關于離心泵智能化及路徑探討
2020-10-09 15:55:13力士霸泵業
手機掃一掃
0 前言
當你走進工廠，除了機床的轟鳴聲和機器人精準的移動之外，幾乎看不到一名工人；當你外出時，只要輸入目的地，無人駕駛汽車便自動選擇最暢通的路線、在最短時間內將你安全送達（未來的交通出行，我們只需要把自己帶上就行了）；當你去便利店購物時，掃碼即可進店，無需排隊，無人收銀，即拿即走，無感支付；
當你勞累了一天，在下班的路上通過手機APP，一鍵遠程控制空調的開關、溫度的調節，到家無需等待即可享受夏天的清涼或冬日的溫暖，同時還可以讓按摩機器人幫你放松身體；當你心情不好或在家無聊時，通過語音或手機APP即可喚醒家庭影音模式，欣賞音樂或大片，也可以找聊天機器人聊天；當你走進餐廳，根本就見不到服務員，整個用餐過程，不管是排除、點餐還是取餐、結賬，全靠消費者用支付寶或者口碑自助完成……所有這一切，都與人工智能相關。
正如百度創始人、董事長兼CEO李彥宏的觀點：“人工智能正在喚醒萬物，催生萬千產業智能化。人工智能與各行各業的融會貫通，將掀起產業智能化新浪潮。”
隨著人工智能的普及和廣泛應用，這為傳統制造業的離心泵行業帶來了巨大的挑戰，“如何使其智能化”是每個泵制造商不得不面對的現實問題。國外不少泵制造商如美國FLOWSERVE公司、瑞士SULZER公司、德國KSB公司等，在“智能泵”方面早已走在了同行的前列；而國內絕大多數泵廠為了生存，還一直在中低端泵市場上苦苦掙扎，“智能泵”對于他們來說，似乎還是遙不可及的夢想。本文將嘗試就“離心泵智能化及其路徑”進行探討，以期引起同行們的關注和借鑒。
1 關于人工智能
1.1 人工智能的定義
百度百科對人工智能的解釋如下：
人工智能（Artificial Intelligence，英文縮寫為AI）。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。
美國麻省理工學院的溫斯頓教授認為：“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。”即人工智能是研究人類智能活動的規律，構造具有一定智能的人工系統，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術。
1.2 人工智能與數據分析的關系
很多人或公司錯誤地認為，只要其工作與數據或工作流程相關，都可以被稱這為人工智能。數據分析只是人工智能的基礎。
很多所謂的人工智能公司實際上做的是基礎的數據分析，他們的技術來源于數據，而且結果都被用于實現特定的目的，例如，根據預設定的規則識別發送特定的信息。這種根據上下文來整理數據的做法并不是人工智能。它們之間的關鍵區別在于：人工智能系統具有迭代性，分析的數據越多，系統就會變得越智能，越能干，而且越自主化。真正的人工智能技術能夠為現實問題提供突破性的解決方案，同時會徹底地顛覆市場。
1.3 離心泵智能化的必要性
隨著社會的發展、科技的進步，人們對健康、環保、安全等方面的要求越來越高。作為通用機械的離心泵，廣泛應用于各行各業，其各項指標也越來越受到人們的關注。數十年來，其維護方式多為被動式維護（設備已經失效，進行事故后維修）或預防性維護（通過采取適當的措施，如提高強度等，從而防止設備發生故障）。
1）市場的需要
隨著人工智能的出現，預測性維護將成為一種趨勢，并成為制造商和用戶所追求的終極目標。人工智能不僅可以使用戶和/或制造商實時監控設備的運行狀態，在發生不可逆的故障或停機之前得到準確的診斷、確定維護和保養時間、提高設備運行可靠性并延長設備壽命，而且還可根據實際情況或需要，優化設備運行方式、提高運行效率、降低運營成本。
2）企業轉型升級的需要
在互聯網時代的大背景下，商業模式發生了巨大的變化。傳統制造業為了生存和發展，企業必須由單一制造商向服務商轉型。《中國制造2025》明確提出：要加快制造與服務的協同發展，推動商業模式創新，促進生產制造向服務型制造的轉變 - 就是由單一產品制造向用戶提供一整套系統解決方案。
2 機械保護及狀態監測系統
人工智能需要依靠大量的數據支撐，而數據的獲取離不開各種傳感器。在探討離心泵智能化之前，需要了解兩個概念及其之間的關系 – 機械保護和狀態監測。關于機械保護系統和狀態監測系統，API 670標準[1]中有明確的定義和說明。
2.1 機械保護
機械保護系統（Machinery Protection Systems，縮寫MPS）：感知、測量、監測和顯示機器參數以表明其運行狀態的系統。當一個參數超過預先定義的限值、表明出現異常情況時，系統會將事件傳達給操作人員和/或停機系統。該系統的目標是減輕對機器的損壞。該系統包括傳感器系統、信號電纜、監控系統以及所必需的安裝位置、安裝夾具和說明文件。
2.2 狀態監測
狀態監測系統（Condition Monitoring Systems，縮寫CMS）：一種測量指定機器過程參數和預測趨勢的系統。提供報警、顯示和分析工具，用于檢測和識別發展中的故障。允許繼續監視檢測到的故障以確定其傳播和嚴重性。也可用于管理機器的運行狀態，以減少因發展中的故障而產生的意外停機。CMS的目標是最大程度地提高可用性，同時降低運營和維護成本。
2.3 機械保護與狀態監測之間的關系
實際工程應用中，由于機械保護系統和狀態監測系統經常安裝在一起，甚至可以緊密地集成在一起，因此，很多制造商/供應商和用戶通常將兩種系統混為一談。CMS是一種計算機化的數據采集和分析工具，其與MPS最大的區別在于對運行設備進行趨勢預測。目前，工程應用中所采用的基本上為MPS。MPS與CMS的基本區別如表1。
表1 MPS和CMS的基本區別
機械保護系統狀態監測系統目的感知、測量、監測和顯示機器參數，以表明其運行狀態。測量機器過程參數和預測趨勢的系統。用于檢測和識別發展中的故障以確定其傳播和嚴重性。也可用于管理機器的工作條件。目標防止人員受傷，防止或減輕對機器或環境的損害智能化地預測壽命。使操作人員和管理人員更好地了解關鍵資產的運行狀況。
除了以上區別以外，兩種系統還有一些相似之處。通常均用于一些重要工況的“關鍵”設備，同時，兩種系統共享許多相同類型的傳感器和相同類型的信號處理功能（通常將MPS的數據作為CMS的基礎）。
3 泵的保護及監測
多年來，制造商一直致力于提高泵的可靠性，并開發了監測泵性能和運行狀況的工具 – 機械保護系統。然而，這些工具通常只會在故障發生前或正在發生時起到“警示或提醒”的作用。
隨著科技的不斷發展，可以通過監測泵（組）過程參數的變化 – 狀態監測，來確定離心泵的運行狀態，并預測出機械零部件的壽命、故障可能發生的時間，以便在預期或規定的期限內對問題進行糾正。
離心泵最常見的監測項目通常如下[2]：
溫度/溫升。特別是軸承和密封腔的溫度。主要涉及軸承、密封腔、潤滑油、冷卻水以及泵進/出口介質的溫度；還涉及到泵殼體上/下溫差。通過對泵進/出口介質溫度的監測，有助于預測汽蝕的發生；通過對泵殼體上/下溫差的監測，判斷是否進行了充分的暖泵。
壓力/壓差。主要包括泵進/出口的壓力、冷卻水及潤滑油的壓力、機械密封系統壓力；還包括過濾器前后的壓差。
流量。可以預測泵殼體/葉輪耐磨環更換時間及開式葉輪間隙調整時間；通過流量監測還可以確定泵出口再循環系統的狀態。
泄漏。主要用于預測密封故障或壓力邊界的失效。壓力積聚是監測泄漏的一種方式。通過一個雙重無壓密封裝置內側密封泄漏，檢測到密封儲罐隔離液壓力的變化。另一種監測泄漏的方式是注意到隔離液流量的變化。通過一個雙重無壓密封裝置內側密封泄漏檢測到從密封到排氣系統或收集系統的氣/液體流量的變化。通過一個雙重有壓密封裝置內側密封泄漏檢測到從循環系統和儲液罐的隔離液位的變化。
振動。引起離心泵振動的原因很多，包括泵本體設計原因和外部條件因素兩大類。而泵本體設計引起的振動主要體現在兩個方面，機械引起的振動和水力引起的振動。通過振動監測可以檢測或診斷出泵及其系統存在的各種問題。
噪音。表示泵發生了汽蝕、動/靜零部件出現摩擦、軸承損壞或其它一些異常情況。
潤滑劑品質。通過對潤滑劑含水量及固體顆粒的檢測，預測潤滑劑的更換周期。
軸位移。主要用于可傾瓦推力軸承的離心泵，葉輪和機械密封對軸向位移非常敏感。
其它可能監測的項目有：
應變。預測動/靜零部件之間是否會發生摩擦、泵殼體的腐蝕及現場管路支撐問題；另外，還可以監測離心泵軸向力的變化。
功耗。檢查泵的效率，預測發熱問題。
轉速。主要用于變速運行的離心泵，以觀察其對泵性能的影響。
液位。包括供液箱的液位、潤滑油箱的液位及密封系統緩沖/隔離罐的液位。通過對供液箱液位的監測，可以預測泵汽蝕的發生。
間隙。趨近式表可以記錄開式葉輪與泵殼體之間的間隙。
軸撓度。通過安裝于泵體上的趨近式表來測量軸撓度，以確保旋轉部件與靜止部件不會發生接觸。同時，軸撓度過大，會導致耐磨環、機械密封和軸承過早失效。
在實際工程應用中，可以將泵（組）的監測集成為兩個大的模塊：性能監測模塊和機械運轉監測模塊。也可以根據監測內容的不同，進一步細分為：振動監測模塊、壓力/差壓監測模塊、溫度/溫差監測模塊、轉速監測模塊、汽蝕監測模塊、泄漏監測模塊、液位監測模塊、潤滑劑品質監測模塊、應變監測模塊等。根據不同需要，這些模塊可以進行隨意組合。
4 數據收集
過去，從離心泵及其驅動設備上收集數據需要花費大量的時間。隨著傳感器及互聯網技術的發展，無線傳感器應運而生，實時體現設備運行狀態的數據收集變得越來越簡單且自動化。
無線傳感器產品為系統級產品，包括現場無線傳感器、數據轉發網關和監控主機等在內的整體解決方案。無線傳感器終端產品在檢測和監測市場將普遍應用于智慧城市、智慧能源、智慧制造、智慧工廠等各種領域。
離心泵的運行狀態可以通過監測到的許多跡象來評估[3]。
以振動監測為例，無線振動傳感器可以提供潛在問題的早期預警，通過監測可以檢測到泵中存在的各種問題，包括軸承問題、轉子部件的不平衡或不對中、泵和電機部件的連接松動以及聯軸器的問題。
接觸式振動監測傳感器安裝在軸承座上以檢測振動的變化。這些傳感器可以永久性安裝并連續監控，也可以臨時性安裝，作為基于路由的定期監控系統的一部分。
數據可以在設備的多個位置和方向（水平、垂直和軸向）上收集，振動數據被記錄下來，可以通過遠程或程序進行分析以識別故障。
如果我們選擇監測泵的性能、并使用這些數據來預測即將發生的密封或軸承失效（故障），可以通過多種不同的傳感器對以下過程參數進行監測和收集：
1）泵進/出口介質溫度。
2）泵進/出口介質壓力。
3）泵軸的撓度。
4）泵的出口流量。
5）泵的惰走時間（@停泵時）。
6）軸承座振動或軸振。
7）泵（組）噪音的變化。
8）電動機的電流變化等。
汽蝕是離心泵運行過程中較常見的一種故障，汽蝕會損傷密封件并縮短零部件的壽命。如果我們選擇監測泵是否會發生汽蝕，那么必須監測以下過程參數：
1）入口壓力下降。
2）入口溫度上升。
3）入口流量降低。
4）出口揚程下降。
5）泵轉速增加。
6）振動增加。
7）噪音增加等。
5 數據傳輸
美國水力協會和美國石油協會分別在ANSI/HI 9.6.5 "Rotary Pumps - Guideline for Condition Monitoring s"、API670 "Machinery Protection Systems"最新版本中介紹了無線數據傳輸技術的創新。有幾種拓撲結構將無線傳感器連接到接收站進行數據處理。圖1顯示了振動診斷星形拓撲網絡。星形拓撲是由一個中心節點（通常是一個交換機或集線器）組成的網絡，其作為傳輸信息的管道。
在基于狀態監測網絡中，主要接收機節點（PRNs）同時與多個振動傳感器節點進行通信，以收集及時振動數據。
反過來，PRNs通過收集服務器（CS）直接連接到數據庫服務器計算機或公司的主干網絡。
實際上，傳感器網絡是一個兩層星形網絡，中央的數據庫服務器計算機直接連接到傳感器網絡，其規模從一個非常簡單的兩傳感器網絡擴展到三傳感器網絡。可以監控從單臺機器的運行狀況到數百臺機器上的傳感器的超大型網絡的所有內容。
圖1 顯示了收集服務器如何連接到工廠或設備的網絡。
其中包括直接連接到公司主干內部網的以太網、連接到公司現有無線網絡的Wi-Fi或藍牙連接，以及通過蜂窩電話運營商連接到Internet的蜂窩網絡數據連接。該網絡基礎架構示例突出了無線、在線狀態監測策略在易于安裝和可擴展性/可測量性方面的優勢。
圖1 - 振動診斷星開拓撲系統網絡示例（來源于美國水力協會標準）
射頻（RF）無線通信能力包括傳輸范圍、可靠性和數據流率，將無線解決方案用于特定應用時，不得不在性能和功能方面進行權衡。為此，出現了不同的無線通信解決方案，以滿足不同需求的市場。例如，藍牙適用于短距離通信的設備；而無線HART可以實現低數據速率的大型網絡；Wi-Fi支持高數據速率，但不適用于電池供電操作。
為了實現萬物互聯以及海量數據的傳輸，目前出現了新的無線通信解決方案5G。
5G具有高傳輸速度、泛在網（網絡廣泛覆蓋社會生活的每一個角落，比如地下車庫、衛生間、高山峽谷等）、低功耗、低延遲、萬物互聯等特點。
6 智能分析預測未來
對于收集到的泵（組）大量運行狀態的信息，需要強大計算的支持，這將涉及到工業互聯網平臺和工業APP。
6.1 工業互聯網平臺[4]
工業互聯網是全球工業系統與高級計算、分析、感應技術以及互聯網連接融合的結果，包括邊緣、平臺（工業PaaS）、應用三大核心層級。工業互聯網平臺是工業云平臺的延伸發展，其本質是在傳統云平臺的基礎上疊加物聯網、大數據、人工智能等新興技術，構建更精準、實時、高效的數據采集體系，建設包括存儲、集成、訪問、分析、管理功能的使用平臺，實現工業技術、經驗、知識的模型化、標準化、軟件化、復用化，不斷優化研發設計、生產制造、運營管理等資源配置效率，以工業APP的形式為制造企業提供各類創新應用，最終形成資源富集、多方參與、合作共贏、協同演進的制造業新生態。
工業互聯網平臺功能架構圖及設備智能運維云平臺詳見圖2、圖3和圖4。
圖2 - 工來互聯網平臺功能架構圖（來源于《工業互聯網平臺白皮書2017》）
圖3 – 設備智能運維云平臺架構參考圖a（來源于博華科技網頁）
圖4 – 設備智能運維云平臺架構參考圖b（來源于博華科技網頁）
工業設備運行過程中高頻數據（信息）采集，往往會對網絡傳輸、平臺存儲與計算處理等方面帶來性能和成本上的巨大壓力。為了避免此類情況的發生，將會用到“邊緣計算”。在邊緣層進行數據的預處理和緩存，成為了主要平臺企業的共同做法。
當前，工業互聯網平臺應用覆蓋范圍不斷擴大，數據分析程度不斷加深，從以可視化為主的描述性分析，到基于規則的診斷性分析、基于挖掘建模的預測性分析和基于深度學習的指導性分析。
1）設備維護場景中
工業互聯網平臺結合設備歷史數據與實時運行數據，構建數字孿生，及時監控設備運行狀態，并實現設備預測性維護。
2）能耗管理場景中
基于現場能耗數據的采集與分析，對設備、產線、場景能效使用進行合理規劃，提高能源使用效率，實現節能減排。
3）產品/裝備遠程預測性維護場景中
在平臺中將產品/裝備的實時運行數據與其設計數據、制造數據、歷史維護數據進行融合，提供運行決策和維護建議，實現設備故障的提前預警、遠程維護等設備健康管理應用。
6.2 工業互聯網APP[5]
隨著制造業與互聯網融合發展的縱深推進，制造業數字化、網絡化、智能化轉型步伐加快，APP從消費領域向工業領域快速滲透。世界主要發達國家正在加快布局工作互聯網平臺，大力部署工業APP，通過激活工業數據和知識資源，賦能工業提質增效和轉型升級。
工業互聯網APP（以下簡稱工業APP）是基于工業互聯網，面向工業產品全生命周期相關業務的場景需求，把工業產品及相關技術過程中的知識、最佳實踐及技術訣竅封裝成應用軟件。其本質是企業知識和技術訣竅的模型化、模塊化、標準化和軟件化，能夠有效促進知識的顯性化、公有化、組織化、系統化，極大地便利了知識的應用和復用。
工業APP既可以安裝、部署和運行在諸如工業大數據平臺、工業通用設計軟件平臺、生產管控平臺等系統平臺上，也可以單獨使用在電腦單機上。用戶可以根據使用需求安裝、使用、相互調用、流通、卸載或更換，操作快速、方便、靈活。見圖5。
圖5 – 工業APP開發及應用參考架構圖（來源于《工業互聯網平臺白皮書2017》）
工業互聯網帶來工業數據的爆發式增長，大數據與機器學習方法正在成為工業互聯網平臺的標準配置。工業APP可由工業大數據驅動，調用大數據與機器學習微服務或能力，替代人工積累經驗，并自動發現知識，實現自診斷、預測與優化、決策支持。
企業可以按照工業APP構建自有技術體系。工業APP通過將行業工業技術結構化、數字化和模型化，可以建立各種工業技術之間的有序關聯，形成覆蓋工業產品研發、生產和運維全過程的完整知識圖譜。借助工業APP的可存儲、可計算和可升級，不斷地促進著企業知識的更新換代。
6.3 專家系統
盡管離心泵屬于通用機械，但由于其專業性非常強，屬于一門半理論半經驗的學科，要想順利完成智能化轉變，需要專家系統的支持。
專家系統是一個具有大量專門知識與經驗的程序系統，根據某個領域的專家提供的知識和經驗進行推理和判斷，模擬人類專家的決策過程。一般的專家系統由知識庫、數據庫、推理機及知識獲取器五個部分組成。
專家系統在工業企業中的典型應用：
1）診斷型專家系統。根據癥狀，得到故障的原因及排除故障的方案。如設備的故障診斷。
2）解釋型專家系統。根據表征現象和信息解釋其深層含義。如頻譜分析。
3）預測型專家系統。根據以往數據預測未來情況。如根據趨勢預測設備壽命。
4） 控制專家系統。根據控制過程的狀態變化，依據專家經驗，合理地選擇控制動作，達到優化的目的。
6.4 數據挖掘
數據挖掘是指從大量的、模糊的、隨機的數據中通過算法搜索或提取隱藏于其中的潛在有用的信息和知識的過程，是一種能夠智能的自動的將數據轉換成有用信息和知識的技術及工具。
數據挖掘在工業企業中的典型應用：
1）商務。主要包括電子商務、客戶關系管理等。可以用數據挖掘發現電子商務客戶的共性和個性的信息、獨立和關聯的信息、現實和預測的信息等，所有這些信息經過分析，能對客戶的消費行為等做出統計和分析，為管理者提供決策依據。
2）運維。通過對歷史時間序列數據的挖掘、分析，預測未來一段時間內的發展趨勢及其帶來的影響。
6.5 實際工程案例
實際工程應用中，制造商可以將結合了理論知識、設計數據和最佳工程實踐的離心泵專家系統進行標準化、模型化、軟件化封裝成不同的工業APP，如振動、性能、壽命預測APP等，通過數據對比、推理、判斷和挖掘，以發現設備運行中可能潛在的問題，最終的目的是優化運行、提高效率、延長壽命，同時實現對設備預測性維護。
某核電站反映現場位號為3CEX002MO（立式VS6）的離心泵組長期存在電動機上軸承（座）振動偏高的問題，提供了以下信息、并做出自己的初步判斷：
1）振動值不穩定，泵組啟動后在1~7 mm/s之間來回波動。
2）停泵狀態下（相鄰泵組在運行），電動機上軸承振動達到2 mm/s。
3） 單泵試車期間振動正常，凝汽器抽真空后再啟動，振動明顯升高。
4） 泵的振動隨流量升高呈下降趨勢。
現場實測振動頻率與電機上部的固有頻率一致，由此，現場懷疑電機的振動是由于流體激振頻率和電動機固有頻率之間產生共振所致。
帶有專家系統的振動診斷工業APP（如有）所列出的引起振動偏高的可能的原因有：
1） 轉子部件不平衡。
2） 軸發生彎曲或變形。
3） 動/靜零部件發生碰擦。
4） 軸承存在缺陷或損壞。
5） 泵組接近臨界轉速運行。
6） 零部件松動或損壞。
7） 零部件強度不足。
8） 基座松動。
9） 基礎強度不足。
10） 泵在偏小流量或偏大流量處運行。
11） 泵入口壓力偏低和/或進水箱壓力偏低。
12） 泵發生汽蝕。
13） 泵葉輪葉片外圓與導葉之間的徑向間隙偏小（葉片通過頻率產生的低頻振動）。
14）泵組不對中。
15）泵或管路沒有充分地排氣。
16）潤滑油/脂品質下降……
由于該泵為成熟產品，已廣泛應用于國內各大核電站，具有很多相同工況非常良好的運行業績。經帶有專家系統的工業APP（如有）對所有信息的對比、分析、排除、推理，最終判斷電動機上軸承振動偏大可能的原因如下：
1）現場基礎強度不足（相鄰泵之間互相干擾）；和/或
2）機械松動（檢查泵組地腳螺栓是否松動）；和/或
3）泵偏離高效區運行。
說明：以上僅提供一種可參考的預測或診斷思路，結果不一定非常準確。
7 分析結果的實施
當發現潛在問題時，監控系統可以通過自動電子郵件報告通知設備供應商和/或用戶和/或現場操作人員，確定報警級別（是否需要立即處理還是需要關注）和產生的根本原因，提出可行的解決方案。故障模式包括軸承故障、機械密封失效、性能偏差、聯軸器未對中、轉子不平衡、汽蝕、基礎松動、振動、噪聲等。
對于某些潛在問題，如性能偏差，可以通過現場操作人員或者手機客戶端APP、工業APP來調整設備的運行，甚至可以由工業APP自動調整。
8 離心泵智能化現階段建議
8.1 由簡到繁
在現階段，我國離心泵行業可以借鑒國際同行的一些做法，由簡到繁 - 先對泵賦予某一單一智能化功能（如優化運行方式、自動啟停泵的數量等）；然后，在經驗及市場需求的基礎上，不斷對泵賦予更多的智能化功能。這樣的案例比較多。
德國KSB公司為Calio和Calio S型系列循環泵專門開發了一套智能化動態控制系統，它們基于算法自動調整泵的流量和揚程，使工作點始終處于最優狀態。
由于用戶/設計院通常不知道較準確的現場系統阻力曲線，因此，設計人員會選擇一個比系統阻力曲線高得多的設計曲線，從而導致泵的使用功率超過了實際需要的功率，造成不必要的能源浪費。動態控制系統依據從泵組內部信號中自動收集到的信息，可以自行判斷出系統阻力曲線，然后自動優化運行工況。
丹麥GRUNDFOS公司推出了一款實時分析和診斷機器健康的解決方案系統GMH。GMH系統為工業、自來水廠和商業應用的旋轉設備提供準確的內部分析。它使用先進的無線傳感器監控泵及其系統，并將數據傳輸到安全的云平臺，該平臺上的算法可檢測到最小的振動、溫度變化和磁通量。任何異常都將轉換為可執行的任務并發送給維護團隊，從而延長設備的使用壽命并提高運營效率。
2018年，Framo公司為Aker BP公司提供的用于Ivar Aasen油田的智能海水提升泵，基于傳感器提供的大量實時監測數據，在工業AI軟件公司Cognite算法的支持下，可以預測設備的狀況、預見未來泵將發生的情況，從而增加泵的正常運行時間，并對其進行預測性維護。
美國FLOWSERVE公司開發了基于網絡的軟件程序 - IPS觀察平臺和Flowstar.net，可以實現：通過簡化的示意圖查看性能狀態；監控實時設備性能；進行預測分析；基于事實和可證實數據的糾正措施建議；回顧設備歷史信息；管理設備更換、維修、保養、調整的時間及成本等。
至于離心泵運行維護方面的APP的開發：
1）對于一些有實力的企業，可以自行開發。
2）對于沒有自行開發能力的企業，可以與工業互聯網平臺商或第三方開發商/開發者合作，共同開發。
8.2 人機結合
無論基于技術、成本還是歷史經驗，現階段離心泵都無法達到完全的智能化。因此，通常的做法是進行人機結合的方式，來處理現場潛在的或已經出現的問題。
9 總結
離心泵智能化是市場和企業轉型升級的需要。
智能來自所收集的數據、如何對其進行分析以及如何實施分析的結果。
智能化有助于預測性維護、優化系統運行、節省停機時間和能源消耗。同時，通過更主動的預測性的維護模型，增加設備壽命和操作安全性。
智能化離不開工業互聯網平臺和工業APP。
現階段，離心泵智能化應由簡到繁、采用人機結合的方式。
參考文獻
[1] Machinery Protection Systems, API STANDARD 670 FIFTH EDITION, NOVEMBER 2014
[2] 謝小青，泵行業如何實現從傳統制造到智能制造的華麗轉變，泵工程師，2018年6月號 總第70期，P16-21
[3] How can you implement the IIoT to monitor vibration in a pumping system? HI Pump FAQs by Hydraulic Institute, 03/28/2017
[4] 工業互聯網產業聯盟，工業互聯網平臺白皮書（2017），2017年11月
[5] 中國工業APP聯盟，工業互聯網APP發展白皮書（2018年），2018年6月
特別說明：未注來源的其它人工智能方面的內容，均摘自互聯網。
摘自泵友圈