CN1235105C - 用于诊断、管理装置和诊断装置的系统 - Google Patents
用于诊断、管理装置和诊断装置的系统 Download PDFInfo
- Publication number
- CN1235105C CN1235105C CNB018121853A CN01812185A CN1235105C CN 1235105 C CN1235105 C CN 1235105C CN B018121853 A CNB018121853 A CN B018121853A CN 01812185 A CN01812185 A CN 01812185A CN 1235105 C CN1235105 C CN 1235105C
- Authority
- CN
- China
- Prior art keywords
- unit
- information
- monitor portion
- output
- management
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
- 238000004458 analytical method Methods 0.000 claims abstract description 128
- 238000012545 processing Methods 0.000 claims abstract description 70
- 238000004891 communication Methods 0.000 claims abstract description 35
- 238000003745 diagnosis Methods 0.000 claims description 115
- 238000000034 method Methods 0.000 claims description 25
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 238000013459 approach Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 230000010365 information processing Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 230000005856 abnormality Effects 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 68
- 238000012423 maintenance Methods 0.000 description 16
- 230000005540 biological transmission Effects 0.000 description 12
- 238000007405 data analysis Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 8
- 238000005259 measurement Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000007689 inspection Methods 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000010202 multivariate logistic regression analysis Methods 0.000 description 3
- 238000005096 rolling process Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 206010022000 influenza Diseases 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 208000037805 labour Diseases 0.000 description 1
- 239000000314 lubricant Substances 0.000 description 1
- 230000001050 lubricating effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0229—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions knowledge based, e.g. expert systems; genetic algorithms
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2223/00—Indexing scheme associated with group G05B23/00
- G05B2223/06—Remote monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及用于管理和诊断机组装置的系统,包括:机组管理数据处理部分(3a),对由安装在机组装置(1)上的机组状态监测器(2a,2b)检测机组状态检测信息进行信号处理,机组状态判定部分(4)比较管理参考值判定信号-处理了的信息的等级并输出,机组监视部分(5)汇集和处理关于等级-判定了的机组装置(1)的信息,并通过通信网络(10)将其发送到高级分析及诊断部分(6),高级分析及诊断部分(6)对信息进行高级分析,识别所关注的机组装置(1)的异常原因及其改进措施,以便将识别结果发送给机组监视部分(5)。此外,其特征在于机组管理数据分析程序从高级分析及诊断部分(6)装载到机组监视部分(5),以便可以在用户方进行高级分析。
Description
技术领域
本发明涉及用于管理和诊断机组装置的状态的系统。
背景技术
过去,对于普通企业的工场等的机组装置的管理来说,通常在连续监视机组装置的工作情况的同时,当出现振动、声音、压力、温度等异常时,负责管理机组装置的人员在该点进一步监视机组装置的状态,并且当出现情况时,停止其工作,调查原因并且立即修理或者替换,或者当情况进一步变差时咨询机组装置生产者并且与其比较考虑对策。
然而,在以往的上述例子中,判断在某种程度上基于负责管理机组装置的人员可以处理的范围的知识和经验,使得判断结果不总是正确的,根据情况,会出现作出错误判断和判断结果缺乏客观性的情况。
另一方面,为了安全工作和提高生产率,近些年越来越要求借助于机组管理的精度的提高来减小工场的总费用,增加机组管理的技术培训过的人员的效率,提高机组装置的可靠性。此外,成为共识的是应当对各种机组装置进行预先诊断和稳定的保养计划,尤其是对于关键的装置。
例如,对于其中放置了大量的旋转装置的工场来说,负责管理机组装置的人员在进行每日工作的同时还要周期性地进行保养工作。然而,需要专家按照自己的方式来解决与预先保养相关的问题,例如旋转装置的机组诊断、预先诊断和最佳工作条件,或者其剩余寿命的掌握,因此对于负责管理机组装置的人员的工作权限存在限制。
因此,希望在工场中配置具有这种专长的经过技术培训的人员,但是考虑到工场的工作费用如提高职员的效率方面,上述做法在很多情况下是困难的。
本发明解决上述问题,其目的是提供一种用于诊断机组装置的系统,其中通过用设备连续测量或者手工汇集各种数据掌握和控制机组装置的最小工作情况,如果从汇集的信息中提取到落在异常等级之下的信息,立即将该信息发送到作为专业技术组的机组诊断中心,在那里高级分析及诊断部分对信息进行高级分析及处理,并立即通报机组装置管理方关于处理被判定为异常的机组装置的最佳方法的信息,并且当需要进一步分析各种详细的现场数据时,从高级分析及诊断部分向用户方的机组监视部分装载机组管理数据分析程序,以便在用户方可以分析大信息量的原信息而不需要送到机组诊断中心方。
发明的内容
关于本发明的用于诊断机组装置的系统的典型结构具有:安装在机组装置上的机组状态检测装置,用于检测机组装置的状态;机组管理数据处理部分,用于信号处理和输出由上述机组状态检测装置检测的机组状态检测信息;机组状态判定部分,用于与管理参考值比较,判定从上述机组管理数据处理部分输出的信息等级并输出;机组监视部分,用于汇集、处理和输出从上述机组状态判定部分等级判定和输出的关于机组装置的信息;高级分析及诊断部分,用于对从上述机组监视部分输出的信息进行高级分析,识别机组装置异常的原因及其改进措施,将识别结果发送给上述机组监视部分。
此外,它具有一种结构,其中上述机组监视部分和上述高级分析及诊断部分能够通过通信网络相互通信,并且把机组管理数据分析程序从上述高级分析及诊断部分装载到上述机组监视部分。
当本发明按如上所述的方式构成时,由管理机组装置的用户方机组管理数据处理部分信号处理由机组状态检测装置检测的机组状态检测信息,此后与管理参考值比较,由机组状态判定部分判定等级,收集并处理来自机组监视部分的关于等级判定的机组装置的信息,以便通过通信网络输出到作为专业技术组的机组诊断中心。
在机组诊断中心方,已经接收了从用户方的机组监视部分输出的信息的高级分析及诊断部分进行信息的高级分析,以便识别机组装置异常的原因及其改进措施,以便通过通信网络将识别结果发送到用户方的机组监视部分。这样,在用户方管理机组装置方面,能够立即获取对判定为异常的机组装置进行处理的最佳方式的信息,以便处理。
在这种情况下,如果高级分析及诊断部分判定通过进一步进行其它的分析可以使诊断精度更高,那么进一步从高级分析及诊断部分将作为二次处理的机组管理数据分析程序通过通信网络装载到用户方的机组监视部分,以便在用户方再次进行高级分析。
当机组管理数据分析程序装载到用户方,在用户方再次进行高级分析时,仅将分析结果的小量信息发送到机组诊断中心方,而不需要将大信息量的原数据例如由机组状态检测装置检测的机组状态发送到机组诊断中心方,因此减轻了通信网络上信息传输的负担。
此外,由于在通信网络上不交换原数据,因此增加了信息的安全性。
附图的简要描述
图1是关于本发明的辅助装置的诊断系统结构方框图。
图2是关于本发明的辅助装置的诊断系统的用户方结构的方框图。
图3是机组监视部分和高级分析及诊断部分之间的通信网络的结构例图。
图4是辅助状态检测装置和高级分析及诊断部分的结构方框图。
图5是高级分析及诊断部分的结构方框图。
图6是高级数据分析部分的详细结构图。
图7是说明信号处理方案和辅助管理数据分析程序组之间关系的图。
图8是机组监视部分的显示屏图像的例图。
图9是机组监视部分的显示屏图像的例图。
图10是从高级分析及诊断部分发送的诊断结果表单的例图。
图11是从高级分析及诊断部分发送的初次诊断结果的例图。
图12是从高级分析及诊断部分发送的二次诊断结果的例图。
图13是表示由高级分析及诊断部分诊断的原因和结果之间关系的图。
图14是经过利用在用户方装载的机组管理数据分析程序进行二次处理的输出的例图。
图15是滚动轴承异常振动判定标准的例子图。
具体实施方式
下面将利用附图具体描述根据本发明的机组装置诊断系统的实施例。图1是根据本发明的机组装置诊断系统的结构方框图,图2是关于本发明的机组装置诊断系统的用户方结构的方框图,图3是机组监视部分和高级分析及诊断部分之间的通信网络的结构例子图,图4是机组状态检测装置和高级分析及诊断部分的结构方框图,图5是高级分析及诊断部分的结构方框图,图6是高级数据分析部分的详细结构图,图7是说明信号处理方案和机组管理数据分析程序组之间的关系图。
此外,图8和9是机组监视部分的显示屏图像的例子图,图10是从高级分析及诊断部分发送的诊断结果表单的例子图,图11是从高级分析及诊断部分发送的初次诊断结果的例子图,图12是从高级分析及诊断部分发送的二次诊断结果的例子图,图13是由高级分析及诊断部分诊断的原因和结果之间的关系图,图14是经过利用在用户方装载的机组管理数据分析程序进行二次处理的输出的例图。图15是滚动轴承异常振动判定标准的例子图。
在图1-7中,标号A表示用户方B上的工场(plant),其中放置了大量的机组装置例如旋转装置,C代表离用户方B很远的机组诊断中心方,具有专门的技术组,技术组擅长机组装置的诊断工作。
工场A具有大量的机组装置1,用于提供各种功能例如包含风扇1a和泵1b的旋转装置,在那里各种机组装置1具有由各种传感器元件等构成的机组状态监测器2a和2b,作为机组状态检测装置,用于检测安装在其上的机组装置1。
机组状态监测器2a和2b每天将关于机组装置1的机组状态检测信息发送到监视装置3的机组管理数据处理部分3a,将由机组管理数据处理部分3a进行了信号处理的机组状态信息发送到机组状态判定部分3b。
机组状态判定部分3b将由机组管理数据处理部分3a输出的信号电平与预设的管理参考值比较,进行判定并输出。机组管理数据处理部分3a和机组状态判定部分3b放在工场A中机组装置1附近的位置。
例如,由机组状态监测器2a和2b例如提供给机组装置1的振动传感器收集振动原波形数据,振动原波形数据在机组管理数据处理部分3a经过信号处理,譬如滤波处理、集分(integration)处理、求平均处理和峰值检测处理,以便机组状态判定部分3b比较预设的极限值和作为信号处理结果的机组状态参数值例如O/A值(求平均处理的输出)和代表机组装置1的状态的峰值,以便作出机组装置1的状态的初次判定。
把由机组状态判定部分3b判定的信息发送到机组监视部分5,该机组监视部分用于集中管理整个工场A的机组装置1,机组监视部分5汇聚、处理、输出和存储关于机组装置1的信息,即由机组状态判定部分3b确定和输出的电平。更具体地说,机组监视部分5存储作为趋势管理数据的机组状态参数,并且还汇聚和管理与机组相关的信息例如机组装置1的规格和历史。
构建用户方B的机组监视部分5和机组诊断中心方C的诊断部分6,以便能够通过通信网络,诸如网络、国际互联网和公用电路互相通信,机组监视部分5汇聚和处理由机组状态判定部分3b判定的关于机组装置1异常的信息,并且通过通信网络10将该信息发送到机组诊断中心方C。
更具体地说,当由机组状态判定部分3b判定异常时,它通过通信网络10将作为初次处理结果的机组状态参数值以及与机组相关的信息发送到机组诊断中心方C,其中与机组相关的信息例如有由机组监视部分5汇聚和管理的趋势管理数据、机组装置1的规格和历史。
从用户方B的机组监视部分5发送的信息被机组诊断中心方C的高级分析及诊断部分6接收,高级分析及诊断部分6通过自动分析从机组监视部分5输出的信息来判定机组装置异常的原因和改进措施,将判定结果发送给机组监视部分5。
如图4所示,高级分析及诊断部分6具有给其提供的自动分析部分6a,用于评估从用户方发来的诊断信息并且自动诊断异常部分、异常原因、剩余寿命、对策(改进方法)等。
此外,如图5和6所示,高级分析及诊断部分6具有高级数据分析部分6b,用于给用户方B上的机组监视部分5发送程序,该程序用于高级数据分析,例如利用时间-频率分析技术将由机组状态监测器2a和2b检测的原波形信号任意分解为子波而进行的分析;此外,利用在主题坐标上画出由机组状态监测器2a和2b检测的原波形信号的可见性分析技术的SDP(对称点图形)分析;以及无量纲的特征参数,这是信号处理技术,用于通过呈现量纲特征量来表征信号的特征等,例如振动和声音无穷小量,从而检测异常;此外,作为分析技术的多变量分析,用于利用多个相互关联的信号追踪原因,以便进行详细的分析,提高异常检测的精确度,并且将分析结果发送给自动诊断部分6a。
此外,高级数据分析部分6b具有提供给它的SDP文件11a、子波(wavelet)文件11b、FFT文件11c、无量纲特征参数文件11d、多变量分析文件11e和其它的分析文件11f的上述信号处理方案,并且基于从机组监视部分5输出的信息在高级分析诊断部分6处进行诊断,当需要进行附加诊断时,它从图6和7中示出的机组管理数据分析程序组12提取预定的机组管理数据分析程序,以便使其呈现为每个信号处理方案的SDP文件11a、子波文件11b、FFT文件11c、无量纲特征参数文件11d、多变量分析文件11e和其它的分析文件11f中的电子文档,并且将他们从机组诊断中心方C上的高级分析及诊断部分6装载到用户方B上的机组监视部分5。
此外,如图4和5所示,高级分析及诊断部分6根据用户方B上的机组状态判定部分3b发送的随着时间变化的数据分析变化趋势,并且将分析结果发送给自动诊断部分6a。此外,高级分析及诊断部分6具有趋势管理部分6c和寿命预测部分6d,趋势管理部分6c用于得到发送给自动诊断部分6a、传递给寿命预测部分以便预测寿命的输出,寿命预测部分6d用于基于由趋势管理部分6c管理的随着时间变化的数据预测寿命,利用从过去的诊断过程获得的专门的公式计算寿命,并且将分析结果发送给为之设置的自动诊断部分6a。
此外,高级分析及诊断部分6具有全面诊断部分6e,用于通过频率分析技术代表的快速傅里叶变换(FFT)根据全面诊断信息检测特征频率,与正常时的全面诊断信息比较,并将分析结果发送给为之设置的自动诊断部分6a。
此外,高级分析及诊断部分6具有改进方法选择部分6f和保养信息部分6g,改进方法选择部分6f用于根据说明和机组装置1的诊断内容从改进方法数据库中选择最恰当的改进方法,并且利用其结果作为自动诊断部分6a的诊断结果,上述改进方法数据库是基于过去进行的诊断和改进而构建的,保养信息部分6g用于管理说明、保养计划、保养执行(performances)等,基于该信息进行自动分析,作出具体的对策、改进方法等。
用户B方上的机组监视部分5和机组诊断中心方C上的高级分析及诊断部分6通过通信网络10例如网络、国际互联网或者公用电路连接,在它们之间相互交换的各种信息例如机组状态检测信息和诊断报告,呈现为电子文档,通过e-mail等发送和接收。
图3中的标号9代表安装在外部网络和内部网络之间的防火墙,意图阻止怀恶意的第三方非法闯入,从而造成数据被泄漏、串改和毁坏。此外,在确保安全的情况下也可以不设防火墙9。
此外,可以利用专用线、通信卫星等作为另外的通信的网络10,用于连接用户方B上的机组监视部分5和机组诊断中心方C上的高级分析及诊断部分6。
从用户方B上的机组监视部分5发送的信息经过高级分析及诊断部分6中的高级分析,其结果被发送回到用户方B上的机组监视部分5,基于该信息,机组监视部分5通报被判定为异常的机组装置1最好的反应,以便于立即处理。
对于安装在大量机组装置1上的机组状态检测装置来说,采用联机装置和便携式机组诊断测量装置作为在旋转机械振动诊断方面的标准诊断和全面诊断,在油诊断方面采用油诊断装置。例如图4所示。
这里,标准诊断从振动等级及其随着时间的变化来判定机组是正常还是异常,并且简单判定原因、部件、程度、及其寿命预测等,而全面诊断通过借助于频率分析等详细分析由标准分析不能判定的情况。
此外,管道系统管理中的机组状态检测装置利用UT(超音速)或者利用例如红外线照相机的腐蚀状态诊断进行非破坏性检查,罐槽底板诊断中的机组状态检测装置例如利用UT进行整个罐槽底板的非破坏性检查,一般的静态装置利用UT或者利用红外线照相机的腐蚀状态诊断进行非破坏性的检查。
此外,在图4的右上方显示的每日检查系统执行由操作者每日通过将其输入到现场检查用的便携式终端而进行的工场检查信息,以便在个人计算机上实行数据管理,主要处理工艺信息(工作期间的温度和压力)、与机组相关的泄漏和感观信息例如异常噪声。
此外,尽管安装在机组装置1上、由传感器等构成的机组状态监测器2a和2b连续检测各种状态条件例如振动、温度、压力、润滑剂成份、声音、电流和电压,但它们也可以是便携式机组诊断测量装置,利用上述装置,操作工人巡视机组装置1时测量各种信息,而不是在机组装置1上直接安装机组状态监测器2a和2b。
例如,如果详细描述一个例子,就是机组装置1是旋转装置,那么从安装在大量旋转装置上的机组状态监测器2a和2b给机组管理数据处理部分3a发送关于旋转装置的机组状态检测信息。
机组管理数据处理部分3a进行信号处理例如滤波处理和把速度转换成作初步处理接收的信号,并且进一步进行峰值处理、频率分析等,以便输出(初步处理输出)判定信号,该判定信号含有诊断有关旋转装置的振动情况所需要的加速全值、加速峰值、速度全值,并将其发送到机组状态判定部分3b。
机组状态判定部分3b具有输入的事先在机组诊断中心方C上建立的管理参考值,并且将上述参考值与判定信号比较,以便确定有关的旋转装置的等级,上述判定信号是从机组管理数据处理部分3a输出的信息。通常,将判定的等级泛泛归类为“正常”和“异常”,“异常”进一步分为“注意”和“危险”。所确定的判定信号记录在机组监视部分5中。
当由机组状态判定部分3b判定为表明“异常”的“注意”或“危险”时,机组监视部分5记录判定的信息例如有关的旋转装置的测量数据和历史数据、工作在不同位置的相同型号的其它旋转装置的测量数据以及从机组状态判定部分3b发送的判定信号(初步处理输出结果),并且在将其设置为附于e-mail的电子文档之后,自动将这些信息通过通信网络10例如网络、国际互联网或者公用电路的e-mail传输到高级分析及诊断部分6。此外,当“正常”时,自动周期性地传输信息(例如一天一次)。
另外,还可以是这样的方法,利用来自机组诊断中心方C的主页格式中的监视屏从机组监视部分5卸载数据。
更具体地说,根据该实施例,无论是否异常,在“异常”情况下,机组监视部分5都附加异常数据输出,并且发送到高级分析及诊断部分6。
机组状态判定部分3b具有检查判定为“异常”的信息是否是由于干扰而产生的暂时现象的功能。这样,由于除了暂时现象之外的原因而判定为“异常”的信息被发送到高级分析及诊断部分6。
图8和9是在用户方B的机组监视部分5上显示的图像的例子,该图像将发送到高级分析及诊断部分6,图8显示了与所关注的旋转装置有关的测量数据,图9是有关的旋转装置的具体旋转装置的测量点随时间的变化图。
图8所示的判定区域7a具有在其内记录的正常“○”、注意“△”和危险“×”的区别。此外,对于图9所示的随时间的变化图来说,垂直轴显示了振动值(mm/秒),水平轴显示了日期,在图8中的屏幕上的选择区域7b选择通道数7c和“1”到“32”的周期类型7d之后,通过敲击图显示钮7e显示图9所示的随时间的变化图。
仅将在图8中的判定区域7a中判定旋转装置为注意“△”和危险“×”的信息从机组监视部分5发送到高级分析及诊断部分6,以便于进行高级分析。如果图8和9所示的关于旋转装置的各种信息被从机组监视部分5发送到高级分析及诊断部分6,高级分析及诊断部分6就对图8中判定区域7a中示出的关于旋转装置被判定为注意“△”和危险“×”的信息进行高级分析。
高级分析及诊断部分6对发送的关于旋转装置被判定为注意“△”和危险“×”的信息进行高级分析,提取和确定需要的项目例如原因、最适当的对策和未来保养计划,以便将它们通过通信网络10例如网络、国际互联网或者公用电路利用e-mail发送给用户方B的工场A中的机组监视部分5。此外,还可以发送传真或者通过邮件作为文件传送。
更具体地说,对具有九个测量点的旋转装置进行高级分析,这九个测量点在图8中的沟道数为“10”和“13”-“20”,此后,将图10所示的诊断结果从高级分析及诊断部分6发送回机组监视部分5。
图10是一个从高级分析及诊断部分6发送的一个挤出机的图像例子,该挤出机是旋转装置的一个例子,如果选择并敲击初次诊断结果区域8a中的进入标志“√”,则附有写着“原因”和“对策”内容的初步诊断结果,如图11所举的例子。
如图11所示,肯定地表达了诊断结果,以避免会使用户方B的判定混乱的表述,并且也正确地描述了诊断结果,以便立即采取对策。
在对关于旋转装置被判定为注意“△”和危险“×”的信息进行高级分析的过程中,当高级分析及诊断部分6确定需要进行进一步的精确分析时,那么就要求机组监视部分5进一步提取所需要所信息,另外分析从机组监视部分5发送的新信息,以便将与图10所示一样的诊断结果从高级分析及诊断部分6发送回机组监视部分5。
尽管在图10中未示出,但如果像选择和敲击初次诊断结果区域8a那样选择和敲击二次诊断结果区域8b中的输入标志“√”,那么就附有写着“指令”和“判定”内容的二次诊断结果,如图12所示。
当用户方B的机组监视部分5和机组诊断中心方C的高级分析及诊断部分6通过通信网络10例如网络、国际互联网或者公用电路连接,以便双向通信时,用户方B可以通过e-mail、电话等从机组诊断中心方C对旋转装置的诊断结果寻求满意的说明。
下面详细描述高级分析及诊断部分6的结构。高级分析及诊断部分6具有记录和积累在其内的关于各种装置和构成各种机组装置1中的每个装置的部件的机组装置说明信息(例如标准和尺寸、制造者、制造日期和各种说明项目(例如转数、轴直径、工作温度等))、保存历史信息(例如安装日期、工作记录和维修记录)和测量值历史信息,该测量值历史信息是到目前为止对在工场A中许多地方放置的每个机组装置1通过检查及分析等获得的。
此外,它具有根据其尺寸、负载条件、安装环境等归类的各种机组装置1,并且具有系统设置、记录和积累在其内的数据,其中统计且理论地计算了在最佳工作条件下机组装置的振动状态、剩余寿命等,以及在过去出现的异常现象的异常原因和与它们比较的对策等。
例如,当高级分析及诊断部分6诊断预定的旋转装置的振动状态时,已经向高级分析及诊断6内输入了各种信息例如关于旋转装置所属的区域的旋转装置群的转数、轴直径、负载条件、润滑条件和安装条件,以便能够掌握旋转装置群的有关振动状态。
通过采用这些有关的数值作为管理参考值,并且将它们与预定旋转装置的振动状态的测量值进行比较,能够判定预定的旋转装置的振动状态值等级。
例如,对于作为标准的管理参考值来说,图15所示的滚动轴承异常振动判定标准具有水平轴和垂直轴,水平轴是DN值(轴直径×转数),垂直轴是振动加速值,如果机组的DN值已知,从垂直轴方向向上的位置,可以发现作为各个管理极限的正常、注意、危险等的图。通过排列和构成诊断的性能数据建立标准。
此外,通过积累关于旋转装置群的保养历史信息和测量值历史信息,可以掌握预定的旋转装置的异常原因(例如结构异常条件和轴承异常条件等),在这种情况下,提出应采取的最佳对策(图5中的改进方法数据库)是切实可行的。
类似地,还能够预测目前的状态能够持续多久以及从而发展到什么状态,也就是说,类推预定的旋转装置的剩余寿命(图5中的剩余寿命判定数据库6d1)。
这些可以基于积累在高级分析及诊断部分6中的、关于旋转装置的机组装置说明信息、保养历史信息和测量值历史信息等来统计地和理论地计算。
如果假设用相同的材料和相同的规范制造的机组装置1工作在相同的条件下,那么机组装置1当然具有相同的历史。然而在实际中机组装置1完全一样几乎是不可能的,因此,判定为“异常”的机组装置1的因果关系是非常广泛和复杂的。
因此,基于破坏物理学和统计理论,根据尺寸、负载条件、安装环境等,能够将从实际的机组装置1中得到的大量数据归类,并且能够系统地安排和积累信息,以便比较受试机组装置1的目前状态的数据和上述根据群的积累的信息,以便诊断受试机组装置1的目前机组状态(自动诊断部分6a)。
此外,可以类推机组装置1持续目前的状态会持续多久以及从而发展到什么状态,或者当发展到异常状态时,应采取什么对策来阻止,因此,结果是可以构成有效的计划保养措施(寿命预测部分6d、改进方法选择部分6f)。
更具体地说,高级分析及诊断部分6具有关于放在大量工场A中的、记录和累积在其内的各种机组装置1的所有信息和数据,这样,通过构成理论公式以便能够基于信息和数据计算总的趋势、在比较公式结果和机组装置1的实际状态的同时改进理论公式的精确度、同时一个接一个地校正理论公式的系数,能够构成各种机组装置1的计划保养(planning maintenance),更不用说机组诊断。
下面利用图13描述在高级分析及诊断部分6中得到机组装置1的诊断结果的一个具体的例子。为了得到预定的鼓风机本身的诊断结果,图13示出了存储在高级分析及诊断部分6中的诊断资料矩阵表的一部分。当然,根据构成每个机组装置1的型号(model)(例如电扇或压缩机)分类诊断资料矩阵表的构成,因此每个表是不同的。
图13所示的诊断资料矩阵表的水平轴具有分类为大量项目的可能出现的异常现象,垂直轴由许多项目构成,例如异常出现的时间、异常出现的点、异常模式、异常随时间的变化和机组装置1的部件阵容,有关的项目用“●”标记。
这些不仅按照统计和试验标记,而且还基于上述理论计算来标记。如上所述,如果将关于预定的鼓风机本身的信息从机组监视部分5发送到高级分析及诊断部分6,那么自动标记图13中的诊断资料矩阵表中的垂直轴的项目。
作为标记的结果,当鼓风机本身的群已经在高级分析及诊断部分6中构成时,将诊断资料矩阵表与上述关于预定的鼓风机本身的信息进行比较、对照和计算,以便得到预定的鼓风机本身的诊断结果,该结果与图10所示的结果一样。
此外,对于构成诊断资料矩阵表的、可能出现的大量异常现象中的每一个来说,构建其中书写了出现原因、对策、保养计划等的书写资料,以便处理诊断资料的矩阵表,因此利用诊断资料矩阵表,通过比较、对照和计算关于预定的鼓风机本身的信息,由书写资料自动组成和综合了与图11和12所示的关于预定的鼓风机本身的内容一样的诊断结果。
然而,上述结构仅能够在机组管理数据处理部分3a中进行预先准备好的信号处理,因此,它仅能利用作为其处理结果的机组状态参数。此外,对于特定的现象来说,当出现有效的信号处理(机组状态参数)时,每次都需要将该功能结合到放在用户方B的机组管理数据处理部分3a中,使得出现令人烦恼的保养和升级问题。而且,能够预先将所有的假定的信号处理结合到机组管理数据处理部分3a中,但结合所有低频度使用的功能是低效的,而且是不经济的。
这样,根据该实施例,能够在机组管理数据处理部分3a中处理机组状态监测器2a和2b的输出信号,此外,当除了立即在机组状态判定部分3b中判定之外还需要通过进行各种高级处理将机组状态监测器2a和2b的输出信号的原波形引导到机组状态判定部分3b时,当需要配置在高级数据分析部分6b中进行高级分析处理所必须的机组管理数据分析程序时,通过远程处理从机组诊断中心方C将机组管理数据分析程序装载到用户方B,通过通信网络10例如网络、国际互联网或者公用电路在用户方B处理待处理的机组状态监测器2a和2b的输出信号,将处理结果发送回机组诊断中心方C,以便减轻通信网络10上的传输负荷,并且还解决了上述问题。
更具体地说,当高级分析及诊断部分6从其它观点判定需要高级分析时,从自动诊断部分6a给高级数据分析部分6b发送产生二次处理程序的指令,从机组管理数据分析程序组12适当选择和提取需要的机组管理数据分析程序,以便产生用于二次处理的每个机组管理数据分析程序,如图6和7所示的电子文档。
图6和7示出了从信号处理方案建立的FFT文件11c的例子。当利用作为典型的频率分析技术的快速傅里叶变换(FFT)进行高级分析时,首先进行求平均处理,然后由时间窗进行波形截取处理,此后进行分析处理。
机组管理数据分析程序组12具有根据各种功能分组的程序,所述功能有包含时间平均处理(平均)、RMS(均方根)等之类的各种均值处理程序12a、包含汉宁窗(hanning window)、汉明窗(hammingwindow)等的各种时间窗程序12b和包含傅里叶变换、子波等的各种分析处理程序12c,机组管理数据分析程序组12还具有在各个程序工作、存储在其内的程序等的输出形式方面所必备的需求。
机组管理数据分析程序组12具有集成数据自身和用于处理数据的处理的目标程序(object,具有每个功能的小程序),由自动诊断部分6a指示以便产生二次处理程序的高级数据分析部分6b根据信号处理方案11的内容选择和组合最适当的目标程序(object),以便自动产生二次处理程序。此外,每个目标程序(object)都进行它所具有的处理、更新和查阅数据,并且进一步与具有其它功能的目标程序(object)交换信息,从而进行目标程序(object)中的协作。
由于目标程序本身不需要相互知道在哪存在其它目标程序的机理,可以分散处理程序中的交换。这样,通过使信号处理表现为程序并且根据目的联合程序,能够实现用于适当地给用户方B装载所需要的分析处理的环境。
对于其周期T的周期振动除了基波之外还包含谐波的失真的波形和由多个周期的频率分量构成的任意波形来说,求平均处理是为了表示这些波形的振幅而进行的。时间平均处理(平均)和RMS(均方根值)分别由下式1表示。
式1
平均(时间平均处理)
RMS(均方根)
此外,至于进行数字傅里叶变换时的周期性,波形的连接部分是有问题的。例如,当分析一定波形的频谱时,一起分析从周期的连接部分产生的高频成分,而该高频不是存在于原始波形中的成分,因此,如果通过其两端逐渐衰减的函数倍增分析主题的限定部分的波形,然后进行数字傅里叶变换,那么可以观察到消除了由连接部分产生的高频的频谱。为此使用的其两端逐渐衰减的用于波形截取的函数称为时间窗。
设计有各种时间窗,分别根据分析目的的不同和波形的质量创造性地使用这些时间窗。对于时间窗来说,代表性的有汉明窗(适于那些具有接近的频率成分的波形的分析)和汉宁窗(适于那些具有不那么接近的频率成分的波形的分析)。
傅里叶变换是用于将复杂信号转变为大量的正弦波组的集合体的代表性频率分析技术,子波是用于任意将原波形信号分解为子波的时一频分析技术。
当从自动诊断部分6a接收到产生二次处理程序的命令时,高级数据分析部分6b从机组管理数据分析程序组12选择和组合各种最适当的程序。
例如当选择FFT作为二次处理以便产生FFT文件11c时,根据主题信号的波动形式和频带从求平均处理程序12a中选择时间平均处理(平均),从时间窗程序12b选择汉明窗,从分析处理程序12c选择傅里叶变换,此外,使各种工作程序的相关限定、连接、要求、程序的输出形式等一致,以便产生二次处理程序,并且使其成为电子文档(11c’)。
通过如图2所示的通信网络10将具有机组管理数据分析程序的电子文档11c’装载到用户方B的机组监视部分5,所述机组管理数据分析程序是由机组诊断中心方C的高级数据分析部分6b产生且存储在其内的二次处理程序。此外,机组监视部分5从装载的电子文档11c’将预定的机组管理数据分析程序发送到机组管理数据处理部分3a。
在机组管理数据处理部分3a中,利用发送的预定机组管理数据分析程序信号分析和输出机组状态检测信息,该检测信息是由作为机组状态检测装置的机组状态监测器2a和2b检测的,与管理参考值比较对从机组管理数据处理部分3a输出的信息进行等级判定,并且由机组状态判定部分3b输出该信息,由机组监视部分5汇集和处理由机组状态判定部分3b等级判定和输出的关于机组装置1的信息,以便通过通信网络10输出给机组诊断中心方C的高级分析及诊断部分6。
图14显示了对于图8中的沟道数“13”的测量点来说,当利用装载到机组管理数据处理部分3a中用户方B的FFT机组管理数据分析程序进行二次处理(高级分析)时,用户方B的程序处理结果的输出例子。此外,对于图14所示的分析结果来说,通过通信网络10将同样的结果发送给机组诊断中心方C,并且进一步在机组诊断中心方C的高级分析及诊断部分6中进行高级分析。
已经接收了从机组监视部分5输出的信息的高级分析及诊断部分6进一步进行高级分析,并且识别所关注的机组装置的异常原因及其改进措施,以便将识别结果通过通信网络10发送给机组监视部分5,并且当需要时进一步将机组管理数据分析程序再次装载到机组监视装置5,重复进行该步骤。
此外,机组监视装置5汇集和处理保养信息、工作信息和外部信息中的至少一个,所述保养信息、工作信息和外部信息中的至少一个来自图2所示的机组装置1的作为保养信息部分的保养信息数据库13、作为工作信息部分的工作信息数据库14和未示出的作为外部信息部分的外部信息数据库中的至少一个数据库,以便输出到机组诊断中心方C的高级分析及诊断部分6。
更具体地说,除了信息处理,二次处理的内容还包含保养信息数据库13、工作信息数据库14以及汇集如设计说明和制造者的产品信息等的外部信息、并将其输出到机组诊断中心方C的高级分析及诊断部分6中的处理,所述保养信息数据库13具有例如存储在其内的用户方B的保养计划、机组说明和保养历史等信息,所述工作信息数据库14具有例如存储在其内的处理信息、产品计划和质量信息。
工业实用性
1.当本发明具有上述结构和作用时,用户方工场内负责该工作的人员掌握和管理机组装置的工作状态,在常规基础上汇集各种数据,如果从汇集的信息中提取的落在异常等级下的信息,立即将该信息通过通信网络10如网络、国际互联网或公用电路发送到机组诊断中心方,该机组诊断中心方是专业的技术组,在机组诊断中心方,高级分析及诊断部分可以进行信息的高级分析,并且立即给用户方发送回关于判定为异常的机组装置的最佳信息,以便用户方能够基于该信息立即采取专业技术组所指示的措施。
此外,将过去基于负责该工作的人员的个人知识和判断而进行的机组装置的管理委托给机组诊断中心方,机组诊断中心方由具有专长的、经过技术培训的人员构成,因此不再需要在用户方的每个工场都配置经过技术培训的人员,这样能够提高用户方的机组装置的安全性和生产率,还能够提高机组装置管理的正确度,此外增加了人员的工作效率且减少了工场的总费用。
此外,当高级分析及诊断部分判定将通过再次进行高级分析提高诊断精度时,进一步从机组诊断中心方的高级分析及诊断部分将作为二次处理的机组管理数据分析程序通过通信网络装载到用户方的机组监视部分,以便在用户方再次进行高级分析。
将机组管理数据分析程序装载到用户方,并且再次在用户方进行高级分析,这样不再需要给机组诊断中心方发送大信息量的源数据例如由机组状态检测装置检测的机组状态检测信息,仅将分析结果的小信息量发送给机组诊断中心方,以便减轻通信网络上信息传输的负担。
另外,由于源数据不在通信网络上交换,因此提高了信息的安全性。
Claims (16)
1.一种用于诊断机组装置的系统,其特征在于具有:
安装在机组装置上的机组状态检测装置,用于检测机组装置的状态;
机组管理数据处理部分,用于信号处理和输出由所述机组状态检测装置检测的机组状态检测信息;
机组状态判定部分,用于与管理参考值比较,判定从所述机组管理数据处理部分输出的信息等级并输出;
机组监视部分,用于汇集、处理和输出从所述机组状态判定部分进行等级判定和输出的关于机组装置的信息;
高级分析及诊断部分,用于对从所述机组监视部分输出的信息进行高级分析,识别机组装置异常的原因及其改进措施,将识别结果发送给所述机组监视部分;
所述机组监视部分和所述高级分析及诊断部分构成得能够通过通信网络相互通信,并且机组管理数据分析程序从所述高级分析及诊断部分装载到所述机组监视部分,
同时,在所述高级分析及诊断部分中,基于从所述机组监视部分输出的信息进行诊断,并基于设置于该高级分析及诊断部分的自动诊断部分所指示的信号处理方案的内容,通过从机组管理数据分析程序组选择并组合适当的各种程序,提供自动产生的二次处理程序的电子文档,以便通过所述通信网络将该电子文档装载到所述机组监视部分。
2.根据权利要求1的用于诊断机组装置的系统,其特征在于,所述机组监视部分将预定的机组管理数据分析程序从所述装载的电子文档发送到所述机组管理数据处理部分,机组管理数据处理部分借助于所述预定的机组管理数据分析程序进行信号处理并输出由所述机组状态检测装置检测的机组状态检测信息。
3.根据权利要求1的用于诊断机组装置的系统,其特征在于,所述机组监视部分汇聚、处理和输出来自所述机组装置的保养信息部分、工作信息部分和外部信息部分中至少一个部分的保养信息、工作信息和外部信息之一。
4.根据权利要求1的用于诊断机组装置的系统,其特征在于,重复下列步骤:机组管理数据分析程序从所述高级分析及诊断部分装载到所述机组监视部分,所述机组管理数据处理部分利用装载的机组管理数据分析程序进行信号-处理,并且输出由所述机组状态检测装置检测的机组状态检测信息,所述机组监视部分汇聚、处理和输出从机组管理数据处理部分输出的信息,所述高级分析及诊断部分对从所述机组监视部分输出的信息进行高级分析,并且识别有关的机组装置的异常原因及其改进措施,以便将识别结果发送到所述机组监视部分,并且还将机组管理数据分析程序装载到机组监视部分。
5.根据权利要求1的用于诊断机组装置的系统,其特征在于,所述机组监视部分和所述高级分析及诊断部分通过网络、国际互联网或者公用电路连接。
6.根据权利要求1的用于诊断机组装置的系统,其特征在于,所述机组状态检测装置是便携式机组诊断测量装置。
7.根据权利要求1的用于诊断机组装置的系统,其特征在于,除了监视是否出现异常之外,当异常时,所述机组监视部分还通过附加异常数据产生输出。
8.一种机组装置管理装置,其特征在于具有:
机组管理数据处理部分,用于信号-处理和输出由机组状态检测装置检测的机组状态检测信息,所述机组状态检测装置安装在机组装置上,用于检测机组装置的状态;
机组状态判定部分,用于与管理参考值比较,判定从所述机组管理数据处理部分输出的信息等级并将其输出,以及;
机组监视部分,用于汇集和处理从所述机组状态判定部分进行等级-判定和输出的、关于机组装置的信息,并且输出到具有诊断机组装置的功能的外部装置;
所述机组监视部分构成得能够通过通信网络与所述外部装置相互通信,并且能够从所述外部装置下载机组管理数据分析程序,
同时,基于从所述外部装置输出的信息对机组装置进行诊断,并基于设置于其内部的自动诊断部分所指示的信号处理方案的内容,通过从机组管理数据分析程序组选择并组合适当的各种程序,提供自动产生的二次处理程序的电子文档,以便通过所述通信网络将该电子文档装载到所述机组监视部分。
9.根据权利要求8的机组装置管理装置,其特征在于,所述机组监视部分从所述外部装置下载的、以电子文档形式提供的预定机组管理数据分析程序,并且将来自电子文档的预定机组管理数据分析程序发送到所述机组管理数据处理部分,机组管理数据处理部分借助于所述预定的机组管理数据分析程序进行信号处理和输出由所述机组状态检测装置检测的机组状态检测信息。
10.根据权利要求8所述的机组装置管理装置,其特征在于,所述机组监视部分汇聚、处理和输出来自所述机组装置的保养信息部分、工作信息部分和外部信息部分中至少一个部分的保养信息、工作信息和外部信息之一。
11.根据权利要求8的机组装置管理装置,其特征在于,重复下列步骤:机组监视部分从所述外部装置下载机组管理数据分析程序,所述机组管理数据处理部分利用下载的机组管理数据分析程序进行信息-处理和输出由所述机组状态检测装置检测的机组状态检测信息,所述机组监视部分汇集、处理和输出从机组管理数据处理部分输出的信息,所述机组监视部分接收对由所述外部装置从所述机组监视部分输出的信息进行预定处理的结果,并且机组监视部分下载机组管理数据分析程序。
12.根据权利要求8所述的机组装置管理装置,其特征在于,所述机组监视部分和所述外部装置通过网络、国际互联网或者公用电路连接。
13.根据权利要求8所述的机组装置管理装置,其特征在于,除了监视是否有异常之外,当异常时,所述机组监视部分通过附加异常数据产生输出。
14.一种机组装置诊断装置,其特征在于,对从外部装置输出的关于机组装置的信息进行高级分析,用于汇集和处理机组装置状态的信息,并且识别机组装置异常的原因及其改进措施,以便将识别结果发送到所述外部装置,
同时,该装置的构成使得其能够通过通信网络与所述外部装置相互通信,并且能够从所述外部装置将机组管理数据分析程序进行装载,
另一方面,基于从所述外部装置输出的信息对机组装置进行诊断,并基于设置于其内部的自动诊断部分所指示的信号处理方案的内容,通过从机组管理数据分析程序组选择并组合适当的各种程序,提供自动产生的二次处理程序的电子文档,以便通过所述通信网络将该电子文档装载到所述机组监视部分。
15.根据权利要求14的机组装置诊断装置,其特征在于,重复下列步骤:将机组管理数据分析程序装载到所述外部装置,所述外部装置利用装载的机组管理数据分析程序进行预定处理并产生输出,对从外部装置输出的信息进行高级分析,识别有关的机组装置异常的原因及其改进措施,将识别结果发送到所述外部装置,并将机组管理数据分析程序装载到该外部装置。
16.根据权利要求14所述的机组装置管理装置,其特征在于,该装置通过网络、国际互联网或者公用电路与所述机组监视部分连接。
Applications Claiming Priority (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP201907/00 | 2000-07-04 | ||
JP2000201907A JP2002023841A (ja) | 2000-07-04 | 2000-07-04 | 設備機器診断システム |
JP201907/2000 | 2000-07-04 | ||
JP2000262500A JP4428838B2 (ja) | 2000-08-31 | 2000-08-31 | 設備機器診断システム |
JP262500/00 | 2000-08-31 | ||
JP262500/2000 | 2000-08-31 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1440523A CN1440523A (zh) | 2003-09-03 |
CN1235105C true CN1235105C (zh) | 2006-01-04 |
Family
ID=26595318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB018121853A Expired - Lifetime CN1235105C (zh) | 2000-07-04 | 2001-07-04 | 用于诊断、管理装置和诊断装置的系统 |
Country Status (6)
Country | Link |
---|---|
US (1) | US7143011B2 (zh) |
EP (1) | EP1298510A4 (zh) |
KR (1) | KR100522342B1 (zh) |
CN (1) | CN1235105C (zh) |
AU (1) | AU2001269438A1 (zh) |
WO (1) | WO2002003158A1 (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7515977B2 (en) * | 2004-03-30 | 2009-04-07 | Fisher-Rosemount Systems, Inc. | Integrated configuration system for use in a process plant |
JP4732304B2 (ja) * | 2006-11-07 | 2011-07-27 | 株式会社小野測器 | 回転計及び回転計用プログラム |
WO2008103487A1 (en) * | 2007-02-25 | 2008-08-28 | Schlumberger Canada Limited | Drilling collaboration infrastructure |
JP4735592B2 (ja) * | 2007-04-11 | 2011-07-27 | ダイキン工業株式会社 | 群管理装置及び群管理システム |
FI20075546L (fi) * | 2007-07-17 | 2009-01-18 | Pettis Oy | Ylläpitojärjestelmä |
CN101393543A (zh) * | 2007-09-18 | 2009-03-25 | 西门子公司 | 一种故障分析和诊断的方法及系统 |
US20090198409A1 (en) * | 2008-01-31 | 2009-08-06 | Caterpillar Inc. | Work tool data system |
DE102008060011A1 (de) * | 2008-11-25 | 2010-05-27 | Pilz Gmbh & Co. Kg | Sicherheitssteuerung und Verfahren zum Steuern einer automatisierten Anlage |
KR101010717B1 (ko) * | 2009-11-10 | 2011-01-24 | 한국동서발전(주) | 상태기반 발전소 운전 및 정비 관리 시스템 |
US8670939B2 (en) * | 2009-12-18 | 2014-03-11 | Electronics And Telecommunications Research Institute | Apparatus and method of providing facility information |
JP5627477B2 (ja) | 2011-01-20 | 2014-11-19 | 三菱重工業株式会社 | プラント安全設計支援装置及びプラント監視保守支援装置 |
JP5843669B2 (ja) * | 2012-03-14 | 2016-01-13 | アズビル株式会社 | 整備対象バルブ選定装置および選定方法 |
CA2888335A1 (en) * | 2012-10-19 | 2014-04-24 | Roadroid Ab | Method and system for monitoring road conditions |
JP5803986B2 (ja) * | 2013-06-19 | 2015-11-04 | 栗田工業株式会社 | 設備管理システム |
US10281909B2 (en) | 2013-07-10 | 2019-05-07 | Globiz Co., Ltd. | Signal measuring/diagnosing system, and method for applying the same to individual devices |
KR101616072B1 (ko) | 2014-07-08 | 2016-04-28 | 주식회사 글로비즈 | 모니터링 방법 및 시스템 |
KR101569279B1 (ko) * | 2014-04-29 | 2015-11-13 | 엔셀 주식회사 | 센서, 액추에이터, 및 말단제어기의 정보 분산 통합에 의한 설비의 접속, 진단 및 제어 시스템 및 방법 |
KR101583705B1 (ko) | 2014-05-27 | 2016-01-11 | 주식회사 글로비즈 | 다대역 주파수 모니터링 방법 |
US9719881B2 (en) * | 2014-08-29 | 2017-08-01 | Verizon Patent And Licensing Inc. | Scalable framework for managing civil structure monitoring devices |
KR101913474B1 (ko) * | 2015-10-28 | 2018-11-02 | 현대오토에버 주식회사 | 자동화 설비 cms의 제어 방법 |
JP6460137B2 (ja) * | 2017-03-06 | 2019-01-30 | オムロン株式会社 | 制御装置、制御方法、およびプログラム |
KR102046371B1 (ko) * | 2017-10-19 | 2019-11-19 | 한국수자원공사 | 수력발전용 어플 기반 고장복구 시스템 |
KR102385100B1 (ko) * | 2017-12-22 | 2022-04-13 | 삼성디스플레이 주식회사 | 인프라 설비 가동 데이터 자동분석방법 및 시스템 |
JP7280703B2 (ja) * | 2019-01-31 | 2023-05-24 | 住友重機械工業株式会社 | 診断システム |
KR101996375B1 (ko) * | 2019-03-06 | 2019-07-03 | (주)와이제이솔루션 | 기능 확장이 용이한 이상 예측 수처리 제어시스템 |
Family Cites Families (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0262606A (ja) * | 1988-08-29 | 1990-03-02 | Fanuc Ltd | Cncの診断方式 |
EP0436312A3 (en) * | 1989-12-14 | 1993-06-09 | Westinghouse Electric Corporation | Diagnostic expert system monitor |
JPH0511834A (ja) * | 1991-07-01 | 1993-01-22 | Amada Co Ltd | 機械のリモート診断システム |
US5311562A (en) * | 1992-12-01 | 1994-05-10 | Westinghouse Electric Corp. | Plant maintenance with predictive diagnostics |
US5533413A (en) | 1994-06-30 | 1996-07-09 | Yokogawa Electric Corporation | Equipment diagnosis system |
JPH08137540A (ja) * | 1994-11-11 | 1996-05-31 | Toto Ltd | 機器の故障診断方法及び装置 |
US5845230A (en) | 1996-01-30 | 1998-12-01 | Skf Condition Monitoring | Apparatus and method for the remote monitoring of machine condition |
US6489884B1 (en) * | 1996-01-30 | 2002-12-03 | Skf Condition Monitoring | Apparatus and method for the remote monitoring of machine condition |
TWI249760B (en) * | 1996-07-31 | 2006-02-21 | Canon Kk | Remote maintenance system |
US5963884A (en) | 1996-09-23 | 1999-10-05 | Machine Xpert, Llc | Predictive maintenance system |
US6041287A (en) | 1996-11-07 | 2000-03-21 | Reliance Electric Industrial Company | System architecture for on-line machine diagnostics |
JPH10222220A (ja) * | 1997-02-12 | 1998-08-21 | Mitsubishi Electric Corp | リモート診断システム |
JP3744661B2 (ja) * | 1997-10-17 | 2006-02-15 | 中村留精密工業株式会社 | Nc工作機械の故障診断方法及び装置 |
US6199018B1 (en) | 1998-03-04 | 2001-03-06 | Emerson Electric Co. | Distributed diagnostic system |
JPH11252670A (ja) * | 1998-03-05 | 1999-09-17 | Omron Corp | 遠方監視制御システム及びセンサ端末装置 |
US6192325B1 (en) | 1998-09-15 | 2001-02-20 | Csi Technology, Inc. | Method and apparatus for establishing a predictive maintenance database |
JP2000210800A (ja) | 1999-01-27 | 2000-08-02 | Komatsu Ltd | 産業機械のモニタ方法およびその装置 |
US6505145B1 (en) * | 1999-02-22 | 2003-01-07 | Northeast Equipment Inc. | Apparatus and method for monitoring and maintaining plant equipment |
FI990715A (fi) | 1999-03-31 | 2000-10-01 | Valmet Corp | Tuotantolaitoksen huoltojärjestely |
US6298308B1 (en) | 1999-05-20 | 2001-10-02 | Reid Asset Management Company | Diagnostic network with automated proactive local experts |
US6411678B1 (en) | 1999-10-01 | 2002-06-25 | General Electric Company | Internet based remote diagnostic system |
CA2314573C (en) | 2000-01-13 | 2009-09-29 | Z.I. Probes, Inc. | System for acquiring data from a facility and method |
US6421571B1 (en) | 2000-02-29 | 2002-07-16 | Bently Nevada Corporation | Industrial plant asset management system: apparatus and method |
US6594621B1 (en) | 2000-03-06 | 2003-07-15 | James H. Meeker | System and method for determining condition of plant |
US6983207B2 (en) | 2000-06-16 | 2006-01-03 | Ntn Corporation | Machine component monitoring, diagnosing and selling system |
JP3612472B2 (ja) * | 2000-06-22 | 2005-01-19 | 株式会社日立製作所 | 遠隔監視診断システム、及び遠隔監視診断方法 |
US6556956B1 (en) * | 2000-06-30 | 2003-04-29 | General Electric Company | Data acquisition unit for remote monitoring system and method for remote monitoring |
US20020022969A1 (en) | 2000-07-07 | 2002-02-21 | Berg Marc Van Den | Remote automated customer support for manufacturing equipment |
JP2002023839A (ja) | 2000-07-13 | 2002-01-25 | Hitachi Ltd | 機器管理システムと機器管理方法及び監視装置、データベース装置とデータベースクライアント装置並びに記録媒体 |
KR20020022530A (ko) * | 2000-09-20 | 2002-03-27 | 가나이 쓰도무 | 반도체제조장치의 원격진단시스템 및 원격진단방법 |
US6721689B2 (en) * | 2000-11-29 | 2004-04-13 | Icanon Associates, Inc. | System and method for hosted facilities management |
US6795798B2 (en) * | 2001-03-01 | 2004-09-21 | Fisher-Rosemount Systems, Inc. | Remote analysis of process control plant data |
CN1310106C (zh) * | 2001-03-01 | 2007-04-11 | 费舍-柔斯芒特系统股份有限公司 | 制炼控制系统数据的远程分析 |
US6795799B2 (en) * | 2001-03-07 | 2004-09-21 | Qualtech Systems, Inc. | Remote diagnosis server |
US20020177978A1 (en) * | 2001-04-16 | 2002-11-28 | Obenhoff Ryan E. | Digital data acquisition system for manitoring and remote testing of gas and steam turbine performance parameters |
-
2001
- 2001-07-04 WO PCT/JP2001/005807 patent/WO2002003158A1/ja not_active Application Discontinuation
- 2001-07-04 KR KR10-2003-7000040A patent/KR100522342B1/ko active IP Right Grant
- 2001-07-04 EP EP01947820A patent/EP1298510A4/en not_active Withdrawn
- 2001-07-04 AU AU2001269438A patent/AU2001269438A1/en not_active Abandoned
- 2001-07-04 CN CNB018121853A patent/CN1235105C/zh not_active Expired - Lifetime
-
2006
- 2006-01-12 US US11/330,354 patent/US7143011B2/en not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
EP1298510A4 (en) | 2005-01-26 |
KR100522342B1 (ko) | 2005-10-19 |
US7143011B2 (en) | 2006-11-28 |
KR20030014417A (ko) | 2003-02-17 |
AU2001269438A1 (en) | 2002-01-14 |
EP1298510A1 (en) | 2003-04-02 |
CN1440523A (zh) | 2003-09-03 |
WO2002003158A1 (fr) | 2002-01-10 |
US20060116836A1 (en) | 2006-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1235105C (zh) | 用于诊断、管理装置和诊断装置的系统 | |
US7139681B2 (en) | System for diagnosing facility apparatus, managing apparatus and diagnostic apparatus | |
CN107976304B (zh) | 基于对信号的周期性信息进行分析的机器故障预测 | |
CN1143126C (zh) | 用于电动机的、基于模型的故障检测系统和检测方法 | |
KR930007745B1 (ko) | 기계의 결함을 진단하기 위한 다목적 전문장치 및 이를 이용한 진단방법 | |
US6053047A (en) | Determining faults in multiple bearings using one vibration sensor | |
US6801864B2 (en) | System and method for analyzing vibration signals | |
US7606673B2 (en) | Rotating bearing analysis and monitoring system | |
US8370109B2 (en) | Machine vibration baseline synthesizer | |
JP6350554B2 (ja) | 設備診断装置、設備診断方法及び設備診断プログラム | |
US20100145639A1 (en) | Diagnosis method of defects in a motor and diagnosis device thereof | |
CN1784641A (zh) | 表示机器运行状况的数据的生成 | |
CN1601250A (zh) | 检查方法、检查装置及设备诊断装置 | |
CN1916949A (zh) | 电力设备状态评估及维修策略支撑系统 | |
JP4428838B2 (ja) | 設備機器診断システム | |
CN1228601A (zh) | 原子反应堆输出功率的监控装置 | |
KR20210029003A (ko) | 실시간 데이터 수집 분석을 위한 무선 설비 관리 시스템 및 이의 진단방법 | |
CN207895272U (zh) | 一种卷烟机组用在线自动点检、分析装置 | |
CN1308692C (zh) | 旋转机械的异常诊断方法及异常诊断装置 | |
JP2010027076A (ja) | 設備機器診断方法 | |
JP2002023841A (ja) | 設備機器診断システム | |
US20220178737A1 (en) | Automated health state classifier for rotating machines based on expert knowledge | |
Derbel et al. | Integrated sensor based smart diagnostic and online monitoring of Industrial Systems | |
Salokangas et al. | MIMOSA for Condition-based Maintenance. | |
CN1132563A (zh) | 解释性测量仪器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CX01 | Expiry of patent term | ||
CX01 | Expiry of patent term |
Granted publication date: 20060104 |