传统设备管理一般以事后维修、周期性预防维修为主，可以在一定程度上满足设备管理要求，同时也会出现员工疲于设备抢修、惯性维护等情况，在设备突发性故障判断方面有明显不足。
力控的设备诊断及预测性维修服务，通过单设备数据建模、分析和诊断，对设备历史数据进行训练和提取特征，以达到设备故障的精准预测。对各种异常状态或故障状态做出诊断，预防或消除故障，为设备运行提供必要的指导，提高设备运行的可靠性、安全性和有效性，将故障损失降低到最低水平。
应用架构与特点
力控设备诊断及预测性维修服务可接入各类工业设备、探测装置、智能传感器，采集设备温度、振动、压力和视频图像等相关数据，对不同状态下的设备数据进行分类标记，通过业务编排整理训练集，并入库存储。
训练集按照单设备、同类设备两个维度训练形成健康诊断模型，基于设备实时数据采集和训练模型进行故障预测，提前发现并提醒设备运转过程异常，实现设备预防性维修，保障生产安全，避免因设备故障产生安全隐患。
- ?基于机器学习算法和模型，分析评估设备健康状况，实现预防性维护；
- 提供实时的设备健康状态监测，提前发现并解决潜在安全隐患，有效减少设备安全事故的发生；
- 避免或减少设备的连锁损坏，延长设备使用寿命，减缓备件消耗；
- 当检测到潜在问题或异常时，系统会通过短信、邮件、应用程序等方式发送报警通知；
- 保障产品质量，有效防止设备引发的质量问题或批量报废，避免生产过程中出现大规模次品或质量下降；
- 根据预测模型，提前规划维修时间和资源，最大限度减少设备停机时间，缩短维修时间、降低费用，可提前制定解体修理计划。
应用案例
某煤炭开采设备管理和健康诊断智能运维服务平台
项目背景
某煤业股份有限公司经营煤炭开采、洗选、加工生产业务，现场设备状态关乎企业生产成本和效益，目前该集团设备管理以事后维修为主，缺少设备诊断，对生产中的核心、重点设备无法做到工况实时诊断、故障快速定位和及时预警预测。
解决方案
系统以力控FinforWorx一体化生产管控平台为基础，集成了设备管理、报警服务和设备诊断服务等力控工业APP，通过企业级实时历史数据库pSpace实现设备数据采集与存储，依托于智能算法开展历史数据标记、训练，生成设备各工况训练集。结合设备实时数据和训练集，实现设备实时工况诊断、设备异常预警和故障快速定位等功能。
应用价值
