Alpha,专注于矿业智能化的国际服务商

石窑店选煤厂是陕西神木煤业集团下属的500万吨动力煤选煤厂，由安尔法公司的战略合作伙伴选煤巨头泰戈特设计建造并运营。于2018年4月上线了安尔法预测性维护系统，在各个关键设备上安装了安尔法预测性维护传感器，包括离心机，皮带机，刮板机的电机，减速箱，滚筒等，进行实时地设备运行数据采集分析，保证设备长久高效健康地运行。

由于泰戈特公司高水准的选煤厂运营管理，几个月来，安尔法预测性维护系统及远程专家一直辅助现场点检人员及机修人员做日常的维护保养工作，设备都处于良好的运行状态，并未出现特别的故障情况。

“但是”

安尔法的工业物联网传感器是处理人工点检无法处理的工作，比如内部零件损耗的故障评估。点检人员的感官及经验，无法感知设备内部细微的变化，传感器却能在生产中实时监测、分析。

比如如下的两个小测点，这次故障的主角。

302尾端滚筒监测

504尾端滚筒监测

302链条非驱动侧振动峰值频谱图

504链条非驱动侧峰值频谱图

云端后台系统开始发送预警信息，并且通过微信端推送日报，让日常检修人员关注设备，但初期尚未进行拆盖查看，暂未发现明显问题。12月1-3日继续推送相似预警，晚班点检人员开始引起注意。

微信端预警推送

在12月1日到3日晚班生产过程中，点检人员重点关注302及504运转情况，发现302刮板机在生产中有几次轻微的跳链情况，504两边链条运转不协调。

综合安尔法的云端预警信息，12月3日晚，点检人员针对302尾端链条非驱动侧滚筒决定拆盖检查，检查发现轴承滚珠磨损，结合之前两次在驱动侧滚筒的预警信息，后又打开另一侧也有磨损情况（滚珠磨损后有间隙轴受力后有晃串现象）。

轴承滚珠磨损

针对504刮板机，点检人员两边链条进行仔细查看，两边的链条因为煤落料点偏，导致受力不均。

12月4日检修工单

12月4日白班检修班，根据点检反馈，将302尾轴处拆机换上两盘新轴承，针对504刮板机链条，检修人员将左右两侧的链条进行互换。之后从4日晚班生产开始，设备恢复良好运转，数据曲线趋于平稳。

通过此次的预警信息，现场配合进行在故障发生前进行维修，避免了设备在非正常运转下的寿命损耗，更避免了可能因为故障严重后发生更大的故障停机事件。

战

挑

战

安尔法基于Alpha Cloud的智能预测性维护系统，能够全面评估现场设备的运行数据，提前预判故障，背后我们的团队同样做了大量努力。

为了开发预测性维护用的机器学习算法，首先得在短时间内获取大量数据用于模型训练。然后测量各个设备的振动与温度情况，并对采集下来的大量时间序列数据按需求进行筛选、分析，进一步得到所有设备的健康状况。然而，在这场看似方向明晰的原型化探索中，安尔法仍遭遇了4大挑战：

Chanllenge

数据采集挑战：现场设备周围不允许搭接线路，传感器采用电池供电、无线数据传输模式，在确保电池的使用寿命，又能确保采集数据的完整性，经过反复的实验验证，安尔法智能传感器制定了一套完整的数据采集策略。

Chanllenge

数据存储挑战：众多的传感器的接入，以及以后多工厂的数据接入，数据存储面对着同时大量数据的写入、历史数据的读取，安尔发制定了一套数据分布存储方案，优化大数据的写入与查询。

Chanllenge

数据处理挑战：工厂设备众多，设备运转时，设备之间振动信号相互影响，生产线上其他部件的异常导致监测数据的差异，如何在这众多的数据中甄别哪些数据是当前设备监测的真实情况，安尔法从硬件到软件处理制定了一套数据滤波方案。

Chanllenge

故障预测挑战：如何针对设备的监测数据预测设备监测指标的走势，如何将预测数据与设备性能状态绑定，安尔法在长期的监测数据下，针对不同设备建立数学模型，对历史数据不断训练学习，故障预测也逐渐倾向可靠准确。

“我们做的越多，客户需要做的就越少”

想了解预测性维护系统选煤厂现场更多细节，可联系现场工程师：

石窑店选煤厂（陕西神木煤业）

李经理

电话:  13649226173

微信:  l13649226173

叙永选煤厂（川煤集团芙蓉公司）

雷工

电话:  13989207631

微信:  lgl-lxx

更多关于安尔法采矿,选矿智能化，选矿预测性维护系统的了解，请联系我们：

成都安尔法智控科技有限公司

Alpha Industrial Intelligence Holding Co Ltd

杨博

benjamin.yang@alpha-technology.com.au

微信：yb89yy92

李生才

kyle.lee@alpha-technology.com.au

微信：Kyle977895349