工業4.0制造設備解決方案/工業自動化控制系統

工業4.0制造設備解決方案/工業自動化控制系統

本系統包括工業4.0的兩大內容：CPS(Cyber- Physical System,虛擬網絡-實體物理系統)和預測制造。

制造信息系統的基本定義可以用6大功能來進一步強化說明，它包含連接(Connection，傳感器和網絡)、云( Cloud，任何時間及需求的數據)、虛擬網絡(Cyber,模式與記憶)、內容(Content，相關性和含義)、社群(Community，分享和交際)與客制化(customization，個性化服務與價值)。現有的制造系統需要對制造設備本身的以及制造過程中產生的數據進行更深入的分析。

預測性制造系統

在預測性制造系統中，收集數據和分析數據是關鍵。設備采用ICT在線測試對設備的各個參數進行實時的讀取，并對各種采集數據進行組合分析，從而得到設備的健康評估，并且上傳到企業的ERP系統。

用適當的傳感器組合提取出數據，如振動、溫度、壓力、電信號等。進一步用數據挖掘或者歷吏數據之間的相關性，來對數據進行增強處理。通過一些工業級的通信協議，例如MTConneet和OPC,可以使用戶將控制器中的設備狀態信號儲存下來。當與來自傳感器數據一同記錄的時候，這些來自控制器的數據可以提供背景信息，在來源不同的數據和多種零部件級單元進行融合時，這時候需要解決由大數據帶來的困難。

這一問題帶來的挑戰是如何有效管理并且提取出有用的信息。如何有效管理并提取有用的信息他是一系列預測性工具和算法的集合，可以分為四部分：信號處理及特征提取、設備健康評估、設備性能預測和故障預測，通過精心選擇并使用可視化工具，設備健康的一些標準，如當前狀態、剩余使用壽命等，可以以圖表、衰減曲線、風險表和健康圖等方式有效展現出來。

通過制造透明化，管理者可以得到正確的信息，進而對所有設備進行全局性的有效評估。設備也就可以通過適時維護得到經濟有效管理，還可以提供給設備設計者整體性的健康信息，以進行閉環的全生命周期重新設計，進而使下一代生產系統得到改進。

基于振動大數據分析的預知維修

振動分析作為旋轉機械故障診斷的有效分析方法之一已經被廣泛應用，結合大數據分析技術，其在預知維修領域具有極大的應用前景。

基于振動大數據分析的預知維修的基本思路如下：

設備安裝階段

1/定義振動數據采樣點，在設備正常運轉時采集，作為正常狀態參考值。

2/為每個振動數據采樣點定義在設備運行階段的振幅閥值。

3/將振動分析納入到設備健康管理的標準流程中去。

設備運行階段

1/頻繁采集振動數據，將測得的振幅與正常狀態參考值做對比。

2/定期將采集到的振動數據做振動分析來監控設備的監控狀態。

3/對超出振幅閥值和有異常頻譜的設備做根本原因分析（RCA）。

振動大數據分析

1/根據設備的結構使用有限元方法和系統動力學計算理論的頻譜。

2/采用高精度的加速度傳感器和采集模塊獲取振動信號做頻譜分析。

3/將理論頻譜與設備正常運轉時實測的頻譜結合作為設備參考頻譜。

4/持續采集設備振動信號，離線情況下至少一天一次。

5/通過系統自學習（Machine Learning）來修正和完善設備參考頻譜。

6/對于出現故障的設備，由專家做根本原因分析（Root Cause Analysis）進一步修正和完善設備參考頻譜。將實測頻譜和設備參考頻譜進行相似性分析等數據挖掘（Data Mining）以識別異常可能性。

行業應用：化工設備機械密封健康管理

數據調研

1、了解機械密封結構和沖洗方案

2、分析機械密封失效歷史記錄

3、機械密封失效和原因分析

4、設備的啟停機管理

建立智能巡檢平臺

1、實現到位管理

2、趨勢分析

3、報警分析

4、異常報告

5、客戶化統計分析管理

制定設備的啟停機流程

機械密封的損壞與不當的啟停機流程有關，針對機械密封結構原理和現場應用，制定合適的啟停機操作流程。

制定機械密封巡檢方案

1、根據機械密封的類型和沖洗方案，制定優化巡檢模塊，提供智能點檢儀器和智能傳感器，及時收集關鍵影響參數

2、收集壓力流量數據

3、機械密封振動和溫度趨勢管理

4、節流孔溫度趨勢管理

5、冷媒溫度趨勢管理

6、點檢路徑管理

7、異常報警管理