新基建的發展大勢給制造業帶來了更多的發展機會。然而對于致力于在新基建中有所作為的制造單位，一套智能化的設備及技術措施必不可少。生產效率、產品質量的保障，設備的高效、健康運行，企業的高效管理必須有效統一在一個整體，方可提升企業的競爭力，在新基建大潮中贏得屬于自己的紅利。
國內某研究型單位為驗證智能制造構成及原理，構建了一條無人產線，引入大量數控設備，刀具作為數控機床的關鍵部件之一，其性能將受加工材質、速度、時間、溫度、壓力等影響。若以周期性維護和故障事后處理為主要維護方式，其狀態難以掌握、維護成本高、停機時間長。鑒于此，該研究型單位導入臺達自主研發的數控機床刀具預測性維護系統。
“工欲善其事，必先利其器”。為了持續穩定地滿足產品生產服務，避免因設備異常造成生產力下降和質量差異，通常情況下采用定期保養維護或設定安全閥值的方式進行設備維護。然而在動態多變的市場需求之下，設備加工產品材質、時長等不同，需要根據運行狀態開展設備維護，通過采集、分析設備狀態信息，實時監測設備狀態，進行異常偵測、剩余壽命預測，給出維護策略，事先洞察設備故障、及時發現可能的損壞趨勢，為制造提供決策支持，降低突發故障造成的產能損失。
在現代化的智能制造發展中，預測性維護具有非常重要的意義。研究機構的研究數據表明，制造業中，設備在生產中發生故障的概率要遠遠超過因設備因老化而出現故障的概率。造成非預期故障停機的發生會使得生產任務中斷與生產任務重新規劃，甚至會導致訂單違約、企業名譽受損，及訂單流失。
臺達數控機床刀具預測性維護系統是從云、邊、端一體化協同角度，整合設備系統和傳感器監測數據，實現健康狀態監測、異常偵測、剩余壽命預測，給出維護策略，為生產調度提供決策支持。
臺達為客戶開發的數控機床刀具預測性維護系統架構
數控機床刀具預測性維護系統通過加裝傳感器獲取刀具震動信息，并與設備控制器相連監測主軸負載變化和相關信號，同步采集PLC/IPC信息，再將信息傳遞到數據整合采集系統，數據采集整合收集設備數據并對原始數據預處理后，上傳到邊緣計算管理裝置進行數據處理，然后邊緣計算管理裝置將有用數據上傳到云端，并采用安全通道保護數據安全；云端預測性維護系統進行數據儲存、分析、模型訓練等工作，并在大數據服務與云平臺集中管理，實現數控機床刀具狀態及預測結果可視化分析和集群管理。
數控機床刀具預測性維護利用人工智能與大數據分析技術監測設備狀態，分析刀具磨損照片、加工精度、主軸負載變化、刀具相關信號，記錄設備全生命周期運行信息并結合領域知識進行預測、預警，從數據驅動(Data-driven)及領域驅動(Domain-driven)角度建立狀態預測方式，若再搭配企業實際產線取得的數據，持續優化分析模型，其準確率最高可達90%，同時，根據預測結果啟動不同的響應機制，實現自動換刀服務、降低成本和產品不良成本，避免停機損失。
數控機床刀具的預測性維護系統的突出特點包含：
Ø 數字化知識庫：通過數據分析平臺對數控機床刀具建立數學模型，并迭代優化，有效管理與累積同類型設備的解決方案，并提供客戶訂閱與更新模型的服務。
Ø PLC與傳感器融合采集：采集數控機床主軸信號及三軸傳感器信號，同步記錄機床內外部不同來源信號以全方面診斷刀具狀態。
Ø 云、邊、端協同數據處理：基于邊端開展數據存儲、處理與分析，在邊緣端快速采集數據，并對其進行數據處理與分析，然后將上層需要的數據傳輸到云端，提升數據采集與決策效率，確保數據安全性，提升制程反應能力，降低網絡負荷。
數控機床刀具的預測性維護系統可視化界面
數控機床刀具的預測性維護系統可實現數控機床刀具運行狀態、運行歷史狀況、健康度趨勢、實時電流、轉速等可視化展示，可實現設備狀態實時監測和預警，及時發現設備異常。
此系統除了可應用于數控設備，還可應用于機器人、分板機等設備的預測性維護。未來，預測性維護系統可與邊緣運算系統/設備快速換模系統/軟硬件標準通訊系統/設備故障引導式排除技術等解決方案整合，提供產業更全面的制造決策優化技術，達成設備零停機及產能最大化的目標。