На сегодняшний день предиктивная диагностика становится все более важной, особенно в сложных процессах и на небольших объектах. Предиктивное обслуживание помогает персоналу принимать сложные решения, сокращает время незапланированных простоев и повышает эффективность химического предприятия, является одним из ключевых преимуществ этой технологии.
Большие массивы данных, машинное обучение и Интернет вещей (IoT) — это лишь некоторые из наиболее важных компонентов четвертой промышленной революции. Несмотря на то, что за последние несколько лет химическая промышленность предприняла значительные шаги в цифровизации, её предстоит еще долгий путь.
Так как же химическая промышленность может добиться успеха в условиях четвертой промышленной революции?
Первым шагом в этом процессе может быть применение моделей предиктивной диагностики к циклу химического
производства. В этом документе рассматриваются инновационные решения по предиктивной диагностике, предлагаемые Artesis для химических предприятий.
Проблемы предиктивной диагностики в химической промышленности
Производственные процессы, используемые в химической промышленности, состоят из коррозионно-активных или токсичных химикатов, обычно реакционно-способных, работающих при высоких давлениях и температурах. Таким образом, остановка при выходе из строя важнейших производственных узлов, может привести к серьезным производственным и сырьевым потерям, а также к ущербу для окружающей среды и даже к травмам и несчастным случаям на производстве.
Безопасность и конфиденциальность
данных
Хотя химическая промышленность является рынком c высокой конкуренцией, это сфера, где изобретения и исследования проводятся конфиденциально, а процессы специфичны для производства. Спецификация имеет решающее значение для компаний и должна быть тщательно защищена для обеспечения устойчивости компании. По этой причине интегрированное решение для предиктивной диагностики облачных технологий IoT побуждает руководителей объектов, особенно IT-специалистов, тщательно изучать новые технологии, прежде чем принимать и интегрировать их в сеть предприятия.
Требование быстрого действия
Время имеет решающее значение для работы химического завода. Из-за уникальности процессов и оборудования на заводе необходимо принимать меры за месяцы вперед, а особенно по запасным частям. Несмотря на то, что традиционные методы предиктивной диагностики предупреждают о замене оборудования за 1-2 месяца, времени на закупку может не хватить.
Трудности с доступом к точным данным
Благодаря машинному обучению и приложениям IoT в последнее время датчики быстро распространяются на промышленных объектах. Однако данные с датчиков на химических заводах, как правило, ориентированы на управление технологическим процессом и не предоставляют данных о состоянии оборудования. Поэтому на первый план выйдут инновационные бессенсорные технологии предиктивной диагностики.
Как методы предиктивной диагностики на химических предприятиях помогают вам?
Эффективный метод предиктивной диагностики обеспечивает заблаговременное уведомление о поломке оборудования за несколько месяцев, что позволяет вмешаться до того, как неисправность усугубится. Это в первую очередь предотвращает незапланированные простои и улучшает управление запасными частями.
Предиктивная диагностика улучшает производственные процессы и предотвращает производственные потери. Уменьшение количества отходов на предприятиях с интенсивным использованием сырья, например, в химическом секторе, вносит значительный вклад в прибыльность компании. Еще одно потенциальное влияние предиктивной диагностики — на качество производимого продукта. Прерывание и перезапуск производственного процесса может привести к тому, что качество продукции не будет соответствовать требуемому стандарту. Химические заводы занимают лидирующие позиции среди самых сложных и опасных производств. Предотвращение поломок оборудования улучшит профессиональное здоровье и здоровье рабочих и внесет значительный вклад в снижение возможных несчастных случаев на производстве.
Предиктивная диагностика также способствует повышению общей эффективности оборудования (OEE), что является важным показателем эксплуатационной эффективности. Если активы регулярно обслуживаются, после обнаружения неисправности исправные активы могут продолжать работать до тех пор, пока их не потребуется заменить. Это сократит ваши операционные расходы.
Каким образом Artesis может помочь?
С помощью бессенсорных решений Artesis для предиктивной диагностики можно контролировать реакторы, насосы, вентиляторы, компрессоры и многие другие устройства на химических предприятиях, сокращая затраты на техническое обслуживание, экономя энергию и максимально повышая надежность предприятия.
Интеллектуальные решения без требований к датчикам
Решение для предиктивной диагностики Artesis получает информацию о токе и напряжении только от вращающегося оборудования, определяет возможные неисправности за 6 месяцев и предупреждает ремонтную бригаду. Поскольку для нашего решения не требуются датчики, решение можно использовать в некоторых зонах ATEX.
Поскольку химические заводы рассредоточены по большой территории и многие типы оборудования труднодоступны, поздние методы предиктивной диагностики могут оказаться неэффективными. Для надежного мониторинга насосов, вентиляторов, компрессоров, центрифуг и другого оборудования, работающего в сложных условиях. Достаточно установить Artesis e-MCM в шкаф управления двигателем. e-MCM также быстро и просто настраивается; нет никаких ограничений по безопасности, которые могут помешать использованию нашего решения.
Решения Artesis точно предупреждают, когда вращающееся оборудование требует внимания, устраняя необходимость осмотра и планирования технического обслуживания. Заблаговременное знание того, что произойдет сбой, позволит вам заблаговременно провести техническое обслуживание оборудования до того, как оно сломается. Кроме того, Artesis эффективно диагностирует как электрические, так и механические неисправности.
Электрические и механические неисправности:
• Сыпучий фундамент/компоненты
• Механический дисбаланс/несоосность
• Неисправности коробки передач
• Неисправности моторного оборудования
• Неисправности коробки передач, ремня, муфты и подшипника
• Неисправности статора и ротора
• Внутренние и внешние электрические неисправности
Сбои процесса:
• Более высокое потребление энергии
• Низкая производительность
• Кавитация в насосах
• Турбулентность потока в вентиляторах, нагнетателях
• Загрязнение фильтра и теплообменника
• Смазка
• Перегрузка
Технология обнаружения неисправностей Artesis на основе моделей
Уникальная запатентованная технология обнаружения неисправностей на основе моделей (MBFD) обнаруживает широкий спектр неисправностей, используя напряжение и ток трехфазных электродвигателей переменного тока. Этот основанный на модели подход работает в соответствии с тем принципом, что на ток, потребляемый электродвигателем, влияет не только приложенное напряжение, но и действие как двигателя, так и приводимого в действие оборудования. Данный подход определяет искажение формы волны тока, которое не должно быть вызвано искажениями формы волны напряжения и, следовательно, должно быть вызвано действием двигателя и системы оборудования с приводом двигателя. Частота этих искажений указывает на определенную причину неисправности, а величина искажений показывает серьезность неисправности.
Алгоритм кластеризации Artesis e-MCM
В течение периода обучения Artesis e-MCM рассматривает каждую рабочую точку двигателя как кластер в трехмерном пространстве (коэффициент мощности, коэффициент усиления, частота питания). Каждый кластер имеет отдельную модель. MCM необходимо завершить процесс обучения, чтобы создать математическую модель двигателя, к которому он подключен. Этот период может занять 7-10 дней.
Есть два этапа периода обучения
• Стадия обучения, на которой Artesis e-MCM классифицирует сигналы и не выполняет никакого мониторинга
• Этап, на котором Artesis e-MCM начинает мониторинг, а также обновляет математическую модель (созданную на первом этапе) новыми данными.
Какие преимущества в основном дает Artesis на химических заводах?
Преимущество установки
На химических предприятиях, находящихся в зонах ATEX, критически важное оборудование, подлежащее мониторингу, находится далеко от производственных линий труднодоступно. Artesis устанавливается только в плату управления и не требует дополнительного физического оборудования. Это значительно снижает затраты на установку и прокладку кабелей.
Простой шаг к цифровизации
Одной из наиболее важных причин, по которой производственные подразделения воздерживаются от предиктивной диагностики, являются трудности, с которыми они сталкиваются при эксплуатации. Artesis обеспечивает быструю и простую эксплуатацию, благодаря своей уникальной технологии, функции автоматического обнаружения неисправностей. Вместо того, чтобы иметь дело с массивом сложных данных, обслуживающий персонал предпринимает быстрые действия, основываясь только на реальных данных. После установки систем e-MCM на химическом заводе платформа Artesis IoT легко взаимодействует с e-MCM. Вы можете установить беспроводное соединение, интегрировав в свою систему маршрутизатор 4G/LTE, который обеспечивает связь между облачной платформой Artesis IoT e-MCM. Пакеты интеграции могут использоваться для широкого спектра сторонних систем, включая интегрированный мониторинг состояния, SCADA/HMI и отчетность/бизнес-аналитику.
Мониторинг состояния двигателя
Независимо от того, есть ли на вашем объекте все необходимые инструменты или оснащение предприятия только начинается, Artesis может повысить надежность своей уникальной технологией. Как только вы начинаете думать о решении для всего объекта, задача становится более сложной, поскольку очень немногие компании предлагают конвергентные решения для мониторинга оборудования и его состояния. В заключение, вам следует сотрудничать с компанией, которая доказала свою готовность помочь вам добиться успеха, с кем- то, кому вы можете доверить свои самые ценные активы.
Сложность установки
В традиционных методах акселерометры должны быть размещены на двигателе и в наиболее точном положении для оптимизации чувствительности, что требует опыта. Это также создает угрозу безопасности для обслуживающего персонала, даже при возможности встраивания датчиков в труднодоступные и опасные зоны.