贝利Bailey IMDSI14

ABB：

S800系列模块、AC800M系列模块，工业机器人备件DSQC系列、Bailey INFI 90,800xA、Advant OCS with 

Master Software、带有MOD 300软件的Advant OCS、Freelance - 应用于流程工业的分布式控制系

统、Symphony Melody、Satt OCS、Symphony DCI System Six、Harmony/INFI 90、安全系统等。

主营PLC可编程控制器模块，DCS卡件，ESD系统卡件，振动监测系统卡件，汽轮机控制系统模块，燃气发电机备件等

这套分析系统的核心被称为非嵌入式设备能耗诊断分析模块(Nonintrusive Energy-based Machine Performance Analytics,EMPA)，能耗信号输入到 EMPA 模块后，经过分析流程，针对固定时间固定动作、动态时间固定动作以及动态时间动态动作等不同设备属性开发了相应的分析模块。其分析步骤可以大致分解为以下几部分：

步骤 1：分析模块读取传感器读入的原始数据，并对原始数据按照负载循环进行自动识别和分割。数据分割可以按照信号周期性出现的特征，比如功率的峰值、零交点等。对于工业生产系统而言，由于设备一直在不停地生产同样的产品，每一个负载循环的功率和能耗曲线应该有很大的相似性，因此可以根据这些曲线中的相似点进行数据分割。

步骤 2：对在步骤 1 中进行分割后的信号进行特征提取，将原始数据映射到特征空间。特征提取是指从传感器信号中提取能够反映信号特性的一些量值，此方法中主要包括时域特征。信号的时域特征主要包括均值、每个步骤的总能耗、总能耗与预期值的偏差、能量最大值、均方值、峭度、偏斜度以及信号熵等。

步骤 3：对提取的特征矩阵进行降维处理，目的是为了去除点特征矩阵中的冗余，在保证方差最大情况下将尽可能地去除特征之间的相关性。常用的数据降维手段包括K-L变换、主成分分析等数据降维的手段。

步骤 4：基于最新获得的信号特征矩阵，基于计算设备当前状态与健康基线状态的偏差对设备的衰退状态进行评计，从而量化设备衰退程度。

步骤 5：在获得设备衰退状态信息之后便可通过强化学习的机制选择不同设备衰退状态下合适的预测模型，从而进一步预测设备特征空间的未来发展趋势。

步骤 6：当设备的健康值超过了控制范围，或是所预测的未来健康值在未来设定时间内超过控制范围，系统将产生相应的预警提示。

案例分享

　　日本某自动化控制及电子设备制造厂商掌握着世界领先的传感与控制核心技术。在工业自动化控制系统领域中，产品系列包括各种传感器和监控设备，并涉及生产线与建筑物的管理工作，可以及时获取生产线上各工业机械的能源消耗数据，实现对工业机械的性能监控。用能企业通过分析和利用所获得的能源监控数据，可以减少生产线运行过程中所消耗的能源。

　　在与美国智能维护系统中心(IMS)的合作中，该厂商开发了KM100系统，这是由一种节能的、小型化的电量监控器所构成的系统，可测量并显示生产线中各工位各机械设备的初始电压、电流、累计电量、无效功率、功率因数和频数等，并在本体中存储测量数据，在通信网络中进行集中监控管理，可以轻松实现节能信息的获取和监控功能。

　　另外，在商业模式的创新方面，该日本企业采用赠送设备、退税提成的方式，与客户共享能源精密管理所带来的经济效益。如果直接销售KM100产品所产生的利润并不高，如果将产品免费赠送给具有生产线的工厂，通过及时监控和分析数据帮助生产线实现节能，然后根据该生产线每年节能退税总额进行提成。由此，免费赠送的方式可以鼓励生产线使用该产品，也为企业带来了很大的收益，在提升能源使用效率的同时实现业务的开发和拓展