• plane

    關于安爾法

    預測性維護成效持續顯現-石窯店選煤廠刮板機提前排障

    原創: 李生才 Alpha礦業智能化 2018-12-13

    Alpha,專注于礦業智能化的國際服務商

    安爾法通過云端實時關注選煤廠設備的運轉狀況,這次遠在陜西神木縣的石窯店選煤廠302刮板機尾端滾筒內部軸承發生了磨損,504左右鏈條運轉不平衡;預測性維護系統早已在問題初期察覺,并且及時提醒現場,完成事前維修,避免了非計劃停機。

    石窯店選煤廠是陜西神木煤業集團下屬的500萬噸動力煤選煤廠,由安爾法公司的戰略合作伙伴選煤巨頭泰戈特設計建造并運營。于2018年4月上線了安爾法預測性維護系統,在各個關鍵設備上安裝了安爾法預測性維護傳感器,包括離心機,皮帶機,刮板機的電機,減速箱,滾筒等,進行實時地設備運行數據采集分析,保證設備長久高效健康地運行。

     

    由于泰戈特公司高水準的選煤廠運營管理,幾個月來,安爾法預測性維護系統及遠程專家一直輔助現場點檢人員及機修人員做日常的維護保養工作,設備都處于良好的運行狀態,并未出現特別的故障情況。

    但是

    安爾法的工業物聯網傳感器是處理人工點檢無法處理的工作,比如內部零件損耗的故障評估。點檢人員的感官及經驗,無法感知設備內部細微的變化,傳感器卻能在生產中實時監測、分析。

    比如如下的兩個小測點,這次故障的主角。


    302尾端滾筒監測


    504尾端滾筒監測


    從12月1日的每日報表開始,11月30日晚班生產過程中,在302刮板機及504刮板機尾端鏈條非驅動側的傳感器便監測到細微異常數據。通過觀察302振動峰值頻譜圖變化,出現不規律飄高,初步認定302可能存在設備內部磨損情況。504振動不平衡,鏈條可能出現問題。



    302鏈條非驅動側振動峰值頻譜圖


    504鏈條非驅動側峰值頻譜圖


    云端后臺系統開始發送預警信息,并且通過微信端推送日報,讓日常檢修人員關注設備,但初期尚未進行拆蓋查看,暫未發現明顯問題。12月1-3日繼續推送相似預警,晚班點檢人員開始引起注意。


    微信端預警推送


    在12月1日到3日晚班生產過程中,點檢人員重點關注302及504運轉情況,發現302刮板機在生產中有幾次輕微的跳鏈情況,504兩邊鏈條運轉不協調。


    綜合安爾法的云端預警信息,12月3日晚,點檢人員針對302尾端鏈條非驅動側滾筒決定拆蓋檢查,檢查發現軸承滾珠磨損,結合之前兩次在驅動側滾筒的預警信息,后又打開另一側也有磨損情況(滾珠磨損后有間隙軸受力后有晃串現象)。


    軸承滾珠磨損


    針對504刮板機,點檢人員兩邊鏈條進行仔細查看,兩邊的鏈條因為煤落料點偏,導致受力不均。

    12月4日檢修工單


    12月4日白班檢修班,根據點檢反饋,將302尾軸處拆機換上兩盤新軸承,針對504刮板機鏈條,檢修人員將左右兩側的鏈條進行互換。之后從4日晚班生產開始,設備恢復良好運轉,數據曲線趨于平穩。

    通過此次的預警信息,現場配合進行在故障發生前進行維修,避免了設備在非正常運轉下的壽命損耗,更避免了可能因為故障嚴重后發生更大的故障停機事件。


    安爾法最不希望的就是現場設備出現故障,用實時監測的物聯傳感技術來保證設備的正常運轉。通過云端核心AI數據處理,對各個設備的健康狀態進行評估,從而輔助現場人員對設備進行更智能化,針對化的管理。一旦現場出現故障,安爾法是輔助檢修排障的利器。


    Alpha Concept


    安爾法基于Alpha Cloud的智能預測性維護系統,能夠全面評估現場設備的運行數據,提前預判故障,背后我們的團隊同樣做了大量努力。

    為了開發預測性維護用的機器學習算法,首先得在短時間內獲取大量數據用于模型訓練。然后測量各個設備的振動與溫度情況,并對采集下來的大量時間序列數據按需求進行篩選、分析,進一步得到所有設備的健康狀況。然而,在這場看似方向明晰的原型化探索中,安爾法仍遭遇了4大挑戰


    Chanllenge

    數據采集挑戰:現場設備周圍不允許搭接線路,傳感器采用電池供電、無線數據傳輸模式,在確保電池的使用壽命,又能確保采集數據的完整性,經過反復的實驗驗證,安爾法智能傳感器制定了一套完整的數據采集策略。


    Chanllenge

    數據存儲挑戰:眾多的傳感器的接入,以及以后多工廠的數據接入,數據存儲面對著同時大量數據的寫入、歷史數據的讀取,安爾發制定了一套數據分布存儲方案,優化大數據的寫入與查詢。


    Chanllenge

    數據處理挑戰:工廠設備眾多,設備運轉時,設備之間振動信號相互影響,生產線上其他部件的異常導致監測數據的差異,如何在這眾多的數據中甄別哪些數據是當前設備監測的真實情況,安爾法從硬件到軟件處理制定了一套數據濾波方案。


    Chanllenge

    故障預測挑戰:如何針對設備的監測數據預測設備監測指標的走勢,如何將預測數據與設備性能狀態綁定,安爾法在長期的監測數據下,針對不同設備建立數學模型,對歷史數據不斷訓練學習,故障預測也逐漸傾向可靠準確。


    我們做的越多,客戶需要做的就越少


    想了解預測性維護系統選煤廠現場更多細節,可聯系現場工程師:

    石窯店選煤廠(陜西神木煤業)

    李經理

    電話:  13649226173

    微信:  l13649226173

    敘永選煤廠(川煤集團芙蓉公司)

    雷工

    電話:  13989207631

    微信:  lgl-lxx

    更多關于安爾法采礦,選礦智能化,選礦預測性維護系統的了解,請聯系我們:


    成都安爾法智控科技有限公司
    Alpha Industrial Intelligence Holding Co Ltd


    楊博

    benjamin.yang@alpha-technology.com.au

    微信:yb89yy92


    李生才

    kyle.lee@alpha-technology.com.au

    微信:Kyle977895349

    合作伙伴 | 知名客戶

    如有疑問或想了解更多,請咨詢:028-83311885

    關注我們

    • 了解行業最新資訊 掃碼關注微信

    X

    歡迎來到安爾法!
    請問有什么需要幫助的嗎?
    无码免费动漫老黄网站