寄云设备预测性维护系统 PdM
寄云 NeuSeer PdM
简介
寄云预测性维护是层次化的综合解决方案,针对特定动系统、单套设备、多套设备分别提供振动监测与诊断、实时状态监测和维护、预测性维护解决方案。这种层次化的对策能够合理的应对从部件到设备再到产线、车间、企业等不同层面设备管理的差异化需求。
联系演示
产品特点
降低非计划停机率
基于人工智能分析的预警,降低设备非计划停机概率。
维护成本下降
远程排障节省人员差旅开支,精准快速排障减少停机时间,故障少发减少损失。
维护效率提升
精准排障以及更低的故障发生率缩短了管理人员的排障时间;故障维护可远程指导,维护支出降低,维护效率提升。
资产高效利用
提升设备及生产井可靠性、降低NPT时间和NFF发生。
探索未知,沉淀经验
实现对未知现象的探索和分析,实现工程经验的沉淀。
预测性维护
高频数据分析

高频数据分析主要为用户提供数据分析工具、用户可以利用这些工具对振动传感器、压力传感器等采集数据进行分析,主要包括趋势分析法、时域分析法、频谱分析法、包络分析法、阶次分析法、瀑布图分析法等工具方法。

使用以上方法可以对设备的轴系类故障、齿轮故障、轴承故障、电机故障等做出精准的判断。例如(风机、离心泵、煤磨、回转窑等等)

故障诊断
  • 故障数量统计: 以多样图标的方式展示统计故障数据总数、未处理故障数量、已处理故障数量。
  • 故障类型统计: 以饼状图的方式统计不同类型故障数量占比。
  • 设备故障分布: 以柱状图的方式统计不同设备故障信息数据分布。
  • 实时分析: 在故障发生时,支持数据实时分析,分析结果结合FMEA故障库进行失效模式自动匹配,为运营人员提供有效参考。
  • 根因分析: 支持设备的根因分析,定位故障原因,通过主键设定,配合关联分析特征项,通过根因分析模型,实现故障追溯和诊断。
设备健康档案和寿命预测
  • 为关键子系统构建多维度、实时的健康度指标。
  • 通过雷达图的方式,全面反映设备的健康状态。
  • 支持基于健康状态指标的告警和预警。
  • 基于维护记录、设备运行时间、理论MTBF时间等数据,精确计算关键部件的RUL。
  • 根据RUL设置告警规则,产生告警。
  • 根据RUL驱动备品备件管理和优化策略。
结合仿真模型的数字孪生
寄云PdM系统结合作伙伴产品的仿真能力,在实际运行过程中实现实时数据和仿真模型的互动分析,提高数据判断精度和规则配置的有效性。