基于邊緣計算的預測性維護系統在鋁加工行業的探索與實踐

劉吉洲

（廣西華昇新材料有限公司，廣西防城港 538000）

隨著工業技術的不斷發展和創新，制造業正逐漸邁入智能化和數字化時代。鋁加工行業在生產過程中面臨著設備故障、能耗管理及提升生產效率等多重挑戰。傳統的維護方式通常是基于固定的維護計劃，難以適應設備狀態的動態調整與變化，導致生產效率低下，維護成本過高。而基于邊緣計算的預測性維護系統，則為解決這些問題提供了全新的思路和技術支持。近些年，邊緣計算已陸續在不同工業領域實施落地，如基于鋁加工企業原有的數據平臺，形成計算能力更強的邊緣云，開發多樣化的邊緣應用，將其作為云計算的補充。通過實時采集、處理和分析設備數據，結合先進的機器學習算法，預測性維護系統能夠更準確地預測設備的健康狀態，及時發現潛在問題，并為維護人員提供精準的維護建議，從而最大程度減少生產中斷，降低維護成本，提高生產效率。

1 邊緣計算賦能預測性維護系統架構

預測性維護是工業大數據和人工智能結合落地的重要應用模式，是推動傳統制造業向智能化發展的重要轉變。預測性維護在邊緣端的主要需求有功耗控制、終端管理、云邊協同、工業安全防護等。

邊緣計算在此架構中賦能了實時數據采集和處理，允許系統更及時地監測設備狀態、預測潛在故障，并生成維護建議。這種架構通常還包括云端組件，用于存儲歷史數據、遠程監控和管理。

邊緣計算賦能預測性維護系統架構，由邊緣網關承擔更多工作，在云端，設備信息管理功能的主要任務是對接入的設備進行有效管理。終端狀態的維護僅限于提供視覺呈現功能。故障診斷結合專家系統的復合診斷，顯著提升了診斷效率。安全加密是邊緣網關承擔的重要功能，并負責保證從邊緣網關到云端的數據安全，典型系統架構，如圖1所示。

圖1 典型邊緣計算賦能預測性維護系統架構

2 關鍵技術

2.1 邊緣網關堆棧

邊緣網關堆棧是指構建邊緣網關所需的軟件和硬件組件的堆疊。其連接了物聯網設備和云端系統，使得預測性維護系統能夠實現實時監測和響應。堆棧設計向下能夠兼容各物聯網終端，支持ARM 與x86系統，并配備了多種通信接口，確保與各種設備的兼容性。

2.2 邊云協同及邊邊協同

基于邊緣計算的預測性維護系統的重要特征在于充分利用邊緣設備的計算能力，將一部分工作從云端轉移到邊緣，同時確保邊緣與云端間的有效合作，以避免不必要的數據傳輸路徑，從而顯著提高了生產效率。其中，實現數據互聯互通是最大難點之一，通常，數據的互聯互通依賴于通信設施的建設、統一的數據互聯互通標準和標識體系及OPCUA 等關鍵支撐技術。

2.3 邊緣安全

邊緣計算環境包括物聯網設備、邊緣網關和其他分布在網絡邊緣的計算資源。由于邊緣計算涉及物理設備和網絡，因此其面臨一些特定的安全挑戰和考慮因素。隨著區塊鏈技術的發展，邊緣安全迎來了全新的解決思路。區塊鏈是一種分布式賬本數據庫，其去中心化的特性使得數據安全性大幅提升，因為數據存儲在多個節點上，沒有單一攻擊入口。將這些設備改造成區塊鏈的記賬節點，通過智能化改造和增加閃存等方式，將它們納入區塊鏈系統。這將導致系統規模的急劇擴大，但也為數據的多方交互提供了堅實的基礎，從而顯著增強了邊緣安全性。

3 鋁型材加工設備常見故障診斷

擠壓機是用于生產各種形狀的鋁型材的設備。在擠壓過程中，可能會出現一些故障導致設備停頓、生產癱瘓。目前大多數鋁型材制造企業，針對關鍵設備的故障，采取的都是以事后診斷維修為主的被動式維修方式，但從長期實踐來看，該種診斷方式難以滿足設備智能保障和維修優化的現實需求。

目前，應用較多的智能故障診斷方法有基于信號的故障診斷和基于模型的故障診斷。基于信號的故障診斷及運維方式，需要額外在設備關鍵零部件上加裝大量傳感器，獲取如振動等信號，這不僅增加了運維的成本，也給生產現場管理帶來了挑戰；基于模型的故障診斷方法也存在一定弊端，這主要是因為擠壓機設備結構復雜、系統間相互影響，很難精確構建設備模型，實際應用效果并不理想。基于邊緣計算的預測性維護系統具有更好的響應速度、更高的實時性、更低的成本以及更好的適應性和安全性，適用于多種應用場景。

4 基于邊緣計算的鋁型材加工設備預測性維護系統總體設計

4.1 需求分析

4.1.1 系統目標

為解決上述問題，文章提出一種基于數據驅動的擠壓機設備預測性維護系統，針對擠壓機設備運行狀態進行深入分析，確定擠壓機的主要故障類別和影響因素。根據擠壓機異常原因分析，提取對故障變化敏感的特征參數，設計數據采集模塊進行特征參數采集。在此基礎上構建故障數據集和智能故障預測模型，并以各類故障統計數據為驅動進行模型訓練，進一步完善模型。通過對擠壓機設備進行實時監測，提前預警具體故障，最終實現基于數據驅動的擠壓機智能故障運維新模式。

4.1.2 功能需求

（1）數據獲取。數據采集是前提，高質量的數據源是重要基礎。當成功采集到了擠壓機設備的運行狀態數據，接下來的關鍵是確保將這些數據從傳感器準確、及時地傳輸到邊緣設備，以進行后續的數據處理工作。

（2）數據處理。對原始數據進行優化與變化，再將預處理后的圖像作為輸入，進行故障預測及診斷等工作。

（3）數據上云。將數據上傳至云端是邊緣計算和云計算間相互協作的關鍵步驟，以實現它們的協同優勢并發揮最大效益。

4.2 總體架構設計

基于邊緣計算的鋁型材設備預測性維護系統劃分為4 層：數據感知層、基于OPCUA 的網絡通信層、數據處理層、系統應用層，整體框架如圖2所示。

圖2 基于邊緣計算鋁型材加工擠壓設備預測性維護系統框架

4.2.1 數據感知層

數據感知層是整個邊緣計算系統框架的最底層，鋁型材加工設備常見的狀態特性指標包括電流、電壓、功率、溫度、振動等指標。文章所涉及的基于邊緣計算鋁型材加工擠壓設備預測性維護系統通過傳感器采集設備在運行過程中產生的各類信號，一旦發生問題需維護時，信號特征會發生改變，差異明顯的特征曲線為技術人員提供了便利，并基于此進行后續的故障預測及診斷等研究。

4.2.2 基于OPCUA的網絡通信層

網絡層肩負著承上啟下的重要使命，向下聯通機械設備，向上連接數據處理層，數據在其層內是雙向流通的，若指示燈亮、發生警報，警報器響起，緊急停機指令通過網絡通信層傳回工業現場。

硬件系統采用的是安徽容知日新嵌入式設備，作為完成云下沉的計算、存儲、分析等功能設備，采用RH2000智能網關來進行網絡連接與協議轉換；軟件系統層面，OPCUA 協議代表了OPC 基金會對原有OPC協議的升級和優化，其構建了一個通信統一架構，旨在很好地滿足基于邊緣計算的鋁型材加工擠壓設備預測性維護系統的實際需求。OPCUA 具體優勢為：①統一性。通用接口集成了所有OPC 的特征和信息，如DA、HAD 等，接口更加統一，使用便捷。②兼容性。能夠同時兼容各類操作系統，具備一致簡單的接口和操作方式，這使得配置和使用變得更加簡便，優化了用戶體驗。③安全性。協議與應用層全部都集成了更強大的安全措施。

本系統采用客戶端—服務器模式（C-S 模式），在這種模式下，客戶端具備從服務器讀取所需數據的能力，同時也能將數據寫入服務器，實現雙向數據傳輸的功能。

4.2.3 數據處理層

數據處理層位于邊緣端，集成了可用的計算和存儲資源，并承擔了運行核心算法、進行數據預處理及執行復雜數據分析操作的重要任務。將數據處理分析過程下遷到用戶邊緣端，直接在源頭對數據加工并及時對設備進行反饋，節省了數據傳輸時間，降低了云中心壓力，減少邊緣計算資源的浪費。

4.2.4 系統應用層

系統應用可將經過邊緣計算處理的數據上傳至云端，以便進行進一步的數據挖掘和備份等操作。其還具備在本地展示數據、觸發警報以及向技術人員發送提示信息等功能。文章針對基于邊緣計算的鋁型材加工設備擠壓機預測維護系統進行以下幾個方面的應用。

（1）故障預警。根據擠壓機設備特征參數，如壓力、溫度、流量、擠壓速度、油箱油位等特征參數，通過傳感數據進行實時分類，若發現異常，則提前發出異常警報，提醒技術人員對設備進行處理。

（2）故障診斷。設備每個部位發生損壞都會使得參數發生異常，可以根據采集到不同數據特征將故障位置進行具體定位，在數據中心找到相對應的故障數據；按照擠壓機的故障分類，從擠壓機故障歷史數據中搜集每種類別故障的數據。

（3）維修決策。維修決策層依據上述故障診斷的結果，為維修人員提供規范且切實可行的維修建議。

（4）其他方面。該系統具備將診斷結果和數據實時上傳至云平臺的能力，以便進行簡單的數據存儲、備份。

5 結束語

邊緣計算為鋁加工行業的預測性維護技術帶來了巨大的潛力，邊緣安全是實施邊緣計算預測性維護系統的關鍵因素。在采集、傳輸和處理數據的過程中，須采取適當的安全措施，以確保數據的隱私和完整性。隨著技術的不斷發展，基于邊緣計算的預測性維護系統可為鋁加工行業的可持續發展提供有力技術支持，企業應積極運用這項新技術，進一步改進和優化預測性維護系統的性能與效益，推動鋁加工行業朝著更智能、更高效的方向前進。