新一代电机预测性维护与传统状态监测、故障诊断是一回事儿吗？

工业领域设备智能管理运维被视为重要的应用场景，万物互联时代已经到来。

设备管理理念逐渐丰富完善，从早期的事后维修，到事前的预防性维护，再到现在的预测性维护
；管理手段也丰富多样，早期的离线点检、巡逻到现在的在线远程监控、在线故障分析诊断
；

早期依靠经验，需要设备专家作出复杂分析判断，到现在依靠数据智能，自动输出分析结果。

比如状态监测、故障诊断、预测性维护，让人容易混淆，各自区别在哪里呢？

状态监测，是指对机器状态参数（如温度、振动等）进行采集，直接根据参数阀值变化（比如电机振动是否过高而超标）判断机器是否有异常
；

故障诊断是判断设备故障出现的位置、设备故障类型和引起设备故障的原因
；

预测性维护是采集状态参数基础上，通过对采集到的设备状态参数深入分析，进而提前及早的发现设备异常，并判断当前到设备失效（设备状态出现明显偏差，带来明显损失）的时间间隔，从而采取及时维护措施提前干预
；

拿人的身体健康状态作个不太恰当的类比，状态监测有点类似监测人的血压是否过高，心跳是否过快等，故障诊断有点儿像给病人看病，找出病症和病因，而预测性维护类似对人的心跳数据采集后预测心跳是否有疾病，同时未病先治！

传统的状态监测和故障诊断，主要针对大型旋转设备，也包括大型电机，通过有线方式采集电机的振动等数据，将现场原始数据远程同步到监测中心，通过监测针对阀值判断电机是否出现故障 ，进一步通过专家经验分析故障。这样做有不小的局限性：首先，传统的有线采集无论是硬件成本和现场的安装部署成本都很高
；其次，将现场原始数据远程同步到监测中心，是很消耗流量的，数据存储压力也很大
；再次，通过阀值预警，本身就存在漏报的情况
；最后 ，人工经验判断对人的依赖性大，难以普及。

而近些年提供的预测性维护，广泛借用物联网、人工智能、边缘计算等技术，通过MEMS、无线方式采集数据，在边缘端通过算法将原始数据清洗和预处理，云端智能算法建模，提前预判设备故障，同时专家系统部分替代工经验，整套方案具有轻量化和性价比优势，能在更多更广泛的工业场合应用，使设备生产商、设备服务商以及设备运营商不同程度受益。

同时，预测维护的商业模式上，采用SAAS模式，和客户不是一锤子专卖，对客户更加友好，可以说预测维护和传统的状态监测、故障诊断更像是不同的特种eat365公司的一款LDT-DJ20系列电机故障检测仪也能满足故障电机故障的分析检测。