在当今竞争激烈的工业世界里，预测性维护不再是一个多余的东西，它已经成为车间的必需品！
7月28日，由巴鲁夫自动化（上海）有限公司主办以“状态监测高效赋能预测性维护”为主题的新品线下发布会于昆山蕴启工业智能制造实验室成功举办，让各行业专业人士集聚一堂互通有无，探讨工业4.0、智能时代下的状态检测及预测性维护解决方案。
巴鲁夫亚太区副总裁兼大中华区总经理萨拓思先生首先开场道：“传统的预测性维护有很多局限性。然而，无线技术、云技术和人工智能技术的进步正在改变过去预测性维护的方式，新冠疫情甚至加速了这种转变。各公司都在利用这些技术，以合理的成本提供终端到终端、易于安装的预测性维护产品和解决方案。”
巴鲁夫亚太区副总裁兼大中华区总经理萨拓思
发布会演讲环节，巴鲁夫荣幸邀请到了同济大学工业4.0学习工厂主任陈明教授与大家共同探讨智能制造及工业物联网在生产制造过程中面临的挑战：“机器学习的方式有非监督学习、监督学习以及强化学习，不同的学习方式会对数据进行不同的处理，例如非监督学习是通过聚类直接对输入数据进行建模，而监督学习则是从每次的学习训练中建立一个学习模式，进而推算出新的实列。”
此外，GAMI 国际先进制造研究所总经理Tobias Arndt（安陶然博士）也与大家分享了他对于计算机视觉和状态监测激活生产制造的人工智能的相关见解：“机器学习让我们由能力处理更大量的数据，开发更易获得的复杂算法，但机器学习更重要的是对于数据的数量和质量的要求，数值的缺失，数据的杂乱都会影响机器学习；此外看似简单的算法背后是在计算机方面的大量投入与付出。”
为了让观众将系统理论与实际应用相结合，我们特邀请了实际使用的设备用户与大家分享了状态监测及预测性维护方面的实际使用经验：“通过数据的预处理分析以及直观的数据可视化让产线人员更方便的找准问题所在，甚至可以让终端用户看到生产线的加工状态，不但能更好的拟定维护计划，更能通过优化方案减少不良品以及停机可能，从而为我们带来切实的收益。”
现场观众观摩了巴鲁夫状态检测解决方案，熟悉了解推动工业4.0背后的IO-link技术、RFID以及机器视觉解决方案，同时在智能工厂参观环节，观众通过实际生产线直观看到了状态监测的实际应用，从数据的采集、分析到最终可视化的结果、预测走势，一系列工业4.0环境下的无纸化工艺流程让大家对智能制造有了新的认识。
停产和停工会造成成千上万的收入损失。但通过在运行过程中持续监测设备，然后收集和分析设备数据，企业可以优化维护计划，并在实际技术问题出现之前及时进行维修。
为此，巴鲁夫开发了体积小、坚固、功能强大的不锈钢状态监测传感器，防护等级最高可达IP69k。
巴鲁夫亚太区产品组合经理马骞与解决方案及应用经理高双辉分别对巴鲁夫状态监测传感器以及巴鲁夫工业相机进行了详述。
BCM能探测多种物理变量，如振动、温度、相对湿度和环境气压，并对这些数据分析处理，再通过IO-link接口将必要数据传输至主系统。此外，这款传感器能探测并显示状态，持续获取温度、运作时间及启动周期的信息。
标准的IO-link协议能便捷的设置传感器参数并根据具体应用进行配置。过程数据结构允许自由配置和循环传输五种测量或预处理的数据类型，还可以对附加的统计处理变量执行非周期请求。
此外，用户可以使用测量或处理变量的自动监测来定义预警报或主警报的阈值，问题事件发生时能发出警告信息，给予提醒。
■ 多种强大的功能——一台设备就可以实现四种测量：振动、温度、相对湿度和环境气压。
■ 快速集成，使用方便——紧凑但不复杂：坚固的不锈钢外壳（IP67/IP69K）是恶劣环境中受限空间的理想选择。通过IO-link进行快速简单的配置。符合ISO 10816标准，轻松确定机器的健康状态。
■ 数据的智能预处理——搭载数据预处理，无需额外的外部处理器即可进行智能决策。
目前，BCM系列已面向市场提供两个版本，即BCM0001（基础版）和BCM0002（高阶版），二者之间区别主要在测量范围（譬如高阶版增加了对相对湿度和环境气压的监测）、接口设置选项（高阶版增加了使用LED显示器实现搜索功能）等方面。
