机器建模可实现预测的维护转型
格兰特盖尔|2018年7月12日
2018年制造业的主要主题之一是通过管理层的机器建模和识别,即它可以通过移动到流程的数据基线来替换资本购买。案例分数,Deschutes Brewery的使用Osionoft的PI系统进入其发酵过程的洞察力,然后通过使用Outsoft的PI Integrator工具进行Azure的应用。此工具为Microsoft的Cortana Intelligence Suite创建分析 - 就绪数据,以便在泡制过程中的阶段之间转换时进行预测。
从本质上讲,Deschutes Brewery通过消除监控职责来自动化此转换而无需购买更多自动化设备或设备,并通过删除监控职责来扩展运营商的带宽。10bet在线娱乐
Deschutes Brewery解决方案中的潜在主题指出了小啤酒商的更多能力利用,因为它试图创造新的啤酒风味/产品,以满足消费者需要“下一个新啤酒”。
来自传感器供应商的新白皮书横幅工程提供有关如何启动智能预测维护解决方案的见解。白皮书,“预测维护趋势:机器学习如何转换机器维护那“采用机器学习,连续监控,无线通信,数据记录和本地和远程指示的快速五步底漆。
来自白皮书:
条件监控通过允许用户识别机器性能的关键变化,在预测维护中扮演关键作用。监测的一个重要条件是振动。机器振动通常由不平衡,未对准,松动或磨损的部件引起。随着振动的增加,机器可能会损坏。通过监控电机,泵,压缩机,风扇,鼓风机和齿轮箱,可以在振动上增加,在它们变得严重之前可以检测到问题并导致计划生道的停机时间。
查看评论