• plane

    深度好文!預測性維護智能提升車隊管理(垃圾回收車也擁有智能管理了)

    Alpha礦業智能化 2019-03-12


    安爾法作為預測性維護在礦業領域的先驅企業,但是預測性維護遠不局限于礦業領域的應用,安爾法將成熟的應用技術結合礦業設備的獨特性,開發出了懂礦業的預測性維護。所以分享關于車隊的預測性維護實現,并且簡單對比不同應用場景的預測性維護實現!


    車隊預測性維護技術提供先進的分析功能,以保持聯網車隊的平穩運行??梢栽谠贫酥羞\行高級預測分析 -或者在Iot網關的邊緣 - 大幅減少數據傳輸成本。


    更多重的控制,更少的成本


    車隊管理者正轉向預測性分析,以便在發生故障之前完成維修和減少部件故障。然而,管理由車輛傳感器生成的大量新數據具有挑戰性。車輛預測性維護可以分析云端或邊緣設備中的數據,從而減少需要傳輸的信息量。


    車隊車輛上的傳感器收集有關輪胎壓力、液壓系統和其他部件的數據。數據發送到車輛上的IoT網關,然后在邊緣處理數據以立即發出警報,或發送到云端進行長期分析。


    集成的設備云通過基于云平臺提供集中的遠程管理,通過部署此端到端的解決方案,車隊管理者可以降低與維護相關的成本,同時獲得對調度和庫存的控制。


    避免車輛停工


    任何在日常運營中依賴車輛的組織都了解保持車輛正常運行的重要性。無論是快遞公司、學區、電信提供商還是市政府,如果一輛車爆胎,生產率都會急劇下降。還有一些較小但很重要的損失,這些損失可能是由于延遲維護造成的,例如,由于輪胎壓力低而導致的汽油可運行里程數減少。


    通過給車輛配備傳感器,維修人員可以收集有用的信息,幫助他們預測大型車隊的部件故障。然而,分析和管理海量的新數據可能是壓倒性的問題,將每一字節的數據傳輸到云端是一個既昂貴又麻煩的。相反,作為端到端車隊管理解決方案的一部分,各公司正朝著在邊緣、設備和網關級別運行分析的方式邁進。


    隨著連接設備捕獲的數據量的增加,各公司都在尋找在邊緣處理數據的方法。


    車隊預測性維護技術


    在新的數據驅動經濟中,預測分析可以幫助企業和政府組織降低成本。以垃圾回收卡車為例??梢詮能囕v本身的各種來源收集數據:

    ①后置前置漏斗攝像 

    ②輪胎壓力監測器

    ③體積規模

    ④提升秤

    ⑤液壓裝置 

    ⑥引擎

    ⑦RFID讀寫器


    來自這些來源的數據可以在卡車的工業網關上實時分析,以提醒駕駛員即將發生的故障,或者通過網關推送到云端,供公司總部和運營部門分析。這些團隊可以依次安排維護任務,并在不影響任務完成的情況下對車輛進行停車檢修。


    高級的分析能力



    預測性數據分析軟件一款高級分析軟件,可以在設備、網關和云中運行。它使用實時數據、甚至可能在故障發生前幾周告訴車隊管理者車輛上的哪些部件可能會發生故障。


    通過保持送貨卡車、學校和城市公交車、服務車和其他車輛的平穩運行,預測性維護可以減少停機時間及其相關成本。分析軟件使車隊經理能夠通過優化調度、更高效地部署現場技術人員以及確保正確的零件與自動化訂購和庫存管理一起使用,從而降低總體維護成本。從長期來看,預測性維護可以延長車輛的使用壽命,并幫助管理者確保他們擁有足夠的車隊容量,最大化運行能力。


    易于嵌入各種環境中,包括現場、網絡和移動應用程序。它實時處理和分析數據,為未決故障提供即時預測。然后,軟件可以將警報推送到端到端的車隊管理解決方案中。


    邊緣安全處理


    預測性數據分析軟件基于云端,但不依賴于云端。該軟件與lot網關平臺集成,由設備云平臺集中管理,以提供可在邊緣或云中處理數據的解決方案,同時提供行業領先的安全性和可靠性。


    預測性數據分析軟件



    預測性數據分析軟件使用查找故障模式的預測模型實時分析數據。由于預測模型可以部署在loT網關平臺上,因此車輛上的網關可以與駕駛員的平板電腦通信,提醒駕駛員可能出現的問題并推薦解決方案。預測性數據分析軟件還可以集成到第三方系統、儀表盤和工作流中。


    IoT網關


    車隊車輛上的遠程通信傳感器收集流數據并將其發送到IoT網關。然后,網關可以將數據傳輸到云端,或者在邊緣處理數據,從而減少需要管理的數據量。


    設備云


    有了這個現成的、基于云的平臺,設備可以安全地連接到組織的網絡基礎設施。設備云為端到端預測分析解決方案提供了簡單、集中的管理。


    提供可在設備、網關和云中運行的高級分析


    洞察降低成本



    當預測性數據分析軟件,和IoT網關與設備云一起部署時,提供業界領先的預測性維護解決方案。通過提供一個實時儀表盤,提醒用戶即將發生的故障并建議采取行動,預測性數據分析軟件可以幫助車隊經理減少停機時間并大幅降低維護成本。

     

    在邊緣處理的情況下,基于IoT網關可以加快可操作的洞察力,同時大大減少向云端的數據傳輸。

    目前,各個行業設備,機器的維護已經逐漸從傳統的周期性維護模式,逐漸轉為預測性維護模式。因為目前的物聯網技術對于智能化的實現,維護成本的大幅節約已經逐漸在淘汰傳統的維護模式!


    因為應用場景不同,安爾法在這里同樣對比一下,安爾法目前實現的預測性維護模式與這種增加邊緣計算的預測性維護模式的區別。


    流程的細微差別


    安爾法通過底端的物聯網傳感器進行數據采集,然后無線傳輸到中繼器,中繼器進行有線傳輸將數據上傳到本地服務器,本地服務器進行智能的數據分析,本地服務器通過網絡上傳到Alpha Cloud,在云端同樣進行數據智能分析,并通過云端大數據對比,對設備運行數據進行更深層次的分析與挖掘。故障預警,提前進行設備的維護工作,保證設備長久良好的運行。同時,安爾法擁有設備運維專家給到維護意見,作為增值服務。



    而車隊管理預測性維護,同樣是基于傳感器的數據采集,而后傳輸到IoT網關,IoT網關嵌入邊緣計算,智能算法,將數據處理分析后直接反饋到用戶端,進行及時的故障預警,觸發維護工作。同時,IoT網關也可以將數據通過網絡上傳到云端進行長期數據分析對比。


    細節需求的差異



    針對不同的場景,車隊管理需要一定的實時性,并且在不同地方大多數處于移動狀態,需要在無網絡的情況下,能夠進行數據分析,及時反饋數據分析,從而進行故障的及時反饋,提前預警。如,因為特定區域的網絡不穩定,而車隊本身存在一些故障,沒有嵌入邊緣計算的網關,則無法及時對設備進行及時預警,造成損失。


    而安爾法針對的工業場區設備進行預測性維護,如選煤廠,選礦廠,化工廠等,實時故障分析相對于工作環境變化的車隊來說,運行環境穩定,要求實時性不高,網絡穩定,可直接通過傳輸到本地服務器,再通過云端進行數據分析,然后進行用戶端的故障反饋。即便網絡波動,本地服務器依然完成數據分析與故障判斷,數據同樣存儲在本地,網絡恢復再上傳云端,不丟失數據。


    成本控制


    針對不同的需求,成本控制也是安爾法所考慮的問題,邊緣計算無疑為各個環節的硬件和軟件增加了不小的成本,而為實際場景應用效果的提升卻沒有明顯提升。在保證硬件數據傳輸的穩定傳輸前提下,安爾法在智能算法,故障模型的建立上,更愿意做更多的提升與優化。


    當然,對于邊緣計算,安爾法同樣會做到適應場景的應用。如在礦井下網絡局限的環境里,安爾法將使用嵌入邊緣計算的硬件來幫助監測設備,實現預測性維護。


    無論何種方式的計算,及實現方式,預測性維護最終都會以更科學的運維方式為不同的使用場景設備提升運行穩定性,降低維護成本。安爾法則希望以更貼合現場應用的方式來實現這個目標!


    更多關于安爾法預測性維護,請聯系!


    成都安爾法智控科技有限公司
    Alpha Industrial Intelligence Holding Co Ltd

    楊博

    benjamin.yang@alpha-technology.com.au

    微信:yb89yy92


    李生才

    kyle.lee@alpha-technology.com.au

    微信:Kyle977895349

    安爾法智能(Alpha Intelligence)

    創造的不只是安全,以智能化服務,為礦山企業提升收益和效率!掃碼關注

    合作伙伴 | 知名客戶

    如有疑問或想了解更多,請咨詢:028-83311885

    關注我們

    • 了解行業最新資訊 掃碼關注微信

    X

    歡迎來到安爾法!
    請問有什么需要幫助的嗎?
    亚州在线看_亚洲 国产 欧美_亚洲 国产 色 在线_亚洲 国内 视频