欧美大地

通过智能振动监测和预测分析延长正常运行时间

应用研究 - 了解关键组件性能
使用实时监控来了解在线机器振动可使机器保持运行; 允许预测而不是被动维护，以及历史趋势分析和机器与操作环境之间的比较。

挑战
基于振动的机器健康监测传统上需要访问昂贵的传感硬件和软件，迫使关键资产的所有者和操作者在权衡健康监测系统的益处时做出艰难的ROI选择。

实时警报和历史分析 - 使用SensorCloud和MathEngine分析工具，通过设备生命周期提供机器和操作环境之间的特征度量标准。

振动监测的好处

• 减少关键资产的意外停机时间

• 通过在问题升级之前解决问题来防止对设备的昂贵损坏

• 优化前期费用实现投资回报

• 在诊断异常机器行为时，与队友和振动专家协作

特征

• 可视化工具可扩展至TB级数据集

• 较强的MathEngine分析环境，可以访问Python，Scipy和Numpy

• 条件超出的实时短信和电子邮件警报

• 具有可嵌入小部件，全白标签选项和集成服务的自定义可构建仪表板

机器健康监测 - 测量工厂设备的使用中振动，可在高价值生产过程中进行预测性维护。

解决方案
云计算和大数据工具大大降低了处理许多工业振动应用中常见的大量传感器数据的相关成本。SensorCloud的工业客户正在利用这些新功能部署基于状态的监控和预测系统，而成本和安装时间只是传统系统的一小部分。

连接：传感器数据可以发布到SensorCloud平台，时间戳分辨率为1纳秒，适用于从有线和无线加速度计获取高速振动波形。相同的API也可用于发布和同步温度，压力，扭矩和转速。

监控：设备所有者和操作员可以配置定制的SMS和电子邮件警报，以通知人员超出操作限制的机器状况，或者可能需要调查和预防措施。

分析：灵活的MathEngine®分析环境允许客户部署特定于设备的健康监测算法，以提取关键振动指标（RMS和峰值速度，RMS和峰值加速度，波峰因数）并生成趋势报告。