2.2 监控与数据采集系统背景

在工业4.0、“互联网+”和“中国制造2025”提出的背景下，工业信息化和智能化受到空前关注，同时制造业也在向服务化转型，远程设备数据采集及智能维护在这样的背景下应运而生并受到越来越多的关注。当前设备的维护方式从传统的事后维护和定期维护转向基于状态维护（CBM），其核心思想是在有证据表明故障将要发生时才对设备进行维护。这种维护方式根据状态监测、故障诊断分析的结果，并结合设备运行的实际状况，对设备进行智能维护。当前基于状态的维护方式已经在发达国家企业中获得广泛的应用，我国企业也逐步向这方面过渡，而远程设备数据采集与智能维护技术正是其中的关键。远程设备数据采集与智能维护主要涉及设备信息化技术、工业智能云服务系统和工业大数据挖掘技术，以下对这几个方面分别介绍。

1.设备信息化

设备信息化技术指通过信息化手段实现设备状态监控、资源管理、安全检查、隐患排查、危险源辨识和应急管理规范化操作和灵活定制。其中ERP、MES和PLM等系统是设备信息化系统中的典型代表。比较典型的有SAP的S/4HANA ERP系统，常用于大型企业的设备信息管理；泛微的e-cology设备信息管理系统。在物联网的背景下，当前的设备信息化技术正朝着互联化和智能化发展，一方面网络高速发展，设备联网和设备间通信使得信息化不限于单机水平，而在多机调度管理等信息化水平上有了很大的提升；另一方面，信息化从浅层次的直接利用转向更加复杂的分析和灵活的定制，提供更加智能的信息化服务以及个性化的信息服务。

2.工业智能云服务

工业智能云服务系统涉及大数据采集、存储和可视化应用等服务。当前，各大工业巨头正加紧工业智能管控云服务平台的部署进程，国外比较有代表性的有GE的Predix工业互联网管控云平台、菲尼克斯的ProfiCloud工业管控云平台和西门子的MindSphere工业管控云平台；国内比较有代表性的有华源创世开发的Smart-Plant工业智能管控云平台和映翰通设备云平台。其中GE的Predix是工业界领先的智能管控云平台，通过数据标准化和统一呈现，提供一系列工业数据采集、存储和管控应用方案。ProfiCloud和MindSphere起步比较晚，其功能和前者类同，但在功能和数据标准化上都不如前者完善。而国内的云平台则处于起步阶段，在数据标准化和服务功能上相对于国外的管控服务平台还不够完善，能够应用的工业场景有限。

另外，基于这些通用管控云服务平台开发的各类智能管控系统也如雨后春笋般涌出，如：蒂森克虏伯电梯利用微软云AZURE，实现了全球电梯的在线监测、故障诊断和预防性维修管理；远景能源公司建立自主云服务平台，开发风机在线监测、能源管理和预防性维护系统。

3.工业大数据挖掘

工业大数据挖掘旨在通过统计分析、趋势预测和机器学习等技术，从获取的海量设备数据中提炼有价值的信息，包括状态监测、智能维保、安全管理和资产管理等。目前大数据挖掘主要涉及模式识别、回归预测和强化学习三大类技术，从传统的确定性推理和专家知识库等智能推理方法转向统计学习和机器学习方法，比如线性回归、支持向量机、隐马尔科夫链和深度学习等，并且在上述三个方向上均取得重要的突破。

目前各大工业智能管控云服务平台均提供通用的数据挖掘服务，比如Predix提供微软云AZURE机器学习等数据挖掘模型。由于数据挖掘重要性日益增加，传统的工业巨头一般选择和微软、谷歌和亚马逊等公司合作来强化数据挖掘功能。由于工业应用场景存在明显的差异化，需要根据用户需求在原有通用模型的基础上进行二次开发，因此尽管数据挖掘在工业领域有成功的应用，但是在很多具体的工业场景仍然处于探索阶段。