)未來人(ren)工智(zhi)能在行業內(nei)的(de)大(da)規模(mo)應用(yong)，大(da)部分企業希望保存(cun)更(geng)長期(qi)的(de)歷史數(shu)(shu)據(ju)。傳(chuan)統(tong)關系(xi)型(xing)數(shu)(shu)據(ju)庫(ku)(ku)(ku)(ku)存(cun)儲(chu)(chu)成(cheng)本(ben)高，無(wu)法更(geng)經(jing)濟地(di)保留更(geng)長期(qi)的(de)歷史數(shu)(shu)據(ju)。因此(ci)，湃(pai)方(fang)(fang)迫切需(xu)要(yao)一種專(zhuan)門(men)針(zhen)對(dui)時間序列數(shu)(shu)據(ju)來做優化的(de)數(shu)(shu)據(ju)庫(ku)(ku)(ku)(ku)系(xi)統(tong)，即(ji)時間序列數(shu)(shu)據(ju)庫(ku)(ku)(ku)(ku)。
CnosDB時(shi)(shi)序數(shu)據庫開(kai)(kai)源(yuan)社區發(fa)(fa)起人/諾司時(shi)(shi)空創始人鄭博表(biao)示，作為(wei)綠葉性(xing)的(de)根(gen)技術，CnosDB是一(yi)個非常適合物(wu)聯網場景(jing)的(de)時(shi)(shi)間序列(lie)數(shu)據庫，其擁有著強大的(de)寫(xie)入吞吐以(yi)(yi)及高效壓(ya)縮(suo)比(bi)的(de)特(te)性(xing)。相對于(yu)傳統(tong)的(de)關系型數(shu)據庫，它(ta)可以(yi)(yi)支(zhi)持更大規模的(de)測點，在普通(tong)服(fu)務器(qi)上就(jiu)能(neng)支(zhi)持百(bai)萬QPS的(de)寫(xie)入需求。在新的(de)架構(gou)設計上，CnosDB的(de)數(shu)據壓(ya)縮(suo)比(bi)達到了(le)60x，這就(jiu)減少(shao)了(le)數(shu)據占用的(de)存儲空間，從而降(jiang)低(di)了(le)存儲成本，實(shi)現更長(chang)時(shi)(shi)間和(he)更大量的(de)數(shu)據保存。值得一(yi)提的(de)是，CnosDB產(chan)品(pin)是開(kai)(kai)源(yuan)的(de)，大大降(jiang)低(di)了(le)接(jie)入和(he)開(kai)(kai)發(fa)(fa)成本。
武通達表示，湃方應用CnosDB新一代的時(shi)間序列數(shu)據庫(ku)來提(ti)高存儲吞吐率、降低存儲成本(ben)，完美解決了平臺測點增多和高端昂貴精密設備的數(shu)據寫入(ru)問題，存儲成本(ben)直降90%，實現了更長時(shi)間和更大量的數(shu)據保存，也讓湃方更有可能探索(suo)更深層次的數(shu)據價值。
目前，數據已經成為工業互聯網以及智能制造時代的重要資產。未來，數字孿生和人工(gong)(gong)智能技術將(jiang)持續(xu)與(yu)工(gong)(gong)業互聯網進行(xing)深(shen)度融合，賦能智能制造。在(zai)預測性(xing)(xing)維護場景中，通過數字孿生可(ke)以隨時隨地(di)(di)監控該設(she)備的(de)虛擬復(fu)制品，消除了不(bu)便或(huo)不(bu)必要的(de)工(gong)(gong)廠(chang)車間行(xing)程。而使用(yong)人工(gong)(gong)智能分析也可(ke)能更快地(di)(di)發現異常(chang)，從而為客戶提供更好的(de)預測性(xing)(xing)維護服務。
鄭博表(biao)示，CnosDB的(de)(de)(de)應(ying)用讓行業(ye)采集并留存更高精度、更長周期的(de)(de)(de)數據成為了可(ke)能(neng)(neng)。數字孿生和人工智(zhi)能(neng)(neng)的(de)(de)(de)應(ying)用，大(da)大(da)提(ti)升了對工業(ye)互聯網底層(ceng)的(de)(de)(de)基(ji)礎設(she)施，無論是硬件還是軟(ruan)件平臺，數據庫還是算法的(de)(de)(de)性(xing)能(neng)(neng)要求，這也給以CnosDB為代(dai)表(biao)的(de)(de)(de)新一代(dai)時間序(xu)列數據庫更大(da)的(de)(de)(de)場景應(ying)用機會和市場想象空間。
