從歷史上看，在全面生產環境中，企業最寶貴的資產之一就是機器操作人員的經驗，因為他們能預測出何時需要進行維護。工廠經理會報告任何異常行為，例如機器內的叮當聲或咔嗒聲，催促維護人員開展檢查。如今，自動化水平的提升嚴重削弱了操作員覺察即將發生的故障的能力，并且大部分維護工作都是按計劃進行，而非預測性維護，如果某些情況下未被發現或被忽視，則會引起不必要的工廠停運。

然而，近來席卷全球的新冠疫情迫使更多機器采用無人值守或遠程值守的方式運行，現場運行被降至最低水平，維護團隊規模被壓縮。因此對工廠經理而言，為輕松預測故障而提高機器設備的自動檢測、自我診斷能力成為眼下的戰略優勢。

故障預測與健康管理（PHM）等方法與預測性維護4.0（PdM4.0）等計劃已經問世數年，但現在才從工廠經理的觀察名單轉為當務之急。目標是為自動運行和遠程值守機器設備提供人工在環決策，進行最佳且及時的維護操作。

PHM 旨在采集和分析數據，通過算法檢測異常和診斷即將發生的故障，以提供設備的實時健康狀態，進而估算其剩余使用壽命（RUL）。相關的財務效益包括延長設備使用壽命，以及降低運營成本。

PdM4.0 是工業 4.0 和工業物聯網（IIoT）計劃的組成部分，其目的是進一步提高設備自動化水平，為設備配備更多的數據采集傳感器，使用數字信號處理、機器學習和深度學習作為預測故障的工具并觸發維護活動。

各項標準與配套的詞匯、演示和指南已制定完成，如 IEEE 1451、1232，ISO 體系的 13372、13373、13374、13380、13381。它們為維護 4.0 奠定了共同的基礎。

圖 1 提供了從計劃維護向 PdM4.0 轉型的路徑。顯然，隨著向 PdM4.0 的轉型不斷深入，復雜性也隨之增加。

圖 1：以 PdM4.0 為最高限的預測性維護水平，來源：普華永道

挑戰

如何充分發揮 PHM 和 PdM4.0 的優勢？

實現架構

兩種主要架構正在興起。

PdM4.0 邊緣設備的硬件要求

如何部署 Lambda 或 Kappa 架構？

結論

預測性維護是一項頗具挑戰性的工作。我們在上文中介紹了如何讓數據和分析要求與可用功能合理銜接。因篇幅有限，本文未能窮盡該架構的全部詳情，但通過介紹 Lambda 和 Kappa 架構，揭示一條讓速度層組件與批處理層組件協調運行的實現路徑。為滿足邊緣端所需的算力，可充分發揮 AMD 賽靈思 ACAP 等新型自適應計算器件的效力來管理這樣的海量數據，在邊緣嵌入式系統層面提供必需的服務質量。

審核編輯 ：李倩