工业互联网是互联网和新一代信息技术与工业系统全方位深度融合所形成的产业和应用生态，是工业智能化发展的关键综合信息基础设施。智能制造是推进工业互联网工业化与信息化融合的重要方向，其中预测性维护则是智能制造中非常重要的一环。
设备预测性维护基于连续的测量与分析，通过对机器的运行状态进行监控与数据采集、振动分析等方法，最大限度减小维护对生产带来的不利影响。工业互联网关键技术包括新型物联网通信技术、边缘计算技术、数字孪生技术等。中国高端科技规划布局，我国将工业互联网作为重要基础设施大力推进建设。
在工业互联网的关键技术中，边缘计算被持续提及。边缘计算为部署在网络边缘的计算、存储、网络及应用核心能力为一体的计算环境，为终端用户提供实时、动态和智能的服务计算。本文将边缘计算与预测性维护结合，分析预测性维护场景下边缘计算的需求，研究边缘计算在该场景下的应用方式，阐述相应架构及关键技术，展望边缘计算在预测性维护领域的发展趋势。
预测性维护技术的研究由来已久，常见的预测性维护方案以振动监测为代表，其他方式还有流体分析、超声波测试等。通过在设备上安装传感器搜集数据，随后将数据发送到分析平台进行计算与诊断，是一种信息化程度较高的手段。分析平台通常部署在云端，以实现统一管理和机器学习等高级功能。预测性维护在边缘端的主要需求有以下几点。
（1）功耗控制。由于需要在设备上加装传感器，但被监测的设备常常位于人较难到达或是环境复杂的区域，例如油田上的采油机，矿井下的皮带机、提升机。因此传感器多采用电池供电。如果通过预测性维护对设备能够进行很好的维护，但增加人力去更换传感器电池，反而会增加成本，得不偿失。此外，数据的传输与加密都会造成电量损耗，因此要采用更好的数据传输方式与信息加密方式。
（2）终端管理。传感器和各终端要更好地管理，终端设备的在线与离线状态需进行智能管理，避免通过人力反复到现场检查与维护。
（3）云边协同。设备的故障模式并不存在过多差异，对于模式化的故障，应在边缘诊断，直接将告警信息推送对应人员。对于复杂故障，边缘侧能对其进行初判，将数据进行清洗后再行上传云端。云端可以接配置和管理边缘端，实现协同。
（4）工业安全防护。工业安全是阻碍工业互联网发展的核心问题之一。在预测性维护场景中，各终端算力有限，同时局限于严苛的能耗要求，不适用复杂的加密方法，需要新型安全防护手段。
在经济影响方面，工业互联网融合带动的经济影响已经迅速扩张。预测性维护是工业大数据和人工智能结合落地的重要应用场景，作为工业互联网的“杀手级”应用，预测性维护越发得到市场重视，会进一步推进制造业发展向智能化新模式的转变，同时市场的飞速发展对预测性维护提出了更多需求。
边缘计算赋能预测性维护，以智能边缘网关为中心，承载原属于云端的基础性任务[5,6]。在智能边缘网关与云端、智能边缘网关之间进行边缘、边边协同，并与海量终端一起构成基于区块链的完整边缘体系，是未来预测性维护的发展趋势，该技术会有力推动工业互联网的发展。
忽米——让工业更有智慧
