智能状态监测如何帮助企业应对行业变化
发布时间: 2023年02月23日
标签:
如何提高生产效率与质量一直是制造业面临的重要挑战。绝大多数对生产效率的影响来源于工厂生产过程中出现的设备异常情况。那么，企业该如何应对设备运营与维护中的意外状况？随着工业互联网技术和人工智能的发展，许多工厂开始对产线设备部署状态监测系统来避免生产过程中设备的非计划停机情况。
图. 工厂通过状态监测系统来避免生产过程中设备的非计划停机（全景网）
设备状态监测是从定期预防性维护到基于状态的预测性维护的重要途径。但在实践过程中，传统的状态监测方法效果并不明显。它需要专业的培训与工具，还需要花费大量的时间，即使投入大部分资源，基于模型的方法最多只能跟踪过去发生的已知故障模式。
状态监测面临的挑战
时间和人力成本为何会成为生产力提高的潜在瓶颈？我们以一个典型的制造工厂为例——通过应用状态监测，它可以从多个来源生成超过20000个信号。即使只自定义模型监控这些信号中数百个感兴趣的，也需要花费本身人力就紧张的员工大量的工时，而且这还意味着 98% 或更多的信号不受监控。设备故障的早期信号极大概率就隐藏在这其中。
企业最初的目标是随时监控每个信号，预防每个可能发生的故障。但面对以上情况时，很难预测可能表明问题的每一个信号。这就是我们需要一种更智能的方法来实现智能状态监测的原因。
智能状态监测
状态监测可以避免设备故障的发生，改善制造企业的运营情况，然而，在状态监测解决方案的应用过程中，我们看到其中一些组织面临着上述挑战。
克服这些挑战所需要的是一种人工智能AI+机理的自我监督异常的监测方法，该方法不需要花时间定义哪些信号是正确的监控信号，哪些时间段对应正常行为，或者哪些信号组是特定故障的主要问题源。智能状态监测系统应用的人工智能应该能够自己学习所有这些，从而减少前期工作、在专业工具系统培训上花费的时间，以及每个阶段对专业知识的需求。这样的系统对故障模型的模拟预测应该只需要短期的数据，而不是多年的累积历史数据。
图.智能状态监测大幅提高监测效率减少人工成本（全景网）
智能状态监测应用
东智PreMaint是聚焦设备领域的智能设备健康管理平台，通过收集设备的多源信号对设备实现智能状态监测及预测性维护。PreMaint获得过工信部“工业互联网APP优秀解决方案”与“工业APP创新应用大赛一等奖”。
PreMaint可满足企业构建融合的设备数据应用系统，实时感知设备机台的运行工况和工艺健康状态，实现从监控到预警、故障诊断、维保维修处理、工艺自动优化的功能闭环，有效延长设备使用寿命、提高产品良率，避免非计划停机和工况不稳定带来的损失。
图.PreMaint通过多源信号传感器获取设备实时数据
PreMaint的智能状态监测已在多个行业设备上得到应用：
半导体PUMP真空泵智能状态监测
半导体面板属于高端制造业，现场设备大多从国外进口，设备数据采集成本高。针对PUMP真空泵的非计划停机问题，现场PUMP设备数据以每秒5万Hz的采样频率实时上传到PreMaint专有云，振动信号的细微变化都可以被东智PreMaint专家平台识别分析，系统内置的AI算法有效识别设备的劣化趋势并进行故障智能诊断。
新能源锂电烧结窑炉智能状态监测
对正极材料生产而言，窑炉设备若发生故障，除了产生昂贵的维修费用，还有因造成品质异常带来的高昂损失。PreMaint融合窑炉的多源参数，通过内置AI算法，实现设备复杂多变工况下的立体监测、精准报警、故障诊断与预测维护。某锂电正极材料企业引入PreMaint平台，较早诊断发现并消除了了齿轮箱啮合部位损伤、窑炉弹簧受力下降、风机润滑不良等故障。
总结
通过应用智能状态监测技术，企业不必再担心设备突然出现停机故障，也不必在上万条数据中进行标记，无需提前准备数据或记录所有故障模式。此外，企业可以从迄今为止无法利用的 99% 的自动化数据中获得价值。
订阅了解更多设备智能状态监测解决方案
来源/本文内容参考AUTOMATION，有删改；内容仅用于个人学习交流，如有侵权请联系删改。
延展阅读
>>设备管理策略：工厂中常见的维护方式
>>预测性维护工具的选择：如何做出明智的决策
>>设备健康管理在石化行业的探索与实践
<更多信息可关注公众号“设备工程”获取>
