對于安爾法接觸到的大多數終端客戶，振動篩在客戶整廠的設備中可能算不上大型機械設備，但是振動篩的故障頻率卻往往是最高的，其根本原因是：振動篩本身就是一種對振動破壞力進行科學利用的一種產品。

對于傳統機械而言，設備運行產生的非常規振動是故障的發生的預兆之一，而振動篩恰恰是通過振動改變物料運動軌跡、實現篩分效果的產品。雖然振動行業從未停止過對抗破壞性優化結構的設計和研究，但目前尚未找到行之有效的解決辦法，振動設備的故障仍然頻繁發生。

振動篩通常布置在生產工藝系統的咽喉部位，設備在運行時出現的若干小問題若無法及時察覺，由此引發振動篩的大故障，可能會導致整個生產系統聯動停機，給客戶造成重大的損失。就礦山、煤炭、冶金等領域而言，突發性事故停機將直接影響生產進度，效益損失少則十數萬，多則數百萬元，最重要的是在運行期間振動篩的突發性故障將直接威脅到點檢人員的生命安全。

■■■■■

安爾法的振動篩PHM運維系統，采用傳感器技術、自動控制技術、物聯網技術、大數據技術，對振動篩的各項運行參數實時在線監測，大數據智能分析設備性能狀態，故障提前預警。于工廠，促進產品走向市場，實時了解自己產品在企業的使用情況，向客戶提供更好的服務；于客戶，根據設備運行監測情況，合理安排設備檢修時間，減少設備突發故障維修而投入的人力、物力、財力，提高生產效率和效益。

針對振動篩核心部件進行在線實時監測，主要從電機振動溫度，篩體前后入料口振動均衡，激振器振動、四軸承溫度、潤滑油溫度去監測。為了保障數據采集的簡便，降低實施的難度，現場傳感器采用電池供電，無線數據傳輸。傳感器按設置時間監測采集一定時長的振動溫度，無線發送出去。在振動篩附近部署一個中繼器，中繼器能接收多個傳感器傳輸的數據，再利用現場網絡或通過4G/5G網絡將數據傳輸到企業云平臺端進行數據分析。通過實時在線監測，能有效監測設備運行中的篩體振動平衡、入料不均勻、激振器軸承故障，及時發現設備故障，及時作出相應處置，避免事故的發生。

安爾法的PHM系統采用多通道狀態監測技術，該技術專門針對激振器的特點而設計，與振動篩中的激振器“交叉連接”，其目的是檢測和評估相位缺陷，檢查和記錄軸承和齒輪振動，工作油溫以及6個自由度（三個平移和三個旋轉）的總體機器運動。

云平臺運用大數據、人工智能技術等建立設備模型，人工智能算法，不斷訓練學習，提高設備故障預警可靠性、準確性。以長期監測數據訓練模型，以實時采集數據為輸入，預測分析各個監測指標的走勢，判定設備性能狀態，預測設備故障。故障信息及時通過APP、微信公眾號推送到設備相關負責人，以便及時作出相關處置，將故障消滅在萌芽期。

云平臺存儲設備監測數據，方便用戶隨時通過手機、電腦等查看設備運行數據，以及歷史監測數據。也為設備企業優化產品設計提供可靠運行監測數據，不斷提升產品質量。

解析數據并通過顏色編碼的儀表板和微信推送向用戶報警。這些預警使客戶能夠在故障前一周安排激振器更換，從而防止不必要的過程停機并節省大量維護成本。

使用云服務智能數字服務比以往任何時候都更早地檢測到任何與正常操作的偏差，遠遠超出了傳統的閾值預警。它將最新的機器學習技術與傳統的機器流程知識相結合，提供特定的儀表板、預警指示器，并可以訪問整機的故障模式數據庫，以便快速采取糾正措施，該服務從整體操作中收集和評估數據，例如振動、速度、壓力、溫度等，并監控重要的測量值，以防止人員受到傷害和機器受到損壞。

我們的服務包括一個數據驅動模型，根據歷史數據和當前機器和過程操作預測正常行為。其決定性的新功能是它如何處理測量值和預測值之間的差異，反映與正常操作的偏差程度。機器學習算法不僅監控單個值，還監控所有值的相關性，尤其是在任何給定時間機器或過程當前所處的操作模式。

安爾法的PHM運維系統致力于振動篩整機的流暢運行和智能化操作，從初步的實時監控到歷史設備問題的行業專家支持，在客戶訪問真實數據的同時并帶來各種好處，客戶可在移動設備上帶有 KPI 信息的實時儀表盤，隨時隨地獲得所有相關信息。

全局整體設置和系統性布局優化，客戶可在客戶端獲得數據解釋、檢修建議和維護方法，補充各個層面的歷史大數據支持，從而協助整廠的工人團隊。

圖文：Gavin

排版：Gavin