预测性维护：纵行科技ZETA端智能振温传感器助力工厂提前发现设备故障-数控专题

预测性维护：纵行科技ZETA端智能振温传感器助力工厂提前发现设备故障

时间:2024-01-08 作者: 来源:中国工控网

“第一次收到ZETA平台报警,发现水泵振动异常是在今年三月份”,负责威立雅某热电项目设备维护的张工说。

张工是一位拥有多年机电设备运维经验的“老师傅”。

据他介绍,收到设备报警后,经过手持测振仪检查,并未发现明显异常,便解除了告警。1个月后ZETA智能终端持续发出报警才引起重视,叫来供应商拆机检查后,确认设备电机、泵机、风机等旋转设备运行状态,实现设备故障的预测性维护,减轻人工巡检压力,提高生产效率。

ZETA方案实施以来,主要有以下优点:

— 01 —

数据可视化,从人力巡检转向7*24在线监测

安装ZETA智能终端后,就像给设备装上了“听诊器”,「不再过度依赖人工经验,设备维护从传统的人力定期巡检转变为7*24全生命周期在线监测。」

以往张工他们以周或天为单位,手持测振仪检查,每次测试的力度、测点和方向都难以保持高度统一,而且可呈现的数据也很有限,数据也只能在每次检查的时候手动记录。相比手持测振仪最高只有1KHz的精度,ZETA智能终端振动监测频率高达10kHz,为设备监测提供了精细化的数据分析、全生命周期监测、异常告警和预测性维护等量化指标参考。

现在,张工通过可视化数据就可以了解设备的实时状态,健康与否,一目了然。AI数据辅助人工决策的维保模式,让他们摆脱了单纯依靠经验的运维模式。数据可视化展示,不用再手动抄录、分析数据,更方便进行汇总归档和总结汇报。

*Z-AIoT设备健康管理平台效果展示图

— 03 —

预测性维护,真正实现降本增效

ZETA方案为威立雅热电厂设备配置的端智能振温传感器,植入了机器学习算法,自动采集机械设备的振动、温度等数据,并基于设备历史数据训练算法模型,针对性地制定异常报警策略。通过对设备的全方位监测,可以清楚地了解设备的健康状况,「在故障恶化之前提早制定运维策略,降低过度维护,避免非计划停机,实现“预测性维护”。」

提及预测性维护,张工粗略算了一笔账。以大型引风机关键轴承为例,以往采用每天1次常规巡检,每月1次停机检修,固定每2年更换输入端轴承。这种计划性维修或故障性维修,很容易出现过维保和欠维保情况,增加维保成本,导致不可逆的设备损坏,降低生产效率。

而ZETA预测性维护,可以视生产情况减少停机检修频次,关键轴承也从2年变成按需更换,极大地延长了机器寿命,每年至少为企业减少上百万的备件采购成本和人力成本。

省钱的同时,还大大提高了生产效率。最关键的是,企业能持续安全生产这才是最重要的。