e-MCM

Мониторинг состояния двигателя без датчиков

 Artesis e-MCM — это мощный онлайн-мониторинг состояния, предиктивное обслуживание и измеритель мощности, предназначенный для критически важного вращающегося оборудования переменного тока. Запатентованный алгоритм машинного обучения e-MCM обеспечивает комплексное обнаружение неисправностей на срок до 6 месяцев вперед. Благодаря круглосуточному мониторингу и анализу напряжения и тока на основе модели в реальном времени, e-MCM может обнаруживать электрические, механические и технологические неисправности двигателей и генераторов с фиксированной и переменной скоростью вращения, обеспечивая все преимущества без высокой сложности и стоимости традиционных систем.

ВЫСТАВКИ

Artesis e-MCM контролирует состояние оборудования, приводимого в движение электродвигателем, эффективно используя сам двигатель в качестве сложного преобразователя и предоставляя четкую информацию для обнаружения неисправностей, диагностики, времени до отказа и корректирующих действий.

  • Всесторонний охват неисправностей
  • Онлайн-мониторинг состояния
  • Автоматизированная диагностика неисправностей
  • Простое решение для труднодоступных двигателей
  • Раннее обнаружение неисправностей
  • Влияние неисправностей на энергоэффективность
  • Технология, удостоенная награды
  • Онлайн-мониторинг мощности

Характеристики

Простота использования

Функция автоматической диагностики неисправностей e-MCM делает ее очень простой в использовании обслуживающим персоналом. Вместо того чтобы перегружать конечного пользователя необработанными сигналами и данными, e-MCM предоставляет результаты обработки данных в удобной для действий форме. Система требует минимального вмешательства оператора при настройке и эксплуатации и обеспечивает четкую индикацию характера и серьезности развивающихся неисправностей как локально на контролируемом оборудовании, так и удаленно.

Мониторинг в режиме реального времени

e-MCM постоянно проводит измерения и сравнивает их с эталонным состоянием, чтобы оценить серьезность и тип любой развивающейся неисправности. Он способен распознавать аномалии в широком диапазоне рабочих состояний и даже способен расширить процесс самообучения, когда он понимает, что вышел за пределы своих первоначальных границ обучения. Это позволяет e-MCM достичь очень чувствительного обнаружения неисправностей без ложных срабатываний.

Простота планирования технического обслуживания

Услуги удаленного мониторинга и отчетности способствуют развитию устойчивой системы прогнозируемого технического обслуживания (PdM) на предприятии без дополнительной нагрузки на персонал.

Простая установка

Для установки e-MCM требуется только подключение трехфазного напряжения и тока через недорогие трансформаторы тока (ТТ) и трансформаторы напряжения (ТН) (при необходимости). Обычно он размещается в шкафу управления двигателем, что требует очень коротких кабельных линий и исключает необходимость установки оборудования в удаленных или опасных зонах. При первом включении e-MCM выполняет автоматический процесс самообучения, в ходе которого устанавливается нормальное рабочее состояние оборудования. Передовые методы анализа гарантируют, что это обучение учитывает такие переменные, как скорость и нагрузка, и что существующие неисправности не приведут к ошибкам в обучении.

Как это работает

e-MCM непрерывно следит за вращающимся оборудованием, постоянно проводит измерения и сравнивает их с цифровым двойником, созданным в процессе самообучения. Уникальный алгоритм машинного обучения позволяет ему распознавать нормальную работу в широком диапазоне условий, например, при различных скоростях или нагрузках, что обеспечивает жесткий контроль без ложных срабатываний. Если e-MCM определяет новое рабочее состояние, не встречавшееся на этапе самообучения, он дает вам возможность включить это состояние во все последующие наблюдения.

  • Межвитковое замыкание (ранняя фаза межвиткового замыкания) Межфазное замыкание Дисбаланс импеданса или сдвиг изоляции Деградация мягкой ножки (деформация статора) Ослабление ножки (ослабление болтов) Перегрев обмотки Ослабление обмотки Ослабление ламинирования
  • Дисбаланс (деформация вентилятора, вала) Тепловой изгиб (дисбаланс) Статический и динамический эксцентриситет Потертости Сильная пористость Угловая и параллельная несоосность Сломанные, поврежденные и ослабленные стержни ротора Перегрев Ослабление обмотки Ослабление ламинирования Деградация демпфирующего сепаратора Деградация ПМ
  • Точечная коррозия наружной и внутренней дорожек качения Износ шариков/роликов Деформация сепаратора/дорожек Забитый подшипник Загрязнение смазки Переизбыток смазки Ползучесть/скольжение подшипника Ложное и истинное бриннелирование Завихрение и выбивание масла в подшипнике скольжения Радиальный преднатяг подшипника скольжения Затирание ротора подшипника скольжения
  • Точечная коррозия наружной и внутренней поверхности
    Износ шариков/роликов
    Деформация сепаратора/дорожки качения
    Забитый подшипник
    Загрязнение смазки
    Избыток смазки
    Ползучесть/скольжение подшипника
    Ложное и истинное бринеллирование
    Вихревое движение масла в подшипниках скольжения
    Радиальный преднатяг подшипника скольжения
    Трение ротора подшипника скольжения
  • Сломанные зубья/зажимы Ослабление Чрезмерный зазор Эксцентриситет Дисбаланс Качество зацепления Люфт Несоосность Проблемы с фазами сборки Охотничья частота зубьев
  • Высокое энергопотребление Низкий КПД Кавитация в насосах Турбулентность потока в вентиляторах, воздуходувках Засорение фильтров и теплообменников Смазка Двигатели увеличенного/неувеличенного размера

Power Monitoring

  • Снижение затрат на техническое обслуживание
  • Повышение производительности
  • Увеличение срока службы оборудования
  • Энергосбережение
  • Повышение безопасности технологических процессов
  • Нефть и газ
  • Энергетика
  • Цемент
  • Металлургия
  • Фармацевтика
  • Автомобильная промышленность
  • Водный транспорт
  • Продукты питания и напитки Здания
  • Компрессоры
  • Вентиляторы
  • Насосы
  • Конвейеры
  • Генераторы
  • Оборудование с приводом от электродвигателя
  • Миксер
  • AHU

Downloads

Document Title
Category
Download
×
img

    X
    X

      Case Study: Hamestring - Identifying Root Cause