圖爾克基於機器學習的預測性維護係統
智能維護如何及時檢測到故障?
無論是多協議以太網、ARGEE、IO-Link還是控製櫃保護模塊和雲服務,圖爾克麵向新建工廠項目的狀態監測解決方案都可以讓一切變為現實!
歡迎掃描下發二維碼,預約觀看直播,深度了解圖爾克重慶論壇,設備狀態實時監測解決方案!
時間:4月18日 14:25
主講人:圖爾克 係統解決方案主管 郝立明


可用性是設備綜合效率的關鍵因素。若機器因故障而閑置,則會導致意外生產停頓,進而造成損失。為了避免這種情況發生,工業4.0時代的維護通過永久訪問傳感器數據來實施。
益處:更(geng)快(kuai)檢(jian)測(ce)到(dao)錯(cuo)誤(wu)或(huo)磨(mo)損(sun)導(dao)致(zhi)的(de)異(yi)常(chang)情(qing)況(kuang)。這(zhe)是(shi)因(yin)為(wei)可(ke)以(yi)直(zhi)接(jie)向(xiang)相(xiang)關(guan)負(fu)責(ze)人(ren)發(fa)出(chu)警(jing)報(bao),或(huo)已(yi)經(jing)將(jiang)狀(zhuang)態(tai)數(shu)據(ju)集(ji)成(cheng)在(zai)預(yu)見(jian)性(xing)維(wei)護(hu)中(zhong)。這(zhe)意(yi)味(wei)著(zhe),與(yu)可(ke)避(bi)免(mian)的(de)維(wei)護(hu)操(cao)作(zuo)相(xiang)關(guan)的(de)不(bu)確(que)定(ding)的(de)額(e)外(wai)成(cheng)本(ben)將(jiang)成(cheng)為(wei)過(guo)去(qu)。
高效且麵向未來

圖(tu)爾(er)克(ke)電(dian)機(ji)狀(zhuang)態(tai)監(jian)測(ce)解(jie)決(jue)方(fang)案(an)采(cai)用(yong)三(san)軸(zhou)振(zhen)動(dong)傳(chuan)感(gan)器(qi)和(he)深(shen)度(du)學(xue)習(xi)技(ji)術(shu)來(lai)監(jian)控(kong)電(dian)機(ji)及(ji)其(qi)相(xiang)關(guan)係(xi)統(tong)的(de)工(gong)作(zuo)狀(zhuang)態(tai)。一(yi)旦(dan)發(fa)現(xian)異(yi)常(chang)振(zhen)動(dong)模(mo)式(shi),係(xi)統(tong)就(jiu)會(hui)以(yi) 1 至 5 的嚴重程度值發出報警,以指示嚴重程度的增加。
該方案中我們重點關注的是電機相關係統:一般指電機+減速機+軸承+負載等設備)的機械故障。例如,錯位、不平衡、部件磨損或結構損壞。這些故障一般表現為過度振動、異常聲音和機械部件過早磨損,這將導致機組壽命和效率的降低。
我們的目標在於更早發現和解決該異常,並將風險或故障損失降低。
由you於yu設she備bei的de磨mo損sun類lei異yi常chang一yi般ban都dou呈cheng現xian出chu早zao期qi緩huan慢man劣lie化hua,後hou期qi指zhi數shu爆bao發fa的de特te點dian。所suo以yi早zao期qi的de異yi常chang發fa現xian,既ji是shi保bao證zheng設she備bei始shi終zhong高gao效xiao能neng運yun轉zhuan的de有you效xiao措cuo施shi,也ye是shi大da幅fu降jiang低di維wei護hu成cheng本ben的de優you勢shi技ji術shu。
狀態異常會引起設備振動數據的緩慢偏移。振動數據的曲線雖然直觀,但容易受到雜散幹擾,且不易執行定量解析形成有效的指令。
Turck電機狀態監測軟件采用圖像處理技術,為每一台機器創建獨立且專屬的設備模型。
振動數據“快照”通過AI-Pipe的逐級解析和計算,形成目標設備異常程度及可能原因的診斷通知,預測性維護建議成為運維工程師最得力的工作助手。
liyongtuerkederuanyingjianjiejuefanganshishizhenggekongzhihezhuangtaijiancexitong。liyongdangelianluodian,gongchangjihuarenyuanbujinnengjieshengshijian,hainenghuodexietiaodezujian。erjiaruxiangyaojichengqitazhizaoshangdefuwuhuofasongshujudaozijideyunduanne?biedanxin,kaifangshijiekoukebaozhengwendingdegaoxitonglinghuoxing。




