識別潛在提升機會

與石油和天然氣等類似行業(yè)相比，采礦業(yè)歷來受到低固定資產(chǎn)利用率、低能效和長停機時間的困擾。相關企業(yè)實施低效率的人工方法，過度依賴現(xiàn)場工人對設備和系統(tǒng)進行監(jiān)測、維護和報告。

Metso 著手打造由 IIoT 驅(qū)動的選礦設備預測性維護和資產(chǎn)優(yōu)化解決方案，幫助礦山進一步實現(xiàn)自動化采礦的目標。最終Mesto Metrics在礦業(yè)中實現(xiàn)了保證現(xiàn)有資產(chǎn)持續(xù)形成高的生產(chǎn)效率，同時降低高昂的設備故障和停機的愿景。

Metso Metrics 能夠有效減少計劃外停機時間以及提高維護操作的可預測性和準確性，從而解決選礦設備整體設備效率 (OEE) 低下的問題。同時還能優(yōu)化設備性能，最終提升運營水平和能效。

將人工智能與人類智慧相結(jié)合

Metso Metrics 通過將關鍵設備通過PLC和IIOT互聯(lián)進行相關實施工作。。它從設備傳感器收集數(shù)據(jù)，并安全地將數(shù)據(jù)發(fā)送至云端。然后，它對數(shù)據(jù)執(zhí)行高級 AI 算法，以檢測新的或已知故障模式，并在數(shù)據(jù)顯示潛在問題時向管理人員發(fā)出警報。

在澳大利亞的一個鐵礦石礦區(qū)，Metso Metrics 從礦山破碎機數(shù)據(jù)中尋找已知故障模式和異常情況，幫助采礦者預測事故、主動進行維護并避免停機。

“我們已經(jīng)為該客戶開發(fā)了多套子系統(tǒng)算法，包括驅(qū)動和液壓系統(tǒng)，我們正在跟蹤有關振動模式、濾油器和襯套健康狀況的數(shù)據(jù)。”Metso 首席數(shù)字官 Jani Puroranta 說道。“在其中的一個案例，振動模式表明破碎機的某個特定區(qū)域存在問題。于是，我們的服務團隊要求現(xiàn)場維修團隊進行評估，發(fā)現(xiàn)了一個易于修復的部件松動問題。如果沒有識別并修復這個問題，很可能導致災難性事件，潛在損失將會超過 100 萬美元。”

每套機器算法都針對特定機器行為進行 4-6 周的訓練，這為實現(xiàn)最佳效能奠定了基礎。在實時模式下，機器算法執(zhí)行全天候監(jiān)控，以檢測和預測潛在故障或問題。?

在智利圣地亞哥和中國長沙均設有遠程團隊，負責觀測機器信號，并對數(shù)據(jù)進行說明，幫助指導客戶行動，在沒有檢測到問題的情況下也能提供性能優(yōu)化建議。他們負責管理需要立即采取行動的案例，并與當?shù)噩F(xiàn)場團隊協(xié)調(diào)維護工作。Metso 的主題專家還通過使用該信息從 Metso 全球各地辦事處為客戶提供遠程支持。

目前取得的成果

初步估計和安裝報告顯示，礦石加工廠的最大受益在于避免了事故和相關維護成本，包括停機成本。

全球已有 10 多座礦山使用了 Metso Metrics的方案，并實現(xiàn)了 1000 多臺 IIoT 設備聯(lián)網(wǎng)。由于多次及早發(fā)現(xiàn)問題，已避免了數(shù)十萬美元的損失。雖然建立基于 IIoT 的預測性維護和資產(chǎn)優(yōu)化系統(tǒng)需要大量的前期投入，但客戶可以立即見到成效。

對客戶而言，Metso Metrics 還提供了不少間接優(yōu)勢。隨著 Metso 開發(fā)和推出新設備模型，Metso 工程師不斷使用分析過程中獲得的數(shù)據(jù)監(jiān)測新設計在實際工況下的能效。隨后可以根據(jù)性能數(shù)據(jù)改進新設計，從而開發(fā)出更智能、更高效的設備，進一步惠及未來運營。

“我們收集的信息提供有關客戶在現(xiàn)場如何使用我們機器的寶貴見解，引導我們的研發(fā)團隊更快創(chuàng)建新模型，從而加快產(chǎn)品上市速度，”Puroranta 表示。