以前，在大家眼里，制造业往往只和设备、硬件有关。今天，软件和服务已经从制造业的成本中心转变为利润产生中心。一种称为设备即服务(EaaS)的模型可以通过ApacheKafka等事件流平台提供可靠且可扩展的实时数据处理服务，然后将维护工作外包给服务提供商。下面，我将与您讨论用于状态监测和预测性维护的物联网软件如何帮助构建新产品并提高整体设备效率(OEE)。首先让我们看一下状态监测和预测性维护这两个术语。由于没有标准定义，一些文献将状态监测视为预测性维护的主要组成部分。当然，也有将后者解释为可以利用机器学习的现代软件。更重要的是，这两个术语被认为是同义词。现代维护的策略和目标现代维护的策略和目标侧重于更有效和优化地使用资源。这些通常建立在基于状态的维护策略之上。那么，IIoT/工业4.0在车间层面可以实现哪些优势呢？通过以维护代替维修来减少计划外停机时间通过优化和消除不必要的维护工作来减少负面财务影响优化生产力提高设备整体效率(OEE)从孤立的角度上升到整个企业的角度。同时，设备运营商将重点关注以下几个方面：通过检测异常和错误分类，判断设备是否正常运行？通过剩余使用寿命（Remainingusefullife，RUL）和首次故障时间来确定设备可以继续运行多久？通过传感器监测和根因分析判断设备是否正常运行？状态监测和预测性维护的本质。状态监测是指对设备的振动、温度等状态参数进行监测，以识别故障中规定的检测指标发生显着变化的过程。它是预测性维护的重要组成部分。我们可以使用状态监控来安排维护或采取其他措施来防止故障造成伤害。也就是说，状态监测可以在检测项目发展成重大故障之前及时或提前提供相关信息。预测性维护技术将有助于识别在役设备的状况，以估计何时需要实施维护。有效方便运维人员对设备进行纠正性维护，从而防止设备出现意外故障。此外，预测性维护比传统方法更具成本效益，因为维护任务是按需触发的。当然，只有在保证基础设施和软件的可靠性、可扩展性和实时性的基础上，状态监测和预测性维护才能发挥良好的作用。这通常是基于总拥有成本(TCO)和投资回报率(ROI)的合理成本风险分析和投资的结果。设备即服务（EaaS）是一种新的商业模式作为一种服务驱动的商业模式，设备即服务（EaaS）体现为将设备租赁给终端用户，并收取定期的设备使用费。这种模式可以为双方提供以下好处：EaaS提供商（如OEM和设备制造公司）可以按需改进研发和数字孪生(DigitalTwins)中的产品设计，计划定期收入，并提供预测性维护服务。客户（如制造工厂）可以借助EaaS软件优化设备利用率和自身生产力，降低资本支出（CAPEX）、运营支出（OPEX）、运营成本等各种综合成本。可以说，只有当状态监控和预测性维护能够24/7稳定且持续地收集、处理和分析传入数据流时，EaaS才是成功的商业模式。将ApacheKafka用于IIoT/工业4.0作为事件流的事实标准，ApacheKafka通常由IIoT/工业4.0在其边缘和混合云环境中全球部署。下图展示了一个结合公有云和边缘事件流的智能工厂架构模型：由5GKafka和AWSWavelength实现的低延迟混合边缘云架构。OT）设备，但一般认为属于软实时（softreal-time），不适用于嵌入式系统设备。详细讨论请参考文章--《??Apache Kafka不是硬实时，但在自动化和工业物联网中无处不在??》。尽管如此，Kafka仍适用于任务关键型低延迟用例。示例：具有几毫秒端到端延迟的状态监控和预测性维护场景。下图是Kubernetes在5G环境下使用Kafka和ksqlDB的例子：AWSWavelengthlow-latency5GusecasesbasedonOutpostsandConfluent使用事件流和流处理的动态数据状态监控和预测性维护需要一个基于事件的架构来收集、处理和分析动态数据。传统的IIoT（IndustrialInternetofThings，工业物联网）平台是专有的、不灵活的、不可扩展的，不适合跨供应商和不同标准的集成。Kafka的原生流处理是一种开放、灵活、可扩展的技术，可用于实现跨物联网接口的数据集成。针对以上矛盾，我们来看两个例子：一个是使用KafkaStreams的无状态监控，一个是使用ksqlDB和TensorFlow的预测性维护。需要说明的是：这些只是示例，集成库可以用任何其他技术代替。例如，用于流处理的ApacheFlink、基于云的ML（机器学习）平台和用于“最后一英里”集成的专有物联网边缘平台等。以下是使用Kafka构建状态监控和预测性维护的基本设置:SensoreventsfromequipmentPLCs-ScadaIoT在上图的左侧，我们可以看到存储和转发事件产生的Kafka日志。在右侧，各种设备实时捕获来自传感器的数据。该架构可以在任何规模的环境中实时运行。例如，一些Confluent客户利用ConfluentCloud处理每秒10GB或更多的数据。设备、PLC（可编程逻辑控制器）和传感器之间的物联网集成是通过KafkaConnect或其他API，以及MQTT、OPC-UA、REST/HTTP、文件和不同的开放或专有接口实现的。对此有兴趣的可以参考《??用于工业物联网集成的Kafka和PLC4x???》和《??Kafka即现代数据历史学家??》两篇文章。StatelessmonitoringusingKafkaStreams下图展示了如何在温度峰值时实时分析Kafka原生状态监控：StatelessmonitoringusingKafkaStreams本例使用KafkaStreams实现。这是一个基于Java的库，可以嵌入到任何应用程序中。业务逻辑可以在实时处理大数据的同时持续监控传感器数据。其中，只有显示峰值温度超过100度的相关事件才会被转发到另一个Kafka主题（topic）。并且任何感兴趣的消费者（消费者，例如实时警报系统或批量报告）都会捕获它。由于应用是无状态的，只能一个一个地处理事件，因此无状态监控能力对于基于复杂业务逻辑的流式ETL（Extract-Transform-Load）过滤或转换非常实用。使用ksqlDB进行状态预测性维护虽然statelessstreamprocessing已经很强大了，但是statefulstreamprocessing（状态流处理）可以解决更多的业务问题。以下示例展示了Kafka的原生ksqlDB微服务如何实现有状态流处理并持续检测异常：UsingKafkaandksqlDBforstatefulpredictivemaintenance如上图所示，一个小时的滑动窗口将连续聚合来自各个传感器的温度峰值。消费者实时使用这些数据，根据预定义的阈值主动采取行动。例如，数据科学团队可以分析历史数据，确定十几个平均超过100度的温度峰值如何显着增加停电风险，并据此实时提醒设备操作员根据需要进行维护。使用Kafka和TensorFlow对以上简单的业务逻辑进行实时机器学习，可以用来改善OEE和维护流程。如果我们嵌入机器学习，我们可以更好地进行状态监控和预测性维护。通常，分析模型可以像任何其他业务逻辑一样嵌入到Kafka应用程序中，而无需更改架构。您可以通过查看以下链接了解更多信息：Kafka和机器学习模型训练和部署简介使用Kafka进行模型服务和评分的体系结构和权衡使用Kafka本机模型部署流机器学习使用Kafka、Streams、ksqlDB、TensorFlow、DL4J、H2O等代码示例下图是使用ksqlDB和嵌入式TensorFlow模型的示例：实时使用Kafka的KSQL和TensorFlow机器学习如图所示上图中，模型中嵌入了一个ksqlDB类型的用户自定义函数（user-definedfunction，UDF）。该模型使用无监督的自动编码器在Kafka应用程序中进行实时异常检测。这种架构智能地解决了数据科学和生产团队之间的不匹配问题。数据科学家可以使用Python和Jupyther笔记本进行快速原型设计和模型开发；而生产团队在集群中部署ksqlDB查询，实现大规模实时打分。你可以通过以下优秀的Github项目深入学习。本项目采用Kappa架构，实现关注点分离，可用于车联网基础设施，使用MQTT和Kafka进行预测性维护：MQTTKuberneteswithApacheKafkaandTheTensorflowKappaarchitectureforstreamingmachinelearningusesafullymanagedKafka风格的设备即服务。如下图所示，根据麦肯锡最近的一份行业趋势报告，制造企业往往希望提供机械设备即服务，并获得丰厚的利润：麦肯锡关于设备即服务的报告过去，在操作和维护设备时仅此一项，企业就经常面临“晚修则无修，过早修则增加成本”的困境。如今，EaaS负责为客户进行设备的运维。设备供应商只需设定最优的维修服务交付方式，即可提供更好的客户体验。目前，许多制造公司在其设备上运行Kafka和事件流或连接到云服务。许多现代IIoT服务还将利用完全托管的、真正无服务器的Kafka解决方案（例如ConfluentCloud），使他们能够真正专注于业务问题，而无需操作事件流基础设施。以下是一些与完全托管的Kafka相关的文章，包括使用数字孪生构建设备即服务的产品：DigitalTwinswithKafkaDigitalTwinsandDigitalThreadIoTArchitectureswithKafka以业务逻辑为核心，使用托管事件流的ServerlessKafkaApacheKafka各种产品、厂商、云服务的对比总结以上展示了Kafka生态系统的事件流，如何为制造企业提供提供新的设备即服务模型。其中，无状态和有状态的流分析可以实时对大规模数据做出主动和预测性的决策。该架构可用于一个或多个云服务区域、数据中心本地以及外部边缘和混合架构的任意组合。可以说，这种方式将成为下一代物联网平台和设备服务事件流的主要处理方式。译者介绍51CTO社区编辑JulianChen。他在实施IT项目方面拥有超过十年的经验。善于控制内外部资源和风险。他专注于传播网络和信息安全方面的知识和经验。翻译等形式分享前沿技术和新知识；经常在线上和线下开展信息安全培训和讲座。原标题：KafkaforConditionMonitoringandPredictiveMaintenanceinIndustrialIoTbyKaiW?hner
