对于安尔法接触到的大多数终端客户，振动筛在客户整厂的设备中可能算不上大型机械设备，但是振动筛的故障频率却往往是最高的，其根本原因是：振动筛本身就是一种对振动破坏力进行科学利用的一种产品。

对于传统机械而言，设备运行产生的非常规振动是故障的发生的预兆之一，而振动筛恰恰是通过振动改变物料运动轨迹、实现筛分效果的产品。虽然振动行业从未停止过对抗破坏性优化结构的设计和研究，但目前尚未找到行之有效的解决办法，振动设备的故障仍然频繁发生。

振动筛通常布置在生产工艺系统的咽喉部位，设备在运行时出现的若干小问题若无法及时察觉，由此引发振动筛的大故障，可能会导致整个生产系统联动停机，给客户造成重大的损失。就矿山、煤炭、冶金等领域而言，突发性事故停机将直接影响生产进度，效益损失少则十数万，多则数百万元，最重要的是在运行期间振动筛的突发性故障将直接威胁到点检人员的生命安全。

■■■■■

安尔法的振动筛PHM运维系统，采用传感器技术、自动控制技术、物联网技术、大数据技术，对振动筛的各项运行参数实时在线监测，大数据智能分析设备性能状态，故障提前预警。于工厂，促进产品走向市场，实时了解自己产品在企业的使用情况，向客户提供更好的服务；于客户，根据设备运行监测情况，合理安排设备检修时间，减少设备突发故障维修而投入的人力、物力、财力，提高生产效率和效益。

针对振动筛核心部件进行在线实时监测，主要从电机振动温度，筛体前后入料口振动均衡，激振器振动、四轴承温度、润滑油温度去监测。为了保障数据采集的简便，降低实施的难度，现场传感器采用电池供电，无线数据传输。传感器按设置时间监测采集一定时长的振动温度，无线发送出去。在振动筛附近部署一个中继器，中继器能接收多个传感器传输的数据，再利用现场网络或通过4G/5G网络将数据传输到企业云平台端进行数据分析。通过实时在线监测，能有效监测设备运行中的筛体振动平衡、入料不均匀、激振器轴承故障，及时发现设备故障，及时作出相应处置，避免事故的发生。

安尔法的PHM系统采用多通道状态监测技术，该技术专门针对激振器的特点而设计，与振动筛中的激振器“交叉连接”，其目的是检测和评估相位缺陷，检查和记录轴承和齿轮振动，工作油温以及6个自由度（三个平移和三个旋转）的总体机器运动。

云平台运用大数据、人工智能技术等建立设备模型，人工智能算法，不断训练学习，提高设备故障预警可靠性、准确性。以长期监测数据训练模型，以实时采集数据为输入，预测分析各个监测指标的走势，判定设备性能状态，预测设备故障。故障信息及时通过APP、微信公众号推送到设备相关负责人，以便及时作出相关处置，将故障消灭在萌芽期。

云平台存储设备监测数据，方便用户随时通过手机、电脑等查看设备运行数据，以及历史监测数据。也为设备企业优化产品设计提供可靠运行监测数据，不断提升产品质量。

解析数据并通过颜色编码的仪表板和微信推送向用户报警。这些预警使客户能够在故障前一周安排激振器更换，从而防止不必要的过程停机并节省大量维护成本。

使用云服务智能数字服务比以往任何时候都更早地检测到任何与正常操作的偏差，远远超出了传统的阈值预警。它将最新的机器学习技术与传统的机器流程知识相结合，提供特定的仪表板、预警指示器，并可以访问整机的故障模式数据库，以便快速采取纠正措施，该服务从整体操作中收集和评估数据，例如振动、速度、压力、温度等，并监控重要的测量值，以防止人员受到伤害和机器受到损坏。

我们的服务包括一个数据驱动模型，根据历史数据和当前机器和过程操作预测正常行为。其决定性的新功能是它如何处理测量值和预测值之间的差异，反映与正常操作的偏差程度。机器学习算法不仅监控单个值，还监控所有值的相关性，尤其是在任何给定时间机器或过程当前所处的操作模式。

安尔法的PHM运维系统致力于振动筛整机的流畅运行和智能化操作，从初步的实时监控到历史设备问题的行业专家支持，在客户访问真实数据的同时并带来各种好处，客户可在移动设备上带有 KPI 信息的实时仪表盘，随时随地获得所有相关信息。

全局整体设置和系统性布局优化，客户可在客户端获得数据解释、检修建议和维护方法，补充各个层面的历史大数据支持，从而协助整厂的工人团队。

图文：Gavin

排版：Gavin