位置:飞责科技网 > 科普 > 正文 >

基于物联网的预测性维护综合指南

2019年10月11日 22:37来源:未知手机版

关爱留守儿童主题班会,法国波尔多犬,怡桥财经

来源:物联之家网(iothome.com)

多年来,制造商一直在使用基于时间的设备维护方法。他们以前将设备的使用时间作为计划维护程序的因素,设备越旧,需要执行的维护程序就越频繁。然而,ARC顾问集团的研究表明,在全球范围内,只有18%的设备因老化而出现故障,而82%的设备故障是随机发生的。它证明了基于时间的方法不具有成本效益——不管实际需要与否,都要对设备进行维护。

为了避免无效的维护程序和随之而来的成本,制造商可以利用工业物联网和数据科学。在本文中,我们将介绍基于物联网的预测性维护如何帮助优化生产流程。

为什么是物联网?

你可能会想:如果有很好的数据采集与监视控制系统(SCADA)来支持维护活动,为什么还要选择物联网解决方案?让我们来看看。

预测性维护需要具有处理大量数据和运行复杂算法的能力,这在SCADA中是无法实现的。另一方面,基于物联网的解决方案允许在多台计算机上并行存储TB级数据并运行机器学习算法,以预测潜在危险,并确定工业设备何时可能出现故障。

基于物联网的预测性维护解决方案,必须考虑周全的架构

让我们看看哪些组件可以支持预测性维护工作,以及它们是如何相互协作的。以一个可以预测工业电池使用寿命的示例为例。

基于物联网的预测性维护体系架构

在进入技术细节之前,重要的是要确定决定电池寿命的关键变量。它们是温度、电压和放电。确定出变量后,电池将配备传感器,以收集这些参数的数据并将其发送云中进行处理。

传感器数据不能直接发送到云端,而是通过网关。现场网关是过滤和预处理数据的物理设备。云网关确保安全的数据传输,并通过各种协议提供连接,这允许连接各种现场网关。

一旦传感器数据进入云,它就“着陆”在流数据处理器上。其目的是允许数据的连续流动,并快速有效地将数据流传输到数据存储器(数据湖)。

数据湖存储传感器收集的数据。它仍然是原始的,所以它可能不准确、错误或包含不相关的内容。它表示为在相应时间测量的多组传感器读数。当需要数据来洞察电池的健康状况时,会将其加载到一个大数据仓库中。

大数据仓库存储清理后的结构化数据。它包含在特定时间测量的温度、电压和放电参数,以及关于电池类型、位置、充电日期等上下文信息。

一旦准备好数据,就用机器学习(ML)算法进行分析。机器学习算法用于揭示数据集中隐藏的相关性和检测异常数据模式。

建立预测模型,并对其进行训练,然后用于确定电池是否发生自放电,并精确检测容量低于正常值的电池或估计电池的剩余使用寿命。用于预测性维护工业电池的预测模型基于以下两种方法建立:

▲分类方法:根据该方法建立的模型可识别电池是否可能自放电,并显示电池容量是否低于正常值。

▲回归方法:该方法可提供电池使用寿命结束前剩余天数/周期的信息。

预测模型需要定期更新,例如每月更新一次,并测试其准确性。如果输出与预期不同,则对其进行修改、重新训练和再次测试,直到其按预期运行为止。

在进行机器学习之前,应该进行大量的探索性分析。进行数据分析以查找依赖关系并发现机器学习数据集中的模式和见解。此外,在探索性分析阶段,评估各种技术假设,以帮助选择最适合的机器学习算法。

用户应用程序允许基于物联网的预测性维护解决方案向用户提醒潜在的电池故障。

尽管与电池组无关,但预测性维护体系架构还是可以包含其他组件,例如执行器和控制应用程序。根据预测结果,控制应用程序可以被设置为向设备的致动器发送指令,(来自物联之家网)例如,如果发动机温度上升到临界点,控制应用程序可以发送命令将机器设置为冷却模式。此外,控制应用程序可以与维护系统集成在一起。

不同行业的预测性维护

以上这些通用架构组件用于为各种行业构建预测性维护解决方案。下面,我们列出了可能的预测性维护应用,并提供已经实施预测性维护解决方案的制造商示例。

本文地址:http://www.ectippc.com/kepu/210780.html 转载请注明出处!

今日热点资讯
江苏快3 秒速时时彩平台 华盈彩票网 手机网投官网 福利彩票北京赛车 秒速时时彩开奖 北京赛车彩票 幸运28 吉林快3 秒速时时彩开奖