witium’s dynamic
企業的數字化轉型往往是從應用智能自動化、工業物聯網(IIoT)技術開始的,所以自動化仍是智能工廠設計的關鍵部分。據《財富》商業洞察的相關報告顯示,到2027 年,全球工業自動化市場預計可達326.4 億美元,在預測期內將以8.9% 的復合年增長率(CAGR)增長。雖然這種增長率的激增從某方面來說是由COVID-19 新冠疫情引發的,但充分說明工廠不會再像以前那樣。
未來幾年,企業一半以上的生產任務都可能會依賴機器完成,這意味著管理設備的運營流程將變得至關重要。這對制造業來說是個好兆頭,但首先要解決的是一些懸而未決的問題:傳統企業是否為未來工廠做好了準備,未來工廠是否嚴重依賴于人工智能/ 機器學習(AI/ML)、流程自動化和物聯網(IoT)?他們的數字化轉型之旅走了多遠?一旦路線圖和戰略明確,企業必須努力實現信息技術(IT)和運營技術(OT)的協同,以優化成本、縮短價值實現時間并提高效率。
數字化裹挾著制造業狂奔突進,觸發了產業服務及商業模式的加速創新,產業價值鏈、供應鏈和行業生態正在加速分解、整合與重構。在這種趨勢下,不斷增加的新型服務業態,如智能制造設備預測性維護、全生命周期產品維護服務,產品運營、在線支持服務等,逐漸成為制造企業新的利潤中心。傳統制造業靠著“產品為王”一騎絕塵的時代已然一去不復返,智能化、服務化轉型不僅是必然趨勢,更是現實之舉,上海輝泰Witium提供的正是這樣基于設備的預測性維護服務。通過主動監控設備、識別問題并提供重要見解,以在問題造成運營中斷之前進行處理,從而提高工廠的可靠性。在過程工業中,這樣做有助于降低維護成本,提高正常運行時間和生產率。
WitExpert工業設備預測性維護系統由硬件和軟件兩部分組成,從傳感器、邊緣計算網關,再到軟件平臺都是Witium團隊自主研發。系統依托先進的物聯網工業AIoT技術,用MEMS三軸振動傳感器采集設備的振動數據及特征參數(如振動加速度、速度、溫度等),計算并存儲設備的運行參數,自動生成日數據庫、歷史數據庫及報警庫。通過振動機器學習算法,將特征參數值與模型閾值進行比較,來確定設備當前是處于正常還是故障狀態,邊緣計算網關根據設備故障預測性維護診斷模型分析計算,一旦出現異?;蛘吖收?,第一時報警通知運行管理人員,實現振動預測性維護。幫助用戶查找產生故障的原因,識別、判斷故障的嚴重程度,為科學檢修提供指導,切實提高工廠的安全管理水平,促進傳統制造行業實現數字化、智能化轉型。