前言

隨著信息、機械、系統工程和管理等學科的發展，特別是以移動互聯網、大數據、人工智能等為代表的新一代信息技術，推進了智能制造的快速發展。

在設備的運營維護領域，為解決設備運營與維護服務的異地化、實時化和及時性等問題，設備制造或運營企業通過采集設備運行數據，并上傳至企業數據中心（或企業云），使系統軟件能夠對設備進行實時在線監測、控制，并經過數據分析進行預測性維護，逐漸形成了基于（移動）互聯網的維護、維修和運營（Maintenance Repair&Operation，MRO）技術服務網絡和相應的數據支撐環境，如產品狀態、設備狀態、環境狀態、業務運營狀態、人員狀態、社交網絡數據以及客戶反饋數據等大數據信息，并體現出全球性（互聯網連接）、實時性（工業互聯網支持的狀態檢測）和及時性（移動終端調度）的特性，使得設備全生命周期的知識能被高效和自發地產生和利用。然而，由于MRO技術服務網絡中裝備系統故障的高隨機性和維護需求的高不確定性，面向大范圍MRO網絡環境中多個不確定性的協作主體和高隨機性的設備故障，如何可靠地獲取、建模、推理和挖掘來自產品狀態、環境狀態、設備運行狀態、人員狀態、業務運營數據、社交網絡數據以及客戶產品反饋數據等裝備全生命周期中的異構大數據信息？如何利用上述信息準確地預測設備故障和維護需求，制定合適的維護和優化策略？如何在有限服務資源下，充分利用互聯網環境下廣泛存在的共享服務資源，最大限度地響應網絡維護需求，建立與客戶長期全面的合作關系？更進一步，如何通過信息物理系統（Cyber Physical System，CPS）將維護決策反饋給制造系統，實現誤差補償、調節和反饋控制？這些問題成了智能制造環境下MRO技術服務網絡中各個參與主體的共同訴求，需要研究面向智能運營環境的多源異構數據高質量獲取與融合理論與方法、數據驅動的裝備及部件故障預測理論和方法、面向裝備運營網絡的大規模維護決策理論基于CPS的反饋控制方法等大數據環境下面向MRO技術服務網絡的智能預測性維護（Smart Predictive Maintenance，SPdM）理論、技術和方法。

本書系統地介紹了新一代信息技術環境對制造業的影響、智能制造模式下的設備維護問題，以及各種維護策略，如預防性維護、預測性維護和智能預測性維護等；詳細地介紹了故障預測的方法體系，包括基于物理模型的故障預測、基于可靠性模型的故障預測、數據驅動的故障預測、融合模型驅動的故障預測等內容；結合智能制造的參考體系結構，系統地介紹了智能預測性維護的技術體系與框架，如面向智能工廠的智能預測性維護、面向智能工廠運營網絡的智能預測性維護框架等；注重智能預測性維護的關鍵理論、方法和技術，例如，基于IoT的感知資源管理與車間無線路由技術、大數據驅動的故障預測理論和方法、維護決策和優化方法、網絡決策和優化方法以及基于CPS的虛擬控制技術等，較全面系統地闡述了設備維護領域正在興起的理論、技術和方法，涉及面廣，內容豐富；努力反映了國家新一代智能制造和新一代人工智能的戰略部署及實施情況。

本書具體內容安排為：第1章對智能制造模式下智能預測性維護、設備維護策略與發展趨勢進行綜述，并為全書內容的展開進行鋪墊；第2章介紹故障診斷與預測方法；第3章結合智能制造的參考體系架構，系統地介紹智能預測性維護技術體系與框架；第4章介紹基于IoT的感知資源管理框架與模型；第5章介紹面向復雜制造環境的無線路由模型與算法；第6章給出數據采集的協議集成與設計案例；第7章討論數據驅動的故障診斷方法；第8章介紹數據驅動的故障預測模型與方法；第9章討論智能工廠的維護優化調度與決策；第10章介紹大范圍維護服務預測與優化配置；第11章討論基于信息物理系統的運行過程控制。

本書受到國家重點研發計劃項目“面向有色金屬冶煉流程精細管控的網絡協同制造關鍵技術與平臺研發（2019YFB1704700）”和國家自然科學基金項目“互聯網與大數據環境下面向高端裝備制造的智能工廠運營優化（No.71690234）”的資助。全書由劉敏、李玲、鄢鋒著，特別要感謝馬玉敏對11章的貢獻。本書得到同濟大學電子與信息工程學院系統工程專業博士生章鋒、徐高威的協助，謹在此對他們表示衷心的感謝。

由于本書涉及的范圍比較廣，所討論的問題比較新也比較復雜，書中難免會有不足之處，誠摯地歡迎廣大讀者批評指正。

著者

說明：為了方便讀者學習，書中部分圖片提供電子版[提供電子版的圖，在圖題處有“（電子版）”標識]，讀者掃描二維碼即可下載。