Alpha,專注于礦業智能化的國際服務商

正文

目前，基于大數據的物聯監測，從而達到預測性維護效果，成為了智能化的重要突破與方向。麥肯錫咨詢公司（McKinsey & Company）在去年 6 月份發布了一份報告——《人工智能：下一個數字前沿》（“Artificial Intelligence: The Next Digital Frontier”），該報告呈現了人工智能“在未來”將如何促成從預防性維護到預測性維護這一轉變。這一觀點是絕對正確的，但是，這種預測性維護能力已經存在也是一個事實。

而隨著工業 4.0 繼續推動數據科學的發展，在需要維護時能夠精確檢測并且發出信號的人工智能技術將進一步發展。與麥肯錫報告相反的地方在于，許多企業，比如成都安爾法智控科技有限公司，已經在利用數據驅動的洞察力來超越預防性維護層面?，F在的企業不需要再是實行主觀的維護服務時間安排，也避免了隨之而來的不可避免的浪費、冗余和中斷現象，現在的維護是以一種更加動態的策略來進行。

企業經常會使用聯機數據來實時追蹤性能變量，即通過各種物聯傳感器來監測機器。當這些變量表明機器性能正在下降時，技術人員就能夠在機器資產出現故障并且早在需要關停一條生產線之前介入。只有在必要時，同時又趕在不可挽回之前進行維護。這不僅僅是礦業，也是從制造業到石油和天然氣，再到制藥，到零售這各個領域的維護、維修和操作人員多年以來一直夢寐以求的一種能力。而現在，這種等待可以結束了。

智能化，預測性維護的行業趨勢。

礦業領域中，大型設備多并且互聯。例如選煤廠和選礦廠中的各個設備，互聯為生產中的各個環節，各個機器的工作聯系密不可分。所以設備的運行保護，維護保養成為了一個不可忽略的重要工作。

但是傳統的巡檢式維護方式到底能延長多久設備的使用壽命？真的能減少設備故障嗎？不難看出中間存在很多弊端：

1、 設備常常處于超負荷的運作狀態（尤其在生產任務繁重時），增加了產生小故障的可能性。小故障由于可見性低不易被維護人員監測，就極易產生致命大故障。

2、 被動式的維護，是多數傳統企業的處理方式。在設備產生故障之后，才采取一定的措施來修理。在一定程度上對設備的傷害加重且對生產效率的提高也是不利的。

3、 維護方式過度依靠人工，且效率低下。企業會專人對設備進行巡檢式的觀察監測。肉眼檢查的局限性和不及時性，造成了效果不佳。有經驗的老員工的點檢效果會好上一些，但是經驗不可復制，新舊員工交替也是問題。

這些常見的弊端，對設備本身以及生產效率都產生影響，逐漸降低企業的整體效益。

安爾法致力于實施真正的智能化，通過自主研發的物聯傳感器來實時監測設備的運行。安爾法所開發的無線監測智能預警系統，即是通過數據的采集，然后通過核心算法的計算進行數據處理。目前多數的企業的核心還是在與系統的算法上面，安爾法同樣如此，并且將智能AI模塊部署于系統中，因而系統可以自學習，自判斷。而由此，預警系統衍生的另一大核心就顯示出了重要性，“大數據”。

系統不僅需要完成數據采集與展示，還要進行處理與分析?！按髷祿钡凝嫶蠼o了系統足夠的數據量來做參考，系統對于機器的異常狀態判斷，故障診斷才愈發準確。并且，系統會根據每個不同設備的使用周期和壽命來自行調整對于數據的判斷和處理。隨著設備零件的老化，它們對壓力的反應與新的時候不同。因此，維護計劃應該隨著時間的推移進行調整，以考慮不斷變化的故障率，這些時間表可以使用機器學習輸出新的模型。

設備在線監測曲線圖

設備在全生命周期的不同階段有著不同的表現，設備故障有一個“浴缸曲線”的說法，把設備壽命劃分為三個主要階段：早期故障率階段、穩定狀態階段和損耗階段。通常機器在使用壽命開始時，會經常出現故障。但隨著時間的推移會進入穩定期，維護過程會逐漸消失，故障更為罕見。而到了后期機器故障會率會飆升，最終報廢。

最終，根據系統的分析，對每臺具體的設備進行異常狀態下的預警。通過處理方式的錄入與系統學習，會給出愈加準確有效的參考處理方案?？紤]到用戶體驗，信息直接短信，微信推送到具有管理權限人員。并且安爾法系統中所兼帶的庫存管理系統，可以將設備的零備件等材料錄入系統。當預警處理方案被批準，所需要的零備件可直接顯示倉儲位置編號。在計劃停機維護中，提前準備，提貨，維保工作高效，快速完成。庫存量少，自動給出采購計劃。

預測性維護帶給設備監測的變化。

而且針對，廠區內安裝的施工條件復雜，安爾法將傳感器開發到小型化并且集成化，將振動，溫度等傳感器整合于一體，并且通過無線傳輸，傳輸穩定，抗干擾能力強，并且完美解決了設備周邊布線施工的復雜度。不論從前期安裝或者后期維護更換等方面，都省掉了大量繁雜工作，不影響原設備的正常運行。

通過預警監測，達到預測性維護，所對設備的穩定良好運行保護是關鍵。

1. 最大限度地減少非計劃停機時間，避免突然性故障時間

2. 合理根據故障針對性維保設備，從而可減少計劃停機，并且延長設備使用壽命

3. 最大限度地減少備件和耗材的成本，并優化備件耗材的庫存管理

4. 現場點檢人員的工作量大大減少

在工業4.0的契機下，航空，汽車等行業已經成熟地應用預測性維護優化機器的管理。礦業也需要應用更前沿的智能化來提升安全與效益，預測性維護不是唯一方向，但是工業設備的智能化管理進程必經之路。數據驅動決策的數字運維，將成為工業互聯網的基礎，真正的礦山管理變革。

更多關于Alpha智能化的服務，請 聯系我們。