一、互聯前沿科技,降低運維成本
近年來,隨著傳感器、人工智能、工業物聯網、大數據等技術的蓬勃發展,預測性維護受到廣泛關注與重視。預測性維護(Predictive Maintenance,簡稱PdM)是一種先進的維護策略, 它通過收集設備運行數據,利用數據分析和建模技術,識別出設備的潛在故障或性能下降趨勢,從而提前進行維護操作,以避免設備故障導致的生產中斷或安全事故。預測性維護通常關注設備的某一特定部分或系統,并對其進行有針對性的監測和診斷,側重于設備的故障預測和預防性維護,并實現運維成本最優。因此,與事后維修、周期性預防維護、基于狀態的維護相比,預測性維護可以最大限度地減少意外停機時間,延長設備壽命,并降低維護成本。
二、試點運行,結果可視
2024年,斯泰必魯斯武進工廠引進了縱行科技基于ZETA端智能的預測性維護方案。此方案是針對工廠旋轉設備推出的無線物聯網方案,通過使用低功耗的ZETA端智能振溫傳感器實時監測關鍵設備參數,結合AI數據分析預測潛在故障,幫助企業優化維護計劃、減少停機時間,并降低運營成本。我們在自動化生產線安裝了無線網關,設備上安裝了振溫傳感器終端,搭建起預測性維護系統。
安裝在L41現場的物聯網傳感器終端
據統計,>70%的機械設備故障可以通過振動及時檢測出來。對于旋轉設備,大多數故障與機械運動或振動密切相關。振動檢測直接、實時、準確地定位機器故障。而AI振動監測方案由物聯網(IoT)、人工智能(AI)和可靠性專業知識構成。預測和預防機器故障,避免計劃外停機,降低維護和浪費成本,準確率高達90%以上。數據流經歷以下過程得以實現交互。
1、數據采集
傳感器全天候24/7(采集周期一小時,可調),捕獲原始振動與溫度數據
2、特征提取
將原始振動數據進行提煉,計算出能保證振動狀態的特征指標,大幅度減少傳輸數據量的同時又能保留有用的振動信息
3、異常監測
AI預警算法模型:結合閾值報警和趨勢報警,對設備狀態做細粒度的報警等級劃分,與不同維護策略相對應
4、故障識別
AI診斷算法模型:基于故障機理,結合特征指標與故障類型的概率對應模型,來綜合判斷設備可能發生的故障
通過Web端,可以查看設備溫度和振動數據進行分析
并且通過AI模型的判斷,可以準確地生成報警信息并統計
三、 項 目 成 果
01、4月份通過系統的報警提醒,避免了2#預處理風機設備故障
02、節約了人工巡檢時間,當前為在線15分鐘一次的自動數據采集
03、振動、溫度的測量減少了現場巡檢30%~40%的工作量
04、建立了設備全生命周期檔案,并將“定期更換”策略調整為“基于狀態的檢修策略
四、斯 家 寄 語
預測性維護作為一種新興的維護策略,憑借其顯著的優勢和廣泛的應用前景,正逐漸成為現代企業設備管理的重要組成部分。通過實時監測、數據分析和智能決策,預測性維護不僅能夠提高設備的可靠性和效率,還能為企業避免不必要的浪費并帶來可觀的經濟效益。隨著技術的不斷進步和項目的持續推進,預測性維護將在未來發揮更大的作用,推動公司的智能化轉型。
五、關于縱行科技
縱行科技是新一代窄帶無線通信技術和解決方案提供商。作為國家高新技術企業、專精特新中小企業,公司自主研發的窄帶通信技術ZETA AM-FSK,已獲20+國內外發明專利。ZETA廣域組網的國產替代方案和窄帶通信芯片,在電力、物流供應鏈及泛工業等領域得到了廣泛應用。并先后獲達晨創投、中科院國科嘉和、京東、聯想創投等知名機構投資。 得益于ZETA系統的優越性能,縱行科技具備從芯片模組、通信協議、智能終端、算法到軟件平臺的端到端研發能力,并以此打造 ZETA生態圈,大幅降低物聯網應用全鏈成本,合作伙伴累計超過500家,業務覆蓋 20+個國家和地區。
【免責聲明】【廣告】本文僅代表作者本人觀點，與和訊網無關。和訊網站對文中陳述、觀點判斷保持中立，不對所包含內容的準確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考，并請自行承擔全部責任。郵箱：news_center@staff.hexun.com
最新評論