侵权投诉

搜索
更多>> 热门搜索:
当前位置:

OFweek工控网

正文

当动设备邂逅数字化,智慧运维时代开启

导读: 数字化技术正在给制造业带来深刻的变革,越来越多的厂商开始考虑通过物联网、大数据、云计算等技术来提升设备的运行效率。在2018年研华物联网共创峰会上,作为研华的共创伙伴,西安因联信息科技有限公司(以下简称“因联科技”)展示了全套机泵预测维护解决方案。

数字化技术正在给制造业带来深刻的变革,越来越多的厂商开始考虑通过物联网、大数据、云计算等技术来提升设备的运行效率。在2018年研华物联网共创峰会上,作为研华的共创伙伴,西安因联信息科技有限公司(以下简称“因联科技”)展示了全套机泵预测维护解决方案,并在会上做了精彩的分享。借此机会,OFweek工控网采访到了因联科技总经理吕芳洲先生。

经历十余年工业设备维护,积累了丰富经验的吕芳洲对设备运维技术的发展变迁与行业客户面对设备运维上的诸多痛点方面深有感触。在采访过程中,吕芳洲介绍了因联科技的动设备预测性维护系统,并讲述了如何结合研华边缘计算技术、WISE-PaaS平台,共同助力智慧运维新时代。

当动设备邂逅数字化,智慧运维时代开启

西安因联信息科技有限公司总经理吕芳洲

预测性维护(Predictive  Maintenance,简称PM)是“工业4.0”提出的关键创新点之一。基于连续的测量和分析,预测性维护能够预测诸如机器设备零部件剩余使用寿命等相关指标。关键的运行数据可以辅助决策,判断机器的运行状态、优化机器的维护计划。

我国作为制造业第一大国,超过200多种工业产品的产量和出口量都居世界第一,工业制造业的强大带动我国经济的快速发展;各类工业生产企业不断的扩张与崛起,各工、矿企业所购置的机械设备越来越多;而且随着设备技术复杂性的增加,也会不断地产生更多大型、复杂、精密和机电一体化的多种机械设备,比如大型旋转设备如泵浦、风机、压缩机、汽轮机和燃气轮机等,已成为了石油、化工、冶金、水泥、汽车及电力等工业制造业中必不可少的关键生产设备;对这些设备开展维护工作,具有重要的意义

而我国对设备的维护仍采用传统的计划、定期维修。这种方法带有很大的盲目性,设备有无故障、故障类型、故障部位及故障程度难以准确把握。另外,由于良好部位的反复拆卸,机械性能往往不理想,甚至低于检修前。由此产生的维护维修成本巨大,设备故障带来的停机损失更是不可估量。

当动设备邂逅数字化,智慧运维时代开启

为了改善这一现状,通过工业物联网、大数据分析等数字化手段,实现设备远程监控、实施预警与智能运维,已经成为了众多传统工业企业在转型升级时期,保持进一步提升效益、降低生产成本的重要选择。

“作为一家工业互联网平台及智慧工厂解决方案提供商,因联科技致力于提供以大数据为核心、智能算法为驱动的端到端工业物联网解决方案,为行业客户提供数据分析、故障预测和运行优化服务,将数据转换成高价值生产力,共建完整机器运维价值链条。”采访中,吕芳洲总经理向OFweek工控网编辑如此介绍因联科技。

立足创新,因联科技携手研华,共同搭建智慧运维新生态,为工业领域提供切实可行的数字化方案。智慧运维平台为工业设备提供了实时监控、故障预警、统计分析和维修决策四大功能模组,将数据的价值渗透到设备运维的各个方面。

实时监控

采集振动频率和运行温度等间接变量来实现对设备的重点监控,不同频响范围区分检测功能类型,并采用无线的方式进行数据传输至大数据平台,更精确掌握故障细节;用户可以通过状态监测系统软件或APP、微信端直观了解设备运行参数,从而针对性的对不同设备进行优化。

故障预警

因联科技提供从sensor(传感器)到云平台整套方案,在云平台方面,因联主要提供智能算法,使得传感器所采集到的数据,通过各种无线技术协议传输到云平台从而得到企业设备当前的健康状况指标,甚至可以进一步给出指引,精准定位出故障类型,及时反馈设备实时运行状态,便于及时发现问题,实现预知性维修,减少工厂停机次数,降低消耗、提升效率。

统计分析

传统企业一些数据设备场景都分散在各地,无法连接共享,就无法利用;通过大数据的方式实现连接以后,可以把原来分散的客户、分散的设备、分散的数据连接起来,然后依托数据统计分析功能,用户可以查看不同运转设备指标的理论值和实际值,便于优化不足站点。通过先进的数字信号处理算法,提供包括振动烈度、冲击峰值及轴承状态等多种有效的特征参数。

维修决策

通过相关数据能够帮助管理者掌握设备的运行状态,为进一步决策提供有力参考依据。完全可以按需维护,无需付出额外成本,改善维修员定期维修产生的两种严重倾向,一是“过维修”即过度维修,另一种就是“欠维修”。切实帮助企业了解各设备运转的实际运营状况,为后续运营提供决策基础。

数据处理带来行业价值

有数据后并不代表一定就能产生价值。一种是数据的利用程度,比如,很多运营型企业会存储大量的设备使用数据,但仅仅在设备出现问题时才会查看当时的数据是否出现了异常、并且只用在处理当下问题上,因此,大量使用数据被浪费。事实上如果能通过某个统一的平台,分析、预测数据的关联,就可能避免问题或不必要的浪费;另一种是数据的可利用程度,即有可能我们采集到的数据90%以上均为无用数据,而技术人员需花费大量时间来进行数据清洗,因此,这些实际上都对感知数据的采集与处理方式提出了新的要求。

此外,就算有了可利用的数据,也必须能够转化为有用的信息。这类信息的转化,类似于人的记忆过程(人之所以有记忆,并非单纯感知到实体世界的数据存储,或者是实体世界镜像的映射,而是通过筛选、存储、关联、融合、索引、调用等形式将数据变为对人有用的信息,这是人类思维与行为的基础)。因此,在CPS的框架下,能按照信息分析频度和重点来重新进行自适应的、动态的“数据-信息”转换,并解决海量信息的持续存储、多层挖掘、层次化聚类调用,进而达成数据到信息的智能筛选、存储、融合、关联、调用,才是有效的信息提取过程。

因联科技智能运维服务应用架构既覆盖基于现场需求的单机应用,更有搭载研华WISE-PaaS工业物联网云平台的云端应用。借助WISE-PaaS平台,设备运维管理应用架构实现了数据的汇集、整合,信息更加清晰、透明;延伸性的技术架构,保证了其可拓展;将主动权交给用户,能够根据个性需求修改调整,降低成本;依托数据,实现能耗的最优化,有效减少浪费。

因联科技智能运维服务应用架构中涉及的软硬件,如应用服务器WebAccess以及数据控制采集网络等,均来自研华,保证了系统的无缝衔接、稳定可靠。而且,能够克服网络不稳定的异常状况,支持本地缓存,网络恢复后上传,让用户真正做到“高枕无忧”。

在未来,因联科技会聚焦在动设备的预测性维护上面。针对其场景多、行业广的特点,围绕设备的维护预测,以期提供更多的手段和更准确的预测。朝着向工业企业提供智能化升级转型的方向研发,直到能对当前使用场景下的寿命进行精准的预测及判断,这样也能给客户提供更好的运维建议,直至未来完全实现对设备的无人化执守。

声明: 本网站所刊载信息,不代表OFweek观点。刊用本站稿件,务经书面授权。未经授权禁止转载、摘编、复制、翻译及建立镜像,违者将依法追究法律责任。

我来说两句

(共0条评论,0人参与)

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

  • 机械
  • 自动化
  • 单片机
  • 猎头职位
更多
文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号