edgeSV 是 NTEK System 的设备状态诊断品牌。 ntek@nteksys.com
edgeSV
申请演示
首页 / 应用行业 / AI 制造 / 质量下降

质量下降

把细微的设备异常与后工序的质量问题联系起来,使您能在不良率上升之前处置。

概述

产品质量损失常常随着设备条件缓慢漂移而开始. SV500使用电气签名分析(ESA)来比较运动载荷和功率质量与学习到的基线和早期的旗帜变化.

适用设备
生产驱动器驱动电动机VFD 坐标:电力设备
主要挑战

主要运营课题

小型设备的改变可以先于质量的退化。

01

缓慢的漂移

渐变设备往往只有在缺陷出现后才会被注意.

02

将因果关系联系起来

质量数据和设备条件数据被分开,使根源难以追踪。

SV500诊断方法

SV500 检测项目

SV500将发动机载荷和动力质量与基线进行比较.

01

汽车载荷偏差

跟踪电流和电源是否缓慢地将学到的正常范围置于相同的产品和速度之下.

02

电源质量变化

日志电压不平衡,谐波和电压事件,与质量变化时进行比较.

03

更改时间戳

保持状态等级和事件时间,以便与MES和SPC质量数据进行比较.

04

适应性阈值

机器学习可以学习每个资产的正常状况,并以依赖负载的适应阈值来判断其地位,而不是固定的极限.

05

网络仪表板和集成

在设备的内置网络仪表板上实时检查诊断状态,不进行站点访问,并连接到更高层次的系统,如BMS或SCADA在Modbus TCP/RTU之上. MQTT等附加接口取决于项目配置.

预期效益

预期效果

在出现质量问题之前,请查看设备状况的变化。

01

预警

屏幕加载与学到的基准不同的变化。

02

根源支持( R)

改变时间可以与质量记录相比较.

03

预防性检查

在缺陷扩散前 检查的线索要缩小

状态诊断带来的运营效果

通过持续监测并及早发现异常,不仅能提高设备可用率,还能降低维护成本并提升能源效率。

20~40%非计划停机减少
10~25%维护成本降低
5~15%能源节省
10~20%设备寿命延长

同时减少紧急故障处置,提高维护人员的工作效率,使设备管理更有计划性。

数值为一般范围,会因现场条件与设备而异。

SV500给出设备条件变化的预警;它不测量产品质量. 质量判断仍然依赖于线路的SPC/MES数据和检查结果.

质量下降

先用一台设备验证

试点从一台关键设备开始,建立基准状态,并与贵公司团队一同审阅 edgeSV 的诊断结果。

申请演示