plane

实时的预测性维护系统如何“待泵如人”

Alpha矿业智能化 2018-08-06

Alpha,专注于矿业智能化的国际服务商


发现数据的价值所在!


在一种创新的,略显黑科技的实时预测性维护方法中,我们处理泵发生的故障问题就像处理可导致死亡的疾病一样。 我们采用流行病学方法来预测泵故障或任何设备故障,研发了创新的新型故障算法。 FORESTALL算法实时更新,自动通知维护计划人员即将发生的故障。 这些算法可以使用现有的过程控制系统在数周内部署完毕。


旋流器、泵和料斗示意图


Newcreast公司 MDX 550-渣浆泵


旋流器入料泵几乎是任何选矿厂都必需的关键部件。而根据以往数据,旋流器入料泵停机费用约为每小时25,000至50,000美元。 在12个月的时间内,旋流器渣浆泵有34小时的意外停机时间,每年耗资85万美元 - 170万美元。 目前,预测性维护还并不是采矿业的标准配置,甚至也没有使用实时数据监测。 为Newcrest公司的泵做故障预测而研发的算法,给实时预测性维护提供了一个阶梯式的解决方案。


1
完美的平台部署



每个矿山都有一个工厂过程控制系统,包括分布式控制系统(DCS)和可编程逻辑控制(PLC)。 这些DCS和PLC系统为快速部署实时预测性维护提供了完美的平台。 MIPAC(过程控制专家和PI OSISoftPartners)表示,只需要7-28天来部署算法。并且泵在即将发生故障的分别28天,7天和24小时内,自动向管理员/主管发送信息。

几大优点: 

(1)所有矿山都使用生产控制系统

(2)算法可轻松编码到任意数量的现有生产控制系统(霍尼韦尔,日本横河,施耐德,西门子,ABB等);

(3)自动向维护计划人员和工厂经理/主管发送信息


2
创新的新方法



标准工程设备故障预测方法不适用于泵故障数据分析,(例如,威布尔(Weibull)分布适用于数据,只能进行完整的案例研究),而有限的数据组也同样增加了Newcrest 公司设备的故障判断难度。


通过修改和调整现有的流行病学统计方法,我们能够创建一个工作机器学习算法,该算法使用工厂过程控制数据来提供实时的故障预测。增加用于算法训练的故障案例数量,可以提高算法的可靠性。例如,下面所示的FORESTALLTM 28天算法是基于17个泵的故障情况案例研究。通过在PI数据库回顾几年来产生的数据并进行分析,的可靠性将得到提高。假设每个泵的重建就像在泵的维护时钟的重置——Newcrest的行业顾问告诉我们,这个假设是合理的。


图5-泵故障实时预测性维护算法


重要的是,我们还可以使用算法来预测自上次泵重建以来发生故障的概率。这意味着管理人员可以选择风险级别,并自定义设置电子邮件类别,例如:

(1) 当泵在28天内发生故障的可能性为70%时发出蓝色警报信息;

(2) 当泵在7天内发生故障的概率为80%时发出琥珀色警报;

(3) 当24小时内出现故障概率为90%时发出红色警报;



3
用FORESTALL算法预防故障



障预测算法使维护计划人员能够使用实时数据预防故障。 FORESTALL机器学习算法可用于预防所有类型的加工厂设备的故障:

(1) 及时订购零备件。

(2) 最优的停机计划。

(3) 最大程度地消除故障。

(4) 找出根本缘由而改进业务计划。


预测性维护在Cadia生产控制室


npv加速器教程所一直倡导和推广的预测性维护即是如此的一个行业趋势,无论是泵或对于设备电机,等选矿厂的各类机器。都可以通过数据的实时监测,接收,通过算法处理,从而达到预测性维护效果。而npv加速器教程的核心算法,正帮助我们服务的选矿厂带来更为准备实时的故障诊断。现在到不久的未来,预测性维护才是选矿厂,以及更多其他工厂生产过程中的一剂良药。


想获取更多关于泵等机器的预测性维护系统,请联系npv加速器教程公司:

成都npv加速器教程科技有限公司
(中国区全资子公司)

电话:+86-28-83311885

合作伙伴 | 知名客户

如有疑问或想了解更多,请咨询:028-83311885

关注我们

  • 了解行业最新资讯 扫码关注微信

X

欢迎来到npv加速器教程!
请问有什么需要帮助的吗?