Alpha,专注于矿业智能化的国际服务商

正文

目前，基于大数据的物联监测，从而达到预测性维护效果，成为了智能化的重要突破与方向。麦肯锡咨询公司（McKinsey & Company）在去年 6 月份发布了一份报告——《人工智能：下一个数字前沿》（“Artificial Intelligence: The Next Digital Frontier”），该报告呈现了人工智能“在未来”将如何促成从预防性维护到预测性维护这一转变。这一观点是绝对正确的，但是，这种预测性维护能力已经存在也是一个事实。

而随着工业 4.0 继续推动数据科学的发展，在需要维护时能够精确检测并且发出信号的人工智能技术将进一步发展。与麦肯锡报告相反的地方在于，许多企业，比如成都安尔法智控科技有限公司，已经在利用数据驱动的洞察力来超越预防性维护层面。现在的企业不需要再是实行主观的维护服务时间安排，也避免了随之而来的不可避免的浪费、冗余和中断现象，现在的维护是以一种更加动态的策略来进行。

企业经常会使用联机数据来实时追踪性能变量，即通过各种物联传感器来监测机器。当这些变量表明机器性能正在下降时，技术人员就能够在机器资产出现故障并且早在需要关停一条生产线之前介入。只有在必要时，同时又赶在不可挽回之前进行维护。这不仅仅是矿业，也是从制造业到石油和天然气，再到制药，到零售这各个领域的维护、维修和操作人员多年以来一直梦寐以求的一种能力。而现在，这种等待可以结束了。

智能化，预测性维护的行业趋势。

矿业领域中，大型设备多并且互联。例如选煤厂和选矿厂中的各个设备，互联为生产中的各个环节，各个机器的工作联系密不可分。所以设备的运行保护，维护保养成为了一个不可忽略的重要工作。

但是传统的巡检式维护方式到底能延长多久设备的使用寿命？真的能减少设备故障吗？不难看出中间存在很多弊端：

1、 设备常常处于超负荷的运作状态（尤其在生产任务繁重时），增加了产生小故障的可能性。小故障由于可见性低不易被维护人员监测，就极易产生致命大故障。

2、 被动式的维护，是多数传统企业的处理方式。在设备产生故障之后，才采取一定的措施来修理。在一定程度上对设备的伤害加重且对生产效率的提高也是不利的。

3、 维护方式过度依靠人工，且效率低下。企业会专人对设备进行巡检式的观察监测。肉眼检查的局限性和不及时性，造成了效果不佳。有经验的老员工的点检效果会好上一些，但是经验不可复制，新旧员工交替也是问题。

这些常见的弊端，对设备本身以及生产效率都产生影响，逐渐降低企业的整体效益。

安尔法致力于实施真正的智能化，通过自主研发的物联传感器来实时监测设备的运行。安尔法所开发的无线监测智能预警系统，即是通过数据的采集，然后通过核心算法的计算进行数据处理。目前多数的企业的核心还是在与系统的算法上面，安尔法同样如此，并且将智能AI模块部署于系统中，因而系统可以自学习，自判断。而由此，预警系统衍生的另一大核心就显示出了重要性，“大数据”。

系统不仅需要完成数据采集与展示，还要进行处理与分析。“大数据”的庞大给了系统足够的数据量来做参考，系统对于机器的异常状态判断，故障诊断才愈发准确。并且，系统会根据每个不同设备的使用周期和寿命来自行调整对于数据的判断和处理。随着设备零件的老化，它们对压力的反应与新的时候不同。因此，维护计划应该随着时间的推移进行调整，以考虑不断变化的故障率，这些时间表可以使用机器学习输出新的模型。

设备在线监测曲线图

设备在全生命周期的不同阶段有着不同的表现，设备故障有一个“浴缸曲线”的说法，把设备寿命划分为三个主要阶段：早期故障率阶段、稳定状态阶段和损耗阶段。通常机器在使用寿命开始时，会经常出现故障。但随着时间的推移会进入稳定期，维护过程会逐渐消失，故障更为罕见。而到了后期机器故障会率会飙升，最终报废。

最终，根据系统的分析，对每台具体的设备进行异常状态下的预警。通过处理方式的录入与系统学习，会给出愈加准确有效的参考处理方案。考虑到用户体验，信息直接短信，微信推送到具有管理权限人员。并且安尔法系统中所兼带的库存管理系统，可以将设备的零备件等材料录入系统。当预警处理方案被批准，所需要的零备件可直接显示仓储位置编号。在计划停机维护中，提前准备，提货，维保工作高效，快速完成。库存量少，自动给出采购计划。

预测性维护带给设备监测的变化。

而且针对，厂区内安装的施工条件复杂，安尔法将传感器开发到小型化并且集成化，将振动，温度等传感器整合于一体，并且通过无线传输，传输稳定，抗干扰能力强，并且完美解决了设备周边布线施工的复杂度。不论从前期安装或者后期维护更换等方面，都省掉了大量繁杂工作，不影响原设备的正常运行。

通过预警监测，达到预测性维护，所对设备的稳定良好运行保护是关键。

1. 最大限度地减少非计划停机时间，避免突然性故障时间

2. 合理根据故障针对性维保设备，从而可减少计划停机，并且延长设备使用寿命

3. 最大限度地减少备件和耗材的成本，并优化备件耗材的库存管理

4. 现场点检人员的工作量大大减少

在工业4.0的契机下，航空，汽车等行业已经成熟地应用预测性维护优化机器的管理。矿业也需要应用更前沿的智能化来提升安全与效益，预测性维护不是唯一方向，但是工业设备的智能化管理进程必经之路。数据驱动决策的数字运维，将成为工业互联网的基础，真正的矿山管理变革。

更多关于Alpha智能化的服务，请 联系我们。