Loading
0

慧都助力某通信系统公司分析设备数据,实现设备预测准确率高达95%

客户简介

XX通信系统有限公司公司成立于1997年,是一家集研发、生产、销售、服务于一体的通信与信息解决方案提供商,拥有无线接入、无线优化、天线及子系统、无线传输四大产品线,集团也在积极部署新业务板块,包括ICT业务(智慧城市/智慧社区)、智能制造业务(智慧工厂)、物联网、工业大数据等。

项目背景

客户在生产过程中会使用到大量设备以及人力,客户实施了智能设备管理系统TPM,统计系统收集到的故障、设备、维修、备件等方面的数据,按照一定算法计算、分析数据,以支持工厂在生产、维修、管理等方面的决策。目前想要对于设备数据进行分析,从而预测设备故障、分析设备劣化倾向性和分析计划性维护等,以优化维护效率降低成本。

应用收益

方案从2019年3月开始导入实施,慧都设备故障分析及预测项目团队结合客户现场生产情况通过和客户详细沟通斟酌,实施团队驻场开发经过接近半年的共同努力,最终项目经培训后成功交付应用后效果显著:

  • 方案实施后,将计划外机器停机时间减少了10%
  • 方案实施后,设备维护成本降低了30%
  • 方案的设备故障预测准确率高达95%,人工准确率为80%
  • 方案实施后,生产率整体提高10%

项目流程

  1. 咨询:慧都设备故障分析及预测团队高级咨询顾问通过远程以及现场沟通的方式为客户提供了基于TPM的设备故障分析方案应用的全面咨询服务。
  2. 调研:项目组团队入驻客户现场调研,针对客户现场设备和系统情况以及客户诉求,结合大数据分析产品,完成定制项目搭建方案。
  3. 研发:通过前期的咨询与调研,慧都项目组团队基于客户诉求启动项目研发工作,完成基于TPM的设备故障分析的算法模块,离线测试通过(不和业务系统对接)。
  4. 实施:实施工程师和客户对接,将慧都的产品和方案,集成到客户设备运维系统中,实现基于TPM的设备故障分析。
  5. 维护:项目团队在实施完成后,为客户进行了一个月的项目运行维护,做到了三分钟响应,半小时处理,最终在试运行后,能够完美融入客户设备运维中,客户非常满意。

具体实施流程:

工业数据分析方案流程

工业数据分析方案流程
工业数据分析方案架构
工业数据分析架构

数据准备阶段:需要准备设备数据、维修管理数据、保养管理数据、点巡检数据以及备件的管理。

数据采集和准备

采集TPM数据,对数据进行清理准备

TMP数据

数据采集与准备-慧都

数据集成层

面向记录的清洗,基于拖拽操作的ETL流程自定义

数据集成层-慧都

数据建模与分析

内包含模型管理及预测相关参数配置

数据建模与分析-慧都

建模

建立故障预测模型。建模主要包括:算法选择,模型训练,模型验证,模型评估。

为了找到的合理预测时长,比较了慧都AI DRIVER的多个模型对设备故障预测目标的准确率指标和F1分数随时间变化的趋势。整体预测效果在时间步长为10分钟时是最佳的,我们建议企业按照10分钟来进行预测,同时安排设备维护计划。

下面是使用Qlik创建的主要的模型分析类型。

立即试用Qlik

特征值分析模型

特征值分析

异常点分析模型

异常点分析

根因关联分析模型

根因关联分析

模型效果

对故障的种类、原因、影响等参数进行统计分析,并构建故障预测模型,为设备的购置、维修、升级等

    • 业务计划提供支持

设备劣化倾向分析 , 包含预防性维修和预测性维修 。 对设备的关键技术参数、关键零件使用情况等参数进行统计分析,提出预防性维修或预测性维修建议。

    • 维修情况分析

维修事件:对维修种类、维修时间等参数进行统计分析,为维修计划及维修人员配置等工作提供支持;维修人员:统计每位维修人员的维修工作量,为绩效考核、技能培训等其他业务提供决策支撑。

    • 设备状态实时分析,计划性维护分析

分析设备的运作时间、运作状态和实际产能等,为制定智能运维计划,提供决策支持。

    • 备件出入库分析和预测

统计分析每种备件出入库数量,结合设备故障预测、生产需求等预测备件需求,为备件购置等其他业务提供数据支撑。

使用Qlik构建的部分方案界面

 

 


慧都设备故障分析及预测方案针对设备故障、设备维修情况、设备出入库情况等数据分析和预测,优化设备维修维护计划、备件采购计划,降低设备维护成本和生产损失。

欢迎拨打慧都热线023-68661681或咨询慧都在线客服,我们有专业的设备故障分析及预测团队,将为您提供全面的设备相关业务咨询!