预兆诊断系统“HiPAMPS”:通过保全管理的效率化来帮助设备的稳定运转和生产效率的提高:预兆诊断解决方案:株式会社日立力量解决方案

转到页面正文

Hitachi
日立力量解决方案日立力量解决方案 联系我们联系我们

预兆诊断系统“HiPAMPS”

通过保全管理的效率化,支援设备的稳定运转和生产效率的提高

预兆诊断系统“HiPAMPS”分析从设备收集的传感器数据,检测设备的“与平时不同”。

要求高运转率的机械、设备发生预想外的停止的话,企业会受到很大的损失。但是,为了监视机械、设备的状态而收集的数据不能有效利用的情况下,由于成本的关系而放弃自动状态监视等,不能防止预想外停止的设备不在少数。

“HiPAMPS”通过数据挖掘技术有效利用从机械、设备收集的传感器数据,将机械、设备的状态变化尽快通知用户。

此系统可帮助您实现状态监测维护(CBM:Condition Based Maintenance),以便根据设备状态进行适当的维护,从而避免意外停机并降低维护成本。

满足客户的“设备能使用到什么时候?”和“想知道故障发生的风险”等需求,除了提高客户设备的运转率之外,还将为进一步降低维护计划和管理成本做出贡献。

HiPAMPS特性

◆多种诊断引擎

可以根据目的和运用选择诊断引擎。

  • 想要快速诊断→矢量量化法(VQC:Vector Quantization Clustering)[快速诊断]
  • 想要进行高精度的诊断→局部局部空间法(LSC:Local Sub-space Classifier)[高精度诊断]
  • 要估计故障原因→灵活的纯贝叶斯估计(FNB:Flexible Naive Bayesian inference)

VQC(快速诊断):使用机器学习检测与学习不同的状态

我想快速诊断

LSC(高精度诊断):通过部分空间法再现机器学习中积累的数据,检测与学习不同的状态

想要进行高精度的诊断

FNB(灵活纯贝叶斯估计):基于贝叶斯估计法,估计过去事例中具有相同特点的故障原因

想推定故障的原因

◆无模型诊断方式

因为是无模型的诊断算法,所以即使在设备系统的运行状态发生较大变动的情况下,也不需要针对每个迁移状态进行模型构筑和模拟。
如果有用于检测与平时不同状态的正常状态的运转数据,可以诊断多种多样的设备。

图:适用于多种设备

◆直观的画面

简单易懂地画面显示设备的状态变化,“可视化”设备的各种状态。摆脱对特定作业者的经验和技能的依赖(属人化),即使作业者发生变化,谁都可以掌握设备的状态。

诊断状况的确认

诊断状况的确认

原始数据、学习数据等的“可视化”

原始数据、学习数据等的“可视化”

确定参与的传感器

确定参与的传感器

预兆诊断系统“HiPAMPS”的扩展功能

实现客户设备的稳定运转(阈值判定功能的并用)〈专利第4832609号〉

利用数据挖掘(学习功能型自动检测)技术分析设备的运行数据。另外,根据本公司工程师设计的输入条件,可以同时使用检测水平和变化率等的阈值判定功能。由此,也可以捕捉突发性设备的状态变化。另外,由于设备状态的说明很容易,所以容易决定下一个动作。

维护信息的数据库构筑和活用(专利第5081998号)

在选择学习数据时,通过活用本公司数据库化的维护信息,实现精度更高的故障预兆诊断。

通过异常原因的推定提出状态的改善对策(专利第5753286号)

通过登录过去的故障和维护记录以及与此相关的传感器信息,显示检测出故障预兆时过去发生的类似信息。由此,可以缩短估计故障原因所需的时间。

记载的关于专利、专利申请的记载表示2022年4月时的状态。
专利等的状态,根据第三方请求的专利无效审判、权利化手续的状况,有与记载时刻的状态不同的情况,请事先谅解