案例中心 / 案例库 / 案例详情
case-img

钢铁行业冶炼加工行业大型工业设备预测性维护实时监测

案例分类:边缘计算 其他行业

能力标签:钢铁产线监测设备预测性维护

案例详情

项目背景

黑龙江某钢铁有限公司业务涵盖钢铁冶金、矿业、煤化工等产业,企业生产产线上拥有众多大型旋转设备,设备的正常运行是保障公司经济效益的基础。

企业需求

在智能设备应用方面,客户以“降低劳动强度、保障设备稳定、促进安全生产”为目标,实现基础设备、生产操作的智能化。借助数采平台及先进的控制手段,实现站所集中控制的项目建设将以工业互联网进行基础系统建设,实现数据采集,横向和纵向打通各工序间的信息接口,利用大数据分析应用,实现数据共享,提前进行缺陷预警,并以“降低劳动强度、保障设备稳定、促进安全生产”为目标,实现基础设备、生产操作的智能化,逐步打造成具有现代科技感的数智化企业。为了更好的实现生产智能化,提高产线电机的维护管理水平,具体需求如下:

1、实现产线电机的远程运维管理,实时了解电机运行情况;

2、实时监测、记录电机的振动、温度、噪声数据;

3、实现产线电机的故障预警、故障提示;

4、通过预测性维护平台减少人工巡检工作量,提高电机运维管理水平。

现状分析

目前的设备监测手段主要是人工巡检和电压电流监控,设备维保工作主要采用“事后维修”的方式,存在以下问题:

1、电机巡检维护成本高,不可控;

2、电机故障反馈及时性差;

3、无法识别电机亚健康状态;

4、事后维护方式隐患大;

本次项目通过实现循环水泵站和转炉泵站电机的远程监测,通过对电机振动、噪声和温度参数的实时采集,实现电机的预测性维护。

解决方案

通过引入占星者5G边缘计算器实现电机的预测性维护,减少由电机故障引起的非计划停机损失。

预测性维护是以设备实时状态为依据的维护,在电机运行时,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, 判定电机所处的状态,预测电机状态未来的发展趋势,依据电机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,确定电机应该修理的时间、内容、方式和必需的技术和物资支持。预测性维护集设备状态监测、健康评估、异常预警、故障诊断、维修决策支持和维修活动于一体。

以循环水泵站和转炉泵站电机预测性维护为应用场景,以“占星者”5G边缘计算器及其相应软件平台为载体,搭建设备运行状态远程实时监控平台,通过工业机理和AI融合算法的人工智能分析技术,为工厂解决电机设备运维方面的痛点需求。

                      痛点

                      解决方案

电机巡检成本高、产线电机分布离散,数量多,人工巡检、维护成本高

电机远程监控,通过占星者用户平台实现电机运行状态的远程监控

电机故障反馈及时性差,电机故障无法及时发现、及时处理

电机端数据实时采集,通过占星者实现电机状态实施监测,故障实时提醒

无法识别电机亚健康状态,电机亚健康状态运行导致能耗增加、产品不良率上升

  电机运行状态精准分析,通过健康值精准量化反映电机状态,准确识别亚健康

事后维护方式隐患大,电机故障发生后才进行维修,成本高,并且存在影响产量的隐患

实现预测性维护,占星者预测性维护解决方案,实现故障预警、事前维护,可实现故障预警以及生产的灵活调整,减少停机损失


产品推荐
bot
icon

在线咨询

icon

客服热线

icon

关注我们

icon

回到顶部