初步应用数字双胞胎行业中,预测维护证明是技术展示实用用以避免意外故障的早期优胜者行业分析组ACC咨询组最近强调欧文斯康宁使用数字双生改善运维
除预测维护应用外,数字双胞胎的实用性也在应用中得到证明,例如资产互操作性、新系统模拟以降低开发成本和开发新产品.数字双应用的另一个开发区是工业节能
Max Ivannikov表示,IoT主管数据艺术工程服务公司开发自定义分析云系统 使用传感器和其他来源数据 数字双可模拟机器行为 生产线或全工厂使制造厂商能够发现改进机会,包括节能和优化流程以减耗。”
为了避免这一问题,重要的是确保使用真正影响系统性能的高质量数据,而不是制造无关数字噪声那么,你怎么做到的?
Ivannikov表示有效能耗监控综合数法提高数据驱动洞见值最受欢迎的算法包括:
- 阈值
- 长短期内存
- 振荡频谱分析
- 热模型
算法及其实用应用
最直截了当地确定各种组件阈值的方法是侧重于设备方面,如承载温度和电机振荡水平Ivannikov表示:「温度或振荡超出正常水平会显示潜在故障”。人工算法帮助避免关机需求, 因为它们能在故障发生前检测出故障 。
长短期存储器(LSTM)预测各种过程行为常用方法Ivannikov常用它预测电机过热,例如不要求热模型取而代之的是,我们向LSTM模型提供数据,然后识别预期发生行为模式通过比较当前数据模型预测,我们可以检测出差错并提醒维护团队检查受影响的机器部分。”
Ivannikov指出,虽然LSTM法很受欢迎,但“应用到实机上并非直截了当。设备部件不连续操作,电机根据设备模式和负载频繁启动和停机这些参数可影响LSTM模型输出,导致假报警和误检测结果,该方法只产生平均结果,但它仍然是生产预测维护的宝贵工具,特别是识别持续操作设备行为模式。”
监控振动数据是评估设备状态的长期确定方法伊万尼科夫指出,应用傅里叶变换振动数据识别低频或高频组件正在引起极大关注主挑战在于收集高采样率数据 精确频谱分析必不可缺光谱分析可使用网关设备实施, 而不是向云发送原始数据,
DataArt概念验证研究的初步结果显示,网关设备光谱分析有效识别机器组件的现有故障,尽管它没有产生预测未来潜在故障的任何模式
热模型证明最有效节能分析,证明这种方法能有效早期检测问题,允许在定时停机期间进行维护机体温度变化敏感度使这种方法成为识别潜在问题和防止进一步破坏的宝贵工具
归根结底Ivannikov表示答案在于综合不同方法增加更精确预测和更有效能源消耗优化的可能性详细构建基本元素模型,如电机、变速箱、电动器和承载系统能提高数字双性能,导致业务开支下降和有效能源消耗