预测性维护
为大型装备提供包括振动分析、状态监测、故障诊断和预测及设备健康在内完整的预测性维护解决方案。
预测性维护解决方案
振动监测与诊断解决方案
通过振动传感器的数据采集和分析,基于大型动设备的故障特征库,构建关键子系统的故障预测和诊断能力。
实时状态监测和维护解决方案
采集多个子系统的实时数据,实现实时状态监测,提供基于规则和模型的告警,对故障进行基于故障库的统一管理,实现基于规则的维护策略。
预测性维护解决方案
基于微结构寿命预测机理模型及人工智能数据模型混合分析技术,构建装备健康模型,实现精准的寿命预测和备品备件管理,避免非计划停机,最终实现 “预测性维护”。
优势

智能消噪
基于投影模式识别消噪技术,能识别系统状态变化是由设备性能变化引起还是外部运行参数变化引起,显著降低误报率。

性能预测
基于任务的损伤叠加算法,构建关键指标的趋势预测和预警。

寿命预测
根据设备机理,基于装备设备特有的“小数据”,构建微结构寿命模型,实现精准寿命预测。

历经验证的模型实践
核心理论、方法及体系应用于国之重器关键部件,经过了工程实践和验证。
主要功能
振动分析
时域分析、频谱分析、包络分析、趋势分析等实时振动分析。
智能诊断及告警
基于人工智能,对故障样本进行训练分析,实现自动诊断,并支持对故障库进行持续优化。支持单参数、多参数、基于模型的告警。
维护策略
实现基于时间、告警或者故障的维护策略,推送至现场运维人员。
备品备件管理
根据剩余寿命,支持发送提示信息,实现精准的备品备件优化。
应用效果

减少事故故障率75%

降低设备维护费用25%-50%

带动2.5%-5%的工业运转能力增长
案例
某装备涡轮叶片寿命预测案例
欢迎咨询或预约演示   联系我们
联系我们
021-31903078
marketing@tarran.com.cn
上海|南京|武汉
版权所有 @ 2020 上海塔兰行智能科技有限公司 Shanghai Tarran Smart Science&Technology Co.,Ltd
沪公网安备 31011002002229号