工业机器人预测性维护，我们可以做什么

01 时代的呼唤

新基建让工业互联网、大数据中心、人工智能等近几年耳熟能详的概念再次火热起来。这些名词也意味着中国工业有着新的需求，渴望新变革。

回想一下，机器的出现，简单来说是想要解放生产力：不少东西，采用人手工制作太慢了，况且，人需要休息，而机器可以24小时不停歇。

那么，问题来了，机器怎样可以在可控范围内自动运转？

这个问题有两个关键点：人的管理和自动运转。

在机器自动运转方面，人们已经取得一定的成绩。进入工业4.0，需要考虑人的管理与机器自动运转怎么融合的问题。简单来说，即人机协同。这过程中少不了工业互联网、大数据中心、人工智能等新一代信息技术的兴起和推动。

传统的制造业主要是围绕材料、机器、方法、测量和维护五个核心要素进行技术升级的。其中，针对维护的预测性维护近年来也越发受到重视。得益于传感技术、物联网技术、工业大数据和人工智能的技术发展，预测性维护成为工业互联网“杀手级”应用。

维护成本分析

02 预测性维护

预测性维护是将传统以人工为主的运维管理转变为自动化、信息化的智能监测维护方式，它不同于预防性维护和修复性维护，而是集设备状态监测、故障诊断和预测、维修决策支持和维修活动于一体的一种主动维护方式。通过对设备状态进行连续测量和数据分析，实现设备故障的诊断以及设备状态发展趋势的预测，制定最优维护方案。

现阶段，状态监测主要通过监测各种参数（如设备振动、温度等）以识别设备的潜在故障。数据的采集主要包括设备数据、生产过程数据、环境数据、（工人）作业数据等。一般通过振动、温度、压力、超声波、油液分析等不同的监测方法采集设备状态的数据。

寰球设备健康管理系统从设备振动数据入手，通过寰球MEMS振动传感器进行数据采集。通过寰球多维感知与部件预警系统单元对采集到的振动信号进行边缘计算、特征提取，并通过多种方式将提取后的特征值上传至云端，经过部署在云端的算法模型计算，得出设备的健康度与相关数据。

审核编辑 黄昊宇