随着全球数字化技术的不断崛起，大量工业厂商正在将目光投向ICT及软件技术，希望通过软件的数字能力固化原有在生产中所产生的“经验型知识”，寻找可以达到创新作用的参数，以实现稳定、高效的生产结果。
这种将生产经验转化为数字化的创新，往往栖身于供应链内部，而日常的运维工作其实也是这种“经验型技术数字化”的着床之地。
7月8日由朋禾智能主办，机械工业仪器仪表综合经济研究所（简称仪综所）协办的工业预测性维护标准宣贯与智能运维高级培训上海站活动于上海张江中兴和泰酒店举行。经过两年稳步发展的工业智能运维高级培训学员有了稳定的规模，并不断扩大，值此进入了蓬勃发展阶段。
工业预测性维护标准宣贯
工业预测性维护国标制定的讲解是学员一直以来最关注的课程，也是本培训最核心的内容之一。作为国内IEC63270《工业自动化设备和系统预测性维护》国际标准编委之一，来自仪综所的王成城主任讲授了智能制造催生的业态分布、预测性维护技术分、及预测性维护标准体系与关键标准等三个方向的内容知识。王成城主任特别强调了预测性维护标准体系，并对工业互联网三层架构、工业现场的基础层（传感器）、功能层（控制）、应用层（计算及软件）的相关标准和接口情况进行了详解。
仪综所工程师王凯进一步以实例的方式详细介绍了国内外企业工程应用中预测性维护技术的实践案例情况，其涵盖了机械制造、风电、石油石化、水泥、电力、船舶、工程机械等七大行业；并同时介绍了仪综所智能制造产线及合作伙伴生态。
来自恩艾仪器的亚太高级市场经理郭翘，从数据采集入手，介绍了多种现场总线协议中的采集方法，涵盖Modbus，Profibus，OPCUA；通过cRIO设备接入TSN网络打通控制系统与信息系统之间的沟通，以及在SCADA等系统实际运行中的案例。并利用可靠的数模转换和NI边缘计算工具包实现故障特征的提取，找出旋转机械中的故障点。
仪综所标准化研究室 王成城主任
仪综所标准化研究室 王凯博士
上海恩艾仪器亚太区高级市场经理 郭翘
西门子（中国）有限公司 数字化中心（工业4.0）研发中心总监吴文超博士介绍了西门子SIEPA平台的特色，并讲解了如何在弱监督的情况下，设备以小样本的形式完成特征工程和智能推理，实现准确的故障智能诊断。通过将故障现象与解决方案相连的方法不断推演扩大故障库的积累。
上海电气中央研究院的谈宏志集中对风电行业以及高价值资产行业中的预测性维护发展情况进行了相关介绍，并从设备健康指标三大种类、设备健康标准、故障识别等角度详细介绍了风电行业的相关设备的维护流程及方法。
来自西安交通大学的赵明老师，从学术的角度对不同行业不同工况下的设备数据及波形特点进行了分析，并对复杂机电装置的预测行为前沿技术手段进行了总结性介绍，如何通过人工智能的技术利用神经网络和卷积层原理在多种工况下对齿轮、轴承、机床等部件采取高数据量采集并对形成的大数据进行工件损伤解读。
在Demo演示环节，朋禾智能工程师吴兆勇展示了轻量级工业健康管理与预测性维护SaaS平台，并针对机械设备预测性维护的综合情况进行了逐一分析。
西门子（中国）有限公司 吴文超博士
上海电气中央研究院高级项目经理 谈宏志
西安交通大学 赵明
朋禾智能解决方案工程师 吴兆勇
线下实践参观
参观环节，学员们再次来到了上海临港同济大学工业4.0示范基地，在这里体会到了智能制造产线，并对柔性化生产有了一定的认识。
随着未来的学习内容和宣传渠道都将不断扩大，智能运维系列更多精彩的课程内容会陆续推出，敬请广大学员安心期待。
