工(gong)業設備(bei)的(de)重大(da)故障并(bing)不(bu)是(shi)突然(ran)發生(sheng)，而是(shi)一(yi)個逐步劣化的(de)過程，在此過程中，設備(bei)仍(reng)可“帶(dai)病運行(xing)”。智能制造時(shi)代，對(dui)于設備(bei)的(de)可靠性(xing)要求(qiu)會(hui)更高(gao)，對(dui)于設備(bei)維(wei)護管理的(de)要求(qiu)也(ye)會(hui)隨之提(ti)高(gao)。
對工業(ye)企業(ye)而(er)言(yan)，設(she)(she)(she)備(bei)(bei)作(zuo)為企業(ye)資產(chan)(chan)的(de)(de)一部分，是一切生產(chan)(chan)制造的(de)(de)基礎。因此，設(she)(she)(she)備(bei)(bei)運營與維(wei)護的(de)(de)重要性不言(yan)而(er)喻(yu)。傳統的(de)(de)設(she)(she)(she)備(bei)(bei)運維(wei)模式存在故(gu)障不可(ke)預測、運維(wei)成本高、管理手段不足、安全生產(chan)(chan)事(shi)故(gu)多(duo)發等(deng)痛點。
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。武通達表示，事(shi)實上(shang)，工業設(she)備的(de)(de)(de)重大故障并不是突然發生，而是一個逐步劣化的(de)(de)(de)過(guo)程，在此過(guo)程中，設(she)備仍可“帶病運行”。智能制造時代(dai)，對于(yu)設(she)備的(de)(de)(de)可靠性要求會更高(gao)(gao)，對于(yu)設(she)備維護管理(li)的(de)(de)(de)要求也會隨之提高(gao)(gao)。
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(yun)計算和大數據等技術為特征的全數字(zi)化制造(zao)的迅(xun)猛(meng)發展(zhan)，一(yi)種更加高效的維(wei)護模式——預測性維(wei)護逐(zhu)漸成為未來企(qi)業的核心需要。設備的健康狀態及運(yun)行情況將(jiang)會得(de)到隨(sui)時隨(sui)地的實時監(jian)測，使檢修變(bian)得(de)有據可(ke)依，有理可(ke)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)能工業設備管(guan)理云平臺，可以(yi)有效地解決用戶設備數(shu)據(ju)采集、智(zhi)能分析、高效管(guan)理以(yi)及(ji)精(jing)準決策的需求，為工業用戶提供全棧式(shi)的設備智(zhi)能化(hua)服(fu)務，目(mu)前已在裝備制造、煤炭采礦、石(shi)油石(shi)化(hua)、鋼鐵冶金等諸多行業服(fu)務超過100家(jia)國內外知名企業。
武通達表示(shi)，在一些大(da)型旋轉機(ji)械設備(bei)的應(ying)用場景中，比如電動(dong)機(ji)、風機(ji)組(zu)、液壓泵站等，已經成為現代大(da)規模生產(chan)裝置的關鍵設備(bei)，要求(qiu)長周期連續運行，一旦故障停(ting)機(ji)可能造成重大(da)經濟損失(shi)，甚至導(dao)致重大(da)安全事(shi)故的發生。
旋(xuan)轉(zhuan)機械的(de)(de)預測性(xing)維護主(zhu)要依靠在(zai)(zai)(zai)設備(bei)上部(bu)署一個或(huo)多個測點(dian)，采集振(zhen)動、溫(wen)度(du)等(deng)數據(ju)(ju)，通過對(dui)數據(ju)(ju)的(de)(de)實時分析(xi)和判(pan)斷，預測設備(bei)異常情況并(bing)精(jing)準定位設備(bei)故(gu)障。武(wu)通達表(biao)示，傳統(tong)(tong)的(de)(de)設備(bei)監(jian)控(kong)產生了基于有線傳感器的(de)(de)本地部(bu)署解決方案，人員(yuan)在(zai)(zai)(zai)中控(kong)室或(huo)者(zhe)監(jian)控(kong)大廳監(jian)測設備(bei)的(de)(de)運(yun)行狀態。這些系(xi)統(tong)(tong)不僅體積大、成本高，在(zai)(zai)(zai)部(bu)署復雜度(du)、響(xiang)應速度(du)上都面臨(lin)巨大挑戰，不足以實現企業的(de)(de)真正需求。
湃(pai)方智能設備狀態監測(ce)儀測(ce)點示意圖
武通(tong)達認為，由(you)于受到一些特殊條件的(de)制約(yue)，旋轉機械的(de)預(yu)測性(xing)維(wei)護的(de)解決方案需要(yao)滿(man)足以下要(yao)求：
第一，部署便捷，成本低。通過輕(qing)量化(hua)、小型(xing)化(hua)和無線化(hua)的硬件(jian)產品，可以在例如軸承(cheng)等空間狹小的位置(zhi)進行安裝，相對于傳統監測方案，無需復(fu)雜布(bu)線，實施(shi)周(zhou)期短(duan)，綜合成(cheng)本低。
第二，功耗低，壽命長。工(gong)業設備(bei)(bei)往往具備(bei)(bei)很長的(de)壽命，平均在二(er)十年(nian)左(zuo)右，而一個大(da)型工(gong)廠甚至可達(da)上萬臺旋轉機(ji)械，如果傳(chuan)感器壽命只有1年(nian)，維護部署(shu)代價則會非常高(gao)。
第三，監測具有特殊性，需滿足多級實時性要求。比如(ru)目(mu)前設備管理采用的主要方(fang)式——日常(chang)巡檢，頻(pin)率可能是一(yi)天、幾天或者幾個(ge)小時，但對于(yu)特(te)定的異常(chang)處理，故障(zhang)響應速(su)度甚至(zhi)要達到分鐘級甚至(zhi)更低。
第四，超前預警，實現主動運維。傳統設備(bei)(bei)巡檢(jian)(jian)存在故障發(fa)現滯后性(xing)(xing)，往往在設備(bei)(bei)故障后期(qi)，劣化(hua)表現明顯時(shi)才進行檢(jian)(jian)修(xiu)干預，預測性(xing)(xing)維護則(ze)直擊痛點(dian)，將故障發(fa)現時(shi)間提(ti)前至早期(qi)，實現故障超前預警(jing)，讓檢(jian)(jian)修(xiu)變得有(you)據可依，更大限(xian)度避免非計劃性(xing)(xing)停機(ji)風(feng)險(xian)。
打通物聯網四大層級，湃方科技實現精準預測性維護
湃方科技(ji)一(yi)直以(yi)來秉持的(de)(de)產品思(si)路(lu)是(shi)進(jin)行技(ji)術的(de)(de)融合(he)，武通達表示，智能物聯(lian)網時(shi)代(dai)(dai)，數據(ju)和算法的(de)(de)聯(lian)系是(shi)非常緊密的(de)(de)，這就代(dai)(dai)表硬件(jian)端、算法端和最終應用端之(zhi)間的(de)(de)關聯(lian)性(xing)非常強。要(yao)實(shi)現這一(yi)整套的(de)(de)智能運(yun)維思(si)想體(ti)系，需要(yao)將底層(ceng)(ceng)的(de)(de)硬件(jian)層(ceng)(ceng)、中間的(de)(de)算法層(ceng)(ceng)以(yi)及(ji)頂(ding)層(ceng)(ceng)的(de)(de)應用層(ceng)(ceng)全(quan)部進(jin)行打通。
湃方智能設備(bei)狀態監測系統(tong)示意圖
基(ji)于這(zhe)樣的(de)思考，湃方科技應用(yong)核心技術(shu)為(wei)客戶(hu)打造了適用(yong)于各垂直行業預測性維護的(de)工(gong)業設備智能化解決方案。該解決方案主(zhu)要分(fen)為(wei)4層(ceng)(ceng)：底層(ceng)(ceng)的(de)數(shu)據(ju)采(cai)集(ji)，網絡層(ceng)(ceng)的(de)數(shu)據(ju)傳輸(shu)，平臺層(ceng)(ceng)的(de)數(shu)據(ju)管理和算法以及頂層(ceng)(ceng)的(de)數(shu)據(ju)應用(yong)。
首先，底層(ceng)(ceng)邊緣端的(de)(de)硬件(jian)設備數(shu)(shu)據通過無線網絡等傳輸給數(shu)(shu)據集成層(ceng)(ceng)，以此(ci)(ci)來(lai)實現(xian)相關數(shu)(shu)據的(de)(de)收集工(gong)(gong)作。上(shang)一(yi)層(ceng)(ceng)是數(shu)(shu)據中臺(tai)層(ceng)(ceng)，這一(yi)層(ceng)(ceng)會(hui)提供(gong)PaSS服(fu)務(wu)，同時(shi)，也會(hui)進(jin)行元數(shu)(shu)據管理(li)(li)，并支持深(shen)度學(xue)習引(yin)(yin)擎(qing)。此(ci)(ci)層(ceng)(ceng)是數(shu)(shu)據存儲(chu)的(de)(de)核(he)心，數(shu)(shu)據庫(ku)的(de)(de)性(xing)能(neng)和(he)(he)穩定性(xing)表現(xian)會(hui)直接影響整體架構的(de)(de)性(xing)能(neng)。武通達(da)表示，此(ci)(ci)前，湃(pai)(pai)方科(ke)技一(yi)直采用傳統關系型數(shu)(shu)據庫(ku)進(jin)行數(shu)(shu)據存儲(chu)，并未引(yin)(yin)入時(shi)序數(shu)(shu)據庫(ku)。再上(shang)一(yi)層(ceng)(ceng)是數(shu)(shu)據訪問和(he)(he)分(fen)析服(fu)務(wu)層(ceng)(ceng)，提供(gong)各種(zhong)實時(shi)數(shu)(shu)據查詢的(de)(de)API和(he)(he)訪問服(fu)務(wu)，分(fen)析服(fu)務(wu)方面(mian)，也提供(gong)相關算(suan)法(fa)庫(ku)。最上(shang)層(ceng)(ceng)支撐的(de)(de)湃(pai)(pai)方平臺(tai)業務(wu)，提供(gong)面(mian)向用戶直接需求的(de)(de)功能(neng)模塊，例如設備管理(li)(li)、故(gu)障預(yu)測、備品備件(jian)管理(li)(li)等應用集成功能(neng)。此(ci)(ci)外，相關監(jian)控工(gong)(gong)具一(yi)直貫穿整個架構始終。
湃方科技平臺(tai)架構圖
武通(tong)達表示(shi)，這(zhe)(zhe)套(tao)解(jie)決方(fang)案的(de)(de)優勢在(zai)(zai)于(yu)：在(zai)(zai)邊緣(yuan)層(ceng)，湃方(fang)通(tong)過(guo)邊緣(yuan)計(ji)算技(ji)術，將算法和(he)算力下沉到邊緣(yuan)端進(jin)行(xing)部署(shu)。傳(chuan)感器的(de)(de)數據采集之后(hou)，可以(yi)(yi)直接(jie)進(jin)行(xing)處(chu)理(li)和(he)分(fen)析，再進(jin)行(xing)上傳(chuan)。這(zhe)(zhe)樣就實現了設備(bei)異常的(de)(de)高速響(xiang)(xiang)應(ying)，傳(chuan)感器的(de)(de)超(chao)低功耗和(he)超(chao)長(chang)的(de)(de)工作壽命，在(zai)(zai)提高10倍(bei)以(yi)(yi)上響(xiang)(xiang)應(ying)速度的(de)(de)情況(kuang)下，壽命能夠能延(yan)長(chang)2-3倍(bei)。在(zai)(zai)中(zhong)間層(ceng)，湃方(fang)提供了一整套(tao)的(de)(de)數據庫管(guan)理(li)方(fang)式，特別(bie)是針對于(yu)典型旋轉機(ji)械的(de)(de)算法庫，能夠精準(zhun)監(jian)測設備(bei)運(yun)行(xing)狀態、故(gu)障診斷等。而(er)在(zai)(zai)最頂層(ceng)的(de)(de)設備(bei)管(guan)理(li)級的(de)(de)應(ying)用當中(zhong)，由于(yu)精準(zhun)掌握了數據源，目前(qian)算法的(de)(de)準(zhun)確率在(zai)(zai)測試平臺高達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，工業互聯網的迅速普及，上云智(zhi)(zhi)能設備(bei)數(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)量快速增加，傳(chuan)統(tong)的關系(xi)型數(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)據(ju)庫(ku)面臨(lin)巨大挑(tiao)戰。首先，傳(chuan)統(tong)關系(xi)型數(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)據(ju)庫(ku)由于受(shou)到存儲(chu)結構限(xian)制(zhi)，寫(xie)入吞吐能力達到瓶頸，海量數(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)據(ju)無(wu)(wu)法高效的寫(xie)入。武通達表示，隨著(zhu)湃方平臺(tai)監控設備(bei)數(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)量逐(zhu)漸增多(duo)，需要進行大量的并發式的處(chu)理，導致(zhi)云平臺(tai)端的負載越來(lai)(lai)越重。尤(you)其(qi)一些應用(yong)場景對通信和數(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)據(ju)的傳(chuan)輸與存儲(chu)要求非常高，云平臺(tai)很難通過關系(xi)型數(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)據(ju)庫(ku)接入大量的高頻采集數(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)據(ju)。其(qi)次，為了預測(ce)性維(wei)護更加精準(zhun)，以及未(wei)來(lai)(lai)人工智(zhi)(zhi)能在行業(ye)內的大規(gui)模應用(yong)，大部分企業(ye)希望保存更長(chang)期(qi)的歷史(shi)數(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)據(ju)。傳(chuan)統(tong)關系(xi)型數(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)據(ju)庫(ku)存儲(chu)成(cheng)本高，無(wu)(wu)法更經濟地保留(liu)更長(chang)期(qi)的歷史(shi)數(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)據(ju)。因此，湃方迫切需要一種專門針對時間(jian)序列數(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)據(ju)來(lai)(lai)做優化的數(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)據(ju)庫(ku)系(xi)統(tong)，即時間(jian)序列數(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)(shu)據(ju)庫(ku)。
CnosDB時(shi)序數(shu)據庫(ku)開源(yuan)社區發(fa)起人/諾(nuo)司時(shi)空創始人鄭(zheng)博表示(shi)，作為綠葉性(xing)的(de)(de)根技術，CnosDB是(shi)一(yi)個非常適合物聯(lian)網場景(jing)的(de)(de)時(shi)間序列數(shu)據庫(ku)，其擁有著強大(da)(da)的(de)(de)寫入(ru)(ru)吞吐以(yi)及(ji)高效壓縮(suo)比(bi)的(de)(de)特性(xing)。相對于傳統的(de)(de)關系型數(shu)據庫(ku)，它可以(yi)支持(chi)更(geng)(geng)大(da)(da)規模(mo)的(de)(de)測點，在普通服務器上就能支持(chi)百萬(wan)QPS的(de)(de)寫入(ru)(ru)需求。在新的(de)(de)架構設計(ji)上，CnosDB的(de)(de)數(shu)據壓縮(suo)比(bi)達到了(le)60x，這就減(jian)少了(le)數(shu)據占用的(de)(de)存儲空間，從而降低了(le)存儲成(cheng)本，實現(xian)更(geng)(geng)長時(shi)間和(he)更(geng)(geng)大(da)(da)量的(de)(de)數(shu)據保存。值得一(yi)提的(de)(de)是(shi)，CnosDB產品是(shi)開源(yuan)的(de)(de)，大(da)(da)大(da)(da)降低了(le)接入(ru)(ru)和(he)開發(fa)成(cheng)本。
武通達表(biao)示，湃方應用CnosDB新一(yi)代(dai)的時(shi)間序列數(shu)據(ju)庫(ku)來提高存(cun)儲(chu)(chu)吞吐率、降低存(cun)儲(chu)(chu)成(cheng)本(ben)，完(wan)美解決了平臺測點增(zeng)多和高端昂貴精(jing)密設備的數(shu)據(ju)寫入問題，存(cun)儲(chu)(chu)成(cheng)本(ben)直降90%，實現了更長時(shi)間和更大量的數(shu)據(ju)保存(cun)，也讓湃方更有可能探索更深(shen)層(ceng)次的數(shu)據(ju)價值(zhi)。
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(ren)工智能技術(shu)將持續與工業互聯網進行(xing)深度融合，賦(fu)能智能制(zhi)造。在預(yu)測(ce)性維(wei)(wei)護(hu)場景(jing)中，通過數字孿生(sheng)可(ke)以隨時(shi)隨地監控該設備的(de)虛擬復制(zhi)品，消除了不便或不必要的(de)工廠車(che)間(jian)行(xing)程(cheng)。而(er)使用人(ren)工智能分析也可(ke)能更(geng)快地發(fa)現異(yi)常(chang)，從(cong)而(er)為客(ke)戶提供更(geng)好(hao)的(de)預(yu)測(ce)性維(wei)(wei)護(hu)服務。
鄭博表示，CnosDB的(de)(de)應(ying)(ying)用讓行業采(cai)集并留存(cun)更(geng)高精度、更(geng)長周期(qi)的(de)(de)數據(ju)成為了可能。數字孿(luan)生和(he)人工智能的(de)(de)應(ying)(ying)用，大大提升了對工業互聯網底層的(de)(de)基(ji)礎設施，無論是硬(ying)件(jian)還是軟(ruan)件(jian)平臺(tai)，數據(ju)庫(ku)還是算法的(de)(de)性能要求，這也(ye)給以CnosDB為代(dai)表的(de)(de)新一代(dai)時間(jian)序列數據(ju)庫(ku)更(geng)大的(de)(de)場景應(ying)(ying)用機會和(he)市場想象空間(jian)。
