朗坤動態(tài)
Luculent Dynamics
行業(yè)動態(tài)
2024.05.22
快速摸清設備“健康情況”
精準排查定位故障源頭
智能生成診斷報告
形成日?？茖W養(yǎng)護
....
朗坤蘇暢設備故障預警與診斷平臺逐一擊破設備管理痛點，采用機器學習、深度學習、專家系統(tǒng)等人工智能（AI)技術構建故障診斷與預測模型，實現(xiàn)設備故障早發(fā)現(xiàn)、快解決，全面保障工廠高效、安全生產。
蘇暢AI模型廣泛應用于電力、煤礦、冶金等多個領域，在參數(shù)劣化分析、AI機理融合分析、風機能效優(yōu)化等多個場景中發(fā)揮了重要作用，大幅延長設備使用壽命，提高運行管理效率，降低運維成本。通過在大項目中不斷試煉，模型預警準確率得到大幅提升，其中電力行業(yè)預警準確率高達90%，更快更早發(fā)現(xiàn)設備故障，避免事故。
典型案例：火電廠-鍋爐專業(yè)-送風機電機繞組溫度異常預警（AI）
204年3月21日12時08分，某電廠#2機組觸發(fā)“B送風機電機繞組溫度異?！盇I預警。12時09分，其它5個繞組溫度相繼發(fā)出預警，且實際值與預測值偏差仍持續(xù)增大。預警發(fā)出后立即通知運行人員檢查，發(fā)現(xiàn)2B送風機電機冷卻風扇進口濾網被塑料布遮擋，電機冷卻風量減小導致線圈溫度持續(xù)升高。運行人員將塑料布清理后，15時55分送風機電機線圈溫度開始下降，逐步恢復正常值，預警復位。此模型采用深度機器學習的AI算法，遠遠早于DCS發(fā)出預警，有效避免了送風機電機因散熱不良而導致電機絕緣老化、內部短路、電機燒損等異常事件發(fā)生。
▲模型預警回溯圖
典型案例：煤礦行業(yè)-瓦斯抽放泵-聯(lián)軸器不對中（AI＋振動預警）
2023年12月，某煤礦設備故障診斷系統(tǒng)二風井6#瓦斯泵觸發(fā)“電機驅動端垂直方向速度趨勢異常”AI預警，提示設備可能存在異常，幾天后同步觸發(fā)“電機轉子軸系不對中”振動模型預警。經分析，設備可能存在聯(lián)軸器不對中缺陷，建議檢查電機-減速機間聯(lián)軸器對中校正情況。2024年1月1日，現(xiàn)場對6#瓦斯泵切換備用待修，重新對中調整電機-減速機同心度；2月1日再次開啟運行，電機驅動端垂直振動總值大幅下降，達到設備健康運行狀態(tài)。通過AI振動趨勢劣化、振動機理規(guī)則模型，及時推送設備預警信息給到設備檢修和維護人員，提前預知設備的運行狀況和潛在風險，合理安排設備巡視工作、設備檢修任務、以及對設備運行時長合理調整。
▲振動趨勢AI預警詳情
蘇暢AI模型-功能與優(yōu)勢
01 智能診斷
基于設備運行的歷史數(shù)據(jù)，利用大數(shù)據(jù)分析技術和人工智能算法，結合機理規(guī)則模型，將設備運行經驗、運行規(guī)程和設備故障處理方案等知識深度融合，構建AI設備故障預警與診斷模型。通過設備振動、溫度、轉速等多維數(shù)據(jù)在線監(jiān)測，實時了解設備運行狀態(tài)，在設備故障初期即可實現(xiàn)設備參數(shù)劣化預警和故障診斷，變被動維護為預測性維護。
02 能耗優(yōu)化
建立設備能效分析模型，能夠根據(jù)實時工況變化自動尋找“高效生產和極致節(jié)能”的最優(yōu)平衡，并自動調控，實現(xiàn)“主動”預測與全局優(yōu)化，預計可實現(xiàn)設備單耗下降5%-10%的節(jié)能效果，促進企業(yè)節(jié)能降耗發(fā)展。
03 診斷報告
從知識庫（包含算法庫、故障案例庫、檢修知識庫、模型規(guī)則庫等）中自動匹配故障原因與操作建議，生成即時、全面、精準的診斷報告，描述故障的現(xiàn)象、產生原因、精確定位設備故障點，按需推送給管理層、設備管理人員、運行人員等不同層級，輔助一線人員檢修維護，助力管理層決策分析。
04 持續(xù)迭代
利用機器學習技術，自動從歷史數(shù)據(jù)及用戶使用記錄中學習規(guī)律與模型參數(shù)，實現(xiàn)故障模型、知識圖譜的不斷完善，為企業(yè)提供更具智能化的設備管理數(shù)據(jù)服務，進一步提高診斷準確率。
基于豐富的行業(yè)實踐經驗與專業(yè)能力，朗坤蘇暢不斷完善工業(yè)大數(shù)據(jù)、AI算法、診斷模型、工業(yè)互聯(lián)網平臺的完整技術布局，形成了涵蓋設備狀態(tài)實時監(jiān)控、故障診斷、劣化分析、異常報警、檢修指導在內的故障預知預判閉環(huán)管理體系，助力工業(yè)企業(yè)智能管理與高效運維。
