999
引言
基于狀態(tài)的監(jiān)測（CbM）和預測性維護（PM）是兩種維護策略，旨在優(yōu)化設備效率并減少設備生命周期中的維護時間和維護成
本。
狀態(tài)監(jiān)測（CM）是對多個參數(shù)（如：設備振動和溫度）的監(jiān)測，以識別潛在的問題，如：偏離或軸承故障。當振動分析顯示旋轉
設備部件的諧波頻率發(fā)生變化時，狀態(tài)監(jiān)測工具便可繪制設備性能下降的映射圖等。頻率分析以振動計和麥克風數(shù)據(jù)為基礎。
此外，還將MCSA（電機電流信號分析）作為與振動分析互補的技術。MCSA具有一定優(yōu)勢，且更適用于失衡等一些特定的異常
情況。
連續(xù)狀態(tài)監(jiān)測技術可應用于壓縮機、泵、主軸和電動機等多臺設備，還可用于識別機器出現(xiàn)的局部排放或真空泄漏等問題。
預測性維護以狀態(tài)監(jiān)測、異常檢測和分類算法為基礎，并集成了預測模型，該模型可以根據(jù)檢測到的異常來估計機器的剩余運行
時間。該方法可使用各種工具，例如：統(tǒng)計分析和機器學習，來預測設備的狀態(tài)。
在工業(yè)4.0中，狀態(tài)監(jiān)測和預測性維護是一種增值但又具有挑戰(zhàn)性的應用。因此，意法半導體為遠程監(jiān)測部署了先進的集成電路和
評估工具、軟件、文件和在線儀表盤生態(tài)系統(tǒng)，并不斷對其進行更新以適應工業(yè)需求。
下載ECAD模型
