用户中心

资讯 > 自动化软件

预测性维护 — 从理论到实践

作者:MathWorks 工业自动化与机械行业经理 Philipp H. F. Wallner2020.03.18阅读 1029

  最近,你总是听到关于预测性维护及其价值的讨论。在预测性维护中,设备操作人员可以预见即将发生的故障,抢先安排维修,尽量减少对工厂运行的干扰,最重要的是能保护设备免受灾难性故障的影响。借助一双慧眼,我们可以对预测性维护的价值或者说期望价值达成共识吗?
  当谈到在生产中对现场设备实施预测性维护时CONTROL ENGINEERING China版权所有,我们的慧眼很快就会失去洞察力。事实证明,很少有公司在运营中真正实施了预测性维护,而这就带来一个问题,为什么会这样呢?
  在与行业领袖的对话中,有个一致主题,即设备制造商和运营商必须克服四个关键挑战。只有克服这些挑战,才能成功地与数据科学界合作,并在运行中实施预测性维护解决方案:
  1. 在设计算法时促进协作以利用现有的专业领域知识。公司如何帮助促进数据科学家和领域专家之间的合作,从而设计出基于统计方法和领域知识相结合的强大预测性维护算法?数据科学家和领域专家如何紧密合作,以确保预测性维护应用的关键部分--数据分析方法和领域知识--得到充分利用?
  成功的预测性维护应用程序将两者结合起来:基于统计的数据分析方法(如机器学习),以及研发工程师对其设备的专业知识(在许多情况下,这些知识已经在仿真模型中获取)。使用纯数据分析方法进行预测性维护CONTROL ENGINEERING China版权所有,将会遗漏制造和支持设备的工程和运营团队内部所掌握的重要信息。
  2. 在没有故障数据的情况下训练算法。机器学习的一个关键方面是利用来自现场的数据进行算法训练。这包括来自正常生产使用的"健康"数据,以及针对操作设备时可能发生的各种错误场景捕获的故障数据。但是CONTROL ENGINEERING China版权所有,如果目标是永远不允许设备在一开始就发生故障,那么要从哪里获得故障数据呢?
  对于将预测性维护应用于从风力涡轮机到空气压缩机等工业系统的组织来说,这正成为一个日益重要的难题。为了解决这一难题www.cechina.cn,可以使用仿真模型来生成故障数据,从而在没有现场实测故障数据的情况下训练算法。

  图1.在Simulink和Simscape中建立三缸泵的仿真模型,用于训练故障分类机器学习算法,以克服故障测量数据的缺失。 1984-2019 The MathWorks, Inc.

  3. 部署用于实际使用的算法。一旦在桌面电脑上设计并训练了预测性维护算法,就需要将其部署到设备上。这一步的工作在很大程度上取决于现有IT和OT基础设施。有些算法需要在实时硬件平台上运行(例如,在嵌入式控制器、工业PC或PLC上),有些算法需要并入现有的非实时设备和系统中(例如,在Windows或Linux上运行的边缘设备)或云中。越来越多的公司选择使用高效的工具链自动生成C或IEC 61131 - 3代码、.net组件,或独立可执行程序,例如,以下这家国际包装和纸品制造商,在其塑料制造工厂中使用预测性维护系统来减少浪费和机器停机时间。

  图2.基于MATLAB的人机界面,使设备操作员能够在潜在故障发生之前收到警告。? 1984-2019 The MathWorks, Inc.

  4. 制定预测性维护的业务案例。在开始预测性维护之前,每个公司都必须回答的一个重要问题是:我如何用它来创造收入?
  如果你不能回答这个"神奇的问题",那么你为构建复杂的预测性维护解决方案所做的所有努力都将很快中止。了解你的业务情况并制定将预测性维护转化为收益的策略,这将有助于说服你公司的管理层,证明在实现预测性维护应用方面进行投资是合理的。
  对于设备运营商来说,要确保其设备在运行过程中出现故障的几率很低,这通常就能成为投资的理由。但对于设备制造商来说,这颇具挑战性了。我曾经看到过一些好的想法,它们有助于你制定预测性维护的方案
  " 将服务费与运营商(即其客户)所运行设备的预测性维护挂钩;
  " 利用IP保护来销售已部署的预测性维护算法;以及
  " 转向全新的基于使用的商业模式(例如,以立方米为单位销售压缩空气而不是销售压缩机,或销售电梯使用时间而不是整个电梯)。
  要了解有关此博客帖子中所述主题的更多信息,请发送电子邮件至MathWorks工业自动化与机械行业经理Philipp H.F.Wallner的邮箱(pwallner@MathWorks.com)或查看链接:
  " 预测性维护(视频系列):了解有关预测性维护概念和工作流程的更多信息。
  " 使用Simulink生成故障数据(示例):此示例演示如何使用仿真模型生成故障和正常数据。它使用传动系统,并为轮齿故障、传感器漂移故障和轴磨损故障建模。
  " Mondi利用机器学习对制造过程实施基于统计的运行状况监控和预测性维护(客户参考):了解Mondi Gronau如何减少其工厂的浪费和机器停机时间,从而每年节省50000多欧元。
  " 使用MATLAB进行预测性维护简介(电子书):了解如何开发预测性维护、状态监测和异常检测算法。
      欲了解更多预测性维护相关知识控制工程网版权所有,请扫描下图二维码观看3月26日19:30直播的《小迈步之人工智能(二):大数据跌进人工智能的坑,预测性维护如何实现和落地》网络研讨会。
      

版权声明:版权归控制工程网所有,转载请注明出处!

频道推荐

关于我们

控制工程网 & CONTROL ENGINEERING China 全球工业控制、自动化和仪器仪表领域的先锋媒体

CE全球

联系我们

商务及广告合作
任小姐(北京)                 夏小姐(上海)
电话:010-82053688      电话:18616877918
rendongxue@cechina.cn      xiashuxian@cechina.cn
新闻投稿:王小姐

关注我们的微信

关于我们 | 网站地图 | 联系我们
© 2003-2020    经营许可编号:京ICP证120335号
公安机关备案号:110102002318  服务热线:010-82053688