Menu
某广电运营商PHM案例

项目背景

故障预测与健康管理(PHM)技术是实现装备基于状态的维修、感知与响应等设备运维新理念的关键技术,PHM技术已成为国外电子产品研发的重要趋势之一,但在国内PHM应用刚刚起步。

国内某广电运营商在全球拥有48个发射基站,通过持续多年的设备自动化系统的建设,大大减少了发射台传输发射工作对人的依赖。但目前各基站在发射设备的异常诊断方面依然存在诸多问题。一旦发射机出现故障,造成信号中断,将会严重影响该广电运营商的形象和用户的体验。


企业需求

通过对台站发射设备的故障早期诊断与健康管理,确保发射设备可靠运行,保障广播信号发射的持续、稳定。


现状评估

维护成本高昂 这些核心发射机设备复杂、精密、检修和运维的成本极高。

异常诊断困难 引发设备故障的原因复杂,既包括设备的老化、电流、电压及某些部件的运转异常,又包括人为的破坏及自然灾害引发的设备损坏。

无法实时监控 传统的故障预测方式靠维修人员的定期检查和经验判断,已经远不能满足实时预警,紧急维护的需求。

无法预测性维护检修 发射机在定期检修后,检修人员难以判断发射机未来多久后会有故障的可能,无法做到预测性的维护检修。


解决方案

实现发射业务智能优化。根据信号发射业务特点,如下的业务和数据闭环是十分关键:

首先进行基础设施数据化和业务模型化。通过大数据平台将业务涉及到的方方面面数据化,包括人员、组织、设备、部件、厂商、库存、标准规范等;利用大数据建模,将业务流程、经验、知识模型化,将经验、知识转换为数学模型。

之后,利用大数据分析技术,感知和预判设备健康状态,实现基于状态的预测性维修,做到维护智能化。

最后是追踪优化,在业务实践中持续迭代改进业务模型,并指导基础数据的收集和应用,形成整个业务和数据的闭环。

方案实施

搭建大数平台,沉淀业务数据

基于百分点大数据操作系统(BD-OS),搭建可视化、系统化的大数据操作平台,采集和处理发射业务相关的各类数据,包括来自传感器的设备状态数据、历史数据、部件数据以及零件库存、维护人员等数据都沉淀下来。

故障预测与健康管理模型

百分点与经验丰富的维护人员一起,通过大数据建模和实践相结合的思路,将业务流程、经验、知识模型化,建立起全面的业务维护智能模型,目前已建立以下3个模型:

设备的智能维护与模型优化

设备维护人员基于大数据系统,实时监控和管理发射机设备,并根据模型预警的实际效果,调整模型的相关参数和数据采集,持续优化模型,提升故障预警准确度。


应用效果

目前,该广电运营商正基于物联网实时采集遍布全球的发射机设备状态数据,如水温、电流、电压、反射功率等30多个变量,经过秒级数据采集,汇集到中央大数据处理平台上。平台每天采集的数据增量达3亿多条,基于这些数据进行发射机的健康管理和故障预测:

实时发现设备异常 通过系统的实时监控和预警,实时地发现发射机设备的异常状态,确保第一时间对设备的健康度和故障进行预警。


保证发射业务安全进行 将发射机的设备数据与业务深度融合,结合国际最前沿的特征工程和深度网络等机器学习算法建立预警模型,预测准确率高达97.3%,为该运营商的发射机热机/备机切换争取到宝贵的时间,从而有效地减少了播出信号中断发生的几率和时间间隔,目前该运营商已将这项预警技术申报国家专利。


降低设备监管费用 基于系统对设备的自动化监控和管理,大大减少了人力投入,降低了潜在的设备监管费用。