AI产品或应用名称：基于AI的预测性维护方案
供应商：南京菲尼克斯电气有限公司
产品描述
菲尼克斯预测性维护方案基于AI算法模型打造，用电机的历史数据建模，在实际部署中以历史数据为健康模型基准实施检测，如果运行数据和模型有偏差就证明有潜在异常出现，根据偏差的大小就可以反映设备的异常程度。AI算法模型主要通过三种不同的方式进行检测：第一，检测与历史运行情况的有偏差的数据，比如异常的温度，异常的振动等等。第二，通过分类算法检测并预测出不同类型的故障，因为一台设备往往有很多不同的故障，通过这种分类算法，我们可以根据建立的机器学习的模型提前知道设备在未来会发生哪种故障。第三，根据设备运行的数据来预测剩余使用寿命，可以根据预测数据提前准备维修或者更换配件。
预测性维护方案能够预先察觉潜在问题，避免设备遭受严重损失。该方案的独到之处在于它与AI算法的完美融合，显著提升预测性维护的智能化水平。该方案能够精准捕捉电机和生产数据，有效识别并定位故障，从而帮助客户解决核心痛点。
创新点一：机器学习应用。采集来自现场设备的数据并进行存储，将历史数据通过MLnext Creation进行模型训练，部署MLnext Execution完成实时推理计算，并将结果接入维护系统中完成闭环。
创新点二：异常检测应用。先设定阈值的范围，建立AI算法模型后，结合所有采集的参数进行预测，检测预测数据中是否存在与历史运行情况的有偏差的数据。
创新点三：结合生产数据的神经网络应用
将神经网络算法和现场设备生产情况深度绑定，结合设备独特的运行工况、生产的产品类型、运行数据等不同维度的数据构建模型，得到的模型与场景中的目标设备高度贴合，可以敏锐地检测出设备的潜在问题并实现精准故障预测。
模型的建立不是一蹴而就的，用户在多个模型中适配最优方案，另外如温度不仅需要采集目标设备温度还考虑环境温度的变化对模型的影响，从而提高模型的精度。
菲尼克斯电气基于AI的预测性维护方案不仅适用于电机，针对空压机，升降机，机器人，波峰焊等核心设备也有广泛的应用前景。以某数字化工厂的空压机为例结合压缩机空压机各排气、进气压力和温度、各点位振动以及使用年限，评估设备健康度趋势。菲尼克斯电气基于AI的预测性维护方案适用于汽车，物流，烟草，数据中心等多个行业拓展。
菲尼克斯预测性维护解决方案是基于PLCnext平台打造的，PLCnext可使用免费开源软件组件，支持多名开发人员同时在一个平台上工作，将云计算和传统自动化应用相结合，打通IT/OT边界，具备良好的生态开放性。在AI应用方面，机器学习组件MLnext Creation可支持桌面或容器化部署，适用于各类硬件平台。同时提供无代码的建模能力，让熟悉设备、生产、现场情况的工程师在不需要掌握编程和建模底层逻辑的基础上即可完成模型的创建。MLnext Execution同样支持容器化部署，支持运行于各类支持容器应用的边缘控制器或服务器中，开发者和合作伙伴可以根据自己的产品、应用场景和需求进行灵活的配置和调整。
文章来源：南京菲尼克斯电气有限公司
图片来源：南京菲尼克斯电气有限公司
转载平台：企业供稿
责任编辑：朱晓裔
审 核 人：李峥
