電機(jī)預(yù)測(cè)性維護(hù)系統(tǒng)應(yīng)用研究

0引言

在工業(yè)制造行業(yè)，電機(jī)被大量使用。65%的工業(yè)能耗由電機(jī)消耗，20%的維護(hù)費(fèi)用消耗在電機(jī)上。為此,電機(jī)的維護(hù)在工業(yè)制造行業(yè)占據(jù)著重要的地位。當(dāng)前,電機(jī)的維護(hù)主要是人工巡檢,加上故障之后的維修,這對(duì)工業(yè)制造的正常生產(chǎn)活動(dòng)開(kāi)展帶來(lái)了不利影響^[1]。

物聯(lián)網(wǎng)技術(shù)的發(fā)展以及國(guó)內(nèi)三大電信運(yùn)營(yíng)商的深度參與,使得大規(guī)模設(shè)備接入與聯(lián)機(jī)、協(xié)議解析、邊緣數(shù)據(jù)采集與處理成為可能^[2—3]。通過(guò)工業(yè)IOT平臺(tái),連接各類(lèi)物聯(lián)網(wǎng)傳感器和智能網(wǎng)關(guān),全面收集生產(chǎn)、檢測(cè)等各類(lèi)型設(shè)備和機(jī)臺(tái)數(shù)據(jù)^[4];同時(shí)通過(guò)融合時(shí)序數(shù)據(jù)庫(kù)、大數(shù)據(jù)存儲(chǔ)等不同技術(shù)組件構(gòu)建存儲(chǔ)平臺(tái)^[5],對(duì)設(shè)備運(yùn)行實(shí)時(shí)產(chǎn)生的時(shí)序型數(shù)據(jù)與設(shè)備故障診斷應(yīng)用中的高頻振動(dòng)信號(hào)等各類(lèi)型數(shù)據(jù)進(jìn)行統(tǒng)一的存儲(chǔ)與管理,可以為后續(xù)的實(shí)時(shí)狀態(tài)監(jiān)控、可視化、異常告警、故障診斷與預(yù)測(cè)、分析優(yōu)化等數(shù)字化 應(yīng)用提供數(shù)據(jù)支撐^[6]。

利用大數(shù)據(jù)、人工智能等技術(shù)手段實(shí)現(xiàn)關(guān)鍵設(shè)備的故障預(yù)警預(yù)測(cè)是設(shè)備管理中智能化、創(chuàng)新性的價(jià)值體現(xiàn),也是提高設(shè)備可靠性、提高生產(chǎn)效率與品質(zhì)的重要技術(shù)手段^[7]。

通過(guò)機(jī)器學(xué)習(xí)、多因子分析等數(shù)據(jù)智能手段,可對(duì)設(shè)備關(guān)鍵運(yùn)行參數(shù)進(jìn)行相關(guān)分析,建立故障診斷、預(yù)測(cè)及運(yùn)行優(yōu)化等各類(lèi)模型,有效減少設(shè)備故障次數(shù),提高設(shè)備運(yùn)維效率,改善設(shè)備狀態(tài),實(shí)現(xiàn)生產(chǎn)設(shè)備全生命周期健康管理,同時(shí)也能極大地降低企業(yè)的設(shè)備運(yùn)維成本^[8]。

另外,豐富的建模經(jīng)驗(yàn),也為后續(xù)定制型的預(yù)測(cè)模型構(gòu)建提供了必要的技術(shù)基礎(chǔ)^[9]。

1 電機(jī)預(yù)測(cè)性維護(hù)系統(tǒng)設(shè)計(jì)

1.1 整體設(shè)計(jì)架構(gòu)

預(yù)測(cè)性維護(hù)系統(tǒng) (Predictive Maintenance,PdM) 是層次化的綜合解決方案,針對(duì)特定系統(tǒng)、單套設(shè)備、多套設(shè)備分別提供振動(dòng)監(jiān)測(cè)與診斷、實(shí)時(shí)狀態(tài)監(jiān)測(cè)與維護(hù)、預(yù)測(cè)性維護(hù)的解決方案,合理應(yīng)對(duì)從部件到設(shè)備再到產(chǎn)線、車(chē)間、企業(yè)等不同層面設(shè)備管理的差異化需求。

電機(jī)預(yù)測(cè)性維護(hù)系統(tǒng)架構(gòu)如圖1所示。

結(jié)合物聯(lián)網(wǎng)平臺(tái)的數(shù)采能力和大數(shù)據(jù)建模分析平臺(tái)的數(shù)據(jù)分析、建模、預(yù)測(cè)能力最終形成電機(jī)預(yù)測(cè)性維護(hù)系統(tǒng),該系統(tǒng)的功能簡(jiǎn)述如下:

1)高頻實(shí)時(shí)的采集能力:基于振動(dòng)傳感器的高頻實(shí)時(shí)采集,全面支持智能分析。

2)多維度的振動(dòng)分析:支持時(shí)域分析、頻譜分析、包絡(luò)分析、趨勢(shì)分析等實(shí)時(shí)振動(dòng)分析。

3)強(qiáng)大的特征庫(kù)支持:基于FMEA故障庫(kù)實(shí)現(xiàn)統(tǒng)一管理以及持續(xù)優(yōu)化。

4)智能預(yù)測(cè)與診斷:基于人工智能,對(duì)故障樣本進(jìn)行訓(xùn)練分析,實(shí)現(xiàn)自動(dòng)診斷,并支持對(duì)故障庫(kù)進(jìn)行持續(xù)優(yōu)化。

5)可視化展示:提供豐富的儀表盤(pán)、組態(tài)、表單、圖表文件、數(shù)據(jù)分析結(jié)果等集中展示,支持大屏、web頁(yè)面、移動(dòng)端等。

1.2 物聯(lián)網(wǎng)平臺(tái)

物聯(lián)網(wǎng)平臺(tái)提供了可配置、所見(jiàn)即所得的開(kāi)發(fā)方式,能夠幫助IT人員以及業(yè)務(wù)人員方便快速地開(kāi)發(fā)設(shè)備管理、在線監(jiān)測(cè)、告警管理、設(shè)備效率分析等各類(lèi)圖形化和數(shù)據(jù)分析類(lèi)的工業(yè)智能應(yīng)用。

物聯(lián)網(wǎng)平臺(tái)提供泛在的連接能力,通過(guò)工業(yè)網(wǎng)關(guān)連接生產(chǎn)現(xiàn)場(chǎng)多種多樣的自動(dòng)化設(shè)備及傳感器,同時(shí)連接物聯(lián)網(wǎng)相關(guān)的異構(gòu)的業(yè)務(wù)系統(tǒng)(例如ERP、 MES等)。平臺(tái)提供物模型管理能力,基于連接的數(shù)據(jù)為設(shè)備和流程構(gòu)建物實(shí)例。同時(shí)提供數(shù)據(jù)分析能力,包括便捷的公式編輯能力,方便地創(chuàng)建各種類(lèi)型的KPI指標(biāo)(例如OEE、JPH等),以及提供規(guī)則引擎,實(shí)現(xiàn)基于規(guī)則的分析。告警是物聯(lián)網(wǎng)場(chǎng)景最常見(jiàn)的功能,平臺(tái)提供告警管理,實(shí)現(xiàn)告警的定義、分析以及告警消息的靈活訂閱。工業(yè)應(yīng)用是物聯(lián)網(wǎng)平臺(tái)價(jià)值落地的重要一環(huán)。平臺(tái)提供豐富的顯示組件,通過(guò)拖拉拽組件的方式搭建應(yīng)用,綁定物聯(lián)網(wǎng)數(shù)據(jù)到顯示組件,快速實(shí)現(xiàn)物聯(lián)網(wǎng)應(yīng)用的開(kāi)發(fā)。

1.2.1物聯(lián)網(wǎng)平臺(tái)架構(gòu)

如圖2所示,該架構(gòu)由邊緣設(shè)備、工業(yè)采集網(wǎng)關(guān)、邊緣智能一體機(jī)以及物聯(lián)網(wǎng)平臺(tái)組成。邊緣設(shè)備指工業(yè)現(xiàn)場(chǎng)用于生產(chǎn)制作的設(shè)備,時(shí)刻在產(chǎn)生海量數(shù)據(jù),也是工業(yè)企業(yè)的數(shù)字資產(chǎn)。工業(yè)采集網(wǎng)關(guān)主要用于連接邊緣設(shè)備,支持?jǐn)?shù)據(jù)采集、邊緣計(jì)算、設(shè)備管理、數(shù)據(jù)上傳等,支持多品牌多協(xié)議多控制器類(lèi)型,支持第三方采集網(wǎng)關(guān),具備高可用、橫向擴(kuò)展、斷電續(xù)傳等特點(diǎn)。邊緣智能一體機(jī)是軟硬一體的物聯(lián)網(wǎng)邊緣平臺(tái),適用于中小規(guī)模物聯(lián)網(wǎng)應(yīng)用場(chǎng)景。

1.2.2 物聯(lián)網(wǎng)平臺(tái)功能

1.2.2.1 連接異構(gòu)數(shù)據(jù)源

1)采集物聯(lián)網(wǎng)時(shí)序數(shù)據(jù):通過(guò)MQTT、Kafka等協(xié)議連接工業(yè)網(wǎng)關(guān)以及邊緣計(jì)算設(shè)備采集的物聯(lián)網(wǎng)時(shí)序數(shù)據(jù)。

2)采集業(yè)務(wù)系統(tǒng)數(shù)據(jù):通過(guò)數(shù)據(jù)庫(kù)對(duì)接的方式連接異構(gòu)的業(yè)務(wù)系統(tǒng),可以連接MySQL、PostgreSQL、Oracle、IoTDB等SQL數(shù)據(jù)庫(kù)。

1.2.2.2 管理物模型

基于業(yè)務(wù)需求為設(shè)備、流程和關(guān)系快速構(gòu)建各種層次化和拓?fù)浠奈锬０?實(shí)例化物模型構(gòu)建物實(shí)例。物模板的屬性類(lèi)型包括靜態(tài)屬性、流數(shù)據(jù)動(dòng)態(tài)屬性、批數(shù)據(jù)動(dòng)態(tài)屬性、公式指標(biāo)、算法模型指標(biāo)、子模型以及引用模型。

1.2.2.3 物聯(lián)網(wǎng)數(shù)據(jù)存儲(chǔ)

支持海量物聯(lián)網(wǎng)數(shù)據(jù)的高性能、分布式存儲(chǔ)、查詢和計(jì)算;集群支持千萬(wàn)點(diǎn)每秒級(jí)別數(shù)據(jù)寫(xiě)入,數(shù)據(jù)存儲(chǔ)自動(dòng)無(wú)損壓縮比率達(dá)90%。

1.2.2.4 數(shù)據(jù)實(shí)時(shí)計(jì)算和分析

1)公式指標(biāo)計(jì)算:提供計(jì)算引擎,輕松實(shí)現(xiàn)跨系統(tǒng)的數(shù)據(jù)查詢、指標(biāo)計(jì)算和分析。公式指標(biāo)計(jì)算提供了工業(yè)常用的算子,通過(guò)拖拉拽屬性和算子的方式快速構(gòu)建公式指標(biāo),例如OEE、JPH等指標(biāo)。

2)規(guī)則引擎:物聯(lián)網(wǎng)平臺(tái)提供規(guī)則引擎,能夠基于CRON表達(dá)式靈活地定義觸發(fā)器,提供多樣的執(zhí)行條件設(shè)置,包括條件的與、或、次數(shù)、持續(xù)時(shí)間等,提供多種執(zhí)行動(dòng)作,包括告警觸發(fā)、規(guī)則觸發(fā)等。利用規(guī)則引擎,便捷地定義告警、定時(shí)維保等應(yīng)用。

3)告警分析:規(guī)則的一個(gè)執(zhí)行動(dòng)作就是告警,通過(guò)告警管理,可以定義告警詳情,實(shí)現(xiàn)告警的確認(rèn)和掛起,以及基于告警的統(tǒng)計(jì)分析。另外,可以定義告警的消息模板,通過(guò)郵件、短信、API等方式推送告警相關(guān)信息。

1.2.2.5 可視化開(kāi)發(fā)

1)可視化開(kāi)發(fā):提供豐富的儀表盤(pán)、組態(tài)、表單、圖表文件,包括儀表盤(pán)、溫度計(jì)、折線圖、雷達(dá)圖、柱狀圖、餅圖、地圖等常用的可視化組件,同時(shí)支持第三方的可視化組件。拖拉拽組件快速搭建可視化頁(yè)面,并綁定組件到已創(chuàng)建的物實(shí)例屬性,實(shí)現(xiàn)所見(jiàn)即所得的無(wú)代碼的應(yīng)用開(kāi)發(fā)。

2)自定義表單:平臺(tái)支持自定義表單,包括表單的管理,表格數(shù)據(jù)的修改、存儲(chǔ)和查詢,利用表格組件實(shí)現(xiàn)表單填報(bào)等功能。

1.2.2.6 高效邊緣協(xié)同

無(wú)縫對(duì)接系統(tǒng)工業(yè)網(wǎng)關(guān)和邊緣智能一體機(jī),實(shí)現(xiàn)設(shè)備數(shù)據(jù)同步、模型共享,同時(shí)兼容第三方工業(yè)采集網(wǎng)關(guān);可以在線部署基于機(jī)器學(xué)習(xí)和AI在云端訓(xùn)練好的復(fù)雜分析模型,實(shí)現(xiàn)高級(jí)數(shù)據(jù)分析;提供基于 REST API的數(shù)據(jù)服務(wù)。

1.2.2.7 安全與管理

1)權(quán)限管理:平臺(tái)提供用戶、用戶組、角色管理,實(shí)現(xiàn)基于組織和角色的數(shù)據(jù)權(quán)限和菜單權(quán)限管理。另外,平臺(tái)提供網(wǎng)關(guān)認(rèn)證、設(shè)備認(rèn)證等功能。

2)系統(tǒng)管理:平臺(tái)提供日志管理,支持日志的分類(lèi)、查詢以及導(dǎo)出。平臺(tái)提供系統(tǒng)監(jiān)控功能,實(shí)現(xiàn)平臺(tái)資源的統(tǒng)計(jì)分析、核心組件的健康度監(jiān)控以及異常監(jiān)控,并支持監(jiān)控項(xiàng)的告警管理。

1.3 大數(shù)據(jù)建模分析平臺(tái)簡(jiǎn)介

大數(shù)據(jù)建模與分析平臺(tái)能夠快速對(duì)接各類(lèi)實(shí)時(shí)、結(jié)構(gòu)化和非結(jié)構(gòu)化的異構(gòu)數(shù)據(jù)源,自定義跨系統(tǒng)的數(shù)據(jù)集,通過(guò)自帶分析組件來(lái)快速定義可視化的分析工作流,利用數(shù)據(jù)集實(shí)現(xiàn)分析模型的訓(xùn)練、驗(yàn)證和應(yīng)用,支持自定義算法組件以及組件共享,提供 SPC、RCA等分析模型模板,支持多種模式的分析任務(wù)和跨系統(tǒng)的分析模型在線部署,提供分析結(jié)果的圖表展示。

大數(shù)據(jù)建模與分析平臺(tái)架構(gòu)如圖3所示。

大數(shù)據(jù)平臺(tái)的功能如下:

1)快速對(duì)接數(shù)據(jù)源:快速對(duì)接各類(lèi)實(shí)時(shí)、結(jié)構(gòu)化和非結(jié)構(gòu)化的異構(gòu)數(shù)據(jù)源,支持自定義跨系統(tǒng)的統(tǒng)一數(shù)據(jù)集,利用數(shù)據(jù)來(lái)訓(xùn)練和驗(yàn)證模型,并實(shí)現(xiàn)數(shù)據(jù)的高級(jí)分析。

2)豐富的分析組件:提供兩百多種數(shù)據(jù)分析組件,并且持續(xù)更新迭代,組件包括工業(yè)數(shù)據(jù)預(yù)處理、統(tǒng)計(jì)、機(jī)器學(xué)習(xí)算法、深度學(xué)習(xí)、NLP、模型評(píng)估器、建模(訓(xùn)練、驗(yàn)證、應(yīng)用)。

3)可視化的分析工作流:通過(guò)拖放式對(duì)選擇的組件進(jìn)行連接以構(gòu)建可視化的分析工作流,分步驟運(yùn)行,每一步都能及時(shí)地查看執(zhí)行結(jié)果,從而方便地嘗試不同算法組合,快速實(shí)現(xiàn)流程化、定制化的數(shù)據(jù)分析。

4)自定義算法組件:支持上傳算法代碼生成自定義的算法組件,組件發(fā)布后支持跨團(tuán)隊(duì)的訂閱和共享。另外,平臺(tái)提供常用的分析模型模板助力企業(yè)快速地模型開(kāi)發(fā),包括統(tǒng)計(jì)過(guò)程控制(SPC)、自動(dòng)根因分析(RCA)、多元異常檢測(cè)、虛擬量測(cè)(VM)等等。

5)多種任務(wù)部署:平臺(tái)支持模型實(shí)例發(fā)布為API任務(wù)、定時(shí)任務(wù)、實(shí)時(shí)任務(wù)、交互式任務(wù)等模式。分析模型支持發(fā)布到數(shù)據(jù)管理系統(tǒng)、邊緣系統(tǒng)以及云端,實(shí)現(xiàn)基于模型的實(shí)時(shí)計(jì)算、邊緣計(jì)算和云端計(jì)算。

6)數(shù)據(jù)可視化:支持組件執(zhí)行結(jié)果實(shí)時(shí)展示及繪圖,包括柱狀圖、折線圖、雷達(dá)圖等圖形,同時(shí)提供鉆取、聯(lián)動(dòng)、縮放、篩選、鏈接等交互操作。另外,可視化場(chǎng)景可直接生成鏈接,提供給其他應(yīng)用系統(tǒng)使用。

1.4 手機(jī)APP

提供齊套Android和iOS操作系統(tǒng)的手機(jī)App。

1.5 數(shù)據(jù)庫(kù)

1.5.1 時(shí)序數(shù)據(jù)庫(kù)

時(shí)序數(shù)據(jù)庫(kù)包含時(shí)序數(shù)據(jù)庫(kù)和展現(xiàn)平臺(tái)兩部分。通過(guò)Kafka數(shù)據(jù)采集調(diào)度模塊,對(duì)外部歷史文件數(shù)據(jù)進(jìn)行批量采集調(diào)度,對(duì)傳感器實(shí)時(shí)產(chǎn)生的數(shù)據(jù)進(jìn)行實(shí)時(shí)采集調(diào)度,采集調(diào)度后數(shù)據(jù)經(jīng)過(guò)數(shù)據(jù)交換、數(shù)據(jù)處理、數(shù)據(jù)存儲(chǔ),然后在展現(xiàn)平臺(tái)進(jìn)行時(shí)序數(shù)據(jù)指標(biāo)的動(dòng)態(tài)監(jiān)控,完成數(shù)據(jù)分析儀表盤(pán)等功能,或數(shù)據(jù)導(dǎo)出進(jìn)行高級(jí)的數(shù)據(jù)挖掘服務(wù)。

時(shí)序數(shù)據(jù)庫(kù)系統(tǒng)支持批量和實(shí)時(shí)的數(shù)據(jù)加載,加載速度高達(dá)每秒千萬(wàn)級(jí)別測(cè)點(diǎn),支持4~10倍的無(wú)損數(shù)據(jù)壓縮,支持小時(shí)粒度可變時(shí)間片設(shè)置,支持類(lèi) SQL查詢、秒級(jí)查詢響應(yīng)以及上千的并發(fā)查詢,數(shù)據(jù)圖表實(shí)現(xiàn)可視化查詢和分析,支持副本存儲(chǔ)保證數(shù)據(jù)安全,支持高可用和橫向擴(kuò)展。

1.5.2 MPP數(shù)據(jù)庫(kù)

MPP數(shù)據(jù)庫(kù)是一款高性能、高兼容、高可用、低成本的PB級(jí)企業(yè)海量數(shù)據(jù)庫(kù),是簡(jiǎn)單實(shí)用的下一代 PB級(jí)實(shí)時(shí)分析型數(shù)據(jù)倉(cāng)庫(kù),也是節(jié)點(diǎn)數(shù)量可以伸縮的數(shù)據(jù)庫(kù)集群,能夠高效處理I/O數(shù)據(jù)吞吐和并發(fā)計(jì)算,在工業(yè)生產(chǎn)、數(shù)據(jù)中心等商業(yè)智能應(yīng)用領(lǐng)域,對(duì)海量數(shù)據(jù)處理的性能極其優(yōu)異,承載著將工業(yè)企業(yè)的數(shù)據(jù)價(jià)值實(shí)時(shí)化分析的重任。

1.6 網(wǎng)絡(luò)安全

1.6.1 應(yīng)用技術(shù)

在基于國(guó)產(chǎn)密碼算法的PKI中,所有的密碼算法均使用國(guó)產(chǎn)密碼算法,主要包括對(duì)稱算法SM4、非對(duì)稱算法SM2和Hash算法SM3。

在系統(tǒng)中采用基于國(guó)產(chǎn)密碼算法的PKI技術(shù)來(lái)實(shí)現(xiàn)數(shù)據(jù)的簽名和驗(yàn)簽,由于算法的安全性是得到國(guó)家認(rèn)可的,因此能夠保證簽名和驗(yàn)簽的結(jié)果是安全可信的。

1.6.2 密碼應(yīng)用架構(gòu)

針對(duì)本項(xiàng) 目中平臺(tái)側(cè)、邊緣側(cè)密碼應(yīng)用安全的設(shè)計(jì)包括以下部分:

1)平臺(tái)側(cè)存儲(chǔ)了核心、重要的業(yè)務(wù)數(shù)據(jù),平臺(tái)側(cè)應(yīng)用數(shù)據(jù)的安全性需要采用合規(guī)的密碼產(chǎn)品與平臺(tái)側(cè)應(yīng)用結(jié)合,實(shí)現(xiàn)平臺(tái)側(cè)核心、重要業(yè)務(wù)數(shù)據(jù)的加密保護(hù)。

2)平臺(tái)側(cè)通過(guò)網(wǎng)絡(luò)通信方式,將平臺(tái)側(cè)數(shù)據(jù)和程序下發(fā)給邊緣側(cè),在網(wǎng)絡(luò)傳輸過(guò)程中,需要采用合規(guī)的密碼產(chǎn)品,實(shí)現(xiàn)平臺(tái)側(cè)與邊緣側(cè)通信過(guò)程中數(shù) 據(jù)的機(jī)密性、完整性。

1.6.3 平臺(tái)側(cè)數(shù)據(jù)加密存儲(chǔ)

平臺(tái)側(cè)存儲(chǔ)了核心、重要的業(yè)務(wù)數(shù)據(jù),平臺(tái)側(cè)部署數(shù)據(jù)加解密系統(tǒng),并為其提供數(shù)據(jù)加密、解密服務(wù)接口,實(shí)現(xiàn)平臺(tái)側(cè)核心、重要業(yè)務(wù)數(shù)據(jù)的加密保護(hù)。

1.6.3.1 數(shù)據(jù)加解密服務(wù)系統(tǒng)

數(shù)據(jù)加解密服務(wù)系統(tǒng)為商用密碼檢測(cè)中心合規(guī)性密碼產(chǎn)品。平臺(tái)側(cè)應(yīng)用可直接調(diào)用數(shù)據(jù)加解密服務(wù)系統(tǒng)提供的數(shù)據(jù)加解密服務(wù),實(shí)現(xiàn)平臺(tái)側(cè)核心、重要業(yè)務(wù)和用戶數(shù)據(jù)的加密存儲(chǔ),防止數(shù)據(jù)泄露風(fēng)險(xiǎn)。

1.6.3.2 服務(wù)器密碼機(jī)

服務(wù)器密碼機(jī)也是敏感數(shù)據(jù)安全保護(hù)的一種有 效物理工具,能可靠、安全地保護(hù)網(wǎng)絡(luò)中的數(shù)據(jù),包括對(duì)數(shù)據(jù)的加/解密、簽名驗(yàn)證;消息來(lái)源正確性驗(yàn)證(MAC)的產(chǎn)生,能有效地防止對(duì)數(shù)據(jù)進(jìn)行篡改、偽造和竊取等行為。海泰方圓服務(wù)器密碼機(jī)還有完善的密鑰管理體系,能提供由全硬件噪聲源產(chǎn)生的隨機(jī)密鑰以及密鑰的人工輸入接口,能有效防止通信信道上的主動(dòng)攻擊行為。

2 應(yīng)用案例

本系統(tǒng)在中石油寶石機(jī)械石油鉆機(jī)上進(jìn)行了應(yīng)用,通過(guò)數(shù)字化的手段有效實(shí)現(xiàn)了設(shè)備軟性價(jià)值的增長(zhǎng)點(diǎn),滿足石油連續(xù)性生產(chǎn)要求。通過(guò)各種實(shí)時(shí)監(jiān)控、定期的計(jì)劃性維修和不定期的視情維修,能對(duì)設(shè)備進(jìn)行有效的維護(hù),避免設(shè)備的無(wú)計(jì)劃停機(jī)造成巨大的損失。

架構(gòu)如圖4所示。

應(yīng)用圖如圖5所示。

實(shí)現(xiàn)價(jià)值:幫助鉆機(jī)用戶構(gòu)建基于設(shè)備實(shí)時(shí)數(shù)據(jù)實(shí)現(xiàn)預(yù)測(cè)性維修的完整方案,提供故障知識(shí)庫(kù)幫助客戶提高故障診斷效率,實(shí)現(xiàn)運(yùn)維經(jīng)驗(yàn)的沉淀,通過(guò)移動(dòng)端幫助運(yùn)營(yíng)人員隨時(shí)隨地了解設(shè)備的健康狀態(tài),并通過(guò)遠(yuǎn)程專(zhuān)家指導(dǎo),對(duì)異常做出及時(shí)處理。另外,該系統(tǒng)的應(yīng)用,有效減少了人員出差90人次,增加了備件銷(xiāo)售3 000萬(wàn)元,幫助了企業(yè)向服務(wù)型制造轉(zhuǎn)型。

3 結(jié)束語(yǔ)

電機(jī)屬于旋轉(zhuǎn)動(dòng)力機(jī)械,廣泛運(yùn)用于工業(yè)領(lǐng)域的各行各業(yè)。電機(jī)是否連續(xù)轉(zhuǎn)動(dòng),對(duì)企業(yè)生產(chǎn)至關(guān)重要。在不可預(yù)測(cè)的情況下,這種損耗常常引起設(shè)備停機(jī),影響作業(yè)效率。更有甚者,它會(huì)導(dǎo)致嚴(yán)重故障,給工業(yè)生產(chǎn)帶來(lái)極大的損失。本文設(shè)計(jì)的基于物聯(lián)網(wǎng)和大數(shù)據(jù)的電機(jī)預(yù)測(cè)性維護(hù)系統(tǒng)能實(shí)時(shí)評(píng)估電機(jī)健康狀態(tài),提前預(yù)測(cè)電機(jī)故障,從而降低企業(yè)設(shè)備運(yùn)維成本,具有極大的經(jīng)濟(jì)價(jià)值和可推廣性。

[參考文獻(xiàn)]

[1]李洋.基于設(shè)備建模的設(shè)備預(yù)測(cè)性維護(hù)方法[J].中國(guó)設(shè)備工程,2022(12):86—88.

[2] 陳冬梅,趙思恒,魏承印,等.船舶柴油機(jī)狀態(tài)監(jiān)測(cè)及預(yù)測(cè)性維護(hù)研究及應(yīng)用 [J].中國(guó)機(jī)械工程,2022,33 (10):1162—1168.

[3]胡宏明,張波.設(shè)備預(yù)防預(yù)測(cè)性維護(hù)應(yīng)用[J].設(shè)備管理與維修,2022(22):58—60.

[4]朱廷,賁道偉.集裝箱岸橋預(yù)測(cè)性維護(hù)的研究[J].智能制造,2023(1):106—108.

[5]姜姍.電機(jī)智能軸承在線監(jiān)測(cè)系統(tǒng)及故障預(yù)警技術(shù)研究[D].哈爾濱:哈爾濱理工大學(xué),2019.

[6]金曉航,孫毅,單繼宏,等.風(fēng)力發(fā)電機(jī)組故障診斷與預(yù)測(cè)技術(shù)研究綜述[J].儀器儀表學(xué)報(bào),2017,38(5):1041—1053.

[7]黃猛.基于大數(shù)據(jù)和機(jī)器學(xué)習(xí)模型的風(fēng)力發(fā)電機(jī)組健康管理研究[J].機(jī)械制造,2017,55(8):37—39.

[8]傅建中.智能制造裝備的發(fā)展現(xiàn)狀與趨勢(shì)[J].機(jī)電工程,2014,31(8):959—962.

[9]李垚,朱才朝,陶友傳,等.風(fēng)電機(jī)組可靠性研究現(xiàn)狀與發(fā)展趨勢(shì)[J].中國(guó)機(jī)械工程,2017,28(9):1125—1133.

2024年第14期第5篇