安爾法作為預(yù)測性維護(hù)在礦業(yè)領(lǐng)域的先驅(qū)企業(yè)，但是預(yù)測性維護(hù)遠(yuǎn)不局限于礦業(yè)領(lǐng)域的應(yīng)用，安爾法將成熟的應(yīng)用技術(shù)結(jié)合礦業(yè)設(shè)備的獨特性，開發(fā)出了懂礦業(yè)的預(yù)測性維護(hù)。所以分享關(guān)于車隊的預(yù)測性維護(hù)實現(xiàn)，并且簡單對比不同應(yīng)用場景的預(yù)測性維護(hù)實現(xiàn)！

車隊預(yù)測性維護(hù)技術(shù)提供先進(jìn)的分析功能，以保持聯(lián)網(wǎng)車隊的平穩(wěn)運行。可以在云端中運行高級預(yù)測分析 -或者在Iot網(wǎng)關(guān)的邊緣 - 大幅減少數(shù)據(jù)傳輸成本。

更多重的控制，更少的成本

車隊管理者正轉(zhuǎn)向預(yù)測性分析，以便在發(fā)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(shù)據(jù)具有挑戰(zhàn)性。車輛預(yù)測性維護(hù)可以分析云端或邊緣設(shè)備中的數(shù)據(jù)，從而減少需要傳輸?shù)男畔⒘俊?/span>

車隊車輛上的傳感器收集有關(guān)輪胎壓力、液壓系統(tǒng)和其他部件的數(shù)據(jù)。數(shù)據(jù)發(fā)送到車輛上的IoT網(wǎng)關(guān)，然后在邊緣處理數(shù)據(jù)以立即發(fā)出警報，或發(fā)送到云端進(jìn)行長期分析。

集成的設(shè)備云通過基于云平臺提供集中的遠(yuǎn)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(hù)相關(guān)的成本，同時獲得對調(diào)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(xué)區(qū)、電信提供商還是市政府，如果一輛車爆胎，生產(chǎn)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(hù)造成的，例如，由于輪胎壓力低而導(dǎo)致的汽油可運行里程數(shù)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(yù)測大型車隊的部件故障。然而，分析和管理海量的新數(shù)據(jù)可能是壓倒性的問題，將每一字節(jié)的數(shù)據(jù)傳輸?shù)皆贫耸且粋€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(shè)備和網(wǎng)關(guān)級別運行分析的方式邁進(jìn)。

隨著連接設(shè)備捕獲的數(shù)據(jù)量的增加，各公司都在尋找在邊緣處理數(shù)據(jù)的方法。

車隊預(yù)測性維護(hù)技術(shù)

在新的數(shù)據(jù)驅(qū)動經(jīng)濟(jì)中，預(yù)測分析可以幫助企業(yè)和政府組織降低成本。以垃圾回收卡車為例。可以從車輛本身的各種來源收集數(shù)據(jù)：

①后置前置漏斗攝像 

②輪胎壓力監(jiān)測器

③體積規(guī)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(shù)據(jù)可以在卡車的工業(yè)網(wǎng)關(guān)上實時分析，以提醒駕駛員即將發(fā)生的故障，或者通過網(wǎng)關(guān)推送到云端，供公司總部和運營部門分析。這些團(tuán)隊可以依次安排維護(hù)任務(wù)，并在不影響任務(wù)完成的情況下對車輛進(jìn)行停車檢修。

高級的分析能力

預(yù)測性數(shù)據(jù)分析軟件一款高級分析軟件，可以在設(shè)備、網(wǎng)關(guān)和云中運行。它使用實時數(shù)據(jù)、甚至可能在故障發(fā)生前幾周告訴車隊管理者車輛上的哪些部件可能會發(fā)生故障。

通過保持送貨卡車、學(xué)校和城市公交車、服務(wù)車和其他車輛的平穩(wěn)運行，預(yù)測性維護(hù)可以減少停機(jī)時間及其相關(guān)成本。分析軟件使車隊經(jīng)理能夠通過優(yōu)化調(diào)度、更高效地部署現(xiàn)場技術(shù)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(hù)成本。從長期來看，預(yù)測性維護(hù)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(huán)境中，包括現(xiàn)場、網(wǎng)絡(luò)和移動應(yīng)用程序。它實時處理和分析數(shù)據(jù)，為未決故障提供即時預(yù)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(yù)測性數(shù)據(jù)分析軟件基于云端，但不依賴于云端。該軟件與lot網(wǎng)關(guān)平臺集成，由設(shè)備云平臺集中管理，以提供可在邊緣或云中處理數(shù)據(jù)的解決方案，同時提供行業(yè)領(lǐng)先的安全性和可靠性。

預(yù)測性數(shù)據(jù)分析軟件

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

IoT網(wǎng)關(guān)

車隊車輛上的遠(yuǎn)程通信傳感器收集流數(shù)據(jù)并將其發(fā)送到IoT網(wǎng)關(guān)。然后，網(wǎng)關(guān)可以將數(shù)據(jù)傳輸?shù)皆贫耍蛘咴谶吘壧幚頂?shù)據(jù)，從而減少需要管理的數(shù)據(jù)量。

設(shè)備云

有了這個現(xiàn)成的、基于云的平臺，設(shè)備可以安全地連接到組織的網(wǎng)絡(luò)基礎(chǔ)設(shè)施。設(shè)備云為端到端預(yù)測分析解決方案提供了簡單、集中的管理。

提供可在設(shè)備、網(wǎng)關(guān)和云中運行的高級分析

洞察降低成本

當(dāng)預(yù)測性數(shù)據(jù)分析軟件，和IoT網(wǎng)關(guān)與設(shè)備云一起部署時，提供業(yè)界領(lǐng)先的預(yù)測性維護(hù)解決方案。通過提供一個實時儀表盤，提醒用戶即將發(fā)生的故障并建議采取行動，預(yù)測性數(shù)據(jù)分析軟件可以幫助車隊經(jīng)理減少停機(jī)時間并大幅降低維護(hù)成本。

 

在邊緣處理的情況下，基于IoT網(wǎng)關(guān)可以加快可操作的洞察力，同時大大減少向云端的數(shù)據(jù)傳輸。

目前，各個行業(yè)設(shè)備，機(jī)器的維護(hù)已經(jīng)逐漸從傳統(tǒng)的周期性維護(hù)模式，逐漸轉(zhuǎn)為預(yù)測性維護(hù)模式。因為目前的物聯(lián)網(wǎng)技術(shù)對于智能化的實現(xiàn)，維護(hù)成本的大幅節(jié)約已經(jīng)逐漸在淘汰傳統(tǒng)的維護(hù)模式！

因為應(yīng)用場景不同，安爾法在這里同樣對比一下，安爾法目前實現(xiàn)的預(yù)測性維護(hù)模式與這種增加邊緣計算的預(yù)測性維護(hù)模式的區(qū)別。

流程的細(xì)微差別

安爾法通過底端的物聯(lián)網(wǎng)傳感器進(jìn)行數(shù)據(jù)采集，然后無線傳輸?shù)街欣^器，中繼器進(jìn)行有線傳輸將數(shù)據(jù)上傳到本地服務(wù)器，本地服務(wù)器進(jìn)行智能的數(shù)據(jù)分析，本地服務(wù)器通過網(wǎng)絡(luò)上傳到Alpha Cloud，在云端同樣進(jìn)行數(shù)據(jù)智能分析，并通過云端大數(shù)據(jù)對比，對設(shè)備運行數(shù)據(jù)進(jìn)行更深層次的分析與挖掘。故障預(yù)警，提前進(jìn)行設(shè)備的維護(hù)工作，保證設(shè)備長久良好的運行。同時，安爾法擁有設(shè)備運維專家給到維護(hù)意見，作為增值服務(wù)。

而車隊管理預(yù)測性維護(hù)，同樣是基于傳感器的數(shù)據(jù)采集，而后傳輸?shù)絀oT網(wǎng)關(guān)，IoT網(wǎng)關(guān)嵌入邊緣計算，智能算法，將數(shù)據(jù)處理分析后直接反饋到用戶端，進(jìn)行及時的故障預(yù)警，觸發(fā)維護(hù)工作。同時，IoT網(wǎng)關(guān)也可以將數(shù)據(jù)通過網(wǎng)絡(luò)上傳到云端進(jìn)行長期數(shù)據(jù)分析對比。

細(xì)節(jié)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(shù)處于移動狀態(tài)，需要在無網(wǎng)絡(luò)的情況下，能夠進(jìn)行數(shù)據(jù)分析，及時反饋數(shù)據(jù)分析，從而進(jìn)行故障的及時反饋，提前預(yù)警。如，因為特定區(qū)域的網(wǎng)絡(luò)不穩(wěn)定，而車隊本身存在一些故障，沒有嵌入邊緣計算的網(wǎng)關(guān)，則無法及時對設(shè)備進(jìn)行及時預(yù)警，造成損失。

而安爾法針對的工業(yè)場區(qū)設(shè)備進(jìn)行預(yù)測性維護(hù)，如選煤廠，選礦廠，化工廠等，實時故障分析相對于工作環(huán)境變化的車隊來說，運行環(huán)境穩(wěn)定，要求實時性不高，網(wǎng)絡(luò)穩(wěn)定，可直接通過傳輸?shù)奖镜胤?wù)器，再通過云端進(jìn)行數(shù)據(jù)分析，然后進(jìn)行用戶端的故障反饋。即便網(wǎng)絡(luò)波動，本地服務(wù)器依然完成數(shù)據(jù)分析與故障判斷，數(shù)據(jù)同樣存儲在本地，網(wǎng)絡(luò)恢復(fù)再上傳云端，不丟失數(shù)據(jù)。

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(huán)節(jié)的硬件和軟件增加了不小的成本，而為實際場景應(yīng)用效果的提升卻沒有明顯提升。在保證硬件數(shù)據(jù)傳輸?shù)姆€(wěn)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(yōu)化。

當(dāng)然，對于邊緣計算，安爾法同樣會做到適應(yīng)場景的應(yīng)用。如在礦井下網(wǎng)絡(luò)局限的環(huán)境里，安爾法將使用嵌入邊緣計算的硬件來幫助監(jiān)測設(shè)備，實現(xiàn)預(yù)測性維護(hù)。

無論何種方式的計算，及實現(xiàn)方式，預(yù)測性維護(hù)最終都會以更科學(xué)的運維方式為不同的使用場景設(shè)備提升運行穩(wěn)定性，降低維護(hù)成本。安爾法則希望以更貼合現(xiàn)場應(yīng)用的方式來實現(xiàn)這個目標(biāo)！

更多關(guān)于安爾法預(yù)測性維護(hù)，請聯(lián)系！

成都安爾法智控科技有限公司

Alpha Industrial Intelligence Holding Co Ltd

電話：+86-28-83311885