企业官网建设流程全解析

一套 1998 年就上线的在线监测系统，用了几年后可靠性下滑；重做之后，累计省下约 3.5 亿新台币的损失。

轧机产线上的状态监测传感器与诊断仪，界面显示设备健康趋势

01 挑战：告警不是太少，是太多

在一家大型钢铁联合企业里，设备非计划停机的代价很高。要做设备状态监测（MCM），绕不开一道权衡：监测装置的投入，和意外故障带来的损失，哪个更划得来。此外还要看哪些是关键设备，以及它们维护起来的难度。维护管理者能实时掌握关键设备的状况，这本身就是一种竞争力。

第一套自研的设备在线监测与诊断系统，1998 年就装到了产线上。最初几年，它对轧机振动一类的监测表现不错，但几年之后可靠性开始下降，软硬件功能也比较有限。

最大的挑战不是"测不到"，而是怎么在早期发现异常，又不制造大量误报。振动是个相对性指标，受系统或结构的动刚度与传递特性强烈影响。现实中很常见的情况是：两台同型号设备，位置相近、工况相近，运行几年之后振动水平却不一样——比如两台运行状态都正常的相同冷却风机。

传统监测诊断系统的做法是，用同一套、或者极少数几套指标和判据，去覆盖各种设备的状况，并不区分设备本身的运行性质。结果就是误报和漏报都躲不掉。更麻烦的是，被监测设备种类多、运行工况复杂，又分布在众多工艺产线上，想只靠少数几位诊断专家撑起来，并不现实。

02 转折：把"判据"换成"行为"

思路转变发生在这里：要提高监测诊断系统的有效性和效率，最好的办法是引入人工智能方法。

新系统的核心是"基于设备行为"，而不是沿用传统方法论，并且是一套自学习系统。为了从振动信号里提取有用的状态指标，系统把被监测设备的运行上下文归成了四类模式：恒速稳定负载、恒速变负载、变速变负载、往复运动。数据提取由六个分析模块完成；为了拿到更好的自诊断精度，每个模块都会同时采集多个相互关联的状态信号做数据融合。

还有一点值得注意：如果设备发生了某种特定故障，分析模块可以借此提升系统智能和故障识别能力。也就是说，这套系统能自己长本事，大量数据被自动转换成可用于状态监测与预后技术的、可执行的信息。

03 方案：软件定框架，硬件可切换

软硬件架构的设计出发点都是最大灵活性，目的是让各种故障诊断与检测算法都能落地。

系统软件用 LabVIEW 编写，由诊断中心、邮件设置、基线设置三部分组成。硬件则可以选用 PXI 或 CompactDAQ。这套架构有几个特点。

灵活实施——选好所需的分析模块，系统就能投入监测与诊断。诊断规则可自定义且能累积，软件是模块化结构。信号处理与分析函数丰富。还有虚拟测点的概念：一个物理传感器，可以通过多个虚拟测点完成多种测量。基线设置让设备状态可以靠多个指标、观察振动信号的多样变化来判定；多维基线与报警设置，则基于运行工况和设备行为，用统计分析或专家诊断建立。

报警环节做成自动故障编码与报告：报警信息每天通过公司邮件系统，发送到预设的邮件组。

一个具体例子能说明基线的价值：某高速加工精轧机的主电机冷却风机，从整体趋势上完全看不出劣化迹象，但高频段加速度在 7 月初已经抬头。到 11 月初，电机轴承的功能失效被确认。

04 结果

系统会依据设备的运行工况和动态行为，采用专属的数据采集与分析模块，模块内内置特定的诊断算法。换来的不只是早期预警和精确诊断，维修流程本身也变得更省钱：停机次数减少，计划性维修变多，对设备综合效率（OEE）是正向的。

在轧线上有几个例子。为提升产能，2004 年在高速加工精轧机上引入了 SSP。锻造钢坯时的高冲击和磨耗，会让设备提前损坏——同类的 SSP 出现过的严重损坏，包括主梁断裂、同步器轴承卡死、同步轴断裂。这套系统投用后成功预测了多种失效模式。2010 年，锻造过程中检测到三块滑板的磨耗，这个失效模式随后被频谱分析和现场检查确认。用户可以放心地追踪这件事，并决定在计划检修时更换零件。系统还在用于追踪劣化速率，对比滑板替代材料的性能是否更好。2010 年 8 月新滑板装上去之后，冲击振动得到缓解，整套 SSP 的寿命大幅提升。

另一个例子是主轴与齿轮座之间的齿式联轴器花键。在持续的穿带冲击和高传递扭矩下，花键间隙扩大会加速微动磨损，而磨损过度可能让联轴器套筒断裂，带来巨大的产量损失和高额维修成本。这个失效模式通过振动波形和 STFT 分析被识别出来，所需的维修提前量大约是两个月。

整体算下来，这套系统帮助节省了约 3.5 亿新台币，也凭借高 OEE 和出色的预测性维护实践，拿下过行业国际组织的卓越奖项。

05 这类项目能给我们什么启示

先算清误报的代价

监测系统真正的成本不在传感器，而在误报之后有没有人去核实。立项时就该问清楚：一条误报从产生到闭环，要走几步、花谁的时间。

判据要跟着工况走

同型号、位置和工况都相近的两台设备，几年后振动水平可能不同。用一套固定阈值去套所有设备，漏报和误报都躲不掉，按运行模式分类是更省事的路子。

把"虚拟测点"当成设计习惯

一个物理传感器拆成多个虚拟测点，意味着后续想加一种测量时不必再动现场。前期在软件侧多留一层抽象，后期改造成本能省很多。

报告要送到人手里

诊断结果再好，没有人看到就等于没有。把报警编码后定时推到固定的接收组，是把技术能力变成管理动作的最后一步。

06 写在最后

预测性维护真正的价值，不是多装几个传感器，而是把"被动抢修"变成"有计划地换件"。这中间隔着数据采集、特征分析、基线与报警这条完整链路，也隔着现场工艺知识的沉淀。我们在工业现场的状态监测与诊断系统上做过落地。

我们专注 LabVIEW 软件开发与测试测量系统集成，从硬件选型、方案设计到现场交付调试，提供一站式服务。像这类设备种类多、工况复杂的在线监测与诊断系统，难点往往在软件架构和分析模块的可扩展性上，这正是我们擅长的部分。有需求欢迎在评论区留言；身边朋友有类似项目，也欢迎帮忙引荐。