本文件规定了制造系统诊断维护技术与应用集成通用要求，制造系统诊断维护功能架构、技术组成与分类，以及诊断维护技术的应用服务封装和集成要求。 本文件适用于指导制造系统诊断维护技术与应用平台建设。

ICS35.240.50
CCSJ 07
中华人民共和国国家标准
GB/T43961—2024
制造系统诊断维护技术与应用
集成通用要求
General integration requirements of technologies and applicationsfor diagnostics and maintenance in manufacturing systems2024-04-25发布
国家市场监督管理总局
国家标准化管理委员会
2024-11-01 实施
规范性引用文件
3术语和定义
缩略语
制造系统诊断维护功能架构与技术组成5.1功能架构
技术组成与分类
制造系统诊断维护技术要求
数据采集技术
数据传输技术
数据存储与管理技术
状态识别技术
故障诊断技术
寿命预测技术
基于维护的备件管理技术
维护策略制定与优化技术
制造系统诊断维护服务封装与应用集成7.1
制造系统诊断维护服务封装方法制造系统诊断维护应用集成方法制造系统诊断维护信息集成范围参考文献
GB/T43961—2024
GB/T43961—2024
本文件按照GB/T1.1一2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。
请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由中国机械工业联合会提出。本文件由全国自动化系统与集成标准化技术委员会(SAC/TC159)归口。本文件起草单位：北京机械工业自动化研究所有限公司、清华大学深圳国际研究生院、福耀玻璃工业集团股份有限公司、联想（北京)有限公司、武汉恒力华振科技有限公司、清华大学、江苏长江智能制造研究院有限责任公司、北京理工大学、浙江省自动化学会、浙江金马逊智能制造股份有限公司、包头美科硅能源有限公司、浙江大学、苏州路之遥科技股份有限公司、宁波圣瑞思工业自动化有限公司、西安交通大学、中煤北京煤矿机械有限责任公司、东莞市爱康电子科技有限公司、山西柏腾科技有限公司、杭州安脉盛智能技术有限公司、山西科达自控股份有限公司、江苏美科太阳能科技股份有限公司、宁波中亿智能股份有限公司、南京高华科技股份有限公司、宁夏巨能机器人股份有限公司、东莞市中天自动化科技有限公司、山西天地煤机装备有限公司、江苏辉源供应链管理有限公司、中科云谷科技有限公司。本文件主要起草人：黄必清、孙洁香、陈辉、靳玉茹、刘涛、杨余久、李亮、莫语、闫泽、郝睿阳、吴绍莉、唐聪、杨秋影、李义、朱麟、王长杰、李浩、魏疆骚、刘新、柴森春、渠晶、杜已超、薛静婉、王一钦、柴润祺、张利强、司佳顺、高静、赵钊、吴璇、钟霄、林姚辰、王艺澄、周荣、袁剑、赵飞、刘国柱、荆东青、周晓优、张胜、卢天华、翟德华、吴纪清、刘建军、胡建斌、李志博、唐康守、曹建文、张胜达、朱峰、杨辉。Ⅲ
1范围
制造系统诊断维护技术与
应用集成通用要求
GB/T43961—2024
本文件规定了制造系统诊断维护技术与应用集成通用要求，制造系统诊断维护功能架构、技术组成与分类，以及诊断维护技术的应用服务封装和集成要求。本文件适用于指导制造系统诊断维护技术与应用平台建设。2规范性引用文件
本文件没有规范性引用文件。
3术语和定义
下列术语和定义适用于本文件。3.1
制造系统
manufacturingsystem
将制造资源转变为产品或半成品的输入/输出系统，由制造过程及其所涉及的硬件、软件和人员所组成。
注：包括生产系统和辅助生产系统。[来源：GB/T39751—2021,3.1]
事后维护breakdownmaintenance在设备发生故障后再进行修理的一种维修方式。3.3
周期性维护periodicmaintenance用于防止发生重大意外故障的维护方法，此方法根据故障或中断历史，主动停止使用某一设备或设备子系统，然后对其进行拆卸、修理、更换零件、重新装配并恢复使用。3.4
预测性维护
predictivemaintenance
根据观测到的状况而决定的连续或间断进行的维护，以监测、诊断或预测构筑物、系统或部件的条件指标。
[来源：GB/T40571—2021,3.5]
conditionbasedmaintenance
基于状态的维护
通过设备运行的关键数据的采集，完成状态识别和基本的故障诊断，并提供基本的维修与维护策略。
GB/T43961—2024
基于全生命周期的维护life-cyclebasedmaintenance通过设备运行状态的全生命周期数据采集，进行全生命周期的状态识别、故障诊断、寿命预测，并能判断寿命预测结果的置信度，预先提供完整可信的维修和维护方案，指导设备的维修维护管理。3.7
应用application
组有序的过程，它由一组资源执行，并通过一系列交互进行协调，旨在完成一个定义的目标。[来源：GB/T27758.1—2011,3.2]3.8
维护应用
月maintenance application
制造应用类型，管理制造资产的重构、搬迁、更换或者维修，并且将这些活动通知其他的制造应用。[来源：GB/T27758.1—2011,3.13]3.9
制造应用
manufacturingapplication
制造过程、相关资源以及在产品制造中或服务提供中涉及的信息交换等的集合。注：包括生产系统和辅助生产系统[来源：GB/T27758.1—2011,3.14]3.10Www.bzxZ.net
集成integration
系统状态或者活动，以实现某个特定的状态，在该状态下，系统的组件被组织起来一起合作、协调和互操作，当需要时，还可交换“项目”，以执行某个系统任务。[来源：GB/T27758.1—2011,3.9]3.11
故障fault
可能导致功能单元执行要求功能的能力降低或丧失的异常状况。[来源：GB/T
故障诊断
15969.6—2015,3.24]
fault diagnosis
为故障识别、故障定位和分析故障原因所采取的行动。[来源：GB/T3
39129—2020,2.3]
剩余寿命预测
remaininglifeprediction
基于故障诊断提供的类型判断、故障定位等数据，对设备的剩余使用寿命进行评估。3.14
机器学习
machinelearning
功能单元通过获取新知识或技能，或通过整理已有的知识或技能来改进性能的过程。[来源：GB/T5271.31—2006,31.01.02]3.15
neuralnetwork
神经网络
由加权链路且权值可调整连接的基本处理元素的网络，通过把非线性函数作用到其输入值上使每个单元产生一个值，并把它传送给其他单元或把它表示成输出值注1：虽然某些神经网络旨在模拟神经系统中神经元的功能，但大多数神经网络用于人工智能以实现连接模型。注2：非线性函数的例子是阈值函数、sigmoid函数以及多项式函数。2
L来源：GB/T
5271.34—2006,34.01.06
artificial intelligence
人工智能
GB/T43961—2024
计算机科学的分支，专门研究数据处理系统，该系统执行通常与人类智能相关的功能。[来源：GB/T40571—2021,3.7]
4缩略语
下列缩略语适用于本文件。
API：应用程序接口(Application）Programming
Interface)
DCS：分散控制系统(Distributed1Control
System
ERP：企业资源规划(EnterpriseResourcePlanning)
ESB：企业服务总线(EnterpriseSServiceBus)
MES：制造执行系统（ManufacturingExecutionSystem)WMS：仓库管理系统(WarehouseManagement5
制造系统诊断维护功能架构与技术组成5.1功能架构
System)
制造系统诊断维护系统应包括且不限于以下功能：全周期数据采集；
一一设备状态监控；
故障诊断与预测；
一一基于运维的备件管理；
一维护策略制定与执行。
制造系统诊断维护功能，由各种分类技术及其服务封装组成，通过企业服务总线(ESB）或者微服务等技术实现与企业现有信息系统的集成，功能架构如图1所示。GB/T
43961-2024
应用层
全周期
数据采集
数据采集
数据传输
数据存储
设备状态
数据提取
信号分析
特征筛选
故障诊断
与预测
数据处理
故障诊断
寿命预测
基于运维的
备件管理
备件管理
策略模型
控制管理
企业服务总线(ESB)/微服务(RESTfulAPI)车间制造执行
系统(MI:S)
注：备件仓储管理系统表现为两种形式：企业资源计划
(ERP)余统
维护策略
制定与
备件预测
策略制定
策略优化
备件仓储管理
余统(WMS)
a）当诊断维护功能为企业内部功能时，表现为企业内部ERP系统中的仓储管理系统；b）当诊断维护功能外包给外部企业时，表现为外部企业ERP系统中的仓储管理系统。图1制造系统诊断维护功能架构
5.2技术组成与分类
面向全生命周期的维护，制造系统诊断维护包含以下技术组成，与维护类型对应关系如表1所示。数据采集技术。
一数据传输技术。
数据存储与管理技术。
一状态识别技术。
故障诊断技术。
寿命预测技术。
基于维护的备件管理技术。
维护策略制定与优化技术。
制造系统诊断维护技术细分技术参见第6章，技术分类可以用编码描述，编码可以包含以下属性：行业索引；
维护类型；
-技术种类；
外包程度；
技术环节：
前序技术环节与后序技术环节。技术
数据采集技术
数据传输技术
数据存储与管理技术
状态识别技术
故障诊断技术
寿命预测技术
基于维护的
备件管理技术
维护策略制定
与优化技术
事后维护
表1技术组成
周期性维护
基于状态的维护
预测性维护
基于预测的维护
“√”表示该维护类型涉及此类技术。注：“
一”表示该维护类型不涉及此类技术，6
制造系统诊断维护技术要求
数据采集技术
如图2所示，面向诊断维护需求的数据采集技术应包括以下环节GB/T43961—2024
基于全生命
周期的维护
诊断维护需求：定义诊断维护的对象与实际需求，例如定义某设备为诊断维护的对象、定义该设备的剩余寿命预测为诊断维护的实际需求。数据采集范围：根据诊断维护需求与诊断维护方法定义数据采集的范围，包括采集对象、采集点位等。
现有数据分析：面向诊断维护需求和可能的诊断维护方法，对现有数据可行性进行分析，包括数据统计分析(历史数据量级、数据类型、数据细粒度等)、数据可获取性、数据实时性、数据准确性、数据完备性等。
诊断维护方法选择：根据已有数据情况和现有监测方案可以获取数据情况，选择满足诊断维护需求的具体模型和方法。
数据采集需求：数据采集需求来源于两部分，包括现有数据采集需求和新增设备采集需求，现有数据采集需求包含所需传感器类型、采集范围等；新增设备采集需求则是结合现有数据不足，针对性地补充设备以进行数据采集数据采集方案：包括但不限于新增采集设备方案、设备智能化改造方案、数据采集点位、数据采集类型、数据采集频率等。
小提示：此标准内容仅展示完整标准里的部分截取内容，若需要完整标准请到上方自行免费下载完整标准文档。