解決 AI 應用難題——產品化
盡管 AI 成為了產業的熱點，更多的企業也聚焦于 AI 應用。但是，考慮到從數據的預處理、特征提取、模型訓練、調參等整個流程的復雜性，對于工業而言，通過工程集成將其“場景化”、“產品化”，則是它能夠發揮價值的必然實現路徑，否則，它將變成一個個獨立項目，消耗大量的工程師資源，而因此變得缺乏經濟性，而經濟性是任何先進技術能夠真正被采用的關鍵評價指標。
早在 10 年前，貝加萊已經開始通過機理建模與學習混合方式在風力發電機組、飲料灌裝設備、印刷等重值設備上開始了預測性維護的應用。經過大量的工程實踐積累，具備了將這些應用封裝為標準產品的基礎。因此，在 2021 年，貝加萊（中國）機器智能研究院（MITC）開啟對“預測性維護”技術的標準化封裝，以讓用戶能夠采用簡單的方式來實現預測性維護的應用。
機器入職前體檢與在線監測
原本采用預測性維護更多的是在設備現場運行，但是，來自眾多的領先裝備企業也提出了重要的訴求，就是，能否將這些監測技術也用于出廠前的設計、安裝、驗收階段。如圖 1，它構成了機器的完整生命周期中的服務理念。
圖 1 — M.Doctor 為機器的全生命周期服務理念
它包括了幾個方面的需求：
1 設計驗證階段：
為機器的機械傳動鏈提供測試驗證；
2 出廠檢測：
主要對機械的一致性進行驗證；
3 安裝驗收：
通過機械的測試，用可量化分析機器的運行平穩性；
4 工作階段：
隨機故障的監測，使機器處于可靠運行狀態；
5 長期運行：
長期運行的機器在磨損、關鍵機械件的損耗方面，需要早期預警；
基于此，MITC 給這個產品設計了一個比較貼切的名字 “M.Doctor”，它是指 “Machine Doctor”，它表明這是一個為機器配置的健康醫生。如果用于機器出廠前，就相當于建立了一個內部體檢中心，確保機器到用戶端的“入職體檢”合格，才會去終端用戶處上班。而到了現場運行過程中，相當于為機器佩戴了一個 24 小時在線的可穿戴健康監測手表。
M.Doctor 的設計思想
M.Doctor 按照工業 AI 及軟件工程標準化流程設計，通過數據的規范化、系統化采樣，以及對數據的標定，完成預處理及關鍵故障特征提取。經由模型訓練過程以及優化，這里采用了機器學習的分類方法，并結合電機、傳動鏈的物理模型進行優化。最終實現全面數據檢測、標定、處理、分析、報警、報表的完整系統。
圖 2 - M.Doctor 概念設計
它通過不斷的在現場各個場景中的數據樣本積累、標定，最終形成機器的“故障預測”能力，并部署于本地的 PC 系統中，由其對數據進行實時推理，并做出判斷。
M.Doctor 設計為“易用”，在機器制造現場，通過貼裝方式將傳感器部署于機器關鍵傳動鏈上的合適位置，并通過數據連接至專家系統，通過簡單的配置，即可實現對數據監測、可視化呈現、判斷、報表等功能。
硬件完整性
最早，貝加萊做預測性維護，就以振動監測為主，如表 1 所列，在各種用于故障分析的信號檢測中，振動是一個“能力域”比較寬的方法，它可以檢出多種現場的故障，如不對中、不平衡、共振、轉子/軸承損壞等等。因此，振動傳感器和振動分析模塊是最多被應用于故障分析的，它成為了 M.Doctor 的標配。
表 1 - 故障診斷常用的檢測方法
貝加萊的加速度傳感器用于振動檢測：它負責時域信號采樣，它的采樣頻率范圍 2Hz 低頻到 10kHz+/-5% 的高頻段。精度可以達到 100mv/g。
但是，M.Doctor 的設計思想在于“靈活性”、“便利性”，即，能夠在不增加成本的情況下，盡量利用系統原有的硬件資源，如溫度傳感器、總線獲得的驅動電流、或其它已有的傳感器如互感器電流、電壓等信號。
因此，M.Doctor 不局限于振動傳感器。
M.Doctor — 工具箱
M.Doctor 設計為一個便攜式的工具箱，配置了強大的硬件和智能分析軟件，可以用于機器現場的移動監測。去掉箱子，直接集成到機器控制系統中，作為機器功能的構成。
圖 4 — M.Doctor 軟硬件一體方案構成
M.Doctor 場景舉例
通過大量的現場應用，我們僅以其中幾個場景簡單描述其應用：
01 軸承預緊力不足：
由于在傳動軸上的軸承，通常會因為鎖緊力不足，而導致較多的故障進而影響產品質量，這通常因為軸承鎖緊過程中的游隙而產生。M.Doctor 通過對這類故障的信號進行模式的判別，經過多次的測試，形成對該類故障的推理能力。
該模式識別能力，可以為該類故障獲得 96.8% 的檢出率、3.8% 誤檢率以及 0% 的漏檢率。
圖 5 — 軸承預緊力
02 地腳螺絲松動：
對于高速（例如 500m/min 的印刷機）高精度的機器，細微的機器振動都會對產品品質帶來影響，如在長期的運行以及地基維護不當時，地腳螺絲的松動也會給機器帶來品質的損失。而這類故障通常不易被察覺（因為通常會將生產品質與工藝控制、機電傳動鏈的精度進行關聯），而忽視了實際上這種環境干擾帶來的問題。
通過 M.Doctor 的模式分析，以及判斷，在這類故障的識別上，M.Doctor 達到了 100% 的檢出率、0 誤檢率，以及 0 漏檢率的優異表現。
圖 6 — 地腳螺絲松動場景
03 軸承故障模式識別：
在機電傳動系統中，電機本身的轉子與定子的間隙磁場完成驅動。但這個電機系統中的軸承成為了機械的瓶頸-它的磨損、潤滑不足帶來電機的失效損耗。這個是難以避免的。
M.Doctor 通過對軸承的振動數據檢測與分析，可以獲得 98.6% 的故障檢出率、5.6% 的誤檢率，以及 0 漏檢。
圖 7 — 軸承故障模式識別
出乎意料的回報
對于預測性維護所帶來的好處，都是大家都所知道的，降低機器的非故障宕機、有效的維保計劃的制定、更長的機器壽命、更穩定的生產…凡此種種。但是，在 M.Doctor 的開發與應用中，MITC 的工程師還發現它可能還有意想不到的用處：
■ 機器安裝人員的開心時刻！
M.Doctor 在設備工廠內的安裝、調試時，還是給出了非常多的好處—如果 M.Doctor 沒有報警顯示的時候，代表機器真的裝的非常完美了，可以去用戶那里上班了。這對于機器設計安裝、現場調試人員非常開心，因為，這代表他們又完美的安裝了一臺設備。
■ 究竟什么造成了設備的品質問題？
大部分時候，現場人員容易把問題聚焦在品質分析這樣的“大問題”或者“關鍵技術”點，這當然不會有問題，但從 M.Doctor 給我們的啟發是，有時候，可能就是“地腳螺絲松動”這樣的問題，帶來的機器運行問題，而這些是 AI 在意想不到的地方告訴我們的。
■ 更聰明的機器
M.Doctor 所代表的 AI 應用真正的潛力在于，它會越用越聰明—開始，它只是告訴你有問題，而未來，它會告訴你問題在哪里，究竟是什么問題。
對它的投資，就像投資教育一樣，是高回報的！