学习的步骤获得一致的价值从预测性维护计划。
Atek公司

就像骑自行车链或链用于拉住车辆的沟,物联网的价值链(物联网)只是强度最薄弱的环节。结果或缺乏结果往往是由于人民和故障过程价值链的链接。

例如,基于月度预测维修线路,在振动技术员去每个泵或资产,连接传感器,收集数据,进入他或她的办公室,分析数据,如果检测到一个问题,写一份报告或工作秩序。在许多情况下,完成工作订单和一个更大的失败和维修成本或生产损失是可以避免的。

也是常见的工作订单的推迟更为紧迫的工作。工作订单的本质从预测或领先指标是机器仍在运行。当工作被延迟,它通常是由于误解报告。在这些情况下,该报告是含糊不清,使用维护决策者或振动术语不熟悉,或者简单地说,“这样做修复你的下一个方便。”

经常没有一个方便的时间,修复并不是优先,修复未完成,泵失败预测监测的价值并不是实现。这个价值链的分解是在人民和链接过程。

传感器连接,数据收集,分析完成后,工作订单填写,但优先级的过程和完成的工作被打破了。

设备和工艺的例子在物联网的七个要素图片1。设备和工艺的例子在物联网的七要素(图片由Atek公司)

物联网的7元素如何帮助

根据几十年的经验在工业维护空间,第一种方法的七个元素物联网帮助通过定义必要的链接到“价值”或工作完成。过去几年有或没有物联网,常见的故障点在创造价值从预测性维护人民和过程中的链接。许多基于路径或有线预测监控部署省略了这个元素。

幸运的是,价值可能是最初交付当有很多注意的努力,然而随着时间的推移失去了价值,也许是因为人员流动率,或缺乏一个良好定义的理解“价值链”。

在新的开始,或恢复预见性维护计划,要问的第一个问题是,“价值意识到是什么时候?“一个典型的回答是:“当报告交付,或者当发送警报。“但是,价值实现,如果且仅如果推荐的工作被做。

在这些7元素,元素里的工作量都7号的人,这个过程。挑战,确保一个成功的预见性维护监测solution-whether物联网或另一个工具是工作成功,持续和方便地通过七个元素来创造价值。

破碎的价值链

常见的陷阱在急于使用物联网,人工智能和机器学习通常涉及俯瞰这七个元素之一,导致了“价值链。“例如,许多数据科学公司正在努力带来价值和机器学习的好处,人工智能和预见性维护行业,但是不熟悉失效模式和工业泵的影响。BETVICTOR体育官网

在许多情况下,异常检测的使用带来麻烦提醒和非生产性任务维护技术检查资产或过程中没有找到问题。在其他情况下,基线方法与现有异常检测错过失败和新技术和项目承担一炮走红,得分的不可预知的机器。

这里是如何翻译7元素的物联网产业:

1。源:建立一个强大的链接的源元素(泵),用户需要知道什么样的条件或失败是最有价值的检测。泵密封失败的最常见的问题。BETVICTOR体育官网检测和减轻早期需要了解问题的根源。可能的密封失败的根本原因是轴偏转或振动;轴偏转的原因可能是空化,而不是运行在最佳效率点(cep),轴承故障和/或润滑的错。

选择一个领先指标或测量是建立强大的关键链接源元素。最佳实践密封健康监控一个领先指标是使用超声波和振动监测。超声波是一种鲜为人知的测量和强烈的空化领先指标,轴承和润滑的缺点。振动是一种可靠的测量,检测晚期错位等问题,松动,管共振或晚期轴承故障。

案例研究展示物联网价值链进行预测性维护图片2。案例研究展示物联网价值链进行预测性维护

2。连接:一个强大的连接元素的链接方式的灵活性有线,无线,移动和应用程序编程接口(API)连接各种资产移植,杂物间,屋顶,油库和非现场资产。连接设备,边缘计算高频数据到100赫兹(千赫)超声波传感器是一个好处,以及时间戳的板载内存,存储和转发数据如果无线连接。最后,权力的灵活性电池或线路功率强大的连接链接。

3所示。收集:灵活的更新率,增加元数据,和云和本地存储选项使一个强大的收集元素。当解决间歇性问题像空化相关业务,更快的更新率15分钟或更少的好处。连续监测泵,一个选项来线路功率传感器将进一步提高强度和能力BETVICTOR体育官网这个链接的价值链。添加或能力包括元数据将沿着价值链成功所必需的。例如,计算机维修管理系统(机)ID监控资产系出传感器需要警惕一个自动化和智能链接7号的工作秩序,人民和链接过程。另一个例子是在润滑类型元数据可以帮助创建一个更具描述性的和详细的工作指令。

4所示。商店和趋势:响应和无处不在的访问历史数据,显示趋势,覆盖趋势,缩放工具和工具导出到其他程序像Excel或其他API-compatible应用程序是一个强大的链接。使用云应用程序,避免软件或应用程序安装和维护,而拥有无限和分级用户,另一方面使强大的链接。最后,在设备诊断的趋势电池电压,信号强度和连接尝试进一步加强了这种联系。

5。分析和预警:有设备专业知识和人工智能模型基于几十年的数据预先设定警报没有基线是一个非常强大的链接。另一方面,基线没有域或泵和失效模式经验的最大原因丢失现有的失败条件。自动基线化技术用于异常检测的最大原因是讨厌的警报和导致非生产性使用维护技术的时间。用一个人工智能模型预设警报是必不可少的一个强有力的链接。

6。转化为任务最常见的问题:当一个新收到警报,“现在怎么办呢?“有一个人工智能模型或基于规则的模型将警惕“说明性的维护任务”是至关重要的连接链接7个人和过程。这个链接和强大之前联系我们可以带一个“真正的”警报领先指标和抄写一个“英语”或textual-based任务需要完成的警觉。一个受欢迎的例子是一个小或一级超声波提醒这是翻译“10日内现场检查和润滑”。

7所示。人&过程:人民和流程链接是价值实现的地方。与之前的链接的强度,正确的工作可以完成的人,有了正确的工具,正确的材料,在正确的时间。如果有任何以前的链接中的一个薄弱环节,一个理想的和有价值的结果。

2018年6月11日,超声波/振动传感器部署监控两个问题资产在中西部塑料制造商。传感器电池动力,轻松快速地连接到轴承使用磁性超声波/振动传感器。细胞嵌入在传感器,使用现有的手机和智能手机的基础设施,硬件和系统都是在的地方。

使用警报阈值,预设使用人工智能模型和人工智能或基于规则的模型翻译警报指令性的任务时,特定于应用程序的设置也到位。

在连接机器的轴承的磁铁,一个小提醒,智能工作订单邮件发布声明”字段10天内检查和润滑。“七天后在计划和定期维护任务,工作完成后和警报条件消退。这完成了价值链预见性维护,避免永久性轴承损伤的大失败,增加轴挠度和密封故障。

点击这里阅读更多维护看守人的文章。

问题