NORD-predictive-maintenance-solutions crop

Er tilgjengelig som forhåndsvalgt og redigert smartdata for videre bruk

Digitalisering innen drivteknologi gir kunden merverdi fra stasjonsdata

Hvordan intelligente stasjoner fra NORD DRIVESYSTEMS forbedrer tilgjengeligheten. Prediktivt vedlikehold er systematisk videreføring av tilstandsvedlikehold med mål om proaktivt vedlikehold av maskiner og utstyr og oppdage endringer, redusere nedetider og øke effektiviteten til hele anlegget. Statusorientert vedlikehold erstatter tradisjonelt tidsbasert vedlikehold.

Spesielt for drivsystemer i krevende produksjonsmiljøer hvor industrielle girinstallasjoner vanligvis brukes i sensitive applikasjoner og svikt kan forårsake alvorlige skader, for eksempel innen intralogistikk, næringsmiddelindustrien eller tungindustrien, supplerer tilstandsovervåkingen triaden av giret. enhet, elektrisk motor og frekvensomformer med forbedret sikkerhet og pålitelighet. Det er her tilstandsovervåking for prediktivt vedlikehold kommer inn i bildet: Basert på intelligente algoritmer og programvare i et IIoT-miljø, kan de nettverksbaserte drivenhetene samle tilstandsdataene sine i omformerens egen PLS og forbehandle dem sammen med data fra tilkoblede sensorer og aktuatorer. Resultatet av forbehandlingen eller de komplette dataene kan eventuelt overføres til en kantenhet. Der administreres og evalueres data fra alle delsystemer. Den er da tilgjengelig som forhåndsvalgt og redigert smartdata for videre bruk og tydelig visualisering.

Dataanalyse i stedet for bare datalesing
Et konkret brukseksempel er sensorløs bestemmelse av den optimale oljeskiftetiden basert på oljetemperaturen. Dette er basert på at oljetemperaturen er en nøkkelfaktor for oljealdring i gir. Denne informasjonen i kombinasjon med tilgjengelige girparametere og spesifikke driftsparametere gjør det mulig å beregne oljeskiftetiden nøyaktig. En fysisk temperatursensor er ikke nødvendig.
Forbehandlingen av drivdata skjer i NORD frekvensomformerens integrerte PLS som brukes som evalueringsenhet. Kunden kan få tilgang til de beregnede dataene via alle vanlige grensesnitt.

Riktig PLS-programvarearkitektur for hver løsning
Drivutstyret kan valgfritt utvides og tilpasses den respektive automatiseringsoppgaven. Kunder kan velge hvilke oppgaver (driftsovervåking, drivkontroll, prosesskontroll) de ønsker å skifte direkte inn i drivverket. I mindre produksjonsområder gir denne skalerbarheten muligheten til å få første erfaringer før omorganisering av anlegget. Det er tre tilgjengelige konfigurasjonsnivåer. På det første nivået utfører drivenhetens PLS kun drivenhetens overvåking. Driftsparametrene er forhåndsbehandlet i PLS og kommunisert til det overordnede kontrollsystemet som er ansvarlig for driv- og prosesskontroll. På middels nivå integrerer PLS'en drivstyringen og kjører også drivrelaterte funksjoner. På det høyere konfigurasjonsnivået erstatter inverter-PLS fullstendig kontrollsystemet på høyere nivå. Bortsett fra kommunikasjonen til en kontrollenhet, kan en lokal databehandling uten internettforbindelse valgfritt bruke dataene.

Ny utgave av Min Drift & Vedlikehold. Nr 3 -2025

Ny utgave ute!

Ny teknologi gir praktiske fordeler i drift og vedlikehold – fra lokalt printede reservedeler til droner i tunnelinspeksjon.

Les hvordan innovasjon allerede effektiviserer hverdagen i industrien.

Nscale tar i bruk HxGN EAM fr Prevas for vedlikeholdsstyring

Nscale tar i bruk HxGN EAM for vedlikeholdsstyring

Datasenteret i Glomfjord skal få bedre oversikt og kontroll med ny skyløsning fra Prevas og Hexagon.

NFV sesminar

Seminar om KI i industribedrifter

Hvordan kan du og din bedrift optimalisere industriprosesser gjennom KI? Og hva betyr dette egentlig? Norsk Forening for Vedlikehold arrangerer én-dags seminar der bransjeledere og KI-pionerer deler sine erfaringer og beste praksiser.

Mainteck konferansen

Klart for for Maintech-konferansen

Årets konferanse holdes 1. og 2. april på Britannia i Trondheim. Hovedparolen i jubileumsåret er Teknologiske krefter med menneskelig kontroll. Her får man innsikt i hvordan samspillet mellom mennesker og maskiner kan påvirke vedlikeholdet. Du kan også lære mer om hvordan levetiden til eksisterende utstyr kan forlenges med ny teknologi som maskinlæring, kunstig intelligens og smarte vedlikeholdssystemer.