工业设备智能运维指南：规划、成熟度模型、方案与实施

　　本书以设备智能运维的概念、目标为基础，阐述了设备智能运维的现状和问题，提出了智能运维可实现的目标及实施方法。本书提出了设备智能运维成熟度的概念和评价指标，从设备数据化、数据分析和智能化、人员能力、管理、数据平台5个维度评价设备智能运维的成熟度，并介绍了这5个维度各自的提升途径，给出了通常情况下的实现方法。本书还介绍了常用的设备监测诊断技术，以工业现场应用的角度介绍了在应用中需要掌握的重点和要点，可以作为实施状态检测的参考资料，助力管理和执行人员构建系统化的实践框架。

　　杨大雷：硕士、教授级高工，从事设备监测诊所及设备运维工作40年，主导或参与了多个重大项目。曾任宝武装备智能科技有限公司资深技术总览、总工程师；现兼任上海市设备智能运维创新联盟专家委员会主任、安徽容知日新特聘专家、中国钢铁工业协会行业培训专家、中国设备管理协会高级专家、北京科技大学兼职导师等。起草了宝武远程智能运维系列标准，其中《钢铁行业设备智能运维系统解决方案研究及应用》获得“冶金科学技术一等奖”，《现代大型钢铁企业设备状态预知维修管理》获得“国家级企业管理现代化创新成果二等奖”。

CONTENTS
目　　录
序
前言
第1章　设备智能运维概论　1
1.1　什么是智能运维　1
1.2　为什么要智能运维　1
1.3　智能运维目前存在的问题　3
1.4　智能运维的基本要求　4
1.5　智能运维的效益　5
1.6　智能运维的意义　7
第2章　设备维修方式与运维模式　8
2.1　设备维修方式的演进　8
2.1.1　事后维修　8
2.1.2　预防维修　9
2.1.3　预知维修　9
2.1.4　预测维修　10
2.2　设备运维模式的发展　11
2.2.1　预防维修模式　11
2.2.2　点检定修制模式　11
2.2.3　设备智能运维模式　12
2.3　设备维修方式与设备运维模式的
关系　12
2.4　智能运维模式的发展趋势
探讨　13
第3章　设备智能运维的成熟度　15
3.1　为什么需要设备智能运维成熟度
模型　15
3.2　智能运维的成熟度要素　16
3.3　设备数字化的要求　17
3.3.1　智能运维一级的设备
数字化要求　17
3.3.2　智能运维二级的设备
数字化要求　18
3.3.3　智能运维三级的设备
数字化要求　19
3.3.4　智能运维四级的设备
数字化要求　19
3.3.5　智能运维五级的设备
数字化要求　19
3.4　对数据分析与智能化程度的要求　20
3.4.1　数据分析与智能化一级的
能力要求　20
3.4.2　数据分析与智能化二级的
能力要求　20
3.4.3　数据分析与智能化三级的
能力要求　21
3.4.4　数据分析与智能化四级的
能力要求　21
3.4.5　数据分析与智能化五级的
能力要求　22
3.5　对人员能力素质的要求　22
3.5.1　智能运维一级对人员能力
素质的要求　23
3.5.2　智能运维二级对人员能力
素质的要求　23
3.5.3　智能运维三级对人员能力
素质的要求　24
3.5.4　智能运维四级对人员能力
素质的要求　24
3.5.5　智能运维五级对人员能力
素质的要求　25
3.6　对管理的要求　25
3.6.1　智能运维一级的管理要求　25
3.6.2　智能运维二级的管理要求　26
3.6.3　智能运维三级的管理要求　27
3.6.4　智能运维四级的管理要求　27
3.6.5　智能运维五级的管理要求　28
3.7　对数据平台的要求　28
3.7.1　智能运维一级的数据平台
要求　28
3.7.2　智能运维二级的数据平台
要求　29
3.7.3　智能运维三级的数据平台
要求　29
3.7.4　智能运维四级的数据平台
要求　30
3.7.5　智能运维五级的数据平台
要求　30
3.8　智能运维成熟度评价　30
第4章　设备数字化方法　32
4.1　设备分类分层和维修方式　32
4.1.1　设备分类分层方法　33
4.1.2　设备维修方式的确定原则、
技术原理与特性　33
4.1.3　预知维修设备的确定　35
4.2　事后维修设备的数字化方法　35
4.3　预防维修设备的数字化方法　37
4.3.1　预防维修设备的类型　38
4.3.2　预防维修设备的数据内容　38
4.4　预知维修设备的数字化方法　41
4.4.1　掌握设备状态的方式　41
4.4.2　预知维修设备的数据内容　41
4.4.3　设备状态监测的要点　42
4.5　预测维修设备的数字化方法　45
4.6　设备维护过程的数字化方法　45
4.7　设备维修过程的数字化方法　46
第5章　设备数据分析与智能化
方法　48
5.1　数据预处理　48
5.1.1　数据清洗　49
5.1.2　数据整理　50
5.1.3　数据变换　50
5.1.4　特征量提取　51
5.1.5　数据分组　53
5.1.6　数据闭环　55
5.2　基于知识的分析诊断方法　58
5.2.1　故障诊断方法　59
5.2.2　因果关系树诊断法　59
5.2.3　第一原则模型　60
5.3　数据驱动的分析诊断方法　61
5.3.1　基于统计数据的分析诊断　61
5.3.2　基于案例推理的分析诊断　62
5.3.3　基于神经网络的分析诊断　63
5.3.4　基于决策树的分析诊断　64
5.3.5　基于随机森林的分析诊断　65
5.3.6　基于逻辑回归的分析诊断　66
5.3.7　基于支持向量机的分析
诊断　66
5.4　分析诊断方法的比较和选择　66
5.4.1　分析诊断方法的比较　67
5.4.2　分析诊断方法的选择　69
5.5　分析结果的展现　70
5.6　模型的构建、评估、部署与
优化　71
5.6.1　模型构建　71
5.6.2　模型评估　72
5.6.3　模型部署　73
5.6.4　验证优化　74
5.7　设备状态预测　74
5.8　设备健康度评价　75
5.9　数字孪生的应用　76
5.9.1　数字孪生建模方法　77
5.9.2　数字孪生在设备状态诊断
中的应用　77
5.9.3　数字孪生在生产过程中的
作用　78
5.9.4　数字孪生在工业应用中
面临的难点问题　79
5.10　知识图谱　79
5.11　智能运维决策模型　81
5.11.1　智能决策方法　81
5.11.2　决策模型部署与优化　82
第6章　智能运维对人员素质的
要求　84
6.1　智维工程师的能力素质要求　85
6.1.1　智维工程师一级　85
6.1.2　智维工程师二级　86
6.1.3　智维工程师三级　87
6.1.4　智维工程师四级　88
6.1.5　培训时长及工作经历
要求　89
6.1.6　培训课程内容及要求　90
6.2　智维分析师的能力素质要求　91
6.2.1　智维分析师一级　92
6.2.2　智维分析师二级　93
6.2.3　智维分析师三级　94
6.2.4　智维分析师四级　95
6.2.5　培训时长及工作经历
要求　96
6.2.6　培训课程内容及要求　96
6.3　智维维护师的能力素质要求　98
6.3.1　智维维护师一级　98
6.3.2　智维维护师二级　99
6.3.3　智维维护师三级　99
6.3.4　智维维护师四级　100
6.3.5　培训时长及工作经历
要求　101
6.3.6　培训课程内容及要求　101
6.4　智维管理师的能力素质要求　102
6.4.1　智维管理师一级　103
6.4.2　智维管理师二级　103
6.4.3　智维管理师三级　104
6.4.4　智维管理师四级　105
6.4.5　培训时长及工作经历
要求　106
6.4.6　培训课程内容及要求　107
第7章　设备管理　108
7.1　目标制定　108
7.2　设备数字化规范及标准　109
7.3　设备数字化管理　111
7.3.1　保障设备数据的合规性和
完整性　111
7.3.2　检查设备数据的质量、
分组和闭环　112
7.3.3　检查设备的数据流与
工作流　113
7.3.4　检查落实设备维修
策略　114
7.3.5　设备事故分析及提炼　114
7.3.6　制定智能运维评价指标　114
7.4　设备数据资产化　117
7.4.1　确立数据治理架构　117
7.4.2　搭建高效的数据平台　117
7.4.3　推动数据文化建设　117
7.4.4　保护数据安全与隐私　118
7.4.5　开展数据价值挖掘　118
7.4.6　监测与优化数据资产　118
7.5　追求价值最大化　119
7.6　资源配置　120
7.7　组织架构优化　122
第8章　设备数据平台　123
8.1　数据来源及数据预处理　124
8.1.1　数据平台的数据来源　124
8.1.2　对数据平台的能力要求　126
8.2　基本功能架构　126
8.2.1　成熟度一级的数据平台
基本功能　127
8.2.2　成熟度二级的数据平台
基本功能　128
8.2.3　成熟度三级的数据平台
基本功能　128
8.2.4　成熟度四级的数据平台
基本功能　129
8.2.5　成熟度五级的数据平台
基本功能　130
8.3　分析工具的功能要求　130
8.3.1　波形数据的量值　130
8.3.2　时域信号分析　131
8.3.3　频域信号分析　133
8.3.4　生产过程数据分析　135
8.3.5　计算及统计　136
8.4　设备及数据的展示方法　136
8.4.1　几种常见的设备及数据
展示方法对比　136
8.4.2　数据分组的展示方法　137
8.4.3　数据闭环的展示方法　138
8.5　状态预警方法和预警模型　138
8.5.1　设备状态预警方法　139
8.5.2　状态预警模型　139
8.5.3　按不同工况设置
预警值　140
8.6　数据流与工作流　141
8.6.1　事后维修的数据流　141
8.6.2　预防维修的数据流　143
8.6.3　预知维修的数据流　144
8.6.4　预测维修的数据流　147
8.6.5　工作流与数据流的相互
配合　149
8.7　数据平台中需要的知识及其
应用　149
8.7.1　现有知识的类型及提取
方法　149
8.7.2　从数据中学习　150
8.7.3　知识的应用　150
8.8　优化控制的实现方法　151
第9章　设备智能运维的方案　152
9.1　当前智能运维能力评估　152
9.2　智能运维方案选择　153
9.3　实施方案制订　154
第10章　设备智能运维标准的
内容及标准化方法　156
10.1　标准化的重要性及标准的
内容　156
10.2　设备分类分层　159
10.2.1　设备分类分层的
目标　159
10.2.2　设备分类分层的
方法　160
10.3　设备维修策略选用　163
10.4　命名规范　164
10.4.1　设备及部件命名
规范　164
10.4.2　设备异常及故障命名
规范　165
10.4.3　设备维护维修名词　166
10.5　设备维护维修数字化标准　166
10.6　设备基础数据标准　170
10.7　设备运行数据采集标准　171
10.8　设备下机状态评价标准　172
10.9　设备状态监测技术选用参考
标准　172
10.10　设备监测系统设计规范　176
10.10.1　常用传感器的性能
指标及选型　176
10.10.2　常用监测装置的技术
指标规范　180
10.10.3　监测传感器安装位置
及监测点数量　185
10.11　监测系统数据采集参数配置　188
10.11.1　振动监测的数据采集
相关参数配置　188
10.11.2　电流监测的数据采集
相关参数配置　190
10.11.3　扭矩、扭振的数据
采集相关参数配置　191
10.11.4　应力监测的数据采集
相关参数配置　191
10.11.5　压力流量的数据采集
相关参数配置　191
10.11.6　单数值监测的数据
采集相关参数配置　192
10.12　传感器及监测系统安装
规范　192
10.12.1　振动传感器的安装
规范　192
10.12.2　监测系统的安装
规范　196
第11章　常用的设备状态检测
技术　198
11.1　振动检测技术　198
11.1.1　振动传感器分类　199
11.1.2　振动监测的三要素　200
11.1.3　振动采集参数的设定
原理　202
11.1.4　振动的预警值设置　207
11.1.5　设备工况对设备状态的
影响　208
11.2　温度检测技术　209
11.2.1　常规温度检测技术　209
11.2.2　红外热成像技术　210
11.3　油液监测技术　210
11.3.1　油液监测技术的主要
内容　211
11.3.2　设备用油的在线监测
技术　212
11.4　无损检测技术　215
11.4.1　射线检测　215
11.4.2　超声检测　216
11.4.3　磁粉检测　217
11.4.4　渗透检测　218
11.4.5　涡流检测　219
11.5　绝缘检测技术　220
11.5.1　绝缘电阻和极化指数　221
11.5.2　直流泄漏和直流耐压
试验　221
11.5.3　匝间绝缘的耐压试验　222
11.5.4　对地绝缘耐压试验　222
11.5.5　介质损耗角正切值及其
增量　222
11.5.6　局部放电检测　224
11.6　应力检测技术　224
11.6.1　应力检测的特点与
局限性　224
11.6.2　应力检测在设备运维
中的应用　225
11.7　电流检测技术　228
11.7.1　电流检测技术的主要
方法　228
11.7.2　电流检测在设备运维
中的作用　229
11.7.3　电流故障诊断
方法　230
11.8　声发射检测技术　230
11.9　声音检测技术　231
11.10　图像检测技术　232
11.11　气体检测技术　233
11.12　生产过程参数检测
技术　234
11.13　高压开关机械性能在线监测
技术　235