预测性维护解决什么问题

    据估计,由于计划外停机,工业制造商每年要承担高达500亿美元的成本,维护费用占总生产成本的15%至40%。在汽车制造业中,一条关键的生产线闲置数小时,或数十名员工在操作系统中断期间被迫恢复为手动流程。停机时间每小时可能会惊人的达到130万美元。


    预测性维护,是以状态为依据(ConditionBased)的维护,在机器运行时,对其主要(或需要)部位进行定期(或连续)的状态监测和故障诊断,判定设施设备所处的状态,预测设施设备状态未来的发展趋势,依据其发展趋势和可能的故障模式,预先制定维护计划。

无线SCADA技术

预测性维护中的关键技术-振动分析以及相关实现方式

    制造商使用多种参数来确定启动维护操作的时间,这些参数包括振动、噪声、温度测量等。在可测量的物理量中,振动频谱测量能够针对旋转机器(发动机、发生器等)中的问题的根源提供最多信息。异常振动可能是滚珠轴承故障、轴偏差、不平衡、过度松散等问题。每个问题都有自己特有的症状。

无线SCADA技术

传感器:针对旋转设备的不平衡问题,松散问题,轴承故障,齿轮故障,需要配置高性能的振动传感器才能判断更广范围的潜在故障。

无线SCADA技术

基于机理模型的诊断可能出现的问题。

这一种是基于机理模型,它根据已有的设备的机械特征参数,并将实时参数进行对比,对故障进行预测,这种系统往往会依赖于长期的数据积累,形成“专家系统”,类似于“查表”的方式,对故障进行预测、定位与分析

无线SCADA技术

基于大数据深度学习的预测。从数据角度出发,进行多维度异常分析输出RUL(使用寿命,这里表示距离下一次维修的时间)


预测性维护的传统部署和实施方案,以及存在的问题

无线SCADA技术

    1.网络部署困难,成本高昂,需要大量传感器连接RTU然后连网。


    2.系统对接困难,网关和云端如果是异厂商需要进行协议对接。如发生数据解析异常,难以定界定位定责。


    3.RTU到云端平台需要大数量传输和存储,实施成本非常高。由于机器学习的数据量需要TB级数据进行分析,因此将数据存在云端是成本非常高的方式。


    4.数据标注和模型训练都放在云端实施,效率比较低。数据标注需要有经验的现场工程师进行解释和标注,而模型训练需要模型开发工程师进行,两边最好是能快速推进。



后米物联预测性维护一体机,一机打包完美解决问题

无线SCADA技术

预测性维护一体机,产品功能全景图

无线SCADA技术

我们的优势 - 深度学习驱动的工业物联网分析预测报警平台

无线SCADA技术


    »了解有关LORA技术的更多信息

5G+工业互联网专业解决方案提供商
导航
网站首页
产品中心
人才招聘
联系我们