技术文章/Technical articles
关于离心泵智能化及路径探讨
2020-10-09 15:55:13力士霸泵业

0 前言
当你走进工厂,除了机床的轰鸣声和机器人精准的移动之外,几乎看不到一名工人;当你外出时,只要输入目的地,无人驾驶汽车便自动选择最畅通的路线、在最短时间内将你安全送达(未来的交通出行,我们只需要把自己带上就行了);当你去便利店购物时,扫码即可进店,无需排队,无人收银,即拿即走,无感支付;

当你劳累了一天,在下班的路上通过手机APP,一键远程控制空调的开关、温度的调节,到家无需等待即可享受夏天的清凉或冬日的温暖,同时还可以让按摩机器人帮你放松身体;当你心情不好或在家无聊时,通过语音或手机APP即可唤醒家庭影音模式,欣赏音乐或大片,也可以找聊天机器人聊天;当你走进餐厅,根本就见不到服务员,整个用餐过程,不管是排除、点餐还是取餐、结账,全靠消费者用支付宝或者口碑自助完成……所有这一切,都与人工智能相关。

正如百度创始人、董事长兼CEO李彦宏的观点:“人工智能正在唤醒万物,催生万千产业智能化。人工智能与各行各业的融会贯通,将掀起产业智能化新浪潮。”

随着人工智能的普及和广泛应用,这为传统制造业的离心泵行业带来了巨大的挑战,“如何使其智能化”是每个泵制造商不得不面对的现实问题。国外不少泵制造商如美国FLOWSERVE公司、瑞士SULZER公司、德国KSB公司等,在“智能泵”方面早已走在了同行的前列;而国内绝大多数泵厂为了生存,还一直在中低端泵市场上苦苦挣扎,“智能泵”对于他们来说,似乎还是遥不可及的梦想。本文将尝试就“离心泵智能化及其路径”进行探讨,以期引起同行们的关注和借鉴。

1 关于人工智能

1.1 人工智能的定义
百度百科对人工智能的解释如下:

人工智能(Artificial Intelligence,英文缩写为AI)。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

美国麻省理工学院的温斯顿教授认为:“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”即人工智能是研究人类智能活动的规律,构造具有一定智能的人工系统,研究如何让计算机去完成以往需要人的智力才能胜任的工作,也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。

1.2 人工智能与数据分析的关系
很多人或公司错误地认为,只要其工作与数据或工作流程相关,都可以被称这为人工智能。数据分析只是人工智能的基础。

很多所谓的人工智能公司实际上做的是基础的数据分析,他们的技术来源于数据,而且结果都被用于实现特定的目的,例如,根据预设定的规则识别发送特定的信息。这种根据上下文来整理数据的做法并不是人工智能。它们之间的关键区别在于:人工智能系统具有迭代性,分析的数据越多,系统就会变得越智能,越能干,而且越自主化。真正的人工智能技术能够为现实问题提供突破性的解决方案,同时会彻底地颠覆市场。

1.3 离心泵智能化的必要性

随着社会的发展、科技的进步,人们对健康、环保、安全等方面的要求越来越高。作为通用机械的离心泵,广泛应用于各行各业,其各项指标也越来越受到人们的关注。数十年来,其维护方式多为被动式维护(设备已经失效,进行事故后维修)或预防性维护(通过采取适当的措施,如提高强度等,从而防止设备发生故障)。

1)市场的需要

随着人工智能的出现,预测性维护将成为一种趋势,并成为制造商和用户所追求的终极目标。人工智能不仅可以使用户和/或制造商实时监控设备的运行状态,在发生不可逆的故障或停机之前得到准确的诊断、确定维护和保养时间、提高设备运行可靠性并延长设备寿命,而且还可根据实际情况或需要,优化设备运行方式、提高运行效率、降低运营成本。

2)企业转型升级的需要

在互联网时代的大背景下,商业模式发生了巨大的变化。传统制造业为了生存和发展,企业必须由单一制造商向服务商转型。《中国制造2025》明确提出:要加快制造与服务的协同发展,推动商业模式创新,促进生产制造向服务型制造的转变 - 就是由单一产品制造向用户提供一整套系统解决方案。

2 机械保护及状态监测系统

人工智能需要依靠大量的数据支撑,而数据的获取离不开各种传感器。在探讨离心泵智能化之前,需要了解两个概念及其之间的关系 – 机械保护和状态监测。关于机械保护系统和状态监测系统,API 670标准[1]中有明确的定义和说明。

2.1 机械保护
机械保护系统(Machinery Protection Systems,缩写MPS):感知、测量、监测和显示机器参数以表明其运行状态的系统。当一个参数超过预先定义的限值、表明出现异常情况时,系统会将事件传达给操作人员和/或停机系统。该系统的目标是减轻对机器的损坏。该系统包括传感器系统、信号电缆、监控系统以及所必需的安装位置、安装夹具和说明文件。

2.2 状态监测

状态监测系统(Condition Monitoring Systems,缩写CMS):一种测量指定机器过程参数和预测趋势的系统。提供报警、显示和分析工具,用于检测和识别发展中的故障。允许继续监视检测到的故障以确定其传播和严重性。也可用于管理机器的运行状态,以减少因发展中的故障而产生的意外停机。CMS的目标是最大程度地提高可用性,同时降低运营和维护成本。

2.3 机械保护与状态监测之间的关系
实际工程应用中,由于机械保护系统和状态监测系统经常安装在一起,甚至可以紧密地集成在一起,因此,很多制造商/供应商和用户通常将两种系统混为一谈。CMS是一种计算机化的数据采集和分析工具,其与MPS最大的区别在于对运行设备进行趋势预测。目前,工程应用中所采用的基本上为MPS。MPS与CMS的基本区别如表1。

表1 MPS和CMS的基本区别
机械保护系统状态监测系统目的感知、测量、监测和显示机器参数,以表明其运行状态。测量机器过程参数和预测趋势的系统。用于检测和识别发展中的故障以确定其传播和严重性。也可用于管理机器的工作条件。目标防止人员受伤,防止或减轻对机器或环境的损害智能化地预测寿命。使操作人员和管理人员更好地了解关键资产的运行状况。

除了以上区别以外,两种系统还有一些相似之处。通常均用于一些重要工况的“关键”设备,同时,两种系统共享许多相同类型的传感器和相同类型的信号处理功能(通常将MPS的数据作为CMS的基础)。

3 泵的保护及监测

多年来,制造商一直致力于提高泵的可靠性,并开发了监测泵性能和运行状况的工具 – 机械保护系统。然而,这些工具通常只会在故障发生前或正在发生时起到“警示或提醒”的作用。

随着科技的不断发展,可以通过监测泵(组)过程参数的变化 – 状态监测,来确定离心泵的运行状态,并预测出机械零部件的寿命、故障可能发生的时间,以便在预期或规定的期限内对问题进行纠正。

离心泵最常见的监测项目通常如下[2]

  • 温度/温升。特别是轴承和密封腔的温度。主要涉及轴承、密封腔、润滑油、冷却水以及泵进/出口介质的温度;还涉及到泵壳体上/下温差。通过对泵进/出口介质温度的监测,有助于预测汽蚀的发生;通过对泵壳体上/下温差的监测,判断是否进行了充分的暖泵。

  • 压力/压差。主要包括泵进/出口的压力、冷却水及润滑油的压力、机械密封系统压力;还包括过滤器前后的压差。

  • 流量。可以预测泵壳体/叶轮耐磨环更换时间及开式叶轮间隙调整时间;通过流量监测还可以确定泵出口再循环系统的状态。

  • 泄漏。主要用于预测密封故障或压力边界的失效。压力积聚是监测泄漏的一种方式。通过一个双重无压密封装置内侧密封泄漏,检测到密封储罐隔离液压力的变化。另一种监测泄漏的方式是注意到隔离液流量的变化。通过一个双重无压密封装置内侧密封泄漏检测到从密封到排气系统或收集系统的气/液体流量的变化。通过一个双重有压密封装置内侧密封泄漏检测到从循环系统和储液罐的隔离液位的变化。

  • 振动。引起离心泵振动的原因很多,包括泵本体设计原因和外部条件因素两大类。而泵本体设计引起的振动主要体现在两个方面,机械引起的振动和水力引起的振动。通过振动监测可以检测或诊断出泵及其系统存在的各种问题。

  • 噪音。表示泵发生了汽蚀、动/静零部件出现摩擦、轴承损坏或其它一些异常情况。

  • 润滑剂品质。通过对润滑剂含水量及固体颗粒的检测,预测润滑剂的更换周期。

  • 轴位移。主要用于可倾瓦推力轴承的离心泵,叶轮和机械密封对轴向位移非常敏感。

其它可能监测的项目有:

  • 应变。预测动/静零部件之间是否会发生摩擦、泵壳体的腐蚀及现场管路支撑问题;另外,还可以监测离心泵轴向力的变化。

  • 功耗。检查泵的效率,预测发热问题。

  • 转速。主要用于变速运行的离心泵,以观察其对泵性能的影响。

  • 液位。包括供液箱的液位、润滑油箱的液位及密封系统缓冲/隔离罐的液位。通过对供液箱液位的监测,可以预测泵汽蚀的发生。

  • 间隙。趋近式表可以记录开式叶轮与泵壳体之间的间隙。

  • 轴挠度。通过安装于泵体上的趋近式表来测量轴挠度,以确保旋转部件与静止部件不会发生接触。同时,轴挠度过大,会导致耐磨环、机械密封和轴承过早失效。

在实际工程应用中,可以将泵(组)的监测集成为两个大的模块:性能监测模块和机械运转监测模块。也可以根据监测内容的不同,进一步细分为:振动监测模块、压力/差压监测模块、温度/温差监测模块、转速监测模块、汽蚀监测模块、泄漏监测模块、液位监测模块、润滑剂品质监测模块、应变监测模块等。根据不同需要,这些模块可以进行随意组合。

4 数据收集

过去,从离心泵及其驱动设备上收集数据需要花费大量的时间。随着传感器及互联网技术的发展,无线传感器应运而生,实时体现设备运行状态的数据收集变得越来越简单且自动化。

无线传感器产品为系统级产品,包括现场无线传感器、数据转发网关和监控主机等在内的整体解决方案。无线传感器终端产品在检测和监测市场将普遍应用于智慧城市、智慧能源、智慧制造、智慧工厂等各种领域。

离心泵的运行状态可以通过监测到的许多迹象来评估[3]

以振动监测为例,无线振动传感器可以提供潜在问题的早期预警,通过监测可以检测到泵中存在的各种问题,包括轴承问题、转子部件的不平衡或不对中、泵和电机部件的连接松动以及联轴器的问题。

接触式振动监测传感器安装在轴承座上以检测振动的变化。这些传感器可以永久性安装并连续监控,也可以临时性安装,作为基于路由的定期监控系统的一部分。

数据可以在设备的多个位置和方向(水平、垂直和轴向)上收集,振动数据被记录下来,可以通过远程或程序进行分析以识别故障。

如果我们选择监测泵的性能、并使用这些数据来预测即将发生的密封或轴承失效(故障),可以通过多种不同的传感器对以下过程参数进行监测和收集:

1)泵进/出口介质温度。

2)泵进/出口介质压力。

3)泵轴的挠度。

4)泵的出口流量。

5)泵的惰走时间(@停泵时)。

6)轴承座振动或轴振。

7)泵(组)噪音的变化。

8)电动机的电流变化等。

汽蚀是离心泵运行过程中较常见的一种故障,汽蚀会损伤密封件并缩短零部件的寿命。如果我们选择监测泵是否会发生汽蚀,那么必须监测以下过程参数:

1)入口压力下降。

2)入口温度上升。

3)入口流量降低。

4)出口扬程下降。

5)泵转速增加。

6)振动增加。

7)噪音增加等。

5 数据传输

美国水力协会和美国石油协会分别在ANSI/HI 9.6.5 "Rotary Pumps - Guideline for Condition Monitoring s"、API670 "Machinery Protection Systems"最新版本中介绍了无线数据传输技术的创新。有几种拓扑结构将无线传感器连接到接收站进行数据处理。图1显示了振动诊断星形拓扑网络。星形拓扑是由一个中心节点(通常是一个交换机或集线器)组成的网络,其作为传输信息的管道。

在基于状态监测网络中,主要接收机节点(PRNs)同时与多个振动传感器节点进行通信,以收集及时振动数据。

反过来,PRNs通过收集服务器(CS)直接连接到数据库服务器计算机或公司的主干网络。

实际上,传感器网络是一个两层星形网络,中央的数据库服务器计算机直接连接到传感器网络,其规模从一个非常简单的两传感器网络扩展到三传感器网络。可以监控从单台机器的运行状况到数百台机器上的传感器的超大型网络的所有内容。

图1 显示了收集服务器如何连接到工厂或设备的网络。

其中包括直接连接到公司主干内部网的以太网、连接到公司现有无线网络的Wi-Fi或蓝牙连接,以及通过蜂窝电话运营商连接到Internet的蜂窝网络数据连接。该网络基础架构示例突出了无线、在线状态监测策略在易于安装和可扩展性/可测量性方面的优势。

关于离心泵智能化及路径探讨


图1 - 振动诊断星开拓扑系统网络示例(来源于美国水力协会标准)

射频(RF)无线通信能力包括传输范围、可靠性和数据流率,将无线解决方案用于特定应用时,不得不在性能和功能方面进行权衡。为此,出现了不同的无线通信解决方案,以满足不同需求的市场。例如,蓝牙适用于短距离通信的设备;而无线HART可以实现低数据速率的大型网络;Wi-Fi支持高数据速率,但不适用于电池供电操作。

为了实现万物互联以及海量数据的传输,目前出现了新的无线通信解决方案5G。

5G具有高传输速度、泛在网(网络广泛覆盖社会生活的每一个角落,比如地下车库、卫生间、高山峡谷等)、低功耗、低延迟、万物互联等特点。

6 智能分析预测未来

对于收集到的泵(组)大量运行状态的信息,需要强大计算的支持,这将涉及到工业互联网平台和工业APP。

6.1 工业互联网平台[4]
工业互联网是全球工业系统与高级计算、分析、感应技术以及互联网连接融合的结果,包括边缘、平台(工业PaaS)、应用三大核心层级。工业互联网平台是工业云平台的延伸发展,其本质是在传统云平台的基础上叠加物联网、大数据、人工智能等新兴技术,构建更精准、实时、高效的数据采集体系,建设包括存储、集成、访问、分析、管理功能的使用平台,实现工业技术、经验、知识的模型化、标准化、软件化、复用化,不断优化研发设计、生产制造、运营管理等资源配置效率,以工业APP的形式为制造企业提供各类创新应用,最终形成资源富集、多方参与、合作共赢、协同演进的制造业新生态。
工业互联网平台功能架构图及设备智能运维云平台详见图2、图3和图4。

关于离心泵智能化及路径探讨


图2 - 工来互联网平台功能架构图(来源于《工业互联网平台白皮书2017》)

关于离心泵智能化及路径探讨


图3 – 设备智能运维云平台架构参考图a(来源于博华科技网页)

关于离心泵智能化及路径探讨


图4 – 设备智能运维云平台架构参考图b(来源于博华科技网页)

工业设备运行过程中高频数据(信息)采集,往往会对网络传输、平台存储与计算处理等方面带来性能和成本上的巨大压力。为了避免此类情况的发生,将会用到“边缘计算”。在边缘层进行数据的预处理和缓存,成为了主要平台企业的共同做法。

当前,工业互联网平台应用覆盖范围不断扩大,数据分析程度不断加深,从以可视化为主的描述性分析,到基于规则的诊断性分析、基于挖掘建模的预测性分析和基于深度学习的指导性分析。

1)设备维护场景中

工业互联网平台结合设备历史数据与实时运行数据,构建数字孪生,及时监控设备运行状态,并实现设备预测性维护。

2)能耗管理场景中

基于现场能耗数据的采集与分析,对设备、产线、场景能效使用进行合理规划,提高能源使用效率,实现节能减排。

3)产品/装备远程预测性维护场景中

在平台中将产品/装备的实时运行数据与其设计数据、制造数据、历史维护数据进行融合,提供运行决策和维护建议,实现设备故障的提前预警、远程维护等设备健康管理应用。

6.2 工业互联网APP[5]
随着制造业与互联网融合发展的纵深推进,制造业数字化、网络化、智能化转型步伐加快,APP从消费领域向工业领域快速渗透。世界主要发达国家正在加快布局工作互联网平台,大力部署工业APP,通过激活工业数据和知识资源,赋能工业提质增效和转型升级。

工业互联网APP(以下简称工业APP)是基于工业互联网,面向工业产品全生命周期相关业务的场景需求,把工业产品及相关技术过程中的知识、最佳实践及技术诀窍封装成应用软件。其本质是企业知识和技术诀窍的模型化、模块化、标准化和软件化,能够有效促进知识的显性化、公有化、组织化、系统化,极大地便利了知识的应用和复用。

工业APP既可以安装、部署和运行在诸如工业大数据平台、工业通用设计软件平台、生产管控平台等系统平台上,也可以单独使用在电脑单机上。用户可以根据使用需求安装、使用、相互调用、流通、卸载或更换,操作快速、方便、灵活。见图5。

关于离心泵智能化及路径探讨


图5 – 工业APP开发及应用参考架构图(来源于《工业互联网平台白皮书2017》)

工业互联网带来工业数据的爆发式增长,大数据与机器学习方法正在成为工业互联网平台的标准配置。工业APP可由工业大数据驱动,调用大数据与机器学习微服务或能力,替代人工积累经验,并自动发现知识,实现自诊断、预测与优化、决策支持。

企业可以按照工业APP构建自有技术体系。工业APP通过将行业工业技术结构化、数字化和模型化,可以建立各种工业技术之间的有序关联,形成覆盖工业产品研发、生产和运维全过程的完整知识图谱。借助工业APP的可存储、可计算和可升级,不断地促进着企业知识的更新换代。

6.3 专家系统
尽管离心泵属于通用机械,但由于其专业性非常强,属于一门半理论半经验的学科,要想顺利完成智能化转变,需要专家系统的支持。

专家系统是一个具有大量专门知识与经验的程序系统,根据某个领域的专家提供的知识和经验进行推理和判断,模拟人类专家的决策过程。一般的专家系统由知识库、数据库、推理机及知识获取器五个部分组成。

专家系统在工业企业中的典型应用:

1)诊断型专家系统。根据症状,得到故障的原因及排除故障的方案。如设备的故障诊断。

2)解释型专家系统。根据表征现象和信息解释其深层含义。如频谱分析。

3)预测型专家系统。根据以往数据预测未来情况。如根据趋势预测设备寿命。

4) 控制专家系统。根据控制过程的状态变化,依据专家经验,合理地选择控制动作,达到优化的目的。

6.4 数据挖掘
数据挖掘是指从大量的、模糊的、随机的数据中通过算法搜索或提取隐藏于其中的潜在有用的信息和知识的过程,是一种能够智能的自动的将数据转换成有用信息和知识的技术及工具。

数据挖掘在工业企业中的典型应用:

1)商务。主要包括电子商务、客户关系管理等。可以用数据挖掘发现电子商务客户的共性和个性的信息、独立和关联的信息、现实和预测的信息等,所有这些信息经过分析,能对客户的消费行为等做出统计和分析,为管理者提供决策依据。

2)运维。通过对历史时间序列数据的挖掘、分析,预测未来一段时间内的发展趋势及其带来的影响。

6.5 实际工程案例
实际工程应用中,制造商可以将结合了理论知识、设计数据和最佳工程实践的离心泵专家系统进行标准化、模型化、软件化封装成不同的工业APP,如振动、性能、寿命预测APP等,通过数据对比、推理、判断和挖掘,以发现设备运行中可能潜在的问题,最终的目的是优化运行、提高效率、延长寿命,同时实现对设备预测性维护。

某核电站反映现场位号为3CEX002MO(立式VS6)的离心泵组长期存在电动机上轴承(座)振动偏高的问题,提供了以下信息、并做出自己的初步判断:

1)振动值不稳定,泵组启动后在1~7 mm/s之间来回波动。

2)停泵状态下(相邻泵组在运行),电动机上轴承振动达到2 mm/s。

3) 单泵试车期间振动正常,凝汽器抽真空后再启动,振动明显升高。

4) 泵的振动随流量升高呈下降趋势。

现场实测振动频率与电机上部的固有频率一致,由此,现场怀疑电机的振动是由于流体激振频率和电动机固有频率之间产生共振所致。

带有专家系统的振动诊断工业APP(如有)所列出的引起振动偏高的可能的原因有:

1) 转子部件不平衡。

2) 轴发生弯曲或变形。

3) 动/静零部件发生碰擦。

4) 轴承存在缺陷或损坏。

5) 泵组接近临界转速运行。

6) 零部件松动或损坏。

7) 零部件强度不足。

8) 基座松动。

9) 基础强度不足。

10) 泵在偏小流量或偏大流量处运行。

11) 泵入口压力偏低和/或进水箱压力偏低。

12) 泵发生汽蚀。

13) 泵叶轮叶片外圆与导叶之间的径向间隙偏小(叶片通过频率产生的低频振动)。

14)泵组不对中。

15)泵或管路没有充分地排气。

16)润滑油/脂品质下降……

由于该泵为成熟产品,已广泛应用于国内各大核电站,具有很多相同工况非常良好的运行业绩。经带有专家系统的工业APP(如有)对所有信息的对比、分析、排除、推理,最终判断电动机上轴承振动偏大可能的原因如下:

1)现场基础强度不足(相邻泵之间互相干扰);和/或

2)机械松动(检查泵组地脚螺栓是否松动);和/或

3)泵偏离高效区运行。

说明:以上仅提供一种可参考的预测或诊断思路,结果不一定非常准确。

7 分析结果的实施

当发现潜在问题时,监控系统可以通过自动电子邮件报告通知设备供应商和/或用户和/或现场操作人员,确定报警级别(是否需要立即处理还是需要关注)和产生的根本原因,提出可行的解决方案。故障模式包括轴承故障、机械密封失效、性能偏差、联轴器未对中、转子不平衡、汽蚀、基础松动、振动、噪声等。

对于某些潜在问题,如性能偏差,可以通过现场操作人员或者手机客户端APP、工业APP来调整设备的运行,甚至可以由工业APP自动调整。

8 离心泵智能化现阶段建议

8.1 由简到繁
在现阶段,我国离心泵行业可以借鉴国际同行的一些做法,由简到繁 - 先对泵赋予某一单一智能化功能(如优化运行方式、自动启停泵的数量等);然后,在经验及市场需求的基础上,不断对泵赋予更多的智能化功能。这样的案例比较多。

德国KSB公司为Calio和Calio S型系列循环泵专门开发了一套智能化动态控制系统,它们基于算法自动调整泵的流量和扬程,使工作点始终处于最优状态。

由于用户/设计院通常不知道较准确的现场系统阻力曲线,因此,设计人员会选择一个比系统阻力曲线高得多的设计曲线,从而导致泵的使用功率超过了实际需要的功率,造成不必要的能源浪费。动态控制系统依据从泵组内部信号中自动收集到的信息,可以自行判断出系统阻力曲线,然后自动优化运行工况。

丹麦GRUNDFOS公司推出了一款实时分析和诊断机器健康的解决方案系统GMH。GMH系统为工业、自来水厂和商业应用的旋转设备提供准确的内部分析。它使用先进的无线传感器监控泵及其系统,并将数据传输到安全的云平台,该平台上的算法可检测到最小的振动、温度变化和磁通量。任何异常都将转换为可执行的任务并发送给维护团队,从而延长设备的使用寿命并提高运营效率。

2018年,Framo公司为Aker BP公司提供的用于Ivar Aasen油田的智能海水提升泵,基于传感器提供的大量实时监测数据,在工业AI软件公司Cognite算法的支持下,可以预测设备的状况、预见未来泵将发生的情况,从而增加泵的正常运行时间,并对其进行预测性维护。

美国FLOWSERVE公司开发了基于网络的软件程序 - IPS观察平台和Flowstar.net,可以实现:通过简化的示意图查看性能状态;监控实时设备性能;进行预测分析;基于事实和可证实数据的纠正措施建议;回顾设备历史信息;管理设备更换、维修、保养、调整的时间及成本等。

至于离心泵运行维护方面的APP的开发:

1)对于一些有实力的企业,可以自行开发。

2)对于没有自行开发能力的企业,可以与工业互联网平台商或第三方开发商/开发者合作,共同开发。

8.2 人机结合
无论基于技术、成本还是历史经验,现阶段离心泵都无法达到完全的智能化。因此,通常的做法是进行人机结合的方式,来处理现场潜在的或已经出现的问题。

9 总结

离心泵智能化是市场和企业转型升级的需要。

智能来自所收集的数据、如何对其进行分析以及如何实施分析的结果。

智能化有助于预测性维护、优化系统运行、节省停机时间和能源消耗。同时,通过更主动的预测性的维护模型,增加设备寿命和操作安全性。

智能化离不开工业互联网平台和工业APP。

现阶段,离心泵智能化应由简到繁、采用人机结合的方式。


参考文献

[1] Machinery Protection Systems, API STANDARD 670 FIFTH EDITION, NOVEMBER 2014

[2] 谢小青,泵行业如何实现从传统制造到智能制造的华丽转变,泵工程师,2018年6月号 总第70期,P16-21

[3] How can you implement the IIoT to monitor vibration in a pumping system? HI Pump FAQs by Hydraulic Institute, 03/28/2017

[4] 工业互联网产业联盟,工业互联网平台白皮书(2017),2017年11月

[5] 中国工业APP联盟,工业互联网APP发展白皮书(2018年),2018年6月

特别说明:未注来源的其它人工智能方面的内容,均摘自互联网。

摘自泵友圈