對(duì)于安爾法接觸到的大多數(shù)終端客戶，振動(dòng)篩在客戶整廠的設(shè)備中可能算不上大型機(jī)械設(shè)備，但是振動(dòng)篩的故障頻率卻往往是最高的，其根本原因是：振動(dòng)篩本身就是一種對(duì)振動(dòng)破壞力進(jìn)行科學(xué)利用的一種產(chǎn)品。

對(duì)于傳統(tǒng)機(jī)械而言，設(shè)備運(yùn)行產(chǎn)生的非常規(guī)振動(dòng)是故障的發(fā)生的預(yù)兆之一，而振動(dòng)篩恰恰是通過振動(dòng)改變物料運(yùn)動(dòng)軌跡、實(shí)現(xiàn)篩分效果的產(chǎn)品。雖然振動(dòng)行業(yè)從未停止過對(duì)抗破壞性優(yōu)化結(jié)構(gòu)的設(shè)計(jì)和研究，但目前尚未找到行之有效的解決辦法，振動(dòng)設(shè)備的故障仍然頻繁發(fā)生。

振動(dòng)篩通常布置在生產(chǎn)工藝系統(tǒng)的咽喉部位，設(shè)備在運(yùn)行時(shí)出現(xiàn)的若干小問題若無法及時(shí)察覺，由此引發(fā)振動(dòng)篩的大故障，可能會(huì)導(dǎo)致整個(gè)生產(chǎn)系統(tǒng)聯(lián)動(dòng)停機(jī)，給客戶造成重大的損失。就礦山、煤炭、冶金等領(lǐng)域而言，突發(fā)性事故停機(jī)將直接影響生產(chǎn)進(jìn)度，效益損失少則十?dāng)?shù)萬，多則數(shù)百萬元，最重要的是在運(yùn)行期間振動(dòng)篩的突發(fā)性故障將直接威脅到點(diǎn)檢人員的生命安全。

■■■■■

安爾法的振動(dòng)篩PHM運(yùn)維系統(tǒng)，采用傳感器技術(shù)、自動(dòng)控制技術(shù)、物聯(lián)網(wǎng)技術(shù)、大數(shù)據(jù)技術(shù)，對(duì)振動(dòng)篩的各項(xiàng)運(yùn)行參數(shù)實(shí)時(shí)在線監(jiān)測(cè)，大數(shù)據(jù)智能分析設(shè)備性能狀態(tài)，故障提前預(yù)警。于工廠，促進(jìn)產(chǎn)品走向市場(chǎng)，實(shí)時(shí)了解自己產(chǎn)品在企業(yè)的使用情況，向客戶提供更好的服務(wù)；于客戶，根據(jù)設(shè)備運(yùn)行監(jiān)測(cè)情況，合理安排設(shè)備檢修時(shí)間，減少設(shè)備突發(fā)故障維修而投入的人力、物力、財(cái)力，提高生產(chǎn)效率和效益。

針對(duì)振動(dòng)篩核心部件進(jìn)行在線實(shí)時(shí)監(jiān)測(cè)，主要從電機(jī)振動(dòng)溫度，篩體前后入料口振動(dòng)均衡，激振器振動(dòng)、四軸承溫度、潤(rùn)滑油溫度去監(jiān)測(cè)。為了保障數(shù)據(jù)采集的簡(jiǎn)便，降低實(shí)施的難度，現(xiàn)場(chǎng)傳感器采用電池供電，無線數(shù)據(jù)傳輸。傳感器按設(shè)置時(shí)間監(jiān)測(cè)采集一定時(shí)長(zhǎng)的振動(dòng)溫度，無線發(fā)送出去。在振動(dòng)篩附近部署一個(gè)中繼器，中繼器能接收多個(gè)傳感器傳輸?shù)臄?shù)據(jù)，再利用現(xiàn)場(chǎng)網(wǎng)絡(luò)或通過4G/5G網(wǎng)絡(luò)將數(shù)據(jù)傳輸?shù)狡髽I(yè)云平臺(tái)端進(jìn)行數(shù)據(jù)分析。通過實(shí)時(shí)在線監(jiān)測(cè)，能有效監(jiān)測(cè)設(shè)備運(yùn)行中的篩體振動(dòng)平衡、入料不均勻、激振器軸承故障，及時(shí)發(fā)現(xiàn)設(shè)備故障，及時(shí)作出相應(yīng)處置，避免事故的發(fā)生。

安爾法的PHM系統(tǒng)采用多通道狀態(tài)監(jiān)測(cè)技術(shù)，該技術(shù)專門針對(duì)激振器的特點(diǎn)而設(shè)計(jì)，與振動(dòng)篩中的激振器“交叉連接”，其目的是檢測(cè)和評(píng)估相位缺陷，檢查和記錄軸承和齒輪振動(dòng)，工作油溫以及6個(gè)自由度（三個(gè)平移和三個(gè)旋轉(zhuǎn)）的總體機(jī)器運(yùn)動(dòng)。

云平臺(tái)運(yùn)用大數(shù)據(jù)、人工智能技術(shù)等建立設(shè)備模型，人工智能算法，不斷訓(xùn)練學(xué)習(xí)，提高設(shè)備故障預(yù)警可靠性、準(zhǔn)確性。以長(zhǎng)期監(jiān)測(cè)數(shù)據(jù)訓(xùn)練模型，以實(shí)時(shí)采集數(shù)據(jù)為輸入，預(yù)測(cè)分析各個(gè)監(jiān)測(cè)指標(biāo)的走勢(shì)，判定設(shè)備性能狀態(tài)，預(yù)測(cè)設(shè)備故障。故障信息及時(shí)通過APP、微信公眾號(hào)推送到設(shè)備相關(guān)負(fù)責(zé)人，以便及時(shí)作出相關(guān)處置，將故障消滅在萌芽期。

云平臺(tái)存儲(chǔ)設(shè)備監(jiān)測(cè)數(shù)據(jù)，方便用戶隨時(shí)通過手機(jī)、電腦等查看設(shè)備運(yùn)行數(shù)據(jù)，以及歷史監(jiān)測(cè)數(shù)據(jù)。也為設(shè)備企業(yè)優(yōu)化產(chǎn)品設(shè)計(jì)提供可靠運(yùn)行監(jiān)測(cè)數(shù)據(jù)，不斷提升產(chǎn)品質(zhì)量。

解析數(shù)據(jù)并通過顏色編碼的儀表板和微信推送向用戶報(bào)警。這些預(yù)警使客戶能夠在故障前一周安排激振器更換，從而防止不必要的過程停機(jī)并節(jié)省大量維護(hù)成本。

使用云服務(wù)智能數(shù)字服務(wù)比以往任何時(shí)候都更早地檢測(cè)到任何與正常操作的偏差，遠(yuǎn)遠(yuǎn)超出了傳統(tǒng)的閾值預(yù)警。它將最新的機(jī)器學(xué)習(xí)技術(shù)與傳統(tǒng)的機(jī)器流程知識(shí)相結(jié)合，提供特定的儀表板、預(yù)警指示器，并可以訪問整機(jī)的故障模式數(shù)據(jù)庫(kù)，以便快速采取糾正措施，該服務(wù)從整體操作中收集和評(píng)估數(shù)據(jù)，例如振動(dòng)、速度、壓力、溫度等，并監(jiān)控重要的測(cè)量值，以防止人員受到傷害和機(jī)器受到損壞。

我們的服務(wù)包括一個(gè)數(shù)據(jù)驅(qū)動(dòng)模型，根據(jù)歷史數(shù)據(jù)和當(dāng)前機(jī)器和過程操作預(yù)測(cè)正常行為。其決定性的新功能是它如何處理測(cè)量值和預(yù)測(cè)值之間的差異，反映與正常操作的偏差程度。機(jī)器學(xué)習(xí)算法不僅監(jiān)控單個(gè)值，還監(jiān)控所有值的相關(guān)性，尤其是在任何給定時(shí)間機(jī)器或過程當(dāng)前所處的操作模式。

安爾法的PHM運(yùn)維系統(tǒng)致力于振動(dòng)篩整機(jī)的流暢運(yùn)行和智能化操作，從初步的實(shí)時(shí)監(jiān)控到歷史設(shè)備問題的行業(yè)專家支持，在客戶訪問真實(shí)數(shù)據(jù)的同時(shí)并帶來各種好處，客戶可在移動(dòng)設(shè)備上帶有 KPI 信息的實(shí)時(shí)儀表盤，隨時(shí)隨地獲得所有相關(guān)信息。

全局整體設(shè)置和系統(tǒng)性布局優(yōu)化，客戶可在客戶端獲得數(shù)據(jù)解釋、檢修建議和維護(hù)方法，補(bǔ)充各個(gè)層面的歷史大數(shù)據(jù)支持，從而協(xié)助整廠的工人團(tuán)隊(duì)。

圖文：Gavin

排版：Gavin