下载掌阅APP，畅读海量书库
立即打开
1．概述
远程运维包含设备数据信息采集、自动诊断系统、健康评估、基于专家系统的预测模型和故障索引知识库等子系统，从而实现装备（产品）过程无人操作、工作环境预警、运行状态监测、故障诊断与自修复，对企业的智能装备（产品）提供健康状况监测、虚拟设备维护方案制定与执行、最优使用方案推送、创新应用开发等服务。
数控设备远程运维包括物理平台和服务功能两部分，需要完成与数字化车间的融合，实现与现有MES和ERP等系统的信息交互。如图2-18所示，远程运维系统位于智能制造系统架构生命周期维度的服务环节。数控设备全生命周期的管理涵盖数控设备的设计、生产、物流、销售和服务等各个环节。
服务功能层面，数控设备远程运维主要包括状态信息采集、健康评估、故障模式识别及预测性维护三个核心功能模块。状态信息采集模块实现数控设备运行数据的在线采集、初步分析和存储；健康评估模块实现对数控设备当前运行状况的评判；故障模式识别及预测性维护模块针对具体健康评估结果确定数控设备的故障模式、程度、定位及发展趋势预测，并给出维护建议，实现视情维护。
物理平台层面，数控设备远程运维平台包括边缘侧的状态采集系统，边缘侧及本地的计算和分析系统，以及云端的数据分析、专家系统和反馈终端。
图2-18 远程运维系统在智能制造系统架构中的位置
2．功能模块
远程运维的主要功能模块包括：
（1）状态信息采集模块，实现对数控设备状态的在线感知和记录，具体采用状态采集系统，通过附加的传感器、CNC系统或SCADA系统采集数控设备的运行状态信息，并对信息进行初步分析和处理，以一定的数据结构完成信息存储；
（2）健康评估模块，基于数控设备状态数据，提取多个维度的特征指标，并根据建立的特征指标体系对数控设备各个维度的健康状态进行分别评价，进而综合各维度评估结果对机床的整体健康状态进行判断；
（3）故障模式识别及预测性维护模块，根据建立的故障树模型和故障模式库，对数控设备故障进行准确快速定位，并建立预测模型对故障的发展趋势进行评估，形成维护建议报告。
各个功能模块之间的交互关系如图2-19所示。状态信息采集功能随机床开机启动，进行在线的数据采集和初步分析。健康评估利用状态采集获得的信息进行健康评估。当健康评估结果出现明显退化或异常时，启动故障模式识别及预测性维护功能，调用状态采集获得的大量历史数据和当前数据，对故障模式和位置进行精准判断，并基于预测结果形成维护建议。
3．物理架构
数控设备远程运维的物理平台架构如图2-20所示。状态信息采集系统布置在数控设备侧，将采集后的信息进行初步处理后存储于本地数据库，并实现状态监测功能。健康评估、故障模式识别及预测性维护则部署于云平台。通过云平台可以将健康评估结果和维护建议反馈给终端，联系外部专家进行具体研究和讨论，借助行业服务平台更新算法，支撑行业数据的采集。云平台可以采用企业单独建设的私有云，也可以基于公有云建设，或者采用形式更为灵活的混合云方式。
图2-19 远程运维服务主要功能模块及交互关系
图2-20 数控设备远程运维的物理平台架构
4．信息架构
远程运维系统的信息技术架构如图2-21所示，包含采集层、数据访问层、逻辑层和应用层。 [30]
图2-21 远程运维系统的信息技术架构
数据采集平台接收来自设备的传感器数据，也能通过通信网或者其他数据采集器接口采集来自其他平台的数据，对数控设备的运行状态进行在线的连续采集和存储。采集平台每天生产大量的数据，涉及设备生产基本信息、运维信息、服务反馈等。
数据访问层对数据信息进行归档，保证数据的完整性、安全性和统一性，为上层数据管理业务系统提供数据支撑。逻辑层包含运维系统各个模块如协助模块、决策模块等，调用数据访问层的数据服务，对数控设备的健康状态进行评估和故障诊断。通过对设备的故障类型和程度进行判断，对设备的维修计划、维修时间表、维修方案等做出决策。应用层主要包含波形管理、远程协助、即时通信、系统设置等具体应用，并为云平台管理系统的用户提供操作界面。