10月31日，西人马预测性维护平台入围联通物联网公司创新业务预测性维护项目产品库。
▲ 联通物联网公司合作伙伴(第三批)公开招募结果公示
▲ 西人马进入联通物联网合格供应商名单
此次入围，是西人马“端-边-管-云-用”物联网一体化解决方案在实际场景下的应用，体现了“端-边-管-云-用”战略在不同行业不同应用场景下的适用性。
目前，制造业变革与数字经济浪潮交汇融合，云计算、物联网、大数据等信息技术与制造技术、工业知识的集成创新不断加剧，工业物联网平台应运而生。
在工业4.0来临之际，传统行业逐步向智能化转型，如何解决工业物联网一体化方案的需求，西人马给出了自己的答案：“端-边-管-云-用”物联网一体化解决方案，从感知层、边缘计算层、网络层、云平台和用户层进行布局，建立工业物联网生态系统。
感知层是物联网一体化解决方案的核心，以西人马自主研发的传感器进行感知。西人马是一家芯片IDM公司，具备芯片和传感器材料合成、设计、制造、封装和测试全方位能力，目前西人马已经研发生产出包括压力类、加速度类、滑油类、光学类、红外类等芯片及传感器，广泛应用于民用航空、能源、医疗、交通及工业设备的控制与监测。
智能边缘计算是物联网一体化解决方案的枢纽，包括数据采集和数据计算。一方面通过构建一套能够兼容、转换多种协议的技术产品体系，实现工业数据互联互通互操作，另一方面通过部署边缘计算模块，实现数据在生产现场的轻量级运算和实时分析，缓解数据向云端传输、存储和计算压力。
网络层：保证了数据能够通过4G/5G、有线等通路进行快速传输。
云平台及交互：建设工业PaaS平台，逐步完善行业算法和模型库。构造满足工业实时、可靠、安全需求的云平台，将大量工业技术原理、行业知识、基础模型规则化、软件化、模块化，并封装为可重复使用和灵活调用的微服务，降低应用程序开发门槛和开发成本，提高开发、测试、部署效率，为海量开发者汇聚、开放社区建设提供支撑和保障。
用户层：围绕多行业、多领域、多场景的云应用需求，通过对工业PaaS 层微服务的调用、组合、封装和二次开发，开发形成面向特定行业特定场景的工业APP。客户可通过PC端、手机APP、显示屏等不同终端实时掌握监测情况
▲西人马“端-边-管-云-用”物联网一体化解决方案
西人马“端-边-管-云-用”物联网一体化解决方案是工业物联网领域的通用解决方案，有很强的可扩展性，能够通过自身的优化调试解决不同行业不同场景的应用需求。此次入围联通物联网公司创新业务预测性维护项目产品库的预测性维护平台就是西人马工业物联网生态的重要组成部分，关注的是工厂设备的智能运行和维护。其功能框图如下：
其中数据采集层对应“端-边-管-云-用”中的“边”，数据计算层对应“云”，数据应用层对应“用”，“边”、“云”、“用”串联起该场景下的所有需求。
这套预测性维护平台能够给予工厂设备日常巡检维护数据化、可视化的体验及支持，能够实现多重功能：
1)综合分析
实时收集传感器采集的振动数据和工艺数据，通过通讯协议收集来自PLC, DCS ,SIS系统的工艺数据，监测系统可以全自动地连续记录各机组的运行状态。数据可保存5年以上。系统全自动化，不需要状态监测方面专职人员维护和诊断，系统可以按照要求定期自动生成机组运行状态报表供生产、设备人员参考，并可指导设备检修。
2)智能报警
可对表征机组运行状态的各种监测量(振动，轴位移，键相，温度，压力等)进行自动报警。实现对各种监测量快变、缓变、趋势、波动情况等统计信息以事件触发的形式自动触发报警。并实时根据机组运行情况通过自适应学习调整各种报警及事件触发的门限值，真正实现对机组运行状态有效数据的无遗漏、无冗余、快速准确记录。从而为早期故障预报及故障诊断提供依据。
3)智能诊断
通过机器自学习方法及人工智能技术，建立机组模型。对设备各类故障进行初步及精确诊断。
4)趋势预测
通过机器自学习方法及人工智能技术，建立机组模型。对设备发生故障进行提前预测。减少非计划停机时间。
5)机器自愈
人在感冒发烧可以自愈，机器同样可以自愈，通过大量机组运行数据累积，与生产系统联动，延长设备使用寿命。
6)协同优化
通过大量机组运行数据累积，与MES ERP SAP等系统联动，实现生产协同优化。
7)能耗优化
通过大量机组运行数据累积，与生产系统联动，优化能耗。
8)APP交互
提供客户交互界面。
预测性维护平台能够帮助客户提升设备可靠性、降低定期检修频次、缩短MTTR(平均修复时间)、大幅度减少非计划停机、降低维护成本和劳动强度、延长设备的使用寿命，最终提高企业的综合经济效益。
目前，西人马“端-边-管-云-用”物联网一体化解决方案已在风力发电、民用航空、工业监测、电梯等领域实现了应用，并且还将在更多行业及领域实现应用价值，帮助客户不断推动智能化进程，西人马“端-边-管-云-用”物联网一体化解决方案将在越来越多的场景中焕发出无限生命力。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
