智慧工廠設備智能運維研發(fā)平臺建設緊密圍繞工業(yè)互聯網領域科研和教學需求,，將復雜的工業(yè)設備數據聯網改造,、數據采集,、數據分析,、場景應用整合成軟硬件一體的All-in-One的解決方案,。從硬件設備,、實操系統、管理平臺等維度出發(fā),，兼具數據分析,、應用創(chuàng)新開發(fā)、業(yè)務數據對接等能力,。研發(fā)平臺通過構建特色業(yè)務場景提升智能制造方向科研能力和水平,，打造基于設備健康指數驅動的設備智能管理和維護平臺，采用智能聯網設備和混合數據分析,，研究工業(yè)設備預測性維護管理,，減少因意外故障導致的非計劃停機事件，維護持續(xù)安全生產,，提高設備管理效率和設備效能,，構建智能工廠，推動智能制造技術的研究和應用,。

VALENIAN監(jiān)測過程功能：振動,，溫度，電流,，電壓,，流量,，壓力，液位,，等傳感器,，或與工廠PLC無縫對接和真正意義上的智能監(jiān)測。應用層對上支持多種行業(yè)應用,，把各種垂直的物聯網應用整合成一個扁平的應用網絡體系,。實現平臺級能力開放，把平臺的能力項進行分類封裝,，按照云服務的方式提供給上層應用,，打造基于工業(yè)感知數據的數據共享和能力開放體系，賦能智慧工廠運維應用,。

智慧工廠設備故障檢測,、機理建模與診斷方法研究企基于設備健康指數驅動的設備智基于設備健康指數驅動的設備智能管理和維護，提高設備管理效率和設備效能,，構建綠色智能工廠,，即從對設備的故障和失效的被動維護，到定期檢修,、主動預防,，再到事先預測和綜合規(guī)劃管理。預測性維護已經在各行業(yè)尤其是工業(yè)制造領域得到認可并開始規(guī)模應用,。將狀態(tài)監(jiān)測,、故障診斷、狀態(tài)預測和狀態(tài)決策融合為一體,，狀態(tài)監(jiān)測和故障診斷是基礎,，狀態(tài)預測是重點，維護決策得出最終的維護狀態(tài)要求,，預測性維護是人工智能在工業(yè)制造領域的應用和實踐,。

目前企業(yè)設備管理方面存在不足與痛點：

1.傳統設備管理方法無法適應企業(yè)數字化需求；

2,、企業(yè)設備管理效率低,、效果差；

3,、設備狀態(tài)不可控,，數據孤島多，數據使用效率低,；

4,、設備運維及備件成本高；

通過AI算法,、非線性系統分析模型等對特定場景設備故障建模分析,，完成設備預測性運行維護管理,，減少因意外故障導致的非計劃停機事件,，優(yōu)化設備的利用率,。