TEKNOPAR Industrial Automation > 实例探究 > 利用 TEKNOPAR 的 TIA 平台进行基于数字孪生的预测性维护

利用 TEKNOPAR 的 TIA 平台进行基于数字孪生的预测性维护

TEKNOPAR Industrial Automation Logo
 Digital Twin-based Predictive Maintenance with TEKNOPAR’s TIA Platform - IoT ONE Case Study
技术
  • 分析与建模 - 数字孪生/模拟
  • 分析与建模 - 机器学习
  • 分析与建模 - 预测分析
  • 分析与建模 - 过程分析
  • 平台即服务 (PaaS) - 数据管理平台
  • 传感器 - 化学传感器
  • 传感器 - 压力传感器
  • 传感器 - 温度传感器
  • 传感器 - 电压传感器
适用行业
  • 设备与机械
  • 金属
适用功能
  • 流程制造
用例
  • 数字孪生
  • 机器状态监测
  • 预测性维护
服务
  • 软件设计与工程服务
关于客户

土耳其领先的螺旋焊接钢管制造商

挑战

预测性维护是一种先进的设备管理方法,它利用机器学习不断监测和评估机械状况。这种方法可帮助制造商预测潜在故障,大幅降低生产成本,优化设备使用率并提高生产率。预测性维护的关键活动包括持续监测设备健康状况、数据驱动的状况评估以及使用高级算法预测潜在故障。数字孪生(物理对象的数字副本,与其环境相关)在此过程中发挥着至关重要的作用。

土耳其一家领先的螺旋焊接钢管制造商面临着巨大的生产挑战。该工厂的生产过程依赖于一系列相互依赖的机器,极易受到干扰。任何机器故障都会导致整条生产线停工,从而导致不可预测的长期停机。此外,由于缺乏足够的故障数据,因此需要使用高保真混合模型生成合成数据。

解决方案

TEKNOPAR 在工厂内实施了其 TIA 平台,在机器上部署了一系列传感器来收集全面的数据。其中包括 26 个温度传感器、11 个振动传感器、10 个电流传感器、12 个压力传感器和 1 个油污染传感器。开发了认知数字孪生,以实时监控生产过程和机器状态。

系统启动后,检测到机器内温度异常高。最初,操作员和维护团队对这些读数表示怀疑。然而,使用热像仪进行验证证实了数字孪生数据的准确性,因此立即关闭机器以防止进一步损坏。数字孪生促成的这种快速反应避免了一场潜在的灾难。

收集的数据
Current, Oil Contamination, Pressure, Temperature, Vibration
运营影响
  • [Process Optimization - Real Time Monitoring]

    Real-time monitoring with latency under 1ms.

  • [Data Management - Data Accuracy]

    99% accuracy in data analytics and AI algorithms.

  • [Cost Reduction - Maintenance]

    Reduction in machine downtime by 62%.

数量效益
  • Percentage of Type 1 error in anomaly detection (incorrect rejection of a true null hypothesis): 6,75%.

     

  • Percentage of Type 2 error in anomaly detection (failure to reject a false null hypothesis): 2,18%.

  • Reduction in energy consumption: 4,84%.

Case Study missing?

Start adding your own!

Register with your work email and create a new case study profile for your business.

Add New Record

相关案例.

联系我们

欢迎与我们交流!
* Required
* Required
* Required
* Invalid email address
提交此表单,即表示您同意 IoT ONE 可以与您联系并分享洞察和营销信息。
不,谢谢,我不想收到来自 IoT ONE 的任何营销电子邮件。
提交

感谢您的信息!
我们会很快与你取得联系。