მონაცემთა შემგროვებლების გაგება
ა მონაცემთა შემგროვებელი არის მოთავილი, ბატარეაზე მომუშავე ელექტრონული ინსტრუმენტი, რომელიც განკუთვნილია ეფექტური მარშრუტზე დაფუძნებული ვიბრაცია მონაცემთა შეგროვებისთვის ინდუსტრიაში მდგომარეობის მონიტორინგი პროგრამებში. იგი აერთიანებს vibration-measurement front end-ს ნავიგაციის პროგრამულ უზრუნველყოფასთან, რომელიც ტექნიკოსს ხელმძღვანელობს წინასწარი განსაზღვრული გაზომვის მარშრუტის გასწვრივ, ავტომატურად აკავშირებს თითოეულ კითხვას სწორ აღჭურვილობას და გაზომვის წერტილს, და აიტვირთება შედეგებს ცენტრალურ ბაზაში ანალიზისა და ტრენდული. მოკლედ, ეს არის მონაცემთა შეგროვების სამუშაო ცხენი, რომელიც აკეთებს საპредприятийнй პროგნოზირებადი ტექნიკური მომსახურება practical.
1. განმარტება: რა არის მონაცემთა შეგროვებული?
მონაცემთა შეგროვების შენ წინ, vibration-ის კითხვები აღინიშნებოდა ხელით ტაბულე ფურცელზე და საკვიდლე კომპიუტერში შევიდა - ნელი, შეცდომებზე მიმართული და შეუძლებელი მასშტაბირება. მონაცემთა შეგროვებული რევოლიუციონიზაცია იყო მდგომარეობაზე დაფუძნებული მოვლა სთავაზობს ერთ ტექნიკოსს მონაცემების შეგროვება ასი ან ათასი გაზომვის წერტილიდან დღეში, ავტომატურად და თანმიმდევრულად. ეს მოწინავე ნიშნავს, რომ vibration-ის მონიტორინგი პირდაპირი სპეციალობიდან რუტინული, მნიშვნელოვანი აქტივობა აკეთებს ინდუსტრიული ობიექტებში მთელი მსოფლიო.
მონაცემთა შეგროვების განმარტებული ნიშნი არის მისი ხაზი წელსა და განმეორებითობა ღრმა ანალიზის ზე. იგი ოპტიმიზირებული გახლდა მარშრუტის ღრმა აღება, რომელიც სტანდარტული გაზომვები თითოეულ გაჩერებაზე, და კვების მათ ბაზაში სადაც პროგრამული უზრუნველყოფა იკეთებს მწვავე ინტერპრეტაცია. ეს არის ყოვლი მარშრუტზე დაფუძნებული მონაცემთა შეგროვება strategy.
2. ძირითადი მახასიათებელი
ვიბრაციის გაზომვა
- Sensor inputs: ჩაშენებული ან გარე აქსელერომეტრი არხები, ხშირად მხარდაჭერა ტაქომეტრი ან ტემპერატურის შეყვანის.
- საერთო დონეები: ერთი ნომრის სიჩქარე და აჩქარების მნიშვნელობები, რომელიც შეჯამებს ენერგეტიკას წერტილში.
- Spectral data: FFT სპექტრი აღება ხშირობა-დომენი დიაგნოზისთვის.
- Time waveform: raw time-waveform ჩანაწერი ზემოქმედებისა და დროებითი აღმოჩენისთვის.
- Multi-parameter: რამდენიმე პარამეტრი ამოღებული ერთი გაზომვიდან, ამიტომ თითოეული გაჩერება იძლევა풍부한 მონაცემთა ნაკრებს.
მარშრუტის ნავიგაცია
- წინასწარ განსაზღვრული გაზომვის მარშრუტები ჩამოტვირთული მასპინძელი ბაზიდან ცვლის დაწყებამდე.
- ეკრანზე მეთოდის რჩევები, რომელიც ტექნიკოსს ღირებულებით მარშრუტის წერტილში მოძრაობენ.
- აპარატის იერარქია და ადგილის ინფორმაცია ნაჩვენები თითოეული აქტივის თვისებებში.
- ავტომატური ტეგირება ყველა გაზომვით აპარატის ID-ით და გაზომვის წერტილის ID-ით.
- გაზომვის ადგილების, ორიენტაციისა და პარამეტრების თანმიმდევრობა ერთი რაუნდიდან მეორეში.
მონაცემთა მართვა
- ლოკალური სამ-ბორდ შენახვა ყველა შეგროვილი მონაცემების სანამ იგი გამოტანილი არის.
- ატვირთვა ცენტრალურ ბაზაში USB, Wi-Fi ან დოკინგ სადგურის მეშვეობით.
- ავტომატური ტენდენცია და გაფრთხოება შემოწმება მას შემდეგ რაც მონაცემები მივიდა პროგრამული უზრუნველყოფაში.
- ისტორიული შედარება თითოეული წერტილის მისი საბაზისო and საწყისი მონაცემები.
3. მარშრუტზე დაფუძნებული კოლექცია სარგებელი
ეფექტურობა
- მონაცემები 200–500+ წერტილიდან დღეში ერთი ტექნიკოსიდან.
- ავტომატური სამუშაო ნაკადები, რომლებიც ამცირებენ დროს თითოეულ გაზომვის წერტილში.
- არ არის ხელით ჩაწერა ან შემდგოми ტრანსკრიფცია, აკრძალულია მმართველი შეცდომის მთელი კლასი.
- ოპტიმალური მარშრუტის უბრძანო, რომელიც მინიმუმზე იყვანს ხელმისაწვდომობას და მოგზაურობის დროს ქარხნის ირგვლივ.
თანმიმდევრულობა
- იგივე ადგილები იზომება ყოველ რაუნდში, ასე რომ ტენდენციები ასახავს აპარატს, არა ოპერატორს.
- იდენტური გაზომვის პარამეტრები გამოიყენება ავტომატური თითოეულ წერტილში.
- ტექნიკოსიდან ტექნიკოსამდე ვარიაციულობა მკაცრად მცირდება.
- საიმედო ტენდენცია დამოკიდებული ზუსტად ამ სახის განმეორებადი მონაცემებზე.
ინტეგრაცია
- უშედეგო კავშირი მასპინძელში vibration-analysis software.
- ავტომატური ტრენდის ანალიზი და ანგარიშების გენერირება.
- სიგნალიზაცია, როდესაც წერტილი გადაკვეთს თავის საგანგებო დონე ან გაფრთხილების დონე.
- სამუშაო ორდერის გენერირება, რომელიც აღმოჩენილ პრობლემას პირდაპირ შენარჩუნების სისტემასთან აკავშირებს.
4. მონაცემთა კოლექტორი vs პორტატული ანალიზატორი
ღირს, რომ წავიკვეთოთ გამყოფი ხაზი ორ ინსტრუმენტს შორის, რომლებიც ერთმანეთს ჰგვანან, მაგრამ სხვადსხვა დანიშვულებისაა. მონაცემთა კოლექტორი აგებულია breadth — მრავალი წერტილი, სწრაფად, თანმიმდევრულად — და ეყრდნობა უკანა ოფისის პროგრამას დიაგნოზისთვის. პორტატული ანალიზატორი is built for depth: ის რეალურ დროში სრული სპექტრალური ანალიზი და ველის ბალანსირება მანქანამდე, რათა ინჟინერმა შეძლოს დიაგნოზი გამოვსახოს და მოიმოქმედოს ადგილზეა. მრავალი თანამედროვე ინსტრუმენტი ამ საზღვრებს ბუნდოვანი ხდის ორივე გაკეთებით.
Balanset-1A მკაცრად ანალიზის და მოქმედების მხარეს დგას. ორ-არხიანი ბალანსეტი-1ა measures 1× ამპლიტუდა and ფაზა, იღებს სპექტრებს, და საშუძლებას გაძლევთ ერთ- ან ორ-სიბრტყიანი ბალანსირება გააკეთოთ როტორის საკუთარი ჩამკეტების დროს მუშაობის სიჩქარეზე. მშენებელი სანდოობის პროგრამაში ორი ინსტრუმენტი ურთიერთდამატებელია: მონაცემთა კოლექტორი აღნიშნავს მანქანას, რომლის ტრენდი იზრდება, და ანალიზატორი ან ბალანსიერი მოიწვევა, რათა იპოვოს ძირეული მიზეზი და გამოსწოროს იგი.
5. რატომ აქვს მნიშვნელობა მონაცემთა კოლექტორებს
მონაცემთა კოლექტორი არის საფუძველი, რომელიც საშუძლებას აძლევს პროგნოზული მეთოდის პროგრამას მასშტაბი ერთი მანქანიდან ათასობით აქტივამდე. მათი გაზომვის ქმედობის, მარშრუტის ნავიგაციის და დისციპლინირებული მონაცემების მმართველობის კომბინაცია არის ის, რაც ყოვლისმომცველ, ხარჯ-ეფექტურ ვიბრაციის მონიტორინგი მხეთ მთელი ადგილი. თანმიმდევრული, კარგად მონიშნული მონაცემთა ნაკადის გარეშე, რომელიც მათ გაწვდის, ტრენდის ანალიზი და ადრეული გაფრთხოების ანალიზი, რომელიც კონდიციზე დაფუძნებული მეთოდის სტრატეგიას ამოძრავებს, უბრალოდ ვერ არსებობდა.
