壳牌|队长很厉害?预测性维护才是工业物联网时代的硬核 “英雄”!

大家是否幻想过,自己能拥有掌控未来、未雨绸缪的超能力?随着工业物联网的发展,有一种技术让幻想有了实现的可能。它不仅凭借出色的杀手级应用,成为瞩目的“工业之光”;还能依托历史数据,对企业进行预测性维护,轻松解决企业难题。如此强大的黑科技到底是什么?下面马上揭晓!

  预测性维护

  “工业4.0”的关键创新点之一

  预测性维护(Predictive Maintenance,简称PdM)是以状态为依据(Condition Based)的维修,在机器运行时,对它的主要(或需要)部位进行定期(或连续)的状态监测和故障诊断,判定装备所处的状态,预测装备状态未来的发展趋势,依据装备的状态发展趋势和可能的故障模式,预先制定预测性维修计划,确定机器应该修理的时间、内容、方式和必需的技术和物资支持。

队长很厉害?预测性维护才是工业物联网时代的硬核 “英雄”!

  预测性维护集装备状态监测、故障诊断、故障(状态)预测、维修决策支持和维修活动于一体,是一种新兴的维修方式。它以更精巧灵敏的传感器、更强大的数据运算平台、更高效的网络通讯,为工业领域带来了极大的好处。

  强大优势

  关于预测性维护

  保护财产的小护卫

  当公司需要解决资产管理的问题时,预测性维护(PdM)的这个好处尤为突出——旨在降低故障的可能性,从而避免代价高昂的停机,并降低维护成本。PdM实施时需要在设备正常运行期间监测其状态和性能,并借助传感器技术和计算机化维护管理系统(CMMS)软件。除了传感器,PdM软件还可实时访问不同的数据源,以此预测资产故障或质量问题。这些解决方案是用预测分析来检测任何异常和故障模式,从而确定可能发生任何问题或故障的位置。

  节省成本的小护卫

  预测性维护在提高可靠性的成本亦不容小视。麦肯锡全球研究院(McKinsey Global Institute)在报告《物联网:映射炒作之外的价值》中指出,到2025年,制造商通过预测性维护节省出来的成本,在全球总计可以达到2400亿至6300亿美元。这一笔不小的数目,也让对预测性维护开展学术研究成为了一项有价值的投资。

队长很厉害?预测性维护才是工业物联网时代的硬核 “英雄”!

  尽管预测性维护系统已经有这样的优点,但伦敦帝国理工学院的Julie McCann教授和她的团队认为:“传感器在工业中的应用比物联网等时髦的技术更早,而随着技术的成熟,传感器可以安装到更加不方便、更难接近的位置上。其实传感器并非*的选择,还有另一种cognisense(认知传感)可列入选择。

  那么相比传统的传感器,cognisense(认知传感)的传感本质是否发生变化呢?

  传感本质不改

  且更高效

  cognisense(认知传感),即用wifi网络覆盖机器,通过观察网络的状态分析机器与之有关的表现。这类系统能聚焦整个系统,以及它所测量的组件与整个系统之间的相互影响,因而能够了解系统中的相互联系以及类似的事情,它能带来更多的信息,更加方便,同时成本也会降低。

  可应用在这些领域

  关于预测性维护

  PdM技术常见的应用领域是制造工厂的生产线,但它如今也有越来越广泛的应用。澳大利亚昆士兰大学机械与采矿工程学院的主任——Ross McAree教授,就解释了矿业如何享受到预测性维护的益处:

  诸如泵机这样的旋转机械通常都安装有仪器,用于开展测量以发现紧急故障,比如轴承故障。……至少10年来,澳大利亚的大多数拉铲都安装有‘载荷监控器’,用于借助一系列疲劳模型和应变测量来预测吊杆上的焊接故障。用于驱动卡车和挖掘机的大型柴油机也配备了大量仪器,用于通过测量来识别紧急故障,而传送带配备仪器则是利用振动信号来检测轴承故障。

  除了本身的益处,安全是矿业需要使用预测性维护的另一个重要原因。来自国际商业机器公司(IBM)的Claessens表示:“我们对中国的煤矿行业做了一项研究,这里每年有3000人丧命,其中80%是设备故障造成的。因此可以直接联想到预测性维护在安全方面具有的优势。”

  预测性维护

  的光明前景

  在人工智能背景下

  据IBM的Claessens报道,目前还未有工业客户在全面和连贯地利用预测分析来辅助维护活动,人们对这项技术仍是试探的态度。真正能让大家看到持续、连贯的PdM项目的是“原始委托生产”。例如通力电梯公司在全球拥有100万套资产,它们都通过改造安装了传感器和数据采集设备。从他们自身的角度上讲,此举可让他们拥有更强的驱动力;从业务的角度上讲,有两个原因促使他们连贯地实施这项技术。*:他们想控制设备维护和零部件收益流,因为这通常是他们赚取利润的地方。同时,他们想要发掘新的创收渠道,这样,他们就能一边为客户提供服务,一边能掌控所有数据。

  不过,采矿业在这方面已经远远走在了前面,并且在寻找更先进的系统。随着时代的发展,人工智能(AI)将是PdM发展的下一个阶段,预计新一代围绕资产可靠性的分析解决方案将是基于新兴的认知AI。机器学习的初步应用为使用它进行PdM的公司带来了许多益处,这些公司除了能看到资产可用性和可靠性提高这一必然结果外,还能降低资本支出(资产可用性提高意味着所需的资产减少)。而由于维护时间缩短和更换的部件减少,运营成本也能相应降低。

  如今,利用传感技术和大数据下对设备的“预测”,企业可以有效提高设备安全性、降低成本和增加生产时间。同样致力于大数据时代下技术创新的壳牌,也正在“壳智汇1.0”的基础上不断进步,着力帮助设备管理者降本增效,减少烦恼。人工智能时代,壳牌工业润滑油也将在智造的道路上一路前行,努力将工业人的诉求从梦想转化为现实!期待在不久的将来,结合黑科技的“壳智汇2.0”登场!

没有评论

发表评论

电子邮件地址不会被公开。 必填项已用*标注

未分类
风向2018 | 工业物联网的黎明

新材料技术、通信技术和云计算产业的发展,使得“万物互联”成为可能。物联网经过多年的酝酿和发展,已经进 …

未分类
工业物联网的功能及其优点

为什要需要工业互联网(IIoT): 我们认为“智能的”机器比人类能更好地准确和持续地捕获和通信实时数 …

未分类
到底什么才是工业物联网厂商的核心竞争力?

近几年,工业物联网发展的如火如荼,各种服务商、集成商如雨后春笋不断涌现,逐鹿市场。但工业物联网在工业 …