科创中国

钢铁、冶金等流程制造业企业存在设备管理中设备管理体系薄弱、标准不健全、备件库存资金占用大、采购费用高、设备基础管理不到位、事故故障率高等问题。具体地，在设备基础管理方面，设备管理分工不清，责任不明，设备管理制度、标准、作业区指导书等不齐全，仅有的制度标准不能传达到相关岗位。在设备隐患异常处理方面，目前大多数设备管理系统，未将点巡检发现的隐患异常和在线监测发现的设备状态告警集中处理，造成设备隐患异常处理率过低，处理不到位，处理流程无法形成闭环。在数据采集方面，传统的设备管理和状态监测平台的数据采集，数据采集困难、来源单一、口径不统一、应用时效差。因此，亟需一种基于工业大数据的设备智慧管理平台，以解决上述问题。

1、设备基础数据标准化管理模块，围绕设备管理的四大标准，建立设备管理体系，包括设备树的建立、拆分、档案的管理。

2、设备状态监测模块，用于根据设备基础数据标准化管理模块提供的标准化数据检测设备状态，实现关键设备运行状态的自行监护及精密诊断。

3、设备状态预警上报模块，根据设备检测模块上报的异常数据进行预警和上报；点巡检标准化管理模块，按照标准化流程对设备进行人工点巡检；点巡检任务执行模块，通过人工点检与状态监测系统集成，实现点检告警与状态。

4、监测预警集中管控处理，点检隐患异常上报模块，根据标准化数据对点巡检发现的设备隐患进行上报；工业大数据分析模块，将收集的设备管理数据进行工业化分析。

5、设备异常告警处理模块，根据工业大数据分析模块分析出的异常数据对设备异常信息进行告警；设备检修处理模块，根据工业大数据分析模块的处理结果直接生成检修计划及工单。

1、有线传感器收集：对于一些实时要求高、数据频率高的振动数据采取有线传感器传输，通过采集单元传输到服务器。

2、第三方平台收集：对于工控机、第三方其它设备的工艺参数支持各类接口，如webservice API、OPC、Modbus等方式直接传输到数据接入网关。实时数据处理集群采用流式处理引擎，对数据进行实时分析，并将分析计算结果实时汇总至数据服务层，将结果呈现到数据展示层；

3、利用Spring Cloud微服务架构，采用独立的分层服务模式实现数据的分析、存储和应用，通过厂方运行设备产生的监测数据接入，或通过其它协议方式接入数据，利用基于大数据算法对关键设备的振动、温度及工艺参量进行展示的同时，获得时间同步的数据相关性，通过智能预警、智能诊断等上层应用，实现关键设备运行状态的自行监护及精密诊断。监控室人员或状态监测中心工程师利用基于B/S架构的网页浏览器即可满足对关键设备的状态监测进行远程监视及分析的要求。