7月1日上午讯,在2018雪浪大会分论坛上,挪威工程院院士王克胜介绍到,预测性维修是以设备的状态作为依据来进行维修,企业引入预测性维修的最大收益在于节省成本。
“在传统情况下,这个设备是已经出现了故障之后我们再进行维修,而预测性维修是根据设备在运行过程当中事先采集的数据,进行事先的预测,帮助用户减少了不必要的损失,同时降低企业的生产成本,也帮公司创造了价值。”
王克胜表示,把人工智能的技术引入到预测性维修的领域当中,目前有两种可应用的场景:
第一,加工中心回程间隙(一种参数)的补偿。现有的数控机床的间隙是作为常量存在的,但由于车间里存在温度变化,常量补偿并不是最优的方案。而基于物联网技术,可以采取它的参数,温度、振动信号、工作台的速度、位置,采集这些数据以后对它进行一个学习,对加工效果也进行学习,再深度学习进行优化和决策,可以得到优化补偿的模型。把这个数据模型进行可视化,就可以知道补偿量具体应该是多少,常量作为变量,从而大幅度的提高了机床的加工精度。
第二,大型的废钢破碎线。这是6000千瓦的大功率破碎机,在两边有两个轴承,轴承一旦提前损坏、维修,会给用户造成很大的损失。如果说我们在定期的采集数据,然后把预测性维修的技术进行应用,提前给用户告知轴承需要进行何种维护,这样可以增加它的无故障运行的时间。目前主要采集了他的振动信号和温度信号,通过云技术,通过数据采集以后直接上传到云,在数据监控中心对这些数据进行收集和处理。