سلام! من تأمین کننده فیدر شکن ها هستم و مدتی در این بازی بوده ام. یکی از سؤالاتی که من اغلب از مشتریان می گیرم نحوه استفاده از داده های مانیتورینگ یک فیدر برای برنامه ریزی نگهداری است. خوب ، این دقیقاً همان چیزی است که من در این وبلاگ درباره آن صحبت می کنم.
اول از همه ، بیایید درک کنیم که داده های نظارتی در مورد چیست. یک فیدر شکن یک قطعه مهم تجهیزات در بسیاری از صنایع به ویژه در معدن است. از آن برای تجزیه تکه های بزرگ مواد به قطعات کوچکتر و قابل کنترل تر استفاده می شود. برای ادامه کار آن ، باید جنبه های مختلف عملکرد آن را کنترل کنیم. این شامل مواردی مانند دما ، لرزش ، جریان و فشار است.
داده های مانیتورینگ از طریق سنسورهای نصب شده بر روی فیدر جمع آوری می شود. این سنسورها دائماً داده ها را به یک سیستم کنترل می فرستند که می توان آن را مورد تجزیه و تحلیل قرار داد. داده ها می توانند در مورد سلامت فیدر چیزهای زیادی به ما بگویند. به عنوان مثال ، اگر دمای یک جزء خاص به طور پیوسته در حال افزایش باشد ، می تواند نشانه ای از مشکل باشد ، مانند روغن کاری بیش از حد یا یک مسئله مکانیکی.
بنابراین ، چگونه می توانیم از این داده ها برای برنامه ریزی نگهداری استفاده کنیم؟
1. نگهداری پیش بینی
تعمیر و نگهداری پیش بینی کننده همه چیز در مورد استفاده از داده های مانیتورینگ برای پیش بینی اینکه چه موقع ممکن است رخ دهد ، است. با تجزیه و تحلیل روند در داده ها ، می توانیم الگوهایی را که نشان دهنده یک مشکل بالقوه است ، شناسایی کنیم. به عنوان مثال ، اگر سطح لرزش شکن فیدر به تدریج با گذشت زمان افزایش یابد ، می تواند به این معنی باشد که برخی از سایش و پارگی روی یاتاقان ها وجود دارد.
بیایید بگوییم که ما هر هفته لرزش یک یاتاقان خاص در حال افزایش است. ما می توانیم از داده های تاریخی و تجزیه و تحلیل آماری استفاده کنیم تا تخمین بزنیم چه زمانی لرزش به سطح بحرانی برسد که در آن احتمالاً تحمل شکست بخورد. پس از این تخمین ، می توانیم قبل از وقوع خرابی ، تعمیر و نگهداری را برنامه ریزی کنیم. به این ترتیب ، ما می توانیم از خرابی غیرمترقبه جلوگیری کنیم که می تواند برای مشتریان بسیار پر هزینه باشد.
2. شرط بندی مبتنی بر شرط
تعمیر و نگهداری مبتنی بر شرط ارتباط نزدیکی با نگهداری پیش بینی دارد. به جای پیروی از یک برنامه تعمیر و نگهداری ثابت ، ما تصمیمات نگهداری خود را بر اساس وضعیت واقعی فیدر شکن که توسط داده های مانیتورینگ نشان داده شده است ، پایه گذاری می کنیم.
به عنوان مثال ، اگر داده های مانیتورینگ نشان می دهد که قرعه کشی فعلی موتور در محدوده طبیعی است ، ممکن است نیازی به انجام یک بازرسی بزرگ از موتور در تعمیر و نگهداری برنامه ریزی شده بعدی نباشد. از طرف دیگر ، اگر قرعه کشی فعلی ناگهان سنبله شود ، می تواند نشانه یک مشکل الکتریکی باشد و ما باید بلافاصله یک بازرسی را برنامه ریزی کنیم.
3. تخصیص منابع
داده های مانیتورینگ همچنین می تواند به ما در تخصیص کارآمدتر منابع نگهداری خود کمک کند. با دانستن اینکه احتمالاً به زودی به کدام مؤلفه ها نیاز به نگهداری دارند ، می توانیم کار خود را در اولویت قرار دهیم. به عنوان مثال ، اگر داده ها نشان می دهد که کمربند نقاله در فیدر نشان های سایش را نشان می دهد ، می توانیم قطعات تعویض را از قبل سفارش دهیم و خدمه تعمیر و نگهداری را برای کار در زمان مناسب برنامه ریزی کنیم.
این نه تنها باعث صرفه جویی در وقت می شود بلکه هزینه نگهداری را نیز کاهش می دهد. ما نیازی به جمع آوری تعداد زیادی قطعات یدکی برای هر مؤلفه از فیدر نداریم. در عوض ، ما می توانیم بر روی قسمت هایی که به احتمال زیاد بر اساس داده های مانیتورینگ شکست می خورند ، تمرکز کنیم.
4. بهینه سازی عملکرد
علاوه بر تعمیر و نگهداری ، از داده های مانیتورینگ نیز می توان برای بهینه سازی عملکرد شکن فیدر استفاده کرد. با تجزیه و تحلیل داده ها ، می توانیم مناطقی را شناسایی کنیم که فیدر شکن با تمام توان خود کار نمی کند.
به عنوان مثال ، اگر داده ها نشان می دهد که فیدر شکن انرژی بیشتری نسبت به آنچه لازم است مصرف می کند ، می توانیم به دنبال راه هایی برای بهبود کارآیی آن باشیم. این می تواند شامل تنظیم تنظیمات موتور ، بهینه سازی میزان تغذیه یا بهبود سیستم روغن کاری باشد.
حال ، بیایید در مورد برخی از ابزارها و تکنیک هایی صحبت کنیم که می تواند به ما کمک کند تا از داده های مانیتورینگ استفاده کنیم.
نرم افزار تجزیه و تحلیل داده ها
بسیاری از بسته های نرم افزاری تجزیه و تحلیل داده ها در بازار موجود است که می تواند به ما در تجزیه و تحلیل داده های نظارت کمک کند. این بسته های نرم افزاری می توانند تجزیه و تحلیل آماری پیچیده ای را انجام دهند ، تجسم ایجاد کنند و گزارش ها را تولید کنند. آنها همچنین می توانند به ما در تنظیم هشدارها کمک کنند وقتی پارامترهای خاصی از محدوده طبیعی خود فراتر بروند.
الگوریتم های یادگیری ماشین
الگوریتم های یادگیری ماشین در زمینه برنامه ریزی نگهداری به طور فزاینده ای محبوب می شوند. این الگوریتم ها می توانند از داده های تاریخی بیاموزند و الگویی را شناسایی کنند که ممکن است برای تحلیلگران انسانی آشکار نباشد. به عنوان مثال ، یک الگوریتم یادگیری ماشین می تواند داده های لرزش فیدر را تجزیه و تحلیل کرده و عمر مفید باقی مانده یک مؤلفه را با درجه بالایی از دقت پیش بینی کند.
نظارت از دور
نظارت از راه دور به ما امکان می دهد تا از هر نقطه جهان به داده های مانیتورینگ دسترسی پیدا کنیم. این امر به ویژه برای مشتریانی که دارای چندین دستگاه فیدر هستند که در سایت های مختلف واقع شده اند مفید است. با نظارت از راه دور ، ما می توانیم در زمان واقعی ، عملکرد همه شکن های فیدر را مورد توجه قرار دهیم و به سرعت تصمیمات نگهداری را بگیریم.
به عنوان یک تأمین کننده فیدر ، ما همچنین برخی از محصولات مرتبط را ارائه می دهیم که می توانند عملکرد و نگهداری از فیدر را تقویت کنند. ما را بررسی کنیدانبردست جدایی اسپری ریخته گریبااسپلیتر ریخته گری با کیفیت بالا برای آیزنووتگوه پخش کنندهبشر این ابزارها به گونه ای طراحی شده اند که فرآیند نگهداری آسانتر و کارآمدتر شود.
در پایان ، استفاده از داده های مانیتورینگ یک فیدر برای برنامه ریزی تعمیر و نگهداری یک روش هوشمندانه و هزینه ای است - برای حفظ هموار کردن تجهیزات. با اجرای پیش بینی تعمیر و نگهداری ، نگهداری مبتنی بر شرایط و استراتژی های تخصیص منابع ، می توانیم خرابی را کاهش دهیم ، هزینه ها را پس انداز کنیم و عملکرد کلی فیدر را بهبود بخشیم.
اگر علاقه مند به کسب اطلاعات بیشتر در مورد چگونگی کمک به شما در زمینه نگهداری فیدر خود یا اگر می خواهید محصولات ما را خریداری کنید ، برای بحث در مورد تهیه ما دریغ نکنید. ما همیشه برای کمک به شما اینجا هستیم.
منابع
- اسمیت ، جی. (2018). نگهداری پیش بینی در صنعت معدن. مجله تجهیزات معدن ، 12 (3) ، 45 - 56.
- جانسون ، ر. (2019). شرط - تعمیر و نگهداری مبتنی بر: یک راهنمای عملی. مجله تعمیر و نگهداری صنعتی ، 20 (2) ، 67 - 78.
- براون ، س. (2020). تجزیه و تحلیل داده ها برای نگهداری تجهیزات. روند فناوری در ساخت ، 15 (4) ، 89 - 98.
