研究表明，82%的公司在过去三年经历了计划外停机。考虑到每小时可能要花费公司多达26万美元的成本，公司正在努力避免计划外停机。另一项研究表明，64%的计划外停机与设备故障有关，这些故障是由于不适当的维护、机器过载和缺乏有效的状态跟踪造成的。

幸运的是，有了现代工业物联网技术，制造商可以实时监控机器的状态，从而预测故障并在实际故障之前安排服务维护。在这篇文章中，我们将揭示制造商需要知道的最重要的几点，以有效地利用物联网解决方案进行状态监测。

一般方法，通过工业物联网实现的状态监测解决方案如下:

一台工业机器配备了传感器，这些传感器收集决定其健康和性能的各种变量的数据，例如温度、振动频率、压力。数据一旦收集好，就会被传送到云上。云软件将来自传感器的数据聚合起来，并应用分析工具将时间序列传感器数据开发成关于设备健康状况和操作参数的信息洞察。条件监视解决方案将结果可视化，并以全面的形式(如图表或图表)将结果传达给用户。如果情况偏离常规，状态监视解决方案还可以向维护经理发送警报，通知他们设备的状态正在恶化。

状态监视解决方案获取的数据提供了关于设备当前状态的有价值的见解，可以通过监视设备组件的状态来间接地监视生产中的产品质量。例如，在造纸行业，状态监控解决方案通过监控辊压机的状态来帮助监控所生产的纸张的质量。

但状态监测的作用并不局限于质量控制。它的发现可以用来预测未来设备的性能，预测哪些设备组件可能会出现故障，并根据预测的退化程度来决定维修活动的范围(换句话说，进行预测维修)。

具体应用，状态监视可以应用于广泛的行业。下面，我们列举了几个最常见的例子:

离散制造

例如，在汽车行业，制造商转向物联网开发来跟踪焊机、铣床主轴、激光钻床等的状态。这种设备很难进行人工检查，而基于iot的状态监视解决方案提供了在没有物理访问的情况下监视机器状态的机会。此外，基于iot的状态监测解决方案有助于实时识别早期缺陷，包括裂纹、剥落、润滑问题、装配部件的偏差等。

流程制造

在钢铁工业中，状态监测可以用于监测冷轧厂的状态，特别是对钢材质量至关重要，而且很难用便携式仪器进行检测。轧钢厂缺陷的早期识别可以使生产厂家及时采取纠正措施，将对产品的负面影响降到最低。

在制浆造纸工业中，状态监测用于跟踪轧辊和轧辊平衡的状态和对中。为此，传感器收集振动和温度数据，并将其传输到云端进行分析。

石油开采

上游油气公司转向工业物联网开发的原因在于，它们能够在单一地点实时监控海上钻探活动。他们推出了基于iot的解决方案来监控钻井设备、压力容器、储罐、管道等的状况。为此，部署了一个传感器网络来收集有关钻机状况的数据。一旦数据被处理，状态监控解决方案就能够识别处于潜在临界状态的设备。此外，钻井平台部署高灵敏度红外摄像机，通过检测温度差异来监测管道泄漏。

电力

状态监测使发电厂能够确保可靠的发电。在电力行业，它被用于跟踪燃煤蒸汽轮机、风力涡轮机、燃气轮机、变电站甚至核电站的健康状况。有了振动和脉冲冲击传感器，就可以监测例如涡轮机的旋转部件、保持架和齿轮箱轴承的情况。

基建

基于iot的状态监测被广泛应用于重型机械的健康状态和运行参数的跟踪。以机油分析为例，它可以监测内燃机的状态并识别早期的问题。例如，铁质信号含量的增加是发动机老化的信号，而铁质、铝和铬的组合可能是上气缸磨损的信号。

优势

通过整合和分析有关机器健康和性能的数据，并在可靠性技术人员的桌面或移动应用程序中实时提供见解，基于iot的状态监视为流程和业务优化提供了坚实的基础。具体来说，物联网具有以下优势:

用于存储大量数据的云存储

在现场存储数据时，制造商需要一个具有多个专用服务器的数据中心来收集和处理传感器数据。因此，可以存储的数据量仅限于本地数据中心的存储能力。此外，在许多情况下，制造设施的分布式特性(例如在石油和天然气行业)不允许在要监视的设备附近放置一个日期中心。另一方面，物联网利用云计算，允许在云中存储大量数据。考虑到连接机器生成的数据量，这一点尤为重要。例如，仅仅一个风力涡轮机，每分钟读取2000个数据，一周就产生大约1tb的数据。利用工业物联网，制造商可以存储大量数据和大规模存储能力。

足够的计算能力进行复杂的分析

在以预测维护为目的进行状态监测时，基于iot的状态监测解决方案应用机器学习算法得出设备健康状况的结论，并提高诊断准确性。然而，机器学习是一个CPU密集型的过程，它需要足够的计算能力和多台机器在集群中并行处理。基于云的状态监控解决方案提供了足够的计算资源来运行机器学习算法。

能够使用来自多台机器的数据

机器学习算法需要大量的数据。例如，为了训练一个识别导致焊接机主轴裂纹的振动值的预测模型，需要100个裂纹案例的数据。使用来自一台机器的数据，收集所需的数据量将花费数年时间。另一方面，数据科学家同时从几台焊机收集数据，大约一年就可以收集到所需的数量。此外，从几个物理位置获取的数据的多样性提高了预测模型的准确性和功能。

减少对车间流程的干预

IIoT提供了一个机会，可以在没有物理访问的情况下，从一个位置智能地监视数百台工业机器。它尤其适用于电力、石油和天然气等行业，因为它可以更容易地监控远程安装，包括管道和海上钻井平台。有关设备健康状况和性能的数据将被收集、汇总并传送到云上进行处理。云分析数据并将结果显示给企业中任何地方的可靠性技术人员。

一个成功的案例

让我们来看一个成功的条件监视解决方案实现的例子。在风力发电行业，基于iot的状态监测解决方案经常用于监测风力涡轮机的状态，因为它们的组件特别容易出现故障。为此，涡轮机的齿轮箱和滚动轴承配备了振动传感器，以检测齿轮缺陷和轴承磨损。

当振动传感器的读数受到外界因素的强烈影响时，仅进行振动分析还不足以提供有关风力发电机状态的可靠信息。在这种情况下，附加的冲击脉冲传感器附加在轴承部件上。

传感器收集振动和冲击脉冲的数据，通过gprsdtu将其传送到云上。云收集数据并进行分析，将传感器读数发展成关于涡轮机状态的信息洞察。将风机状态的实时数据可视化并显示给可靠性技术人员。

由于传感器读数的准确性可能会受到外界因素的影响，比如高风速，因此状态监测解决方案需要能够区分真实的报警参数和假阳性因素。为此，机器学习算法被应用于一段时间(比如一年)内收集的条件、操作、维护和环境数据。通过训练和测试，机器学习模型能够区分正常和异常工况，并在动态运行参数下诊断涡轮故障。它有助于避免由外部因素引起的信号强度增加而引起的误报。

状态监测的主要目的是确保设备不间断、高效地运行。状态监控既可以独立进行，提供关于工业机器当前状态的可靠信息，也可以作为预测维护的跳板。

实现状态监测解决方案，最好选择物联网技术，因为物联网提供了存储大量不同数据的可能性。物联网解决方案还允许远程监控机器的状态。此外，iot驱动的解决方案提供了足够的计算能力来运行强大的机器学习算法，以便进行预测维护。因此，基于iot的状态监视可以减少意外停机时间，并将停机时间减少75%。

更多应用案例和行业信息访问有人物联网官方商城