挽救工厂每年意外停机的千亿损失，这家公司给工业设备提前“看病”｜产品观察
文｜张子怡
编辑｜彭孝秋
对于工厂而言，影响生产效率最关键的因素就是意外停机，一次停机将会造成整条流水线停止工作，造成数百万甚至千万的损失。甚至，意外停机许多时候只是比较轻微的后果，对于风电厂、化工厂和钢铁厂而言，设备故障有可能造成大型事故的发生，损失更为巨大。
中国工业如火如荼发展的数十年间，对于工业设备的监测仍以人工为主。过去，工厂的工业设备多数采用人工巡检维护的方式，工人每天定时巡检机器，发现故障再上报给维修工，维修工根据故障大小采取不同措施，进而反馈给车间主任，再汇报给工厂厂长等......这类“巡检式维护”耗费时间较长，极大地影响企业生产效率，也会产生不少隐性损失。
进入工业4.0时代后，预测性维护技术开始应用于不少工厂，然而在中国工业设备领域，其仍然是颇为新鲜的存在。
预测性维护指的是在正常运行期间进行性能监控和设备状态监控，以减少故障发生的几率。根据中国电子技术标准化研究院数据显示，2020年制造业中开始实行预测性维护的企业比例仅为14%，行业渗透率较低。
图片来源：国金证券研究所
前海慧联是国内主做“预测性维护”的初创企业，前不久获得了来自深圳高新投的Pre A轮投资。
前海慧联打造的intelliunion cloud系列智能监测系统，包含多种产品,针对不同的机组采用不同的监测方式，通过在机械设备上布置振动、温度等传感器,实时感应到机械设备关键部位的振动和其他参数的变化数据。监测结果可为机械设备性能评估、故障预示、寿命预测、计划性检修等提供技术支持，而延长设备使用寿命,保证生产安全、稳定运行。
intelliunion cloud系列智能监测系统是国内少有的可适用多个行业的预测性维护系统，且其产品全部实现国产化的自主制造。
01 罕有的大数据积累
作为初创企业的前海慧联，其intelliunion cloud系列智能监测系统最大的优势在于拥有着丰富的大数据积累，这在发展尚处于早期的工业智能运维行业中十分难得。
前海慧联总经理郑飞鸿告诉36氪，intelliunion cloud系列智能监测系统内部的大数据积累了60类规则，上万台设备故障的数据模型、囊括多种产品。
“举个例子，这个大数据积累相当于把专家脑海里的东西全部写入计算机，用排除法的方式来判断故障。60类规则里每一条规则都带着相应的故障原因，触发之后就会报警，在现场有时可能会触发好几条，会有一定的错误率，此时大数据会进行优化（指的是公司过去积累的上万台设备故障模型），两种数据同时对比分析、找出问题。大数据系统能够提高对于故障的响应与诊断速度，而且它会不断学习不同的故障问题，越学越聪明。这套大数据在国内智能运维行业是独有的，能够建立这套大数据的基础是必须有积淀，必须能拿到不同工厂工业设备的故障数据，很多企业没有这个积累，而且现在很多工业设备的数据也很难得到。”郑飞鸿介绍道。
前海慧联产品图
前海慧联的大数据积累跟其创始团队的背景有重要关系。公司创始团队来自于阿尔斯通创为实技术发展（深圳）有限公司。
天眼查工商信息显示，阿尔斯通创为实隶属于阿尔斯通电力群能源管理业务部，多年来的业务都是提供工业设备远程在线监测信息技术和产品的高科技企业，曾是中国市场最大的旋转设备在线监测和分析系统供应商，并提供世界上唯一的基于INTERNET的旋转设备远程监测技术和服务。阿尔斯通创为实曾与中石化集团、中石油集团、大亚湾核电站等大型企业建立过合作关系，为400多家企业提供了超过2000台机组的在线监测服务，阿尔斯通创为实的前身创为实创立于1998年，也是中国最早做工业设备监测信息技术的企业，于2006年被阿尔斯通收购。
郑飞鸿表示：“团队在阿尔斯通创为实都工作了十来年，阿尔斯通过去在中国做了大量工业设备监测服务业务，积累了非常多的数据。在离开阿尔斯通后，我们带着这些数据建立了大数据故障分析系统。当年阿尔斯通在国内合作的客户涉及到风电厂、火电厂、核电厂、石油化工和冶金行业，涉及多种行业，使得我们开发出的产品也适用于多个行业。”
华安证券认为，与部分发达国家相比，我国状态监测与故障诊断行业起步较晚。整个行业格局可分为三种类型：第一类，完整方案提供商，有自主研发、生产能力，可覆盖多个行业和领域，具备故障分析和诊断能力；第二类，覆盖某一细分行业的产品提供商；第三类，设备集成商和代理商，不具备生产和服务能力。
得益于过往的数据积累，前海慧联也成为行业少见的完整方案提供商。
02 智能监测系统的必要性
intelliunion cloud系列智能监测系统运行的底层逻辑在于，当机械运转时会发生振动，振动会传达着不少信息，是否运行正常，抑或某一部分在运转时已经出现问题。监测系统根据振动着的机械绘制出“心电图”，经过专业培养的看护工程师将通过观察“心电图”找出问题。
“大家一起开会，每个人的声线都是不一样的，同时说话时我的声音就会被淹没掉。机械中小故障也是如此，它会被声音淹没掉，一开始它的变化不大，我们系统做得是找到被淹没掉的声音，把它提取出来，分析它能量的大小和变化，从而提前预判出机械会在何时出问题。”
郑飞鸿告诉36氪：“只要是会振动的机械，intelliunion cloud就可以做监测。”
以前海慧联做过的案例而言，有某自来水厂高压电动机非轴伸端振动较大，对比同型号电机噪音明显。维修人员找不到故障的具体原因，前海慧联通过对电动机非轴伸端波形频谱图和振动趋势图的分析，发现某一数值的Hz之间存在较大能量，存在明显的缔造，判断出是非伸端轴承内圈存在故障，并伴有严重润滑不良。现场维修人员即对非轴伸端轴承进行更换，发现内圈确实发生严重的磨损。
可以看到，对于工厂而言，使用预测性维护技术十分有必要。该技术能够提前预知设备故障,实现预知维修，针对性维修；有效延长设备使用寿命，提高设备利用率；合理预测机械设备寿命，提升产品产量和品质；降低设备运维成本,减少备品备件的浪费，降低库存和资金占用；减少现场维修人员的工作量。
郑飞鸿表示，大亚湾核电它有8000台泵和8000台电机，一共16000台，一个人管。一般来说，一个月能全部巡检一次已经不错。某台泵出了问题，导致更前面某个压力发生变化，就可能导致整个核电站要停了，他必须逐步排查，这就太晚了。
德勤《预测性维护和智能工厂》报告显示，不合理的维护策略会导致工厂产能降低 5%- 20%，工业工厂每年意外停机而造成的损失高达5300 亿美元。
目前，前海慧联intelliunion cloud系列智能监测系统的客户主要来自于风电行业。
“我们现在来自风电行业的订单已经排到三年后了，风力发电在国内是个大趋势，风电行业对于预测性维护需求很大，我们也在重点关注这个行业，开发更多的产品。”郑飞鸿介绍称。
风电行业对于预测性维护技术确实有比较高的需求。
华安证券分析：风电机组单价较高，一般2 兆瓦以上的机组设备往往高达千万，相比一旦出现故障导致硬件损坏将带来高昂损失，对增加预测性维护监测设备带来的成本并不敏感；风电机组部署的地理位置较为特殊，通常位于荒漠、 海岸、山脉，甚至海上，维修人员难以快速到场，部件及其他资源无法及时到位维修难度、维修耗时俱高；意外停机带来的停工损失相当可观，一旦风电机组出现电机抱死事故，其带来的收益损失每天在万元以上，长期无故障运行对于存在大量民营风电行业尤为关键。
早在 2015 年，我国已经累计完成145.4GW风电机组装机量，在此后的六年间，加速完成183.1GW 新装量，截至 2021年底存量总计 328.5GW，CAGR为14.6%。从存量结构来看，运行市场超过6年的机组占比超过 44%，其出现故障的概率随着机械寿命的消耗及电气设备老化逐步放大。且由于部署时间较早，部分并未安装监测运维系统，存量改造空间显著。
图片来源华安证券研究所
据郑飞鸿介绍，前海慧联针对风电行业开发了Intelliunion Cloud WindMon 系列风机智能监测系统，包含14种产品模块可应用于风电行业的预测性维护。