智能运维与健康管理第5章第6章 设备安全智能监控课件

融入新一代人工智能的智能运维主讲人：《智能运维与健康管理》导读1新一代人工智能概述2深度神经网络3迁移学习4深度迁移学习及其特征挖掘5讲义提纲本章导读学习要求：了解新一代人工智能技术的特点；掌握典型的深度学习模型，迁移学习方法，结合实例加深对深度学习与迁移学习的理解与认识；了解结合深度学习和迁移学习的深度迁移学习模型。基本内容及要点：人工智能的定义；新一代人工智能的特点；卷积神经网络的基本结构；深度置信网络的基本结构；堆栈自编码器的基本结构；循环神经网络的基本结构；迁移学习的特点；基于半监督的迁移策略；基于特征选择的迁移策略；基于特征映射的迁移；基于权重的迁移策略；深度迁移学习模型的种类。PART01新一代人工智能概述1新一代人工智能概述人工智能定义5人工智能(Artificialintelligence,AI)在1956年就已经提出。关于知识的学科，即如何表示知识、获得并使用知识的科学。研究对象是人类智能活动规律；依赖工具是计算机等具有类人智能的人工系统；目的利用计算机软硬件模拟人类某些智能行为的基本原理、方法和技术。美国斯坦福大学人工智能研究中心尼尔逊教授人工智能创始人之一认知科学家马文·明斯基教授人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。“Whatmagicaltrickmakesusintelligent?Thetrickisthatthereisnotrick.Thepowerofintelligencestemsfromourvastdiversity,notfromanysingle,perfectprinciple.”——TheSocietyofMind（1987），P308到底有什么神奇的诀窍使我们如此智能？诀窍就是根本没有诀窍。智能的力量来源于我们自身巨大的多样性，而非来源于某一单个、完美准则。1新一代人工智能概述新一代人工智能6我国著名人工智能专家潘云鹤院士当前大数据、感知融合和深度强化学习等技术的发展，促使人工智能迈向人工智能2.0，即新一代人工智能。人工智能2.0定义：基于重大变化信息新环境和发展新目标新一代人工智能。030201新一代人工智能互联网与移动终端普及、传感网渗透、大数据涌现和网上社区兴起等信息新环境大数据智能、跨媒体智能、自主智能、人机混合增强智能和群体智能等新技术智能城市、智能经济、智能制造、智能医疗、智能家居、智能驾驶等从宏观到微观的智能化新需求新目标2016年3月2017年7月2017年10月2017年DeepMind团队发布了AlphaGo，可以击败人类围棋职业选手AlphaGo指出大数据驱动的知识学习、跨媒体系统处理、人机协同增强、群体集成智能、自助智能系统等成为人工智能的发展重点国务院发布《新一代人工智能发展规划》DeepMind公布了最强版的AlphaZero，掀起了新一代人工智能浪潮AlphaZero新一代人工智能在制造业的应用中，智能诊断运维被列为重点突破方向之一中国工程院发布《中国智能制造发展战略研究报告》1新一代人工智能概述7新一代人工智能发展1新一代人工智能概述新一代人工智能发展意义重大装备故障诊断方法普遍存在受到结构复杂、信号微弱等因素影响导致其精度与准确性不高的问题。新一代人工智能技术在特征挖掘、知识学习与智能程度所表现出显著优势，为智能诊断运维提供了新途径。新一代人工智能运维技术是提高装备安全性、可用性和可靠性的重要技术手段，有利于制造企业智能化升级并提高企业效益，得到国际学术界与商业组织的重点投入与密切关注。8长期致力于基于人工智能技术的状态监测与预测研究,组织开展数控机床刀具全寿命周期振动、温度等多元异构数据实时监测实验，并邀请国际学者进行剩余寿命预测竞赛，以促进数控机床智能化的发展。美国PHM协会超过15年的持续专项研究，2017年建立“先进诊断与发动机管理”系统，实现发动机设计制造数据、运行监测数据与维修保障数据三位一体深度分析，具备发动机在线诊断预测、地面维护保障关键功能美国普惠公司提出智能发动机概念，并架构智能发动机技术体系，基于先进机器人技术的智能检测与预知、自愈维护是智能发动机的核心技术内涵。英国罗罗公司密切关注机械基础部件（轴承、复合材料结构等）的服役安全性，组织开展全寿命周期多源数据监测实验，开发航空发动机等重大装备的智能诊断与预测技术。美国航空航天局（NASA）提出“智能航空发动机”项目，期望通过专项研究实现发动机整寿命周期内大数据的有效监测与深度分析，提升发动机运行安全性与维护保障性。英国罗罗公司1新一代人工智能概述9新一代人工智能应用1新一代人工智能概述新一代人工智能发展面临的挑战与方向10重大新一代人工智能技术是国际制造业的重要历史机遇，但是如何融入新一代人工智能技术实现重大装备的运行安全保障，是挑战难题。新一代人工智能发展重要方向智能诊断模型构造根据机械装备检测数据特点实现有针对性的智能诊断模型构造新一代人工智能技术针对装备制造业监测数据高维度、多源异构与流数据等大数据特性，探索多源数据融合、深度特征提取与流数据处理等新一代人工智能技术智能处理框架与技术体系研发基于大数据分析的智能处理框架与技术体系PART02深度神经网络卷积神经网络堆栈自编码网络循环神经网络深度置信网络01020304深度神经网络12卷积神经网络13全连接前馈网络识别结果可以有很多卷积层和池化层卷积层1池化层1卷积层2池化层2化为一列卷积神经网络卷积神经网络14卷积层的计算池化层的运算化成一列3.253.52.753.5-1全连接层3.253.53.52.75卷积神经网络15LeNet-5限制波尔兹曼机16限制波尔兹曼机(RBM)深度置信网络17深度置信网络深度置信网络18深度置信网络自编码网络19自编码器(AE)编码器解码器自编码器通过无监督学习更新其参数取值，使重构误差最小。编码：解码：重构误差：堆栈自编码网络20堆栈自编码网络循环神经网络循环网络结构时间连接的隐层反馈权值前馈神经网络循环神经网络权值共享：不同时刻的网络权值占用共一个存储空间，在计算时同时更新。时间连接：t时刻的网络输出和t时刻以前的输入都有关系。21RNN计算原理前向计算：反向传播：输出层隐藏层输入层22LSTM结构前向计算：常数误差流：网络的循环结构不通过激活函数。长短时记忆单元的结构门控制单元：对网络输入、输出进行限制。截断回传误差：限制网络误差回传的时间跨度。区别不同输入的影响控制计算量23RNN的应用24RNN的典型应用，如机器翻译、图像描述等。Thesunwestering夕阳西下编码：解码：RNN的应用25图像描述：1.输入图像特征映射2.卷积特征提取3.RNN图片注意力模型4.逐词描述基于深度学习的刀具退化评估实验数据来源于美国国家宇航局Ames研究中心，共包含16组刀具磨损退化的监测数据[33]。每组数据包含不同数量的信号样本，均采集了刀具磨损过程中的振动信号、声发射信号和电信号，采样频率为250Hz。各组数据采集时的工况和铣刀最终磨损情况见表5-1。刀具退化案例26原始信号刀具有进入阶段、稳定切割阶段和退出阶段，选取稳定切割阶段的信号进行分析。27基于深度学习的刀具退化评估样本构造：从6个传感器监测数据中提取其有效值、绝对均值、方差和峰峰值4个时域特征形成训练数据特征集作为深度自编码网络的训练样本。特征提取和降维：将24维高维特征样本经由深度自编码特征提取器进行特征降维和提取。结构参数优化：降维编码后的重构误差作为粒子群算法参数更新的适应度，由此确定网络结构参数。28基于深度学习的刀具退化评估由降维编码的回归输出可以看出，降维编码保留的信息和磨损量高度相关。经过有标签数据的训练和微调，降维编码在变化趋势上与磨损量保持一致，但是在幅值上有所偏差，这表明深度自编码网络对多维传感器特征集的特征提取和降维是有效的。降维编码的回归模型输出(a)CASE1(b)CASE229基于深度学习的刀具退化评估DAE-LSTM模型退化程度识别结果(a)CASE1(b)CASE2深度网络作为特征提取器在进行参数优选的训练之后可以获得在训练数据上拟合效果足够好的深层网络。去除其回归层之后的低层网络在差异不大的同类测试数据中仍然有较好的特征提取效果，这表明深层网络可以在浅层学习到一般而概括的特征，并将浅层特征进一步抽象提取和深度挖掘。在将低层特征编码作为输出结合其他深度网络模型进行后处理即可得到适用于装备退化评估的深度学习模型。30基于深度学习的刀具退化评估PART03迁移学习从机器学习到迁移学习32机器学习已成为一种日渐重要的方法，并已经得到广泛的研究与发展。然而传统的机器学习需要做如下的两个基本假设以保证训练得到的分类模型的准确性和可靠性：但是，在实际的工程应用中往往无法同时满足这两个条件：学习数据时效性强，如基础部件随时间退化而产生的数据。有标签的分类样本数据匮乏，如大规模风电场的设备数据。机器学习基本假设用于学习的训练样本与新的测试样本是独立同分布的；有足够多的训练样本用来学习获得一个好的分类模型。机器学习的局限性从机器学习到迁移学习33迁移学习是指一种学习或学习的经验对另一种学习的影响，迁移学习能力代表不同领域或任务之间进行知识转化的能力。骑自行车骑摩托车打羽毛球（压腕）打网球（不压腕）正迁移：一种学习经验对另一种学习起促进作用。负迁移：一种学习经验对另一种学习起阻碍作用。迁移学习概念从机器学习到迁移学习34传统机器学习的任务之间是相互独立的，不同的学习系统是针对不同的数据分布而专门训练的。迁移学习中不同任务间不再相互独立，虽然两者不同，但可以从不同源任务中挖掘出与目标任务相关的知识，去帮助后者的学习。传统机器学习和迁移学习过程的差异迁移学习特性从机器学习到迁移学习35迁移学习定义迁移学习策略36学习过程无需人工干预，对无标签数据加以利用，并取得最佳泛化能力：基于半监督的迁移方法跨领域主动迁移：通过似然偏置的高低选择领域外有标签的样本实现迁移学习，能够正确预测领域内数据且似然偏置高的有标签样本被直接利用，而似然偏置低的样本则通过主动学习进行选择；不匹配程度迁移：通过估计源领域中的每个样本与目标领域中少量标签数据之间的不匹配程度实现迁移学习；正则化优化迁移：通过源领域数据训练得到一个分类器，然后综合利用半监督学习的正则化技术优化目标领域数据实现迁移学习；自学习迁移：利用现代信号处理技术如稀疏编码对无标签的样本数据构造高层特征，然后少量有标签的数据以及目标领域无标签的样本数据可通过这些高层特征进行表示，其不要求无标签数据的分布与目标领域中分布相同。迁移学习策略37主要通过寻找源领域与目标领域中的共有特征对知识进行迁移：基于特征选择的迁移方法两阶段特征选择框架：第一阶段利用寻找出的源领域和目标领域的共有特征训练一个通用的分类器，第二阶段则选择并利用目标领域的无标签样本中的特有特征来对通用分类器进行调整从而得到适合于目标领域数据的分类器；联合聚类特征选择框架：通过类别和特征的同步聚类实现知识与类别标签的迁移。联合聚类算法的关键在于识别出目标领域与源领域数据的共有特征，然后类别信息以及知识通过这些共有特征从源领域迁移到目标领域；挖掘隐性结构特征：该方法试图从源领域将共同的隐性结构特征迁移到目标领域。如通过构造源领域和目标领域的类别标签传播矩阵来挖掘这些隐性特征。迁移学习策略38通过把源领域和目标领域的数据从原始的高维特征空间映射到低维特征空间，使得其在低维空间有相同的分布：基于特征映射的迁移方法降维时最小化源领域和目标领域的偏差：该方法通过最小化源领域与目标领域数据在隐性低维空间上的最大偏差，从而求解得到降维后的特征空间。在该低维隐性空间上，源领域和目标领域具有相同或者接近的数据分布；将源领域和目标领域特征映射到共享子空间：该方法将目标领域数据和源领域数据映射到一个共享的子空间，在该子空间中，源领域数据可以由目标领域数据重新线性表示，因而可利用监督模型进行学习分类。迁移学习策略39通过度量有标签的训练样本与无标签的测试样本之间的相似度来重新分配源领域中样本的采样权重：基于权重的迁移方法基于实例的不同分布以及分类函数的不同分布：这是一种实例权重框架来解决领域适应问题。其从分布的角度分析产生领域适应问题的两个原因：实例的不同分布以及分类函数的不同分布，通过构造最小化分布差异性的风险函数来解决领域适应性问题；TrAdaBoost算法：将Boosting学习算法扩展到迁移学习中，通过不断的迭代改变样本被采样的权重。其利用Boosting技术去除源领域数据中与目标领域中的少量有标签样本最不像的样本数据。其中，Boosting技术用来建立一种自动调整权重机制，使得重要的源领域样本数据权重增加，不重要的源领域样本数据权重减小。TrAdaBoost电机故障诊断算例40针对电机故障诊断目标振动数据较少，单纯机器学习无法达到理想效果的情况，该算例采用引入大量辅助振动数据来帮助其故障诊断的迁移学习方法，如下：设利用SVD得到的目标振动数据和辅助振动数据组成的训练数据集T：测试集和训练集，设未标识的测试数据集，其的目标振数据，k为样本数量，迁移学习分类器设计目的是使得在S上的分类错误率最小。（n<<m）选取与训练集不TrAdaBoost电机故障诊断算例41TrAdaBoost算法，Tb中包含能帮助学习的重要数据和不能帮助学习的次要数据，通过boosting迭代算法建立一种自动调整权重的机制，将前者权重增加，后者权重减小，最后与Ta共同训练以提高分类模型的准确度TrAdaBoost电机故障诊断算例42TrAdaBoost算法，

STEPS

如果辅助数据被误分类，其权重在下一次迭代过程中会被削弱，直至满足分类要求；TrAdaBoost电机故障诊断算例43试验系统与试验条件，电机模拟试验平台目标数据和辅助数据选取示意图故障类型UBMBRMBRBHEA电机转速20Hz30Hz40Hz50HzTrAdaBoost电机故障诊断算例44故障诊断试验结果，

转速变化时刻诊断正确率转速恒定时刻诊断正确率机器学习小幅变速大幅变速小幅变速大幅变速m=4076.67%72.33%78.00%79.67%m=12081.33%77.00%94.33%96.67%迁移学习小幅变速大幅变速小幅变速大幅变速m:n=40:20091.00%91.00%96.33%100.00%m:n=120:12092.33%89.67%96.00%100.00%机器学习和迁移学习诊断正确率比较图TrAdaBoost电机故障诊断算例45故障诊断性能分析，当目标数据不足时，不论是转速恒定点还是变化点，迁移学习对机器学习的诊断性能提升均较为明显（约25%）；目标数据充足时，转速变化点的提升性能（16.45%）优于转速恒定点（3.44%），即转速变化点振动特性不一致时，即使增加目标数据量，机器学习性能也无法显著提升；大幅变速和小幅变速实质是针对不同测试时刻而言，7.7s时虚线为大幅变速，而在14.3s时则为小幅变速，并且可以看出，电机转速幅值变化对机器学习诊断性能影响较大（m=40时诊断正确率相差4.34%），而对迁移学习算法影响较小（m=40时两者均为91.00%）；在变转速数据中迁移学习比机器学习更具优势，后者若将振动特征不同的辅助数据并入目标数据，其不但没有帮助，反而误导诊断结果，而迁移学习则对诊断性能产生正向效应。PART04深度迁移学习及其特征挖掘0201深度学习注重模型的深度和自动特征提取，逐层地由高到低进行特征学习，具有较高的特征提取和选择能力，而迁移学习注重不同领域的知识转化能力，两者描述的是不同的概念，就学习能力而言，它们也有自身的局限性。迁移学习作为一种进化的机器学习，本质上还是单层分类器，它所描述世界的变量数是有限的；深度学习的深度虽然也有限，但其多层的复杂度极大地加大了对客观事物的描述能力。迁移学习对事物的表达能力不如深度学习深度学习本质上属于传统机器学习，因此必须满足传统机器学习执行的两个基本的假设，模型与事物是一对一的，深度学习的模型难以像迁移学习模型那样适应不同的环境，难以满足不同的对象。深度学习对事物的转化能力不如迁移学习深度迁移学习模型47基于深度样本的迁移学习在源领域中找到与目标领域相似的数据，把这个数据的权值进行调整，使得新的数据与目标领域的数据进行匹配，然后通过加重该样本的权值，拓展至深度样本的迁移学习。基于深度模型的迁移学习利用深度学习在大数据量下训练一个识别系统，得到训练模型函数A，当遇到一个新训练任务B时，无需B领域的大数据量样本，仅利用训练模型函数A和少量B领域样本即可完成训练。基于深度关系的迁移学习通过深度学习获取不同样本对象之间关系，其次可利用迁移学习直接对关系而非样本对象实施迁移。基于深度特征的迁移学习通过深度学习，获取中间层的源领域数据与目标领域之间的共同特征，然后利用其所获得的共同特征在源领域和目标领域之间实施迁移。与传统基于特征迁移学习不同，深度学习的中间层特征一般是无意义的，仅作为共性特征实施相互迁移的手段。01020304建立深度学习和迁移学习相补的模型，用于特征挖掘，同时提升模型对事物的表达能力和转化能力，可分为四种模型：基于深度样本的迁移学习、基于深度特征的迁移学习、基于深度模型的迁移学习和基于深度关系的迁移学习。深度迁移学习模型480201一般的，设计一个新的深度神经网络，人们通常使用从零开始训练的方法来训练和优化网络模型，即对其采取网络参数随机初始化，在通过大量数据对网络参数进行训练优化。深度网络的训练困难对于含有多个隐含层的深度神经网络而言，其包含的网络参数也是海量的，为了达到一定的模型精度，训练这些网络参数需要大量的有标签数据进行监督学习。数据要求在对深度神经网络进行训练过程中，除了优化网络参数将耗费大量时间外，超参数（网络的深度、学习率、参数更新规则等）的选择也将大大影响模型的最终表现，选择合适的超参数也是一项耗时的工作。算法复杂度特征挖掘策略490201深度迁移学习是解决深度神经网络训练难题的方法之一。其在具有充足数据集的源域中训练深度神经网络，保存网络参数，利用迁移学习思想，将学习到的网络参数或是网络学习到的特征信息应用到新的目标域任务中，实现深度模型间的特征迁移。在数据量充足的源域数据上进行深度神经网络的训练学习，得到最优化模型，将最优化模型看作一个特征提取器，应用到新的目标域数据中，此时，网络将计算出目标域数据的一种特征表达。深度学习用作特征提取器将已经训练完全的源域模型参数或源域模型学到的知识，通过一定的方式传递给目标域模型从而帮助新模型优化。当深度神经网络模型在源域上训练完全后，再根据目标域数据集进行参数微调深度学习配合参数微调特征挖掘策略50深度学习用作特征提取器5101对于一个深度网络结构而言，其每一层隐含层对应一种特征表示，根据需要提取深度网络结构中任一隐含层的特征，不同的隐含层提取到的特征信息具有不同的特性。02深度学习具有特征的分层学习能力，处于网络低层的隐含层学习到的是较为一般而概括的特征信息，而处于网络高层的隐含层通过组合低层特征从而学习到更为抽象的特征，因此，基于深度神经网络的迁移学习模型可以提取目标域中多层次的特征信息。03这一类深度迁移学习方法只需要在源域上进行训练学习，当应用到目标域数据中时不需要再进行参数更新，直接使用源域模型进行特征提取。深度学习配合参数微调5201微调网络参数时，可以选择微调全部的网络参数，也可以选择固定低层网络参数不参与更新，只对高层网络进行参数更新。02对于低层网络特征而言，其具有一般性和概括性，对于不同领域的数据都适用，而高层网络特征更加抽象，更能反映一类数据特有的信息，考虑到源域与目标域的差异性，对高层抽象特征部分进行参数微调，使得新模型可以更好的适应目标域数据。源域与目标域差别小目标域数据少数据具有较高的相似性，不需要重新训练模型，直接使用深度迁移学习模型作为特征提取器。源域与目标域差别大目标域数据少训练数据较少，为了避免产生过学习现象，一般不采取参数微调策略，仍然使用深度迁移学习模型作为特征提取器，通常只提取低层概括性特征信息，针对不同分类任务再设计适当的非线性分类器。源域与目标域差别大目标域数据多为了更好的拟合目标域数据，可以将源域模型参数迁移到目标域中，初始化目标域新模型，再通过目标域数据进行整体网络的训练学习和参数微调。源域与目标域差别小目标域数据多数据具有相似性，可以直接作为特征提取器，由于目标域数据充足，也可进行微调高层提高模型适用性。01020304在实际应用之中，不同的深度迁移学习方法具有不同的适应性。特征挖掘策略53深度迁移学习是一种有效解决深度网络训练困难的方法与传统的随机初始化网络参数方法不同，基于深度迁移学习的方法是利用在图像领域已完全训练的深度网络模型，将其网络结构与参数迁移到故障诊断模型中考虑到自然图像与机械传感器信号的实际差异，再通过适当的参数微调策略来实现最终的故障状态准确识别。利用预训练模型给予新的故障诊断模型合理初始化，可以提高模型的收敛速度，同时保证了深层结构，可以提取更为抽象且利于分类的特征信息从而提高故障识别准确率。基于深度迁移学习的故障诊断算例54将原始一维信号进行预处理，使用连续小波变换将一维原始信号转换成二维时频分布图像，作为故障诊断模型的输入图像数据集。时频成像将数据化分成训练集与测试集，仅使用训练集对新模型进行训练学习，完成网络参数微调，训练完成后，利用测试集数据对最终模型进行测试，验证模型的有效性。数据集准备利用VGG-16网络参数初始化本文故障诊断模型，改变输出层，使其神经元数与故障状态种类相对应，并随机初始化输出层参数。模型搭建完成后，采取顶层参数更新策略。模型搭建与参数微调用测试数据集对最终模型进行测试验证，参数优化完全的模型可以应用到故障诊断的任务中。故障诊断模型应用选取VGG-16模型为预训练模型，作为迁移学习对象，使用其网络参数初始化故障诊断模型，主要包含四个方面。深度迁移学习故障诊断模型55VGG-16模型结构VGG-16模型是一个16层的深度卷积网络模型，隐含层由五个卷积模块和一个全连接模块组成，在大型自然图像数据集ImageNet上完成训练学习，具有预训练权值，具有强大的图像特征学习能力。深度迁移学习故障诊断模型56原始一维传感器信号通过连续小波变换转变成二维视频分布图像数据时频成像预处理二维视频分布图像数据集至适当大小，并划分成训练集与测试集，训练集仅在模型训练阶段使用，测试集仅在模型验证阶段使用数据集准备将预训练VGG-16模型参数迁移至故障诊断模型中，给予新模型初始化，再通过锁定低层网络权值、更新高层参数的参数微调策略，利用训练集数据对新模型进行训练模型搭建与参数微调通过测试集验证已训练模型的有效性故障诊断模型应用深度迁移学习故障诊断模型57设置故障诊断模型的输出层，使其含有5个神经元，对应5种不同的机械状态，并随机初始化输出层权值。1使用预训练VGG-16模型网络参数初始化故障诊断模型2锁定前三个卷积模块的权值，使其不参与参数更新，设置卷积模块4、5以及全连接模块进行参数微调3使用有标签的训练集数据进行网络训练，计算模型输出标签值与真实标签值的交叉熵作为模型误差，通过Adam算法进行模型优化与权值更新4微调预训练网络训练算法58重复训练过程4直到最终分类正确率不再有明显提升，结束训练，固定网络参数，得到训练完全的故障诊断模型5为了展示模型的有效性，设置了对比实验。设计了一个具有三层隐含层的卷积神经网络，采用随机初始化权值的方法从头开始训练该网络（CNN-Lfs），与基于深度迁移学习的故障模型（TL-DCNN）进行对比。基于深度迁移学习的方法在轴承数据集和齿轮数据集上都获得了更高的分类正确率，对故障诊断识别率有了一定的提升。对比实验分类正确率机械故障诊断性能59故障诊断方法轴承齿轮20Hz30Hz20Hz30HzCNN-Lfs98.90%98.84%98.70%94.14%TL-DCNN99.94%99.42%99.64%99.02%记录训练过程的故障分类正确率随着训练迭代次数的变化曲线。与CNN-Lfs方法相比，TL-DCNN方法在第2次迭代训练时就已经达到较高的分类准确率，且保持稳定的结果，而CNN-Lfs方法需要在第五次迭代训练后才出现较好的结果，但分类准确率存在一定的波动。图1分类准确率机械故障诊断性能60记录训练过程中模型误差随着训练迭代次数的变化曲线。与分类准确率相对应，模型误差越小分类准确率越高。TL-DCNN方法能够实现快速收敛，缩短训练时间，同时保证了网络结构的深度，可以学习到更为抽象而利于分类的图像特征，从而提升了分类的准确率。图2模型误差机械故障诊断性能61采用了10-折交叉验证的方法来验证模型的稳定性，记录了10次实验后分类准确率的平均值与标准误差。相对于CNN-Lfs，TL-DCNN方法拥有更高的分类准确率以及更好的模型稳定性。图310-折交叉验证机械故障诊断性能62THANKS!第6章设备安全智能监控主讲人：《智能运维与健康管理》本章导读学习要求：了解设备工程精益管理的重要性、内容与措施；掌握设备安全智能监控信息化管理的具体内容与实施手段；在上篇基础理论的理解与掌握后，通过下篇工程应用中五大重要工业领域健康管理的典型介绍，对智能运维与健康管理技术的发展与应用有更深入的理解。基本内容及要点：设备工程精益管理的重要性、主要内容、新特征以及管理实施措施；设备安全智能监控技术4个方面的理解与掌握；典型行业领域智能运维应用介绍。设备工程精益管理1设备安全智能监控2典型行业智能运维应用3讲义提纲PART6.1设备工程精益管理6.1.1设备工程精益管理重要性6.1.2设备工程精益管理主要内容6.1.3设备工程精益管理新特征6.1.4设备工程精益管理实施6.1设备工程精益管理68设备工程精益管理相关定义：设备——可供在生产或生活中长期使用，并在反复使用中基本保持原有实物形态和功能的劳动资料和物质资料的总称。设备工程精益管理——以设备为研究对象，根据企业生产经营的目标，应用一系列理论方法，通过采取技术、经济、组织措施，对设备的物质运动和价值运动进行全过程科学管理，从规划设计、选型、购置、安装、验收、使用、保养、检验、维修、改造、更新直到报废，保持设备的良好运行状态并不断提高设备的技术素质，使设备效益最大化，进而使企业获得最佳的经济效益。设备工程精益管理是精益生产的基础条件，而设备安全智能监控是设备工程精益管理主要环节。6.1设备工程精益管理696.1.1设备工程精益管理重要性1.设备精益管理是工业生产运行的必备条件。设备占工业企业固定资产总值一般60％及以上，是工业生产的物质技术基础。工业企业的劳动生产率不仅受员工技术和管理水平的影响，而且主要还取决于所使用的设备的完善程度，因此设备工程精益管理直接影响企业生产过程各环节之间的协调配合。2.设备精益管理是提高经济效益的重要条件。随着生产的现代化发展，企业用在设备方面的费用（如能源费、维修费、运行费等）越来越多，搞好设备的经济管理，提高设备技术水平和利用率，对降低成本意义重大。设备的技术状态也影响企业的能耗和有害物的排放、停产损失、产品质量、原材料消耗、产品工时消耗等。通过有效的设备工程精益管理方式，可以将生产过程中设备的各项费用降到最低，从而提高企业的经济效益。

6.1设备工程精益管理706.1.1设备工程精益管理重要性3.设备精益管理是技术进步、工业现代化的直接体现。

科学技术新成果迅速地应用在设备上，设备是科学技术结晶；新工艺、新材料的应用，新产品的发展都靠设备来保障的。实施设备管理工程相应技术，使设备运行水平跟上行业技术进步。设备工程精益管理对促进企业技术进步、实现工业现代化具有重要的作用。4.设备精益管理是保证产品质量的基础设备是影响产品质量的主要因素之一，高质量的产品靠高性能的设备来获得的。设备工程精益管理保证设备处于良好技术状态，是实现生产优质产品的必要条件。6.1设备工程精益管理716.1.2设备工程精益管理主要内容1.现代设备的特点01大型化04数字化网络化05智能化02高速化03精密化自动化现代设备特点随着科学技术发展，要求设备性能更高级、技术更加综合、结构更加复杂、作业更加连续、工作更加可靠。为满足上述要求，设备正在朝着大型化、高速化、精密化、数字化、智能化发展。6.1设备工程精益管理726.1.2设备工程精益管理主要内容2.设备工程技术路线图设备工程技术发展确定了设备管理、监测检验、故障诊断、设备润滑、维护修理、更新改造技术等六个方面具体内容设备工程技术路线图现代设备管理1.TPM设备程序化管理2.现代设备信息化管理（1）设备点检管理（2）作业工艺管理（3）设备工程软件技术监测检验1.仪器仪表检测技术2.智能工业监测技术3.RBI检测技术故障诊断1.设备诊断技术2.设备故障预报技术3.远程故障预测预警技术设备润滑1.工业用油润滑技术2.润滑治漏技术3.润滑油添加剂技术维护修理1.设备维护保养技术2.设备维修工艺技术3.设备高级修理技术更新改造1.设备更新技术2.设备改造技术（1）健康修复改造（2）系统设备改造关键要素1.创新是核心2.人才是基础3.机制是关键4.开放是方针措施保障1.加大政策支持力度2.强化关键技术研究3.构建设备工程协同工作体系6.1设备工程精益管理736.1.2设备工程精益管理主要内容2.设备工程技术路线图在设备全寿命周期科学管理中，设备工程精益管理包括如下技术和内容：现代设备管理：采用与企业生产经营模式相适应的、稳健高效的设备管理措施，提高企业的设备利用率和经济效益；监测检验：对设备信息载体或伴随设备运行各种性能指标的变化状态进行安全监测、记录、分析，了解设备运行状态，为做出调整、控制决策提供依据；故障诊断：通过对监测数据进行分析，查明故障部位和原因，或预测有关设备异常、劣化或故障趋势，并提出相应对策；设备润滑：设备维护工作重要环节，目的是保护设备，确保其正常可靠运行；维护修理：为保持或恢复设备完成规定功能的能力而采取的技术活动；更新改造：采用新技术、新材料、新工艺、新部件对现有设备进行改造，以提升其技术状态和功能。6.1设备工程精益管理746.1.2设备工程精益管理主要内容3.设备工程目标体系是企业目标体系重要组成部分，是企业总体系一个分系统，是衡量现代企业设备精益管理水平的尺度。设备工程目标体系1.大修理完成数2.项修完成数3.精调完成数4.定期维护完成数5.清洗换油完成数（万元）1.大修理费用2.设备维修费用3.设备改装费用4.设备更新费用1.设备更新改装台数2.设备新度系数达标率1.设备可利用率2.主要生产设备完好率3.设备大修理平台停歇天数4.大修理质量返修率5.主要生产设备事故障率1.大修钳工年平均工作量2维修钳工平均工作量3.大修理、精调、定期维护、定期检查平均停歇天数效果目标使用目标价值目标自身改善目标设备利用目标人力资源利用目标利用目标综合效率目标（万元）1.产值能耗2.产值维修费用3.工业增加值能耗设备经济效益=输出/输入效率目标6.1设备工程精益管理756.1.3设备工程精益管理新特征新一轮科技革命与产业变革，使得生产方式由规模批量生产向大规模定制生产转变，对设备依赖程度越来越大，对技术人员全面掌握设备技术状态的要求越来越高；设备工程精益管理与技术将呈现“安全可靠、高效、节能环保、智能、融合、服务”的新特征。安全可靠设备安全智能监控技术、故障预估预报技术、事故预示报警技术等技术的开发和应用，将在第一时间获得设备运行的技术信息，如温度、压力、电流等，由操作者针对性调整和处理，将设备事故和隐患消灭在萌芽状态，以减少设备停机损失，同时逐步建立在线监测监控及故障预警系统、泄漏监视及预警系统等，为设备安全运行提供有力保障。设备可靠性提升，会有效降低设备故障率，延长了设备寿命周期，减少了维护成本。综合运用计算机技术、故障诊断及趋势预测技术、监测检验技术、安全智能监控技术等，使设备可靠性大大提高。6.1设备工程精益管理766.1.3设备工程精益管理新特征高效充分采用设备运行监控系统，通过智能化仪器仪表提供设备状态参数，用有效手段不断进行调整确保设备在最佳运行点及范围运行，从而提升设备运行效率。一旦发现设备运行异常或故障，应立即进行运行参数调整和全面检查，消除设备运行异常现象及故障隐患，并进行针对性维护或抢修，使设备尽快恢复正常高效运行。加强对设备进行定期检测检验，特别是开展高耗能设备能效测试，同时全面了解设备影响效率的薄弱环节和部位，通过大修或节能技术改造，妥善解决弥补所有薄弱环节和隐患。6.1设备工程精益管理776.1.3设备工程精益管理新特征节能环保设备设计、制造、用料要节能节材资源消耗环节要加强对冶金、有色、电力、煤炭、石化、建材（筑）等重点行业能源、原材料、水等资源管理，努力降低消耗，提高资源和材料利用率；对废物产生环节要强化污染预防和全过程控制，加强对各类废物的循环利用，推进企业废物“零排放”，加快再生水利用设施建设以及降低废物最终处置量；做好再生资源工作，要大力回收和循环利用各种废旧资源，支持废旧机电产品再制造；不断完善资源回收利用体系；大力倡导有利于节约资源和保护环境的消费方式，鼓励使用具有能效标志产品、节能节水认证产品和环境标志产品等，减少过度包装。6.1设备工程精益管理786.1.3设备工程精益管理新特征

4、智能通过ERP、EAM等管理信息化、智能化系统的应用来优化设备管理及运行的各项流程。通过应用智能自动监测及智能辅助诊断技术，由各种离线及在线监测仪器仪表，包括智能点检仪、频谱分析仪、智能燃烧控制组合群、新型无线监测装置等实现状态数据自动交换。借助系统提供丰富数据状态分析和智能诊断技术，实现对设备状态的自动报警及自我保障，并对设备故障进行早期诊断与趋势预测。未来设备工程发展趋势首先是提高安全可靠性、降低劳动强度，实现数字化、网络化、智能化；其次是提高机器的精度和动态性能，要求对运行与动力系统具有更高控制能力。通过提高设备的智能化程度，深化动力传动、控制部件与电子技术的融合，提高传感器和电子控制器与液压、气动及密封元件的集成度和一体化水平。6.1设备工程精益管理796.1.3设备工程精益管理新特征

5、融合信息化与工业化的整合已经成为我国发展现代装备制造业的重要途径。推动装备制造业转型，不断提升设备档次和加工能力作为企业两化融合的出发点和落脚点，培育一批实现数字技术集成应用、具有全球配置资源能力、智能制造装备企业，通过运用精益设计、高效自控、服务型协同等先进管理模式，促进现代设备工程技术创新发展。不断促进设备工程融合规范化、综合化、实时化，从设备简单检查、监视向智能检测、诊断、控制方向发展；从简单监测向信息网络综合监视、安全保障方向发展；从事后检查向实时监测、诊断、预报、视情维护方向发展；从针对单一机组装备向建立开放系统构架、通用模块方向发展。在设备工程发展中，将更多地融入各种新理念和新技术，促进现代设备工程技术发生质的变化，不断推进设备工程管理技术融合发展。通过现代设备工程精益管理、企业人才管理、供应链管理加速网络和数字集成，实现了产销一体、管控衔接和集约定制生产，促进了企业组织现代化、决策科学化和运营一体化。6.1设备工程精益管理806.1.3设备工程精益管理新特征服务工业发达国家已从生产型制造向服务型制造转变，从重视设备设计与制造技术开发，到同时重视设备使用与智能监控技术开发，通过提供高技术服务来获得更高的利润。未来设备维修工程将成为专业化第三方服务模式，设备维修工程不再是制造商的附属，而成为制造业服务化的重要抓手。特别未来通过开发的安全智能监控技术，从远程安全运行状态检测与管理的试验，进入到实用阶段。这些远程监控系统在机组系统健康管理服务方面，能够提供远程监测与故障诊断，以保证机组安全可靠运行。为确保未来现代设备健康发展，满足国民经济持续发展的需求，加速加快制定设备市场进入准则和设备市场监督管理办法；加强设备市场价格管理和合同管理；进一步健全设备市场监督和仲裁机构；构建设备交易中心、设备维修与改造专业化服务中心、设备诊断技术服务中心、设备技术信息中心、设备劳务及教育培训中心，更好为设备服务。6.1设备工程精益管理816.1.4设备工程精益管理实施设备工程精益管理的发展与创新必将为我国经济发展提供更加坚实的装备保障与服务。随着经济产业调整和发展模式的创新，“中国制造2025”的实施，以及“互联网+”、智能制造发展蓝图的确立，对设备工程精益管理与装备的创新发展提出了更高的要求。实施关键要素（1）创新是核心创新是一个国家一个产业的灵魂和生命力所在，必须始终把自主创新作为设备工程精益管理的核心点。改革开放以来，设备管理与维修工作得到了恢复、巩固和提高，开始大量引进国外设备工程技术的新方法，同时设备管理与学术活动得到了蓬勃发展，设备领域出现了崭新局面，这是设备工程管理与技术走向规范化、科学化、系统化及全球化的一个良好开端。我国设备工程管理与技术在积极消化吸收再创新的基础上，努力提高原始创新的能力，同时根据当代新技术、新工艺强化集成创新，与各种相关现代技术有机融合，提高系统集成能力，完成目标任务。6.1设备工程精益管理826.1.4设备工程精益管理实施实施关键要素（1）创新是核心创新是一个国家一个产业的灵魂和生命力所在，必须始终把自主创新作为设备工程精益管理的核心点。随着信息技术在工业领域的广泛渗透，以制造业数字化为核心，互联网和（服务）物联网、云计算、大数据，以及人工智能、机器人等在设备工程技术及管理中的大量运用，将全面加快提升我国设备工程的创新能力，特别是通过创新，使得设备工程的一些关键技术得到重点开发和应用。如，高端、大型及关键设备的现代工程及科学维护技术；状态检测信息化技术；设备安全智能监控技术；高端设备健康运行及故障诊断预报技术；设备远程状态监测及优化控制技术；全优润滑油技术及管理方式；设备高级修复技术等。设备工程精益管理的内涵也发生深刻变化，由单一的完成生产任务，转向实现企业总体经营目标和提高经济效益及绿色运营上，使得设备工程的技术指标、经济指标与健康节能及环境保护实现最佳结合。6.1设备工程精益管理836.1.4设备工程精益管理实施实施关键要素（2）人才是基础人才是设备工程精益管理发展的基础条件，也是设备工程发展的永恒主题。设备领域对复合型人才的需求已经成为当前亟需解决的问题。虽然我国科技人才数量已达到一定规模，但结构性失衡比较突出。随着信息技术与制造技术的深度融合，对设备人才提出更高的要求，不仅需要具备良好素质和掌握信息技术、制造技术在设备工程技术及管理中的运用，还要具备一定的研究开发和设计能力，经济意识和组织管理能力。所以人才的培养要适应产业结构调整，要满足社会、企业对人才需求，也是我国工程教育的神圣历史使命。设备工程精益管理的实施，迫切需要建立设备工程人才培养机制，利用社会各方面的资源，包括企业、大专院校、科研院所，加快设备技术人才和管理人才培养速度，强化设备技术人才和管理人才培养投入强度，特别做好高层次设备人才培养，同时积极开展在岗人员的知识更新与提升，创造条件使设备工程人才留得住、用得好，使设备工程人员在岗位上发挥更大作用。6.1设备工程精益管理846.1.4设备工程精益管理实施实施关键要素（3）机制是关键一是要靠政府及行业组织的指导和支持，发挥专业学会的技术引导和业务协调的作用。目前设备工程产业规模小，自主创新能力薄弱，要实现设备工程技术超越，政府及行业组织要提供特殊扶持政策。二是要建立稳固的创新体系和机制。企业是技术创新的主体，通过建立“产学研”结合的自主创新队伍，充分发挥各自的优势，创造条件建立一批高端设备专业维修网络中心、设备高级修复技术研发中心和设备交易市场，以更经济合理的方式为全社会设备资源的优化配置和有效运行提供保障，促使设备工程技术由企业自我服务向市场提供优质服务转化。三是建立高效的激励机制。尊重知识、尊重人才、尊重创新成果，营创良好的创新氛围和环境。6.1设备工程精益管理856.1.4设备工程精益管理实施实施关键要素（4）开放是方针创新来源于探索，科技开发研究更需要开放探索，自由开放探索主要体现是一种学术氛围、学术方法、学术精神。在设备科技研发过程中，需要提倡开放自由探索创新，不但鼓励个人研究创新，尤其要鼓励团队领军人才具有带动整个团队科技开发的探索精神。改革开放30年给我国设备工程发展带来很大变化，面向中国制造2025，设备工程产业将进一步实施对外开放的国际化战略，参与全球资源的整合，充分利用优质资源，国际的先进理念和技术，结合我国设备工程精益管理的特点和特色，在坚持开放的同时，更要坚持走适合中国国情的路。行业及企业应根据自身的实际情况，结合行业及企业现代化进程，制定规划，分步实施，积极创造条件，不失时机地努力推进设备技术科学发展。在开放的环境中坚持自主创新，在自主创新过程中坚持开放，这是我国设备工程精益管理发展的基本方针。6.1设备工程精益管理866.1.4设备工程精益管理实施

2、关键技术开发与应用（1）高端及大型设备状态检测监控技术物联网和互联网、云计算、大数据，以及人工智能、机器人等在设备工程技术及管理中的运用，对于实现设备高效、健康及节能运行的作用愈加明显。将设备正常运行与现场直接获取的大量参数比较分析，当监测/监检参数超过初始限值，通过预警系统检测到设备某部位将出现问题，提醒操作人员采取有效措施。为设备状态优化运行及健康节能运行打好技术基础，也为实施设备动态的科学维护提供技术条件等。6.1设备工程精益管理876.1.4设备工程精益管理实施

2、关键技术开发与应用（2）旋转及大型机组故障诊断及预报技术重点面向旋转及大型机组等关键设备，通过传感器及物联网信号采集技术、信息融合技术、状态监测与远程网络技术、云计算及大数据处理技术，建立相关软件环境，结合企业及设备管理平台，在未来逐步强化网络数据库相应的网站技术研究，加快开展应用程序服务器中的程序来提取实时数据，进行故障分析及故障趋势预测，实现预知维护等现代科学维护方式。建立故障诊断及故障预报中心，方便实施企业群体及大型机组群体的状态监测、故障诊断、故障预报及维护，有利提高故障预警方法的有效性和工程应用价值。6.1设备工程精益管理886.1.4设备工程精益管理实施2、关键技术开发与应用（3）设备绿色润滑技术改变润滑材料和润滑管理方式上的传统理念，应用推广全优精确润滑、污染控制、油液监测等关键技术。为改善油品性能及质量应用开发润滑油多种添加剂，由于添加剂存在增加了接触面积，降低了接触应力，使润滑油边界负电荷变成正电荷，使表面逐渐趋于光滑，大大改善了润滑状态。我国润滑油添加剂技术研究在这方面的工作起步较晚，通过不断努力已改变相对落后的状况，已取得成效，不但节约大量宝贵的润滑油，而且提高设备效率，确保良好设备状态，所以大力开发润滑油添加剂技术应用是十分必要的。6.1设备工程精益管理896.1.4设备工程精益管理实施关键技术开发与应用（4）设备高级修复技术由多种具有先进技术的工艺、专用设备和超强性能特殊材料组合而成。在对设备及零部件开展维修时应用取得显著成效，由于在修理时设备及零部件始终处于常温状态，局部不升温，故设备及零部件在修理后不会发生变形，无内应力产生，使原有的尺寸精度保持不变，不会造成潜在的断裂等安全隐患。促进修理周期更短，修复速度更快，有可能在现场进行不解体修理。通过进一步开发相关的高级修复工艺，强化对设备高级修复技术研究，将会收到更好的技术经济效果。6.1设备工程精益管理906.1.4设备工程精益管理实施关键技术开发与应用（5）高耗能设备能效监控技术及节能环保更新改造技术未来我国以化石为主能源结构不会有突破性改变，为了确保经济持续增长，必须严格控制能耗总量，所以加强对主要耗能设备能效监控技术和高效、节能环保设备更新改造技术开发与应用十分必要。首先规范各种主要耗能设备能效测量仪器仪表和测量点；其次统一对测定数据折标和换标系数；再次统一能效计算公式和计算方法，达到同类耗能设备能效的可比性，通过对能效监控技术不断开发和应用，使主要耗能设备能效有较大提高，再进一步扩展到整个生产系统能效提升，同时通过开展节能环保更新改造新技术应用，以促进各行业设备运行达到高效、节能环保。PART6.2设备安全智能监控6.2.1设备安全信息化管理6.2.2仪器仪表安全检测6.2.3智能工业检测监控6.2.4风险评估监控检验6.2设备安全智能监控安全智能检测监控内容与作用:是将先进安全监控技术和新一代人工智能检测技术的深度融合，对设备的运行状态参数（如温度、压力、振动、噪声、润滑等参数）及生成工艺流程进行在线实时监控和检测记录，对运行大数据通过云计算进行智能分析，动态检测监控设备的运行状态和工艺进度，智能预测设备的运行状态发展趋势，尽早发现设备运行过程中的早期故障，通过智能分析判断故障部位和原因，提出相应维修对策，进行智能维修，从而达到设备安全智能监控的目的，确保了设备安全可靠、高效运行。设备安全智能检测监控技术包括：设备安全信息化管理、仪器仪表安全检测、工业智能检测监控、风险评估监控检验技术。926.2设备安全智能监控936.2.1设备安全信息化管理

设备安全信息化管理是开展设备安全智能监控重要的基础条件，主要从设备点检管理、作业工艺管理、设备软件管理三方面展开。点检管理作用与意义：是当前做好现代设备安全可靠运行与信息化管理的关键点，是正确认识和处理操作人员与设备之间关系的核心，是正确认识和处理生产部门与设备部门关系的核心，操作人员正确运用设备点检管理，将有效推进现代设备工程水平提升。分类：设备点检又分成岗位点检和专业点检两种形式。岗位点检必须由操作人员完成，主要负责设备的日常巡检；专业点检必须由专业点检人员完成，体现设备全寿命周期管理的特征。6.2设备安全智能监控946.2.1设备安全信息化管理点检管理（1）岗位点检要求操作人员日常巡检要求。操作人员必须熟悉生产工艺设备的结构，掌握相关的设备基本知识，有较强的责任心和观察力，能凭借经验和简易仪器仪表对设备的信息表征进行观察分析，及时发现设备的异常情况，同时做好排除设备简易故障工作。岗位点检是设备安全信息化管理中的最基本环节，是确保设备安全可靠运行的第一防线。要确保岗位点检发挥应有的作用，设备操作人员必须熟悉点检要求，做好根据点检要求制定点检作业表并记录设备故障动态情况，不断提高工作素质，正确维护保养设备；提升检查及调整设备的基本技能，如紧固螺钉、合理加润滑油、间隙调整、更换设备部件等；做好简单故障排除等。6.2设备安全智能监控956.2.1设备安全信息化管理点检管理（2）专业点检要求对于技术含量较高的设备、流水线及智能柔性加工自动线等可设置专业点检岗位，其要求：专业技术方面：具有预防维修的基础知识，掌握设备的有关技术图样、资料，制定专业点检标准，确定进行自主管理的项目，并且结合精密点检、简易诊断技术的实施，对主要易损件进行定量化管理。管理业务方面：在开展点检工作的基础上，编制各种自主维修计划预算，如维修工程计划、维修备件材料计划、维修费用计划等，作好原始记录、信息传递、实际数据整理和分析，不断提高设备点检技术的管理水平。（3）设备点检管理作用：岗位点检和专业点检是设备点检管理两个基本方面，是设备管理发展和分工的产物，是现代设备工程安全信息化管理的具体表现形式。只有两者有机结合充分发挥团队精神，设备效能才能充分发挥，根据要求对两者进行合理分工，明确相应责任。6.2设备安全智能监控966.2.1设备安全信息化管理

1、点检管理（4）实施途径树立操作者是设备第一责任人理念。设备的安全可靠运行是完成生产任务首要条件，关注设备运行状态及安全信息是操作人员的一项重要工作。建立设备故障信息反馈——设备点检作业表。只有熟悉设备功能和结构，才能熟练使用设备，避免因操作失误造成的各种设备故障。点检作业表作用：做好设备点检作业表能及时了解设备缺陷或故障的真实情况，为设备开展大修或项修提供可靠依据,也客观反映设备运行工作质量，提高操作和维修人员排故积极性，确保设备完好打下基础。设备点检作业表运用：a.设备什么时间发生故障；b.什么时间已排除故障；c.主要由谁排除设备故障等。点检作业表的巡检内容和部位制定方法：根据具体设备而定，以“六化”为指导，即“点检管理制度化、点检队伍专业化、点检内容标准化、点检过程规范化、点检工作信息化和点检结果效益化”。6.2设备安全智能监控976.2.1设备安全信息化管理作业工艺管理建立设备安全信息化管理是为了更好地发挥设备的综合效益和提高设备的技术功能。从当前推行现场管理情况来看，一致认识到提高设备综合效益不能局限于设备管理本身，还应包括生产管理、质量管理、现场管理和安全管理等多项内容。设备工程安全信息化管理改进方法：将设备管理与生产、质量、现场安全等内容有机地结合起来，主要是大力引入作业工艺综合管理，具体体现在作业工艺QC表编制、正确运用、改善改进等。作业工艺QC表定义：将生产零部件及设备作业的各道工序用图表与数据表示出来，使生产员工明确了解工艺要求、品质要求、设备运行、安全维护要求等，确保现场生产的安全可靠进行。6.2设备安全智能监控986.2.1设备安全信息化管理作业工艺管理作业工艺QC表作用与内容：用来指导作业人员具体操作设备的一种综合作业工艺管理技术文件，在表内要明确设备现场作业各项技术要求，让操作人员理解设备运行中核心技术要素，在操作时严格按作业工艺表的操作规程要求执行。为了使操作人员更好地理解设备运行重点和要领，在表内“示意图”栏专门配备加工设备的图片和操作时细节、显示仪器仪表的图片等。作业工艺QC表制定方法：为确保每道工序加工品质，表内设立设备作业程序栏目，对使用设备作业前、作业中、作业结束三阶段，操作者必须执行的具体规程；也可以设立设备工序作业指导栏目，对设备使用、刀具使用、品质检验等方面必须执行的规定内容，对重点工序，要在“管理重点”栏填写清楚。6.2设备安全智能监控996.2.1设备安全信息化管理作业工艺管理作业工艺QC表详见表6-1。作业工艺完成日期：

年

月

日

修订日期批准审核编制批准审核编制

图号名称工序名称设备名称作业标准时间工具、检具名称其他

工时

人员

材质规格其他安全管理制造条件管理

口罩、手套、袖套

管理项目管理评价确认方法确认次数记录方式

保护眼镜

工作服

工作帽

其他

设备作业程序作业前作业中作业结束

1.

1.

1.

2.

2.

2.

3.

3.

3.

4.

4.

4.

5.

5.

5.管理重点

1.

2.

3.

4.

5.表6-1作业工艺QC表实例图6.2设备安全智能监控1006.2.1设备安全信息化管理设备软件管理在深入了解企业设备管理现状及需求基础上，建立以设备状态监测数据和信息化软件技术为支撑的设备管理系统，将使企业建立全寿命周期的现代设备工程平台，它直接支持底层的各种离线及在线监测仪器，包括点检仪、频谱分析仪、在线监测站及最新的智能监测仪器，并与企业ERP、MES等管理信息化和自动化系统实现数据交换。通过人工或在线智能点检收集设备状态数据，记录并管理设备运行的积累历史数据，通过对状态数据分析给出状态报警信息及异常状态记录，结合故障数据及其他相关运行数据，指导设备可靠性维护与检修工作实施以及相关备品配件的优化采购，为优化检修提供技术支撑。开发设备软件管理主要从设备信息化管理；全面获取设备状态信息；促进设备最优运行三方面展开。6.2设备安全智能监控1016.2.1设备安全信息化管理设备软件管理（1）设备信息化管理开发设备软件管理，实现设备状态管理的信息化。将设备在线监测与点检监测的信息纳入计算机管理，实现设备状态的信息化管理；且设备管理系统可与ERP等软件技术信息化系统实现信息的交换与共享，解决信息化系统缺少基础状态数据的难题。实现设备的智能点检和预知维修。最有效地实现设备状态受控、状态预知维修。实现设备管理的标准化和规范化。借助系统提供的综合点检仪和ID纽扣，使现场工作标准化和程序化，解决现场工作管理难问题。强化数据分析。借助软件技术系统提供丰富的状态分析工具和智能诊断功能，对设备状态进行分析和诊断，实现对设备状态准确掌握，为实现优化检修提供技术支撑。规范异常处理。根据设备状态数据产生的报警及异常信息，通过软件技术系统对设备进行相应处理，并对处理结果进行跟踪监测，进行技术积累，以提高整体的设备检修技术水平和管理水平。规范维修作业流程。从检修计划编制、审核、检修结果记录、备件更换、材料消耗等，实现软件技术系统规范地管理。6.2设备安全智能监控1026.2.1设备安全信息化管理

3、设备软件管理（2）全面获取设备状态信息设备软件管理来解决管理系统问题的方案：对于生产线上的关键设备，采用在线监测方式实现状态实时受控；对于其他重要设备采用离线专业点检的方式进行监控；系统通过点检或在线监测收集设备状态数据，并通过对状态数据的分析，使得与设备管理相关的工作有序、高效地开展，降低设备维修费用。通过实施应用设备软件管理系统，企业将实现对重要及关键设备的状态受控与预知维修，并将规范与优化设备工程的各项工作流程，其主要功能模块包括：基础数据维护、设备资产管理、状态管理、维修工程、备件库存、运行分析等。6.2设备安全智能监控1036.2.1设备安全信息化管理设备软件管理（2）全面获取设备状态信息设备软件管理系统实现效果：促进设备管理信息化建设，实现企业内部各种设备信息的积累与共享。为企业提供先进的状态监测及状态分析手段。提高设备管理人员的工作效率与技能。规范与优化设备工程的各项程序化流程。及时发现故障隐患，科学指导设备维修及备件采购。促使企业实施重要设备状态预知维修，提高设备利用率，降低维修成本。6.2设备安全智能监控1046.2.1设备安全信息化管理设备软件管理（3）促进设备最优运行根据设备及人员现状，结合自身产品及技术服务优势，通过应用软件技术管理系统提出针对性的智能监测方案，促进设备达到最优运行。对于关键设备采用在线监测站，对设备振动信号进行多通道实时监测和诊断，并同步监测设备温度、转速及各种工艺量信号等。对于测点较分散、敷设电缆不方便的重要设备采用无线监测器监测设备温度及振动信号，通过无线通信站将数据传送到数据库服务器。对于其他设备采用仪器仪表进行周期性监测，在设备异常时采用频谱分析仪对设备进行精密监测和诊断，从而以最优成本实现了整条生产线设备的状态受控。6.2设备安全智能监控1056.2.1设备安全信息化管理设备软件管理（3）促进设备最优运行设备状态管理系统作用：采用软件技术B/S结构，兼容所有在线与离线监测仪器，作为整个生产线设备综合监测与管理的平台，实现对生产线重要设备状态的自动监测、智能报警及精密故障诊断，为设备状态预知维修提供科学依据。通过数据采集及存储、数据处理、故障诊断等手段，实现远程监控、智能化、数字化管理。设备状态管理系统组成：主要软件管理模块有：设备状态信息、状态分析、在线监测、维修信息等。将各个测点纳入监测网络，实现了设备状态信息的有效积累和共享，减少设备事故的发生，减少生产线的非计划停机时间。见图6-5。6.2设备安全智能监控1066.2.1设备安全信息化管理设备软件管理（3）促进设备最优运行图6-5设备软件管理应用达到最优运行设备管理系统AdvancedEAM设备状态管理系统MCS1000ERP、MESDCS、SIS点检监测模块MRS3.0点检仪、频谱分析仪在线监测模块MOS2000在线监测站、无线检测器6.2设备安全智能监控1076.2.2仪器仪表安全检测仪器仪表检测是设备安全智能监控的主要基础手段，未来主要提升检测仪器仪表三性：技术先进性、准确性、安全可靠性，重点开发信息化的整合技术。从温度、压力、振动（声发射）、油液主要四大方面形成完整仪器仪表安全检测监控技术，具体：在大型设备、成套设备从综合、复合、多功能仪器仪表应用上自成体系；主要生产设备仪器仪表检测技术与设备状态监控有机结合，充分发挥设备效能；高危设备、重点设备及系统逐步建立在线监测系统等。仪器仪表安全检测发展方向：全面提升监控检验技术、新型传感器技术及仪器仪表开发应用、强化设备在线实时监控、完善智能化监控检测系统、提升分布网络化监控检测等五个方面。6.2设备安全智能监控1086.2.2仪器仪表安全检测全面提升监控检验技术在大数据时代背景下，全面提升监控检验仪器的数据处理和分析能力。对国民经济主要产业，特别是化工、石油、机械、航天航空、高铁等行业复合仪器仪表监控检验技术应用全面覆盖，减少或杜绝恶性事故发生，使设备能效明显提高。具体内容：提高检测设备整体经济性能和效益；根据监测检验信息，确保设备在故障或事故来临前立即停机，并具有及时有效的措施恢复设备运行；提高对设备现场运行参数分析能力，自动有效调整参数，确保设备在最佳范围内运行等。6.2设备安全智能监控1096.2.2仪器仪表安全检测

2、新型传感器技术及仪器仪表开发应用（1）新型传感器技术优点：与传统的传感器相比，MEMS传感器具有体积小、重量轻、成本低、功耗低、可靠性高、适于批量化生产、易于集成和实现智能化的特点。同时，微米量级的特征尺寸使得它可以完成某些传统机械传感器所不能实现的功能。分类：MEMS传感器，按照被检测量可分为加速度、角速度、压力、位移、流量、电量、磁场、红外、温度、气体成分、湿度、pH值、离子浓度、生物浓度及触觉等类型的传感器。应用：MEMS传感器可应用于众多与检测相关的领域，如消费电子领域的加速度计、陀螺仪等，汽车工业领域的压力传感器、加速度计、微陀螺仪等，航空航天领域的惯性测量组合(IMU)、微型太