大数据如何对大型设备进行故障预测及健康管理的？

在制造业生产线上，工业生产设备都会受到持续的振动和冲击，这导致设备材料和零件的磨损老化，从而导致工业设备容易产生故障，而当人们意识到故障时，可能已经产生了很多不良品，甚至整个工业设备已经奔溃停机，从而造成巨大的损失。

如果能在故障发生之前进行故障预测，提前维修更换即将出现问题的零部件，这样就可以提高工业设备的寿命以及避免某个设备突然出现故障对整个工业生产带来严重的影响。随着工业4.0的到来，智能工厂的工业设备都配上了各种感应器，采集其振动、温度、电流、电压等数据显得轻而易举，通过分析这些实时的传感数据，对工业设备进行故障预测将是一种行之有效的措施。

因此设备故障预测方案成为了制造行业所青睐的解决方案，其具备的核心功能有：

• 故障超前预警，减少设备停机时间；

• 分析结果实时推送，减少人工成本；

• 适用于企业各种类型的设备，通用性强。

本次就设备故障预测方案分享一个落地的案例，就案例本身的效果来为大家介绍他的核心功能和实现的应用价值。

项目背景：

该客户主要是已开发、设计、制造、销售汽车及汽车零部件（包括新能源汽车及其电池、电机、整车控制技术）、电子电器、金属机械、铸金锻件、粉末冶金、设备、工具和模具的一家汽车制造商公司。在整车生产过程中，需要利用冲压设备将钢板锻造成型，冲压设备故障