1、项目背景
某电子材料有限公司，现有主要设备为自动化生产设备（单晶炉、切片机、清洗设备、AGV、开方机、截断机、磨导机等），辅助设备（空压机、水泵、电机、变频器、运输设备等），一期设备约700台，三期总共约3000台左右。企业希望在不变更现有设备的前提下，提高产线关键设备的维护管理水平，具体需求如下：
l 实现产线关键设备的远程运维管理，实时了解设备运行情况；
l 实时监测、记录设备的振动、温度、噪声数据；
l 实现产线设备的故障预警、故障提示；
l 通过预测性维护平台减少人工巡检工作量，提高设备运维管理水平。
2、 现状分析
经初步调研，该产线包括单晶炉、切片机、清洗设备、开方机、空压机、水泵、电机等设备，目前的设备监测手段主要是传统的人工巡检模式，设备维保工作主要采用“事后维修”、“预防性维护”的方式，存在以下问题：
l 设备巡检维护成本高；
l 设备故障反馈及时性差；
l 无法识别设备亚健康状态；
l 事后维护方式隐患大；
3、实施方案
本次项目一期应用场景以产线的电动机的预测性维护做为试点，二期将实现厂区生产及辅助设备的预测性维护。
预测性维护方案一期：
以实现电动机设备预测性维护为主，以减少因电机故障造成设备非计划停机损失为一期目标。采取“统筹规范，分布实施”的原则逐步开展旋转设备预测性维护。
预测性维护方案二期：
以“占星者”5G边缘计算器为核心硬件，采集晶龙现场设备不同运行工况下的表征数据（振动、噪声、温度），通过预处理模块，提取设备振动、噪声、温度的各种机械特征值，通过将实时运行状态下的各种机械特征值，与数据库服务器中存储的各运行工况下的历史特征值进行比对，利用训练好的机器学习算法模型，识别出生产设备的实时运行状态（正常还是异常），进而评估分析出各设备的可能故障类型、健康度评估指标，实时展示于前端应用UI界面。
以占星者5G边缘计算器为核心实现设备运行状态数据的实时监测，采集设备故障前、故障中、故障后的状态数据，建立设备状态数据与设备故障现象的数学逻辑关系，搭建设备故障分析模型库，实现设备的故障原因智能分析与维修决策。
4、预警效果
4.1智能诊断，减少设备故障损失
计划外停机减少＞50%，降低 20-50％维护时间，将设备正常运行时间延长 10~20％，降低由设备的故障或突发故障所带来的难以估算的安全隐患。
4.2降低设备维护成本，提高效益
设备维护成本降低 18~25％，设备综合效率提高>8%，对设备进行适时小修，减少大修，避免突发故障所带来的巨大维修费用。
4.3实时监测，节省人力成本
设备维护和管理人员远程监测设备健康状态，减少巡检人数和汇报流程。
4.4建立设备数字档案，实现高效管理
收集设备全生命周期健康数据，为设备管理系统提供数据来源和标准API，减少设备和生产管理成本。