CN115879664A - 一种基于工业互联网的智能运维系统及方法 - Google Patents

Abstract

本发明公开了一种基于工业互联网的智能运维系统及方法，包括设备管理模块，将设备信息电子化，生成电子台账；点检/巡检保养模块，制定点检、巡检计划，下发到执行人员终端；故障上报维修模块，实现故障报修和维修；备件查询模块，实现常用备件库存状态查询并进行分析展示，以及库存预警；模型管理模块，建立数据模型，实现部件健康监测和故障预测；专家知识库模块，收集日常设备故障问题、原因和解决方案信息，构建专家知识库；设备运维监控模块，实时监控车间设备运行状况。本发明通过对设备故障历史数据、点检历史数据进行全面分析，科学制定设备点检内容，动态更新保养清单，实现智能运维，具有良好的社会效益和广阔的应用前景。

Description

一种基于工业互联网的智能运维系统及方法

技术领域

本发明属于工业设备运维技术领域，特别是一种基于工业互联网的智能运维系统及方法。

背景技术

近年来，国家高度重视智能制造的发展，发布多项智能制造标准体系和促进制造型企业数字化转型政策。可以看出，智能制造将是工业制造的发展趋势，未来将是以智能工厂、智能生产、智能物流等新技术，建立起“人、机器、资源”互联互通的网络化社会。设备是智能制造的生产核心，设备的稳定性、安全性、持续性直接影响工业企业的生产产值。

由于先进制造技术、信息技术与智能化技术的高速发展，工业设备的种类增多、结构日趋复杂，设备智能设备运维已然成为智能制造的重要环节。传统运维平台无法将设备运行中产生的海量数据存储下来，无法智能分析并以报表形式呈现，不能为管理者提供决策。因此，智能运维水平决定企业生产经营效率能否提升，成为产业竞争力的影响因素。

当前主流运维技术已从自动化运维向智能运维发展，利用人工智能来辅助甚至部分替代人工决策，可以进一步提升运维质量和效率。很多公司开展了智能运维的探索，研究如何在运维中引入人工智能，以实现事前智能预警、事后快速定位、夜间无人值守、远程集中管理等一系列的智能运维目标，以应对新环境下的三大运维挑战，进一步解放与发展生产力。

设备用户对专业化运维服务的需求变得越来越强烈。随着信息化与工业化深度融合，采用远程方式开展服务是工业设备运维的重要发展方向。通过系统实现对地域分布广泛的大型装备进行远程监测，在短时间内调动故障诊断和维修服务资源，实现对复杂系统快速、及时、正确诊断和维护。建立起有效的远程运维服务系统，最大化的减少用户生产损失，同时提升工作效率、降低自身运维成本。

基于工业互联网的智能运维系统，将设备、人和数据分析三要素连接起来，利用大数据分析，实现工业领域的智能化、数字化转型，降低能耗，提升效率。基于工业互联网的智能运维系统关键技术包括：应用开发和微服务技术、工业数据建模和分析技术、数据管理技术、平台使能技术、iaas技术、数据集成和边缘处理等技术。

发明内容

本发明的目的在于针对现有技术存在的不足，提供一种基于工业互联网的智能运维系统。

实现本发明目的的技术解决方案为：一种基于工业互联网的智能运维系统，所述系统包括客户终端和移动手持终端，具体包括设备管理模块、点检/巡检保养模块、故障上报维修模块、备件查询模块、模型管理模块、专家知识库模块和设备运维监控模块；其中：

所述设备管理模块，用于对车间设备进行信息化管理，实现设备台账信息化，以二维码形式附在设备终端；

所述点检/巡检保养模块，用于生成点检、巡检计划，保养内容电子化，并实时或定时发送至移动手持终端；

所述故障上报维修模块，用于在现场发生故障时，上报故障信息并完成维修；

所述备件查询模块，用于定时查询库存运维备件数量，展示备件库存状况，并在库存小于设定阈值时进行低水位预警；

所述模型管理模块，用于对设备关键部件运行数据进行数据建模，并对模型进行训练、测试、评估、部署、上线，实现部件健康监测和故障预测；

所述专家知识库模块，用于收集日常设备故障问题、原因和解决方案信息，构建专家知识库；

所述设备运维监控模块，用于实时监控车间设备运行状况。

进一步地，所述设备管理模块包括设备台账，其中设备台账包括设备基本信息录入、更新，设备电气图纸及运维手册的导入，手持终端功能包括扫描设备二维码获取设备信息。

进一步地，所述点检/巡检保养模块包括点检/巡检计划制定单元、点检/巡检计划发布单元、点检/巡检计划执行单元和点检/巡检历史记录查询单元；其中，点检/巡检计划制定单元，用于制定包括维保内容、维保频率、备件工具要求、计划开始时间这些内容；点检/巡检计划发布单元，用于发布包括到期提醒、工单调度和任务/时间调整这些内容；点检/巡检计划执行单元，用于执行包括接单准备、现场执行、确认评价这些内容；点检/巡检历史记录查询单元，用于记录查询各个状态下，点检/巡检计划详细内容和执行结果。

进一步地，所述故障上报维修模块包括故障报修、系统派单、终端确认、维修完成确认和知识库上传五个单元；

故障报修单元，用于对发生故障的设备进行故障详情工单报修，生成报修工单，并发送至系统派单单元；

系统派单单元，用于根据报修工单确认故障情况及库存备件情况指派工单给运维工程师；

终端确认单元，用于实现运维工程师通过移动手持终端对接收到的工单进行确认；

维修完成确认单元，用于在维修完成后，实现运维工程师通过移动手持终端确认维修完成，生成运维记录；

知识库上传单元，用于将故障情况和运维记录传输至专家知识库模块。

进一步地，所述备件查询模块通过标准接口协议对接车间库存管理系统，以获取运维备件库存信息，或利用运维系统自带库存系统实现备件出入库管理、库存管理和库存可视化分析展示。

进一步地，所述模型管理模块，具体实现过程包括：采集设备关键部件运行状态数据，之后对采集的数据进行特征提取，最后通过神经网络或深度学习方法建立设备运行状态模型，并对所有模型进行集中管理，包括模型名称、模型代码、预警信息、预警类型、关键部位和是否激活。

进一步地，所述专家知识库模块，将收集的信息通过运维系统提供的EXECl模板导入系统，形成原始专家知识库，并在后期运维过程中不断更新。

进一步地，所述设备运维监控模块，还用于通过设备三维建模、echarts图表的形式展示设备运行过程中各项重要指标曲线，同时结合故障预测模型，对设备关键部位进行监测。

进一步地，所述设备运维监控模块，还用于对故障运维数据进行分析处理，展示设备故障率、常见故障问题这些统计数据。

基于所述系统的智能运维方法，所述方法包括故障预测和故障处理；

(1)故障预测包括两种方式：

一是设置监测数值预警阈值：在设备管理模块中设置设备监测参数的预警阈值，运维系统对设备进行持续监测，当监测参数数值超出预警阈值的次数超过设定频次，系统将自动对故障设备进行定位，保存故障数据，并推送故障信息至工程师移动手持终端；

二是建立故障诊断模型：

收集设备各种运行状态下的参数样本数据，并进行预处理，包括数据分析、数据清洗、数据编码、数据结构化和数据格式标准化；

通过深度学习对预处理后的样本数据进行训练测试，形成故障预测模型；

通过模型管理模块对故障预测模型进行管理；

当采集到的设备参数与故障预测模型相识度达到预设阈值时，系统推送告警信息至设备运维监控模块，该模块对设备故障部位进行提示，系统同步进行声光警戒，并向运维工程师对应的移动手持终端发送告警；

(2)故障处理：

通过移动手持终端扫描待维修设备二维码获取设备信息，包括设备基本信息、管线图、作业指导书、历史运维记录和备件库存，若当前故障有历史运维记录，则根据专家知识库中的运维记录进行处理，否则以新故障进行处理，并将对应信息存入专家知识库。

本发明与现有技术相比，其显著优点为：

1)从数据角度分析；智能运维系统利用边缘计算和物联网技术，在终端侧，传感器、物联设备实现业务现场生产运行等各类数据全面感知采集；在边缘侧，边缘网关、物联设备边缘计算平台通过数据协议转化、边缘流式数据处理、边缘时序数据库等技术实现异构数据接入、边缘处理、边缘存储、数据转发；在中心云，统一接入和汇聚设备生产、库存管理、第三方数据等，结合大数据管理、深度学习、可视化展示、数据安全等技术，构建生产、管理、运维等数据统一汇聚集成、大规模存储、智能分析等协同体系，有效提升数据应用水平和能力。

2)智能运维系统可以为用户解决传统纸质运维存在的效率低、流于形式、数据无法统计利用、文件保管难、新人培训难等问题。系统运用数据可视化技术将繁琐的表格数据以图表的形式直观地展示给工作人员。通过知识库建立，方便指导、培养非专业人员运维技术人员的运维服务技术。

3)系统采用分布式微服务架构构建，方便功能复用，后续可进行业务拓展，处理更复杂的业务、问题。

下面结合附图对本发明作进一步详细描述。

附图说明

图1为本发明的一个实施例的架构图。

图2为本发明的一个实施例的数据模型结构图。

图3为本发明的一个实施例的故障报修模块的流程图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个实施例中，结合图1和图2，提供了一种一种基于工业互联网的智能运维系统，所述系统包括客户终端和移动手持终端，具体包括设备管理模块、点检/巡检保养模块、故障上报维修模块、备件查询模块、模型管理模块、专家知识库模块和设备运维监控模块；其中：

所述设备管理模块，用于对车间设备进行信息化管理，实现设备台账信息化；包括设备台账，其中设备台账包括设备基本信息录入、更新，设备电气图纸及运维手册的导入，手持终端功能包括扫描设备二维码获取设备信息。

所述点检/巡检保养模块，用于生成点检、巡检计划，保养内容电子化，并实时或定时发送至移动手持终端。包括点检/巡检计划制定单元、点检/巡检计划发布单元、点检/巡检计划执行单元和点检/巡检历史记录查询单元；其中，点检/巡检计划制定单元，用于制定包括维保内容、维保频率、备件工具要求、计划开始时间这些内容；点检/巡检计划发布单元，用于发布包括到期提醒、工单调度和任务/时间调整这些内容；点检/巡检计划执行单元，用于执行包括接单准备、现场执行、确认评价这些内容；点检/巡检历史记录查询单元，用于记录查询各个状态下，点检/巡检计划详细内容和执行结果。

所述故障上报维修模块，用于在现场发生故障时，上报故障信息并完成维修；包括故障报修、系统派单、终端确认、维修完成确认和知识库上传五个单元；

故障报修单元，用于对发生故障的设备进行故障详情工单报修，生成报修工单，并发送至系统派单单元；

系统派单单元，用于根据报修工单确认故障情况及库存备件情况指派工单给运维工程师；

终端确认单元，用于实现运维工程师通过移动手持终端对接收到的工单进行确认；

维修完成确认单元，用于在维修完成后，实现运维工程师通过移动手持终端确认维修完成，生成运维记录；

知识库上传单元，用于将故障情况和运维记录传输至专家知识库模块。

所述备件查询模块，用于定时查询库存运维备件数量，展示备件库存状况，并在库存小于设定阈值时进行低水位预警。该模块通过webservice、WebAPI等标准接口协议对接车间库存管理系统，以获取运维备件库存信息，或利用运维系统自带库存系统实现备件出入库管理、库存管理和库存可视化分析展示。

所述模型管理模块，用于对设备关键部件运行数据进行数据建模，并对模型进行训练、测试、评估、部署、上线，实现部件健康监测和故障预测。具体实现过程包括：采集设备关键部件运行状态数据，之后对采集的数据进行特征提取，最后通过神经网络或深度学习方法建立设备运行状态模型，并对所有模型进行集中管理，包括模型名称、模型代码、预警信息、预警类型、关键部位和是否激活。

所述专家知识库模块，用于收集日常设备故障问题、原因和解决方案信息，构建专家知识库；具体地：将收集的信息通过运维系统提供的EXECl模板导入系统，形成原始专家知识库，并在后期运维过程中不断更新。

所述设备运维监控模块，用于实时监控车间设备运行状况；还用于通过设备三维建模、echarts图表的形式展示设备运行过程中各项重要指标曲线，同时结合故障预测模型，对设备关键部位进行监测；还用于对故障运维数据进行分析处理，展示设备故障率、常见故障问题这些统计数据。

示例性地，进一步具体说明：

一、设备管理模块：对车间设备基本信息进行电子化管理，将设备的基本信息包括名称、型号、厂商、采购日期、所属车间等信息存储到数据库中，利用文件扫描将设备附带的指导作业手册转成PDF文档，将指导手册导入系统保存。点击生产设备二维码按钮，随即将设备基本信息及对应电子文档路径信息转化成二维码标签，标签贴在对应设备上，手持终端通过扫描二维码标签即可获取设备基本信息。

二、点检/巡检保养模块：系统后台可根据现场生产设备的特性分类定制点检/巡检计划，计划制定完成后在计划发布页面选择计划执行人员，发布后，计划执行人员在终端会接收到系统推送的点检/巡检计划。系统将设备繁杂的点检项制成电子表格，并将页面路径生成二维码，将二维码固定到对应设备上，点检人员通过扫描设备上二维码即可查看该设备的点检项，根据点检内容执行点检计划，设备详细点检内容可根据设备使用情况对计划进行调整更新。系统可根据客户要求进行模板定制；系统将原本复杂混乱的数据规整化形成电子图表，可一键查看历史数据；通过定制巡检计划对现场设备进行定期的巡视检查，通过定期保养延长设备的使用寿命，增加设备的耐用性。

三、故障上报维修模块：结合图3，当现场工作人员发现故障，发起故障报修工单，生保部接到报修工单根据故障类型、故障位置派遣工程师前往现场运维，同时将工单信息发送至运维工程师终端，工程师根据现场工作人员提交故障描述、故障现场图片提前了解现场故障情况，通过系统中的专家系统分析故障原因，库存系统查看备件库存。前期准备工作准备完成后前往现场进行维修，维修完成后，该工单反馈至工单提交人员检验，待确认设备正常运行后即证明设备维修完成。

四、备件查询模块，采用标准化接口化设计，对接库存管理系统，系统通过对生产及运维所需的备件种类录入，通过录入名录对库存进行筛选，实现实时展示备件库存状况。在无专业库存管理系统情况下，系统提供备件库存管理模块实现对运维备件出入库管理，通过设置库存阈值，向用户直接展示备件库存状态；

五、模型管理模块，在船舶、航天、车辆等工业生产领域中，发动机、滚动轴承、电机等部位一旦发生损坏，极易造成不可挽回的结果。为避免这些关键部位损坏造成重大生产安全事故，系统可采集这些部位运行状态数据，通过对采集到的信号进行降噪、信号提取、信号放大，利用时域法、频域法等方式进行特征提取，最后利用神经网络，深度学习等技术完成设备运行状态模型建立，系统可对建立好的数据模型进行集中管理，包括数据模型的名称、模型代码、预警信息、预警类型、关键部位、是否激活等信息。通过对数据模型的集中管理实现对生产设备运行状态的全天候监测；

六、专家知识库模块，系统提供标准模板给用户，将设备日常运维过程中遇到的故障设备、设备故障现状、原因、解决方案安照模板格式进行填写，通过导入文件的方式写入系统。该模块会自动扫描故障上报数据库，将故障上报数据库中已解决的故障问题且不在知识库系统内的故障添加进知识库系统中，通过不断的知识积累，用户即可在进行设备维修前先查询对应设备知识库，寻找历史维修经验实现快速运维。车间在培养新的运维工程师时也可以利用该知识库内的知识，不用担心新进员工因经验不足无法维修造成设备停机耽误生产的问题。

七、设备运维监控，该模块为用户提供了一个数据集中展示页面，利用数据可视化技术对枯燥的生产运维数据以图表、模型等方式进行展示，可以让用户直观的看到设备轴承、电机等部件的健康状况，运维计划执行统计情况、生产设备的运行效率等数据。

在一个实施例中，本发明提供了一种故障提前预测和事后快速处理的运维方法。具体实现步骤包括故障预测和故障处理：

(1)故障预测包括两种方式：

一是设置监测数值预警阈值：在设备管理模块中设置设备监测参数的预警阈值，运维系统对设备进行持续监测，当监测参数数值超出预警阈值的次数超过设定频次，系统将自动对故障设备进行定位，保存故障数据，并推送故障信息至工程师移动手持终端；

二是建立故障诊断模型(对于一些复杂的故障问题，无法通过直接采集到的数据进行直接判断则需建立故障预测模型用来辅助判断分析设备关键部位健康状态)：

收集设备各种运行状态下的参数样本数据，并进行预处理，包括数据分析、数据清洗、数据编码、数据结构化和数据格式标准化，实现样本截取、数据增强、数据标准化；

通过深度学习对预处理后的样本数据进行训练测试，形成故障预测模型；

通过模型管理模块对故障预测模型进行管理，主要包括模型代码、预警信息、模型名称、预警类型、关键部位、是否激活、描述等信息；

当采集到的设备参数与故障预测模型相识度达到预设阈值时，系统推送告警信息至设备运维监控模块，该模块对设备故障部位进行提示，系统同步进行声光警戒，并向运维工程师对应的移动手持终端发送告警；

(2)故障快速处理：

通过移动手持终端扫描待维修设备二维码获取设备信息，包括设备基本信息、管线图、作业指导书、历史运维记录和备件库存，若当前故障有历史运维记录，则根据专家知识库中的运维记录进行处理，否则以新故障进行处理，并将对应信息存入专家知识库。

本发明利用智能数据采集终端实现了对现场设备的全状态监测，通过深度学习技术对采集数据进行数据建模，建立设备运行状态数据模型实现设备运行状态监控监测，有助于用户降低故障频次及非计划性停机时间、提升设备产能、对设备进行全生命周期的管理。系统通过建立专家知识库，让新老员工学习以往的保存下来的运维知识，能够帮助其在日常运维过程中提高工作效率，节省运维时间。通过对设备故障历史数据、点检历史数据进行全面分析，科学制定设备点检内容，动态更新保养清单，实现智能运维，具有良好的社会效益和广阔的应用前景。

以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于工业互联网的智能运维系统，其特征在于，所述系统包括客户终端和移动手持终端，具体包括设备管理模块、点检/巡检保养模块、故障上报维修模块、备件查询模块、模型管理模块、专家知识库模块和设备运维监控模块；其中：

所述设备管理模块，用于对车间设备进行信息化管理，实现设备台账信息化，以二维码形式附在设备终端；

所述点检/巡检保养模块，用于生成点检、巡检计划，保养内容电子化，并实时或定时发送至移动手持终端；

所述故障上报维修模块，用于在现场发生故障时，上报故障信息并完成维修；

所述备件查询模块，用于定时查询库存运维备件数量，展示备件库存状况，并在库存小于设定阈值时进行低水位预警；

所述模型管理模块，用于对设备关键部件运行数据进行数据建模，并对模型进行训练、测试、评估、部署、上线，实现部件健康监测和故障预测；

所述专家知识库模块，用于收集日常设备故障问题、原因和解决方案信息，构建专家知识库；

所述设备运维监控模块，用于实时监控车间设备运行状况。

2.根据权利要求1所述的基于工业互联网的智能运维系统，其特征在于，所述设备管理模块包括设备台账，其中设备台账包括设备基本信息录入、更新，设备电气图纸及运维手册的导入，手持终端功能包括扫描设备二维码获取设备信息。

3.根据权利要求1所述的基于工业互联网的智能运维系统，其特征在于，所述点检/巡检保养模块包括点检/巡检计划制定单元、点检/巡检计划发布单元、点检/巡检计划执行单元和点检/巡检历史记录查询单元；其中，点检/巡检计划制定单元，用于制定包括维保内容、维保频率、备件工具要求、计划开始时间这些内容；点检/巡检计划发布单元，用于发布包括到期提醒、工单调度和任务/时间调整这些内容；点检/巡检计划执行单元，用于执行包括接单准备、现场执行、确认评价这些内容；点检/巡检历史记录查询单元，用于记录查询各个状态下，点检/巡检计划详细内容和执行结果。

4.根据权利要求1所述的基于工业互联网的智能运维系统，其特征在于，所述故障上报维修模块包括故障报修、系统派单、终端确认、维修完成确认和知识库上传五个单元；

故障报修单元，用于对发生故障的设备进行故障详情工单报修，生成报修工单，并发送至系统派单单元；

系统派单单元，用于根据报修工单确认故障情况及库存备件情况指派工单给运维工程师；

终端确认单元，用于实现运维工程师通过移动手持终端对接收到的工单进行确认；

维修完成确认单元，用于在维修完成后，实现运维工程师通过移动手持终端确认维修完成，生成运维记录；

知识库上传单元，用于将故障情况和运维记录传输至专家知识库模块。

5.根据权利要求1所述的基于工业互联网的智能运维系统，其特征在于，所述备件查询模块通过标准接口协议对接车间库存管理系统，以获取运维备件库存信息，或利用运维系统自带库存系统实现备件出入库管理、库存管理和库存可视化分析展示。

6.根据权利要求1所述的基于工业互联网的智能运维系统，其特征在于，所述模型管理模块，具体实现过程包括：采集设备关键部件运行状态数据，之后对采集的数据进行特征提取，最后通过神经网络或深度学习方法建立设备运行状态模型，并对所有模型进行集中管理，包括模型名称、模型代码、预警信息、预警类型、关键部位和是否激活。

7.根据权利要求1所述的基于工业互联网的智能运维系统，其特征在于，所述专家知识库模块，将收集的信息通过运维系统提供的EXECl模板导入系统，形成原始专家知识库，并在后期运维过程中不断更新。

8.根据权利要求1所述的基于工业互联网的智能运维系统，其特征在于，所述设备运维监控模块，还用于通过设备三维建模、echarts图表的形式展示设备运行过程中各项重要指标曲线，同时结合故障预测模型，对设备关键部位进行监测。

9.根据权利要求8所述的基于工业互联网的智能运维系统，其特征在于，所述设备运维监控模块，还用于对故障运维数据进行分析处理，展示设备故障率、常见故障问题这些统计数据。

10.基于权利要求1至9任意一项所述系统的智能运维方法，其特征在于，所述方法包括故障预测和故障处理；

(1)故障预测包括两种方式：

一是设置监测数值预警阈值：在设备管理模块中设置设备监测参数的预警阈值，运维系统对设备进行持续监测，当监测参数数值超出预警阈值的次数超过设定频次，系统将自动对故障设备进行定位，保存故障数据，并推送故障信息至工程师移动手持终端；

二是建立故障诊断模型：

收集设备各种运行状态下的参数样本数据，并进行预处理，包括数据分析、数据清洗、数据编码、数据结构化和数据格式标准化；

通过深度学习对预处理后的样本数据进行训练测试，形成故障预测模型；

通过模型管理模块对故障预测模型进行管理；

当采集到的设备参数与故障预测模型相识度达到预设阈值时，系统推送告警信息至设备运维监控模块，该模块对设备故障部位进行提示，系统同步进行声光警戒，并向运维工程师对应的移动手持终端发送告警；

(2)故障处理：

通过移动手持终端扫描待维修设备二维码获取设备信息，包括设备基本信息、管线图、作业指导书、历史运维记录和备件库存，若当前故障有历史运维记录，则根据专家知识库中的运维记录进行处理，否则以新故障进行处理，并将对应信息存入专家知识库。

Images