智能制造典型场景是智能工厂的基本组成单元，为指导企业掌握工信部《智能工厂梯度培育行动》涉及的40个智能制造典型场景的核心思想，现对每个典型场景进行解读。智能制造典型场景参考指引（2025 年版）原文，27.生产作业-设备运行监控：面向设备运行数据采集、状态分析、集中管控等业务活动，针对设备数据全面采集难、统一管理难等问题，部署设备运行监控系统，集成智能传感、工业协议转换、多模态数据融合等技术，实现设备数据实时采集、状态分析、异常报警、远程操作，提高设备运行效率。
设备运行监控典型场景解读：
一、概念定义
设备运行监控是工业互联网和智能制造的核心基石，强调 “实时” 与 “预测” ，通过在设备上安装传感器实现设备数字化，应用数据采集工具、软件系统，以及物联网（IoT）、大数据分析等技术，实时采集设备运行数据，结合算法模型对设备状态进行监测、分析和预警，实现从“事后”到“预防”的主动管理模式转变，优化设备维护策略、降低故障率并提升生产效率。其核心目标是实现预测性维护和智能化管理。
二、设备数据采集维度
众多设备运行监控解决方案主要是通过设备PLC采集设备状态数据、设备故障及报警信息，个人认为更重要的应该是采集影响产品质量的工艺参数信息以及工艺记录数据自动采集，最好编制《设备数据采集标准规范》，指导企业开展设备数据采集方案设计以及报价。如下图所示，设备数据采集维度应包括以下四类：
第一类：设备功耗参数。主要指用于设备性能指标分析需要采集的数据，即：设备效率（OEE）设备利用率、能耗等模型需要采集的数据，包括设备开关机状态数据、加工时间数据、电压、电力等直接反映设备运转状态的数据。
第二类：影响质量的关键工艺参数。主要指关重工序设备或关键设备。关重工序设备按照质量管理的关重工序清单确认即可，难点在于如何确认关键设备中的哪些参数影响产品质量，如果企业推行 TPM（全面生产维护）活动的话，一般在第四阶段会开展影响产品质量的关键设备参数点检；不同行业影响产品质量的关键工艺参数差异较大，应由工艺技术人员、质量技术人员共同确定。一般影响产品质量的关键工艺参数如下：
1）温度参数。一般用于注塑成型（模具温度、熔体温度）、食品烘焙/杀菌（烤箱炉温、杀菌釜温度）、焊接（焊接温度）。
2）压力参数。一般用于注塑/压铸（注射压力、保压压力）、化工反应（反应釜压力）、压缩成型（成型压力）。
3）时间参数。一般用于注塑（注射时间、保压时间、冷却时间）、热处理（保温时间）、杀菌/发酵（杀菌时间、发酵时间）。
4）速度/速率参数。一般用于机械加工（主轴转速、进给速率）、搅拌/混合（搅拌桨转速）、卷绕/涂布（收放速度、涂布速度）。
5）位置与位移参数。一般用于机械加工（刀具的定位精度）、机器人焊接/喷涂（机器人臂的路径和轨迹）。
6）流量参数。一般用于化工生产（反应物进料流量）、清洗/喷涂（清洗剂或油漆的流量）。
7）其他物理与化学参数。一般用于pH值（化学、水处理、生物发酵）、湿度（电子、制药、食品）、扭矩（拧紧装配）、电流/电压（焊接、电镀）。
第三类：工艺记录数据自动采集。一般指质量管理体系中需要追溯的数据信息，包括批次生产信息类、环境与设施监控类、物料管理类、工艺操作参数类、质量检验类、偏差与异常处理类等信息数据。
第四类：设备故障及预警信息。一般指设备报警或预测性设备维护需要采集的信息数据，一般依据设备维修手册的易损件、价值高、影响质量的设备关键部件开展运行监控，提前预警。
哪些设备应该联网。鉴于设备联网应考虑投入产出比的经济性原则，企业并不是所有设备都要联网实时开展设备运行监控，建议联网的设备应包括：关重特性设备（关键设备）、独生子设备、瓶颈设备以及价值较高的进口设备。确定联网设备范围后，应采用设备数据采集标准规范对每台设备评价判定需要采集的设备数据，案例如下：
三、关键技术
设备运行监控系统架构图如下。
涉及的关键技术主要包括智能传感、工业协议转换、多模态数据融合、数字孪生等技术。
1.智能传感技术
智能传感技术是数据采集的源头，是系统的“眼睛”和“耳朵”，通过物理或化学传感器实时采集设备运行参数（如振动、温度、压力等）。
2.工业协议转换技术
工业协议转换技术数据互联互通的“翻译官”，因不同品牌、不同年代的设备（PLC、CNC、机器人）采用不同的工业协议（如Modbus, PROFINET, OPC UA, EtherCAT, CANopen等）。需要通过边缘网关作为硬件载体，从设备侧采集数据，统一转换成标准格式（如MQTT, HTTP, OPC UA），解决“数据孤岛”问题。
3.多模态数据融合技术
多模态数据融合技术是数据中提炼真知的“大脑皮层”，功能是将来自不同来源、不同类型、不同时序的数据进行关联、对齐、组合和分析，产生比单一数据源更精确、更全面的洞察。多模态数据融合是是实现预测性维护和质量监控的关键，不同模型分别处理不同类型的数据并做出初步判断，最后再综合所有判断得出最终结论。例如：振动模型判断轴承可能故障，温度模型判断温度正常，声学模型判断有异常噪音，最终系统综合判定为早期轻微故障。
4.边缘计算技术
边缘计算是在数据产生的就近位置提供计算能力、就进处理数据，提升实时响应能力（如微秒级的振动分析），降低带宽成本，在网络中断时仍能本地自治运行。
5.数字孪生技术
应用数字孪生技术在设备运行监控平台中构建一个与物理设备1：1对应的虚拟模型，实时映射设备状态，并可以基于模型进行仿真、预测和优化，是高级形态的监控。
四、实施效果
通过设备运行监控，能够开展OEE统计分析，有效提升设备综合效率（OEE）、减少停机时间，降低维护成本20%-40%、备件库存优化30%以上，延长设备寿命、降低资源浪费、支持绿色制造，并通过异常预警避免安全事故（如过热、过载引发的火灾）。例如：石油管道利用压力传感器+边缘计算+5G通信开展监测，泄漏检测响应时间缩短至10分钟，年损失减少2000万元；医疗设备通过温度与电流监控+云端AI分析，故障修复时间缩短60%，设备可用率提升至99.5%。
五、典型案例
案例1：设备运行监控-基于实时数据采集的设备健康管理
针对设备健康状况监控难、设备维修不及时的问题，搭建了由智能传感器、控制装备、边缘采集设备、数据分析平台等组成的SCADA系统及扫码一键报修系统，通过综合利用边缘计算、智能物联网、机器视觉、故障检测等先进技术手段，实时收集设备的各项运行参数，实现了对设备健康状态的实时监控与分析，能在故障发生时及时告警采取干预措施，减少设备因长时间故障造成的损失，不断提高设备运行效率，实现了设备全生命周期可视化管理。
案例2：设备运行监控-在线运行监测与故障诊断
针对钢厂轧钢区设备线数据采集时，监测人员距离红钢危险源位置较近，存在较大的安全隐患，且离线监测周期长约1-2 个月，对突发设备故障监测基本无效，难以及时把控的问题。以设备运行的振动、温度、电流、电压等数据为基础，采用故障机理建模、大数据分析和机器学习等人工智能技术，结合设备负载状态，智能诊断设备故障，并将故障根据故障等级推送至设备相关人员，从而实现设备管理由“点检定修”向“预测性维护”发展，加快企业设备管理向数字化转型和智能化改造。
案例3：设备运行监控-基于数字孪生技术的设备运行监控系统
面向新型网络应用和灌装机、灭菌柜等设备运行动态监控需求，采用专线部署工业互联网络平台，应用SCADA系统实时采集生产线/装备的运行状态，应用数字孪生技术、工厂三维数字化模型构建数字孪生管理平台，实现以虚实映射、远程操控与交互方式实现设备运行状态的实时刻画、动态监控、异常报警与远程操控，并开展设备综合效率OEE数据统计分析与优化。
精益生产工具中有一个很重要的工具：全员设备维护（TPM），个人认为企业生产现场信息化实施最好是“现场管理信息化（先用好管理工具再用信息化系统固化）”而不是“信息化拉动现场管理提升（落后的管理提不出先进的信息化需求）”，例如：采用PAD进行设备点检，很多企业通过1个月时间就上线了设备点检信息化系统，但仔细观察就会发现“做样子工程”居多，基本没起到作用。TPM自主活动核心是员工能力提升，分为七个阶段，如下图所示，在第四阶段、第五阶段才开始进行设备点检，即实现设备点检日常化，本人在日本工作期间了解到“日本用了4年时间才完成TPM自主维护的五阶段：设备自主点检”，而很多企业1个月就实现了，4年与1个月的时间对比就明白为啥信息化系统用不好的核心原因了。因此在下篇解读“28.生产作业-设备故障诊断与预测”前先结合典型场景普及一下全员设备维护（TPM）知识。
