故障诊断和预测性维护：智能制造领域一大爆发点
据悉，“见证质量”技术白皮书系列按照领域共分为智能制造、政务数据、网络安全、机器人、智能网联汽车、信息工程监理、设计等7大部分。“见证质量”技术白皮书的发布，为社会各界人士进一步了解各种热点技术的发展及应用状况提供了一个新窗口。
其中，《智能制造诊断评价》白皮书是面向智能制造能力诊断需求和诊断服务市场鱼龙混杂乱像，介绍典型地区优秀做法，分享赛迪灵犀面向行业的智能制造咨询经验、诊断模型及有关案例。
“智能制造诊断评价”，无疑包含着多种生产制造模式、新兴技术和企业案例。设备故障诊断和预测性维护作为整个智能制造诊断系统中的一大内容，是制造业向着智能化、数字化方向转型升级中必须跨过的一道关口。那么，智能制造中的设备故障诊断和预测性维护该如何展开呢？
近年来，通过引入人工智能前沿技术，设备维护得以“提前化”与“智能化”，大量产品如智能传感器、运维管理系统、相关SaaS和云数据平台在智能制造领域被开发并且逐步得到推广运用。
例如，阿里云ET工业大脑解决方案。利用ET工业大脑，阿里云开发了数字运维和设备故障诊断两套解决方案，前者需通过智能传感器实时监测来达到预测性维护的作用，后者则依靠人力向系统发送检测状况。
其实，一个合理的预测性维护模型可以在提高预测故障精度的同时，增加设备运行寿命，降低设备维护成本。维护的本质是按需提供必要的设备维护，尽可能减少甚至避免传统两次例行维护之间潜在的故障发生概率，较好地实现设备不停机运行和降低成本，这就需要用到智能检测系统、智能传感器等设备。
通过传感器搜集设备运行数据，从数据中可以看出设备的健康状态，从而预测设备的工作寿命和可能存在的故障类型，让设备故障还未出现故障就设定好解决预案，这就是预测性维护存在的一大价值。此外，提供一个长期无故障运行的质量良好的设备，也是智能制造的竞争力所在。
设备更替成本、适用性限制、人才匮乏、行业制度不健全等因素，正对我国当前智能制造产业链生产环节的设备维护与检修造成了一定的阻碍。除了需攻克相应的技术难题外，设备维护资源共享平台的建设、设备故障分析系统的健全及完善等也还需要一定的时间。
有研究人员指出，作为智能制造落地的一大关键组成部分，设备故障和前瞻性维护所占有的地位十分重要。监测管理高效化、运维过程无人化、设备维护自动化、技术运用多元化将很有可能成为未来智能制造领域各类设备故障维修及提前维护的重要趋势。
今后，在人工智能、云计算、大数据、5G、AR、VR等前沿技术的有力支撑下，各车间设备维护将变得更加迅速、更加有序。而保障智能制造生产、运输、包装等流程中各类设备的正常运行，将有助于产品制造的持续推进，从而更好地满足现代社会个性化、高效化制造的新要求。