1. 课程导入与ThingWorx平台定位

在工业现场，设备“坏掉”往往不是一瞬间发生的。轴承磨损、电机温升、液压压力波动、振动幅值缓慢抬升，这些劣化过程通常会在数小时到数周内留下可观测的痕迹。设备状态监测与健康评估的核心任务，就是把这些痕迹转化为可判断的信号，让维护从“坏了再修”转向“按状态决策”。本课程围绕ThingWorx平台，讲解如何采集设备数据、建立状态模型、计算健康指标，并最终形成可落地的预警与维护建议。

为什么需要设备状态监测与健康评估

传统计划维护按固定周期更换部件，周期定得短则浪费备件与停机窗口，定得长则可能错过劣化拐点。状态监测的价值在于用数据回答三个问题：设备当前处于什么状态？劣化速度有多快？还剩多少可用时间？以一台示例离心泵为例，假设其驱动端轴承温度正常范围为45～65℃，振动速度有效值报警阈值为4.5 mm/s。若温度在8小时内从52℃升至61℃，同时振动从2.8 mm/s升至4.1 mm/s，即使尚未触发报警，这种“双参数同向抬升”已经构成值得关注的早期征兆。健康评估则进一步把多参数综合为一个0～100的健康度评分，例如温度权重0.4、振动权重0.4、压力权重0.2，按归一化偏差加权计算，使运维人员能快速排序多台设备的处理优先级。

ThingWorx在工业物联网中的角色

ThingWorx是PTC推出的工业物联网应用平台，它在设备与业务系统之间承担“连接—建模—计算—呈现—联动”的中间层角色。底层设备可能通过Modbus、OPC UA、MQTT等协议接入，ThingWorx通过Thing、Thing Template、Thing Shape等抽象把物理设备映射为可管理的数字对象；通过服务、订阅和事件机制实现数据流转与逻辑触发；通过Mashup构建可视化界面；通过ThingWorx Analytics或外部算法服务完成健康评分与趋势预测。

与只做数据采集的SCADA或只做报表的BI工具不同，ThingWorx的关键能力在于“模型驱动”。例如，我们可以定义一个PumpTemplate，其中包含属性temperature、vibration、pressure、healthScore，并绑定服务CalculateHealth。当任一属性更新时，订阅触发服务重新计算健康度，并把结果写回属性、推送到Mashup、同时判断是否生成告警工单。这种“一次建模、多设备复用”的方式，使课程中的实战项目可以从小规模示例平滑扩展到多台设备。

课程整体学习路径

课程按“认知—建模—计算—呈现—实战”推进，但并非线性堆叠，而是围绕一个贯穿始终的实战项目反复迭代。前段建立ThingWorx平台认知与设备数据接入方法；中段深入Thing模型设计、属性绑定、服务编写与订阅触发；后段聚焦健康评估算法、阈值策略、趋势判断与告警联动；最后完成一个可运行的设备健康监测应用。

学习路径中的关键节点包括：理解Thing、Thing Template、Thing Shape的区别与复用关系；掌握属性、服务、订阅、事件四类核心元素的协作方式；学会用归一化与加权方法把多参数压缩为健康度；能够通过Mashup把健康度、趋势和告警呈现给运维人员；并能在示例数据上验证从“数据接入”到“预警输出”的完整链路。

实战项目介绍

本课程贯穿的实战项目是“离心泵健康监测与预警”。项目对象为一台示例离心泵，配置如下：驱动端轴承温度传感器量程0～120℃，振动速度传感器量程0～20 mm/s，出口压力变送器量程0～1.6 MPa。数据经Modbus TCP网关以1秒周期上传，ThingWorx中建立Pump01 Thing，继承PumpTemplate模板。

健康度计算采用示例权重：温度0.35、振动0.45、压力0.20。每个参数先按正常区间做归一化，例如温度正常区间45～65℃，实测61℃时偏差为(61-45)/(65-45)=0.80；振动正常区间0～4.5 mm/s，实测4.1 mm/s时偏差为4.1/4.5≈0.91；压力正常区间0.4～1.2 MPa，实测0.9 MPa时偏差为(0.9-0.4)/(1.2-0.4)≈0.63。健康度=100×(1-(0.35×0.80+0.45×0.91+0.20×0.63))=100×(1-(0.28+0.41+0.13))=100×0.18=18。该结果属于“需尽快安排检修”区间，与温度、振动双参数同向抬升的观察一致。

项目最终交付物包括：一个可运行的ThingWorx Mashup看板，展示实时温度、振动、压力、健康度及24小时趋势；一套健康度计算服务；一组分级告警规则（健康度低于60为关注、低于40为预警、低于20为严重）；以及一份维护建议输出模板。通过这个项目，学习者能够把平台能力、数据方法和业务判断串成一条完整链路，而不是停留在单个功能点的记忆上。