点击蓝字 关注我们
振动感知分析对于工厂和设备都哪些价值？
旋转设备作为工厂生产执行的主要驱动单元，被广泛应用于各个行业领域。例如：新能源发电领域的风力发电机组，装备制造领域的齿轮箱和主传动链设备，油气行业的抽油机和各种泵站设备、现代工厂里的各种加工设备、压缩机和鼓风机等设备都属于这一类。
此外，除了这些通用设备，食品行业的熬煮、成形、杀菌，快消行业的压粘、充填、包装，3C行业的印刷、贴片、焊接等，都用到了各种旋转设备。
而这些设备的运行状态对生产的效果有最为直接的影响。设备的故障停机是个最为直接的例子。而设备有时候处于不易被发觉的亚健康的状态，对产品生产交付也有很大的影响。在这种状态下，各个指令和动作可能相比于设定的工艺有较大的差别。这就直接导致了次品和损耗的大量产生。
振动感知分析如何帮助工厂提升效率和质量？
振动感知分析是监控设备性能退化程度和生产的产品质量的重要手段。传统设备健康管理主要采用阈值报警方法，既不能高准确率和高泛化率的预测故障，又不能分析出正在生产中的产品质量和质量趋势。我们开发出一种基于大数据技术与机器学习算法的设备健康状态分析方法。根据旋转设备常见故障与其严重性，以及设备故障对产品生产质量的影响，挑选出了设备相关变量与故障案例数据，并基于深度神经网络和滑动窗口残差统计的动态评估来实现更高的预测分析效果。最终实现延长设备组设备寿命、提高性能、提升企业经济效益的目的。
当前，很多工厂已经实现了核心生产流程的高度自动化，并正在向全数字化方向发展。在这个过程中，很多客户纷纷把首要的关注点放在生产订单交付时效性、产品质量和损耗方面。而对于生产线设备健康往往是忽视的。在很多企业中，这方面只有工程部门才会关注。通过我们同行业专家及客户长期对生产和设备数据的分析，发现设备健康跟产品的良率、生产成本损耗有着密切的关系。设备的亚健康运行会导致生产出的产品质量缺陷。
IoT传感器同算法的碰撞
振动监测不是新技术，历史上已经被大量应用于设备监测和反向控制中。但由于不同行业和不同场景的个性化特点，对于振动数据的应用还都是基于传统的阈值分析而来。这就导致了使用效果一般，无法提前分析预测未来的运行状况。设备管理者和生产管理者无法基于这些有限的数据来指导设备运维和生产调整。
图：振动感知单元
这就需要更智能化的算法来放大振动监测的价值。在工业物联网和数字智能化领域，有个经典的认知：数据是基础，算法是利器。我们将振动传感器的信号，转换为能量标识。能量指标同旋转动设备的劣化know-how相结合形成，同时依托RNN等深度学习算法和分类算法对未来运行状况进行预测。
图：振动感知分析软件
多场景赋能
设备健康、生产及质量管理
振动感知+算法的一体化解决方案可以赋能众多行业。基于振动状态数据和高智能算法：
可以帮助用户监测旋转设备的运行状况，未来是否有故障发生
可以帮助用户监测物资和生产原料等资产的当前状态
可以帮助用户监测工厂的核心设备的运行状态，预判未来设备的亚健康是否将影响到生产执行和产品的交付
可以帮助用户监测生产工艺的执行情况，将其对产品质量的影响降到最低
我们振动感知分析已经服务于如下行业和场景：
新能源风力发电机组的主传动链是否运行正常
食品、快消、电子等生产制造行业工厂中的空压机、马达电机、各种工艺设备的运行状态是否正常
工厂的生产工艺是否符合质检放行的要求，以及如何来持续保证产品质量最优
基于此解决方案，用户可以随时关注任一设备的运行状态，并通过算法分析出潜在次品风险情况，最终可对某些异常环节进行定位和优化。由于数据是从设备上自动上报和分析而来，避免了之前人员手工填报的错误和不及时性。同时，也可以减少一线人员的数量，实现远程监测分析。给质检部门提供了抽检以外的批次放行决策依据。同时也提高了质检效率及精度。
公 司 简 介
