Bảo trì dự đoán là thay đổi cách mà các nhà điều hành công nghiệp điều khiển thủy lực và hệ thống khí quyển. bằng cách tích hợp các cảm biến tiên tiến, thu thập dữ liệu thời gian thực, và máy học phân tích, các tổ chức có thể dự đoán thất bại trước khi phá vỡ các hoạt động. phương pháp tích hợp này giảm thời gian không dự tính, tăng thiết bị, và giảm toàn bộ chi phí bảo trì. cho các ngành công nghiệp đó dựa vào năng lượng từ công nghiệp xây dựng và sản xuất đến không gian và robot- dự án bảo trì không còn là một thứ xa hoa nữa mà là một điều cần thiết cạnh tranh.

Hiểu hệ thống thủy lực và dạng thực tế

Hệ thống thủy ngân truyền năng lượng qua các chất lỏng không nén được, thường là dầu, được ưu tiên cho mật độ cao và sự điều khiển chính xác, khiến chúng cần thiết trong các máy móc nặng, máy in, máy bay khai quật và điều khiển máy bay. hệ thống khí nén hoặc khí không nén, cung cấp các hoạt động sạch hơn, nhanh hơn và chi phí thành phần thấp hơn.

Cả hai loại hệ thống này đều có chung các thành phần: bơm hoặc nén, van, động cơ (cinterers hay động cơ), hồ chứa, lọc và hải cẩu.

Vụ kiện bảo trì dự đoán

Chiến lược bảo trì truyền thống chia thành hai loại: việc sửa chữa có phản ứng sau khi hỏng, và bảo trì dự trù, thực hiện trong khoảng thời gian cố định, bất kể tình trạng nào. Cả hai đều có những nhược điểm đáng kể. Bảo trì hoạt động lại dẫn đến việc giảm thời gian và bảo trì khẩn cấp bất ngờ. Việc bảo trì thường thay thế các phần sớm hoặc thiếu sót giữa khoảng thời gian dịch vụ.

Bảo trì dự đoán chỉ ra những trường hợp không thuận lợi này bằng cách sử dụng dữ liệu có điều kiện để kích hoạt sự can thiệp chỉ khi phát hiện ra sự suy thoái. Cách này được hiển thị để giảm chi phí bảo trì bởi 25–30%, loại bỏ 70–75% của lỗi hỏng hóc, và tăng thiết bị có sẵn bởi 10–20% theo các cuộc nghiên cứu công nghiệp như Hiệp hội kỹ thuật [FLT: 0]. Đối với hệ thống thủy lực và áp suất, nơi có thể dừng sản xuất, thì đầu tư trở lại là thuyết phục.

Lợi ích chính

  • Việc phát hiện lỗi sớm ) cho phép bảo trì thời gian bị hỏng, tránh sự cố gây rối loạn.
  • Chi phí bảo trì tái sử dụng:). Mục tiêu sửa chữa thành phần cần thiết để thực sự chú ý, loại bỏ những sự thay thế chất thải và hậu cần khẩn cấp.
  • Thiết bị giám sát liên tục: ) ngăn chặn hoạt động trong điều kiện gây tổn hại - quá nhiệt độ, áp suất hoặc ô nhiễm - mà tăng tốc mặc.
  • an toàn được bảo vệ:) tiên đoán thất bại trong các dây dẫn đẩy cao áp lực hoặc động cơ khí nén làm giảm nguy cơ nổ tung thảm họa, mảnh vụn bay, hoặc không kiểm soát di chuyển.
  • Việc kiểm kê phần phụ tùng:) sự hiểu biết có định hướng dữ liệu cho phép tích trữ của chỉ các phần quan trọng có thể sẽ thất bại sớm, thay vì giữ lớn của mọi thành phần.

Thi hành chiến thuật bảo trì có tính cách tiên đoán

Việc triển khai thành công đòi hỏi một phương pháp tiếp cận có hệ thống bao gồm chọn lọc cảm biến, thu thập dữ liệu, phân tích, và tích hợp với luồng công việc đang có. Những bước sau đây cung cấp đồ thị đường cho các đội công nghiệp.

Công nghệ cảm biến và tham số

Chọn đúng bộ cảm biến là nền tảng cho hệ thống thủy lực, các tham số quan trọng bao gồm:

  • Bảo vệ: bộ cảm biến ở ổ cắm, van và bộ phận kích hoạt phát hiện rò rỉ, tắc nghẽn và đeo bơm. giọt có thể cho thấy bị lỗi dấu ấn.
  • Tính năng: Theo dõi nhiệt độ Fluid xác định do quá nóng do ma sát quá nhiều, mức độ lỏng thấp, hoặc hệ thống làm mát vấn đề.
  • Tốc độ : Coriolis hoặc tua bin đo dòng âm lượng; độ lệch tín hiệu rò rỉ bên trong hoặc bơm nước biến dạng.
  • Thực hiện:) Axeter đo lường trên máy bơm, động cơ và van có mang quần áo, cơ quan dẫn động và sai lệch.
  • Sự khử nhiễm: bộ đếm hạt hoặc bộ cảm biến quang học phát hiện mảnh vỡ trong dung dịch thủy lực, một nguyên nhân hàng đầu gây ra van và động cơ hỏng hóc.
  • Mở rộng phân cách:) Cảm biến tần số cao nhận được sự lây lan crack sớm, đóng dấu và bong bóng.

Đối với hệ thống khí áp, các tham số tương tự áp dụng nhưng với nhấn mạnh vào nội dung độ ẩm, điểm sương áp suất và tốc độ lưu thông tại điểm-dùng. Cảm biến chất lượng không khí nén giúp tránh bị ăn mòn trong cơ quan điều hòa và các cổng thoát nước bị tắc nghẽn.

Các nhà sản xuất cảm biến dẫn đầu như điện tử và [FLT [FLT:] cung cấp các đơn vị cấp công nghiệp cấp các đơn vị giao tiếp với IO-Lik để dễ dàng kết hợp vào mạng điều khiển.

Name

Dữ liệu từ bộ nhạy phải được thu thập liên tục và đáng tin cậy. Thiết bị cạnh hoặc bộ điều khiển logic có thể lập trình (PLCs) tập hợp dữ liệu và thực hiện bộ lọc ban đầu. Đối với việc triển khai quy mô lớn, cổng IoT truyền dữ liệu đến trình phục vụ chuẩn hay nền tảng mây. Xem xét quan trọng: tỷ lệ mẫu hiển thị rung động cao, thấp hơn nhiệt độ, đồng bộ hoá các bộ hoá các bộ nhạy, và chính sách lưu trữ dữ liệu (v. d. d. d.: khả năng cấu hình bộ mã hóa tập hợp).

Giao thức liên lạc như OPC UA, MQTT, hoặc Modbus TCP (hệ thống kết hợp với hệ thống tự động hóa). Các biện pháp bảo mật mạng, bao gồm mã hóa và phân đoạn mạng, là thiết yếu để bảo vệ công nghệ hoạt động khỏi mối đe dọa.

Những phân tích dữ liệu đang tiến đến

Dữ liệu cảm biến thô vô ích mà không cần giải thích. Những dự đoán bảo trì phân tích rơi vào nhiều loại:

  • Bộ theo dõi dựa trên greshold: báo động đơn giản kích hoạt khi tham số vượt quá giới hạn đã định trước. Có hiệu lực cho lỗi rõ ràng nhưng bỏ qua sự thoái hóa dần dần.
  • Phân tích thứ hai: Đang theo dõi các thay đổi trong các tham số theo thời gian - như tăng độ rung hay giảm áp suất - không rõ ràng phải đi quá trình.
  • Mô hình học tập: Algrithms được đào tạo về dữ liệu thất bại lịch sử có thể phân loại lỗi và ước tính vẫn còn có ích trong cuộc sống (RUL). mạng lưới thần kinh, rừng ngẫu nhiên, và hỗ trợ máy vector là những lựa chọn thông thường.
  • Mô hình dựa trên cơ sở dữ liệu: hệ thống sinh đôi số mô phỏng hành vi hệ thống bằng cách sử dụng các định luật vật lý; sự lệch giữa mô phỏng và dữ liệu thực cho thấy sự bất thường.

Đối với hệ thống thủy lực, một [FLT:] nghiên cứu học thuật trong thuật toán thần kinh [FLT: 1) đã thể hiện 95% chính xác trong việc dự đoán thất bại trong việc sử dụng dao động và dữ liệu áp lực kết hợp với việc học sâu.

Hợp nhất với quản lý bảo trì

Những sự hiểu biết dự đoán phải được truyền vào hệ thống Quản lý Hệ thống Máy tính hóa (CMMS) hay hệ thống Quản lý Hệ thống Quản lý Hệ thống Quản lý Hệ thống Tập tin Enterprise (EM). Các lệnh làm việc nên được tạo tự động dựa trên các điểm số bất thường hoặc ngưỡng RUL, với các hành động và cấp ưu tiên đã đề nghị. Tính năng hỗ trợ khả năng theo dõi: mỗi sự kiện bảo trì có thể tương quan với lịch sử cảm biến để cải tiến tiến mô hình liên tục.

Các đội sản xuất nên xác định rõ các quy tắc leo thang. nếu áp suất giảm xuống 15%, kiểm tra lịch trong vòng 48 giờ.

Vượt qua những thử thách

Mặc dù lợi ích của nó, dự đoán việc nhận nuôi con nuôi phải đối mặt với những trở ngại trong thế giới thực.

Tiền vốn đầu tiên và chi phí xây dựng

Cài đặt các cảm biến vào thiết bị di động có thể rất tốn kém, đặc biệt nếu việc cải tạo đòi hỏi hệ thống phải bị phá hủy. Thêm vào đó, việc lưu trữ dữ liệu, tài nguyên điện toán và các giấy phép phần mềm tăng lên. Tuy nhiên, một giai đoạn cuộn cuộn phim với các nhóm tài sản quan trọng--có thể lan rộng và trình bày sớm của ROI. Nhiều nhà cung cấp cung cấp các nền tảng phân tích đăng ký dựa trên các nền tảng để giảm đầu tư trước mặt.

Chất lượng dữ liệu và nhãn hiệu

Mô hình máy học cần thiết để ghi chú các sự kiện. Nhận biết dữ liệu tích cực và không được giám sát có thể giúp đỡ khi dữ liệu bị đánh dấu.

Những điểm phụ khéo léo và sự thay đổi văn hóa

Các đội bảo trì đã quen với việc tiếp cận hoặc phản ứng có thể kháng cự việc đưa ra quyết định dựa trên dữ liệu. huấn luyện trong dữ liệu giải thích, thẩm định cảm biến, và phân tích phần mềm là thiết yếu. các đội ngũ cắt chéo chức năng kết hợp các kỹ sư đáng tin cậy, phân tích dữ liệu, và các nhân viên hoạt động hỗ trợ một nền văn hóa hợp tác.

Hợp nhất

Dữ liệu từ nhiều nguồn - Các thiết bị cảm biến, PLCs, CMMS, ERP, và ioT - nền tảng cấu trúc hệ thống mạnh mẽ. Tiêu chuẩn hóa giao thức và định dạng dữ liệu giảm ma sát. Bắt đầu với một phi công trên một máy nén hay dây nén duy nhất cho phép thẩm định giá trước khi nâng cấp.

Hướng tương lai

Sự hội tụ của công nghiệp oT, máy tính cạnh và trí thông minh nhân tạo sẽ tăng cường việc bảo trì dự đoán trong hệ thống năng lượng lưu động.

  • Các chẩn đoán tự động: Mô hình AI sẽ không chỉ dự đoán thất bại mà còn khuyến khích những hành động sửa chữa tối ưu ví dụ, gợi ý thay thế bộ lọc hoặc điều chỉnh lại máy bơm - mà không cần con người can thiệp.
  • Các cặp song sinh:) Mô phỏng độ trung lập cao của toàn bộ mạch thủy lực sẽ cho phép thử nghiệm ảo “nếu như có, thì hãy chỉnh sửa thời gian biểu và cải tiến thiết kế.
  • Mạng cảm biến không có phụ nữ: bộ cảm biến năng lượng và mạng lưới mở rộng năng lượng thấp (LoRaWAN, NB-IOT) sẽ hiệu lực việc cải tạo thiết bị cũ mà không có dây cáp.
  • Học tập theo cách: ) Mô hình được đào tạo qua nhiều nơi hoặc các hạm đội OEM sẽ cải thiện tính chính xác của dự đoán trong khi bảo tồn sự riêng tư dữ liệu.
  • kết nối 5G: cực chậm và băng thông cao sẽ hỗ trợ phân tích thực thời gian và điều khiển hệ thống thủy lực nghiêm trọng, như trong robot hợp tác.

Khi những công nghệ này trưởng thành, việc bảo trì dự đoán sẽ trở thành một tính năng chuẩn hơn là một nhà phân tích, những tổ chức mà đầu tư vào việc xây dựng cơ sở hạ tầng dữ liệu cần thiết và khả năng phân tích sẽ được đặt vào vị trí tốt nhất để thúc đẩy sự đổi mới trong tương lai.

Việc dự đoán bảo trì hệ thống thủy lực và khí quyển là một hành trình chiến lược kết hợp công nghệ, quá trình và con người. bằng cách bắt đầu với những mục tiêu rõ ràng, chọn những cảm biến thích hợp, áp dụng những chất phân tích mạnh mẽ, và kết hợp với việc bảo trì dòng chảy công nghiệp, những người điều hành công nghiệp có thể đạt được những lợi ích đáng tin cậy, hiệu quả và an toàn.