标准规范下载简介

GB／T 40571-2021 智能服务 预测性维护 通用要求.pdf简介：

GB／T 40571-2021 智能服务 预测性维护 通用要求.pdf部分内容预览：

3.1 边缘计算edgecalculation 在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智 服务，满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。 3.2 故障fault 可能导致功能单元执行要求功能的能力降低或丧失的异常状况， [来源GB/T15969.6—2015,3.24] 3.3 智能服务intelligentservice 能够自动辨识用户的显性和隐性需求，并且主动、高效、安全、绿色地满足其需求的服务。 注：预测性维护是一种典型的智能服务模式。 3.4 监测终端monitoringterminal 采集、处理物理量（如流量、压力、振动、温度、湿度等）信息，并能与集中或交互终端进行数据交互的装置 ［来源：GB/T31960.1—2015,3.4,有修改 3.5 预测性维护predictivemaintenance 根据观测到的状况而决定的连续或间断进行的维护，以监测、诊断或预测构筑物、系统或部件的 件指标

GB/T 40571—2021

预防性维护preventivemaintenance 探测、排除或缓解使用中的构筑物、系统或部件降质的活动，以便通过把降质和故障控制在可接受 的水平来维持或延长其使用寿命。 注：预防性维护可以是定期维护或计划维护， ［来源：GB/T29308—2012,3.14，有修改］ 3.7 artificialintelligence 计算机科学的分支，专门研究数据处理系统，该系统执行通常与人类智能相关的功能。 ［来源：GB/T5271.1—2000,01.06.12，有修改

JJG 693-2004 可燃气体检测报警器 检定规程下列缩略语适用于本文件。 CBM 基于状态的维护 Condition Based Maintenance DCS 分布式控制系统 Distributed Control System ERP 企业资源规划 Enterprise Resource Planning FCS 现场总线控制系统 Fieldbus Control System FMEA 失效模式与影响分析 Failure Mode and Effects Analysis MES 制造执行系统 Manufacturing Execution System PLC 可编程逻辑控制器 Programmable Logic Controller RUL 剩余使用寿命 Remaining Useful Life

预测性维护的实施，根据需求和目的的差异，可分为以下三类。 第一类：实现基于状态的维护（CBM），即通过设备运行状态关键数据的采集，完成状态识别和基本 的故障诊断等功能，并提供基本的维修与维护策略，如报警、停机等。该类预测性维护可基于MES或 其他信息系统开展。 第二类：实现基于预测的维护，即通过设备运行状态相关数据的采集，完成状态识别、故障诊断、寿 命预测等功能，并预先提供维修和维护方案，支持设备的维修维护管理。该类预测性维护宜基于独立的 系统开展，可与MES或其他信息系统互联互通， 第三类：实现基于全生命周期管理的维护，即通过设备运行状态数据的全面采集，完成状态识别、故 障诊断、寿命预测等功能，并能判断寿命预测结果的置信度，预先提供完整可信的维修和维护方案，指导 设备的维修维护管理。执行该任务的系统能够在数字李生、、系统集成等技术的辅助下，不断 尤化预测结果，提升预测的置信度与可行性， 注：由于本文件的对象是预测性维护系统，因此本文件中规定的技术条款主要针对第二类预测性维护的实施

预测性维护的实施应着重于识别和避免根原因的失效模式，其工作流程如图1所示，预测性维护 与数据传输也应遵循该流程

GB/T 405712021

图1预测性维护系统工作流程图

预测性维护系统的功能如图2所示，其中仅包括了系统必备的功能，可根据实际情况增加其 模块。

注：图中的虚线和虚框表明该内容不在本文件的范围内

图2预测性维护系统功能

预测性维护的开展主要基于采集设备运行状态数据的监测终端和数据采集设备，设备控制系统，能 多进行数据存储、分析、传输的上层系统或平台，具体如下： 一监测终端和数据采集设备：该类设备可以集成在设备本体，也可外置，其功能是对设备的运行 状态参数进行监测，为数据的分析计算提供数据。但通常集成在设备本体的方案更适用于设 备制造商，设备用户更推荐采用外置监测终端的方案。 设备控制系统：对于不具备边缘计算、仅提供数据采集功能的控制系统，可将其视为数据采集 设备，对于具备边缘计算能力的控制系统，能够将设备运行状态参数在边缘端进行分析和预 测，并通过人机界面或其他手段显示结果。边缘计算技术的应用需综合考虑成本与预测的准 确性。 上层系统或平台：将采集的数据上传至系统或平台中进行分析和预测，并能够不断修正预测 结果，为了更好地实现设备维护，该系统或平台应与MES或ERP提供信息交互。但该系统或 平台对于通信协议与接口的一致性具有较高的需求，且需考虑信息安全。 面向生产单元和设备开展预测性维护的案例见附录A和附录B

设备结构与功能是开展预测性维护的关键输入。在预测性维护过程中，需识别的特征包括： 设备性能，电学效应如电流，物理效应如密度，温度效应如温度，动力学效应如振动，颗粒效应 如油液成分等； 润滑方式，如油类、脂类、粉类等； 控制系统，如DCS、PLC、FCS等； 执行机构，如机械式、电气、气动式、液压式； 设备输入，如水、电、气等； 设备输出，如功率、牵引力、压力等； 保护系统，如过速、过流、过压等； 功能如机器或设备的功能等：

设备结构与功能是开展预测性维护的关键输入。 设备性能，电学效应如电流，物理效应如密度 如油液成分等； 润滑方式，如油类、脂类、粉类等； 控制系统，如DCS、PLC、FCS等； 执行机构，如机械式、电气、气动式、液压式； 设备输入，如水、电、气等； 设备输出，如功率、牵引力、压力等； 保护系统，如过速、过流、过压等； 功能，如机器或设备的功能等；

人员，如操作人员、维修人员、维护人员等； 监测技术，如信号监测、视觉检测、热成像等； 结构/基础，如位置、材料、刚度、柔性、疲劳、热膨胀等 耦合，如不同设备之间的相互影响等； 设备运行条件，如建筑物、安装条件、共振等； 管网与辅助系统，如进口、出口、冷凝器、阀门等； 设备和系统的工况与工况的变化范围； 环境，如温度、湿度、海拔等；

7失效模式影响分析功能

GB/T 405712021

依据失效模式分析能够容易、低成本地对产品或过程进行修改，从而减轻事后修改的危机，并且找 到能够避免或减少这些潜在失效发生的措施。该方法有助于选择监测灵敏度最高的监测技术，并有助 于评估指定症状的变化率。当某种技术灵敏度的置信度和形成的诊断结论与预报的准确性受到质疑 时，建议使用更多相关的附加技术。 失效模式分析可采用FMEA等方法，并符合GB/T7826的规定

对所有的设备进行影响分析，以创建 设备的优先排序表，可包含（或不包含）在状态监测方案 中。它可以是依据以下因素的简单的评价体系，如： 设备停机的成本或生产损失的成本； 失效率和平均维修时间； 穴余架构； 间接的或二次损坏； 更换设备的费用； 一维修或备件的费用； 全生命周期的费用； 一监测系统的费用； 一安全性和环境影响。 上述一个或多个因素可以在公式中加权计算，以生成优先排序表。

在选定监测分析对象及失效模式后，应考虑当前的已有数据或可行监测方案是否可以获取用于分 析建模的数据。从数据分析及建模层面考虑，数据状况分析包括数据从产生到最终使用的全过程，包括 背景信息、数据量、变量类别、数据质量、数据获取可行性等几个方面。 背景信息是历史数据或需要采集数据时被采集对象本身以及相关周边环境信息的统称。背景信息 也是数据全面性考虑的一个体现， 数据量指可提供的历史数据总量，应考量在不同工作状态，不同失效模式下的总体数据量

变量类别指已有或者可采集的数据所反映的物理量，例如温度、电流等。针对不同的失效模式预测 性维护建模要求采集具体而准确的变量， 数据质量是对数据的整体评估，包括数据的准确性和可分析性，例如趋势性、可分性等。 数据获取的可行性包括在工业场景当中数据是否可以在特定场景下测量、转换、传输并存储。可行 生的评估包括传感器技术是否成熟，测量的可达性，数据传输的可行性，数据存储的容量以及经济性。 对数据状况的整体评估将决定预测性维护的具体实施步骤以及方案

状态监测主要包括数据采集、数据预处理、特征提取、特征分析和状态识别GB 51308-2019-T：海上风力发电场设计标准（无水印，带书签），在该阶段应实现数据质 量和故障/异常的判断。设备的状态监测可以在设备层进行，也可以上传至系统层进行。 设备状态监测的过程如图3所示，具体包括： 原始测量值为通过传感器信号采集后未经处理的数据： 中间数据为通过传感器、设备在运行中获取的动态数据，经计算或调理后，去除外部干扰或无 效信号的数据： 状态表征数据为经数据处理（特征提取）后能表征设备状态特征的数据； 结果表征数据为经数据处理（特征分析）后能表征设备状态结果的数据； 设备状态数据为通过监测方法经对设备各状态特征量进行信息聚合、阅值判断后得到的数据， 其反映了设备当前状态

图3状态监测过程示意图

当设备被测量为开关量时，信号调理与特征分析过程无须执行，无中间数据与状态表征数据。当设 备被测量为静态数据时，信号调理与特征分析不是必须的。 通用设备状态监测的推荐参数见附录C。

JT∕T 848-2013 公路用复合隔离栅立柱GB/T 405712021

设备的预测性维护应针对设备异常参数的分析判断，虽并未出现故障，但仍需要故障诊断技术的支 持，如故障类型的判断、故障定位等。通常可采用基于数据驱动的方法、基于机理的方法和基于定 性经验知识的方法等，实现上述功能，并为寿命预测提供决策依据。部分严重程度较高的异常可由故障 诊断直接提供维护或维修策略

寿命预测应基于故障诊断提供的类型判断、故障定位等数据，对设备的RUL进行评估。可采用的 分析方法包括多参数分析、趋势分析和对比分析等，建模方法包括数据驱动、机理和混合等 在执行寿命预测过程时，还应对预测的置信度进行评估，置信度评估可以从数据质量、历史经验数据、模 型准确性和过程控制等角度开展