2024年度上市公司数字化转型最佳实践丨江中药业：基于知识图谱设备智能运维关键技术及研究

为进一步落实党中央、国务院关于发展新质生产力、打造数字经济新优势等决策部署，坚定实施数字化转型任务，推动数字经济发展，中国上市公司协会开展了上市公司数字化转型最佳实践案例征集活动，并从技术领先、场景创新、社会价值贡献、产业链建设四个维度遴选出了40个优秀、69个典型案例入选《上市公司数字化转型典型案例》，这些案例集中反映了上市公司在数字化转型过程中的实践、挑战与成功经验，为上市公司开展数字化转型提供参考和借鉴。

基于知识图谱设备智能运维关键技术及研究（优秀案例）

一、案例介绍

1、项目背景

依托科技部2030“新一代人工智能”重大项目“工业领域知识自动构建与推理决策技术及应用”，聚焦中药生产过程的技术瓶颈问题，进行关键技术研发及支撑平台建设等工作，依托工业互联网、大数据、人工智能、知识图谱等技术，提出了基于知识图谱设备智能运维关键技术及研究。

2、业务痛点与难点问题

目前业务面临的主要痛点难点有：

——设备点巡检的部分设备点巡检涉及危险作业环境，存在安全隐患；

——设备维修记录只存于系统内，未有效挖掘利用；

——设备检修对现场管理人员的工作经验依赖性强，设备检修计划的制定无设备运行状态数据支撑，可能造成“欠维修”和“过维修”的情况；

——由于无法在早期发现设备故障，会导致维修成本的增加，且无法及时得到排查设备故障可能引发的安全事故。

3、场景描述

设备运维，作为工业大数据和人工智能的重要应用领域，实现了从被动故障维护到主动预测性维护的跨越式提升。经济层面，它显著降低了设备故障率和停机时间，提高了设备使用效率，确保了生产的连续性，进而提升了企业的生产效率，并大幅减少了维修费用和设备全生命周期成本。安全层面，它有效降低了设备故障带来的潜在安全隐患。通过在线监测和图谱分析，实时掌握设备运行状态，减少了人工巡检的工作量，为制定精准的检修计划提供了科学依据，避免了不必要的维修和过度维修，确保了生产的稳定连续，从而显著提升了设备的运行效益。

4、功能特点

（1）设备运维管理：经过业务调研分析，我们为江中生产和研发所有工艺及动力设备制定了明确的运维策略，实现了流程标准化和规范化。建立了全面的故障体系，并基于未来业务需求构建了维修业务系统，实现了备件可视化管理和成本精细控制。同时，通过积累业务数据，我们建立了维修知识库，促进了维修经验的共享。采用抢单模式，提升了维修工的工作积极性和效率，并对设备台账、故障和成本进行了多维度统计分析，实现了工时量化考核。

（2）智能故障诊断：公司的设备模型能够迅速识别设备的异常状态。针对部分常见且成熟的故障，如电机轴承、齿轮轴承等损伤，系统已具备智能诊断能力，能准确判断故障类型、位置和严重程度。

（3）维保策略优化：借助预测性维护系统，员工实现了设备的实时在线监控，优化了巡检流程和维保策略，减少了不必要的巡检次数，提高了巡检效率。同时，根据设备运行趋势制定了科学的维保计划，避免了过度维护，节约了资源。

（4）智能图谱分析：图谱分析工具为现场工程师提供了便利，帮助他们分析设备振动和工艺数据，进行状态监测。工程师们还能利用该工具轻松读取诊断报告和维护日志，提高了工作效率。

图1 设备故障诊断系统功能图

5、技术路线及方案

通过分析行业发展趋势，总结内外部实践经验，制定公司 “1+3+1+3”设备智能运维建设总体规划：搭建1大平台，支撑3大场景、推动1项变革，实现3个目标。

图2设备智能运维建设总体规划图

目前系统用到物模型和自诊断模型两大模型技术：

（1）物模型主要是用来管理采集硬件，并为每个采集硬件建立模型库，用来展示物设备模型、物设备类型、通信协议等信息；

（2）自诊断模型展示服务器上各服务的运行状态，以及物设备和传感器的各种异常诊断；

图3 设备预测性维护系统总体架构

（3）知识图谱构建

采用知识抽取模型获得构建图谱的三元组数据，并根据故障诊断应用制定规则生成符合逻辑且可应用的图谱三元组，通过知识融合技术实现专家知识、辅助资料以及常识知识的融合，提高图谱的规模和支撑能力。

图4 图谱可视化界面

基于知识驱动的搜索推荐与交互式问答系统，基于图谱层构建的故障诊断与根因分析知识，搜索推荐模型能够对相应的知识库进行高效检索；交互式问答系统能够引导维修人员进行解决方案的推荐以及根因的分析，从而快速地实现故障的定位以及维修，问答交互主要流程如图6所示。

图5 问答流程图

图6 问答交互过程图

6、创新点

应用边缘计算、工业大数据、人工智能、IoT和工业设备机理模型与算法，实现公司设备的实时监测、异常报警、故障诊断及预测性维护。主要创新点包括：

新技术应用：利用智能传感器、物联网、边缘技术和云诊断专家库，实现智能分级预警诊断。

故障模型创新：开发针对中药生产设备的故障模型库，建立医药行业预测性模型，特别关注轴承等关键部件的振动变化，采用VMD分解等技术构建数据模型。

知识库构建：基于监测设备和生产经验，结合多种模型和算法，形成江中特有的设备故障诊断知识库。

7、转型成效

通过整合设备、动力及产线车间的工况数据，结合新安装的监测设备数据，利用智能化模型，实现了产线关键设备的全面安全监控与故障预测，有效降低了非计划停机和点检工作负担。项目的主要成效包括：

（1）巡检便捷性提升，解决了人工巡检的难题。

（2）设备故障预警和劣化趋势预判，提前采取措施避免故障发生。

（3）优化维保周期，减少不必要的拆卸和检修，降低维护成本。

（4）减少意外停机，保障了生产的连续性，提高了生产效率。

（5）减少高空作业安全风险，改善了工作条件。

（6）通过大数据集成和挖掘分析，实现了备件使用寿命和品质评价。

项目实施成果显著：

（1）基于知识图谱的故障维修搜索推荐与交互式问答，提高了数据利用价值。

（2）实时监控设备运行状态，故障预警和识别率超过90%。

（4）智能预测减少了点巡检工作量40%，提高了工作效率60%。

（5）实现了设备状态的可视化监控及大屏展示。

（6）培养了复合型故障诊断工程师，为未来设备管理提供技术和人才支持。

二、面临的痛点难点及建议

1、数字化转型的难点：

（1）战略模糊，方向不明。数字化转型缺乏清晰战略和愿景，导致盲目投入，价值难显。

（2）能力难推广，转型难深入。数字化项目试点阶段难以快速复制至全企业，形成规模效应受限。

（3）价值评估难，投入难持续。数字化转型见效周期长，用传统指标衡量效果困难，导致数字化投资持续性弱。

2、数字化转型的建议：

（1）坚持数字化转型是一把手工程；

（2）培养数字化专业技术人才培养，实现核心系统的自主可控；

（3）加强对业务人员“数字化转型”培训，培养复合型数化人才；

（4）数字化资金投入，保障数字化转型可持续。