Da li okretni stub tržnog centra podržava daljinsku dijagnozu kvara?

一, Tehnička arhitektura: Stvaranje "neuralnog centra" za dijagnozu na daljinu
Glavni dio sistema za daljinsku dijagnostiku problema za rotacione okretne platforme je izrada troslojne arhitekture "oblaka upravljanja krajnjim" slojem. Ovo će omogućiti zatvoreno-upravljanje-nadgledanjem statusa opreme u stvarnom vremenu, brz prijenos podataka i pametnu analizu i{4}}donošenje odluka.
1. Terminalni sloj percepcije: prikupljanje podataka na mnogo načina
Moderni rotacijski okretni stubovi mogu prikupiti više od 20 bitnih karakteristika u realnom vremenu, kao što su brzina motora, temperatura ležaja, kretanje šipke kapije i strujne fluktuacije. Ovo je moguće zbog-preciznih senzorskih mreža. Na primjer, jedan tip okretnog stuba koristi tri-osne senzore ubrzanja za praćenje kretanja. Ovi senzori mogu pouzdano uhvatiti promjene vibracija od 0,01 mm, što pomaže u predviđanju kvarova. Niz fotoelektričnih senzora može pronaći grešku ugla resetovanja šipke kapije i oglasiti alarm ako je greška veća od ± 2 stepena.

2. Mrežni transportni sloj je siguran i brz način za slanje podataka.
Kako bismo bili sigurni da se podaci šalju u realnom vremenu i pouzdano, koristimo LoRaWAN niske{0}}široke mreže i 5G dual{2}}komunikacijske tehnologije. Tržni centar je pokazao da korištenje rubnog računarskog gatewaya može povećati omjer kompresije senzorskih podataka za 60% i da se cijeli proces prikupljanja podataka i otpremanja u oblak može obaviti za manje od 200 milisekundi. Korištenje šifriranih metoda prijenosa osigurava da sigurnost podataka uređaja u javnom prijenosu mreže ispunjava norme na nivou finansija.

3. Sloj analize oblaka: pametno mjesto za donošenje odluka i dijagnosticiranje problema
Ekspertski sistem za dijagnostiku grešaka zasnovan na AI-može precizno identifikovati 98,7% tipova problema izgradnjom baze znanja sa više od 100.000 uzoraka grešaka. Sistem koristi konvolucionu neuronsku mrežu (CNN) za gledanje spektra vibracija. Ovo mu omogućava da proceni koliko će se ležajevi istrošiti 3 do 7 dana unapred. Nakon stavljanja sistema u određeni trgovački centar, stopa kvarova opreme smanjena je za 62%, a vrijeme potrebno za popravku smanjeno je na 8 minuta.

2, Industrijska praksa: Uobičajene upotrebe za daljinsku dijagnozu
1. Preventivno održavanje: od "pasivnog popravka" do "aktivne prevencije"
Inteligentna platforma za rad i održavanje koja se koristi u visokom{0}}šoping centru u Šangaju pogledala je velike podatke sa kapija i uočila da temperatura motora na izlazu 3 nastavlja da ide iznad 65 stepeni tokom najvećeg radnog vremena dana, od 14:00 do 15:00. Sistem automatski izdaje radne naloge za održavanje, a osoblje za održavanje mijenja ventilator za hlađenje prije vremena kako bi se smanjila moguća katastrofa zastoja opreme. Srednje vrijeme između kvarova (MTBF) opreme se povećava sa 8000 sati na 12000 sati u ovom načinu rada.

2. Daljinsko otklanjanje grešaka: Dobivanje tehničke pomoći s bilo kojeg mjesta
Daljinska dijagnostička platforma je korištena za optimizaciju parametara tokom nadogradnje sistema kapija u tržnom centru u Pekingu. Inženjer je promijenio postavke brzine resetovanja na šipki kapije u kancelariji sjedišta i gledao kako mašina za kapiju radi u realnom vremenu iz tržnog centra udaljenog 20 kilometara. Time je smanjeno vrijeme potrebno za otklanjanje grešaka sa uobičajenih 4 sata na 45 minuta. Ova strategija smanjuje troškove pojedinačnog održavanja za 70%.

3. Reakcija u hitnim slučajevima: Kreiranje pristupa na "minutnom nivou" za rješavanje kvarova
Sistem kontrole kapije u tržnom centru u Šenženu iznenada se pokvario, blokirajući pristupnu traku. Stručnjak je odredio lokaciju kvara za 10 minuta pomoću daljinskog dijagnostičkog sistema. Otkrio je da je za to kriva prenaponska zaštita energetskog modula. Nakon što je ljudima na licu mjesta rekao kako da resetuju modul napajanja, sistem je odmah ponovo počeo da radi. Ovaj put, hitna reakcija je bila 90% efikasnija nego inače, kada je potrebno više od dva sata da se istraži na-mjestu.

3, Poslovna vrijednost: Daljinska dijagnoza mijenja način na koji preduzeća rade i održavaju svoje sisteme.
1. Učiniti operacije efikasnijim: donošenje odluka na osnovu podataka
Statistike određenog lanca tržnih centara pokazuju da je ugradnjom sistema za daljinsku dijagnostiku prosječno vrijeme popravke (MTTR) okretnica smanjeno sa 2,3 sata na 0,4 sata, a broj putnika koji su izgubili novac zbog kvarova okretnih vrata smanjen je za 43%. Gledajući podatke o prošlim kvarovima i poboljšavajući planiranje kako rasporediti opremu, broj ljudi koji mogu koristiti uslugu jedne kapije može porasti za 25%.

2. Optimizacija strukture troškova: promjena sa "radno-intenzivne" na "tehnološki{2}}".
Za tradicionalni rad i održavanje potreban je poseban tim za održavanje, a troškovi rada čine 18% ukupne cijene opreme. Metoda dijagnoze na daljinu smanjila je broj ljudi koji rade u jednom trgovačkom centru sa 5 na 2. Ovo trgovačkom centru štedi preko 600.000 juana godišnje na troškovima rada. Upotreba strategije preventivnog održavanja ubrzala je promet rezervnih dijelova za 40% i smanjila kapitalne troškove za 2 miliona juana.

3. Poboljšano korisničko iskustvo: usluge za rad i održavanje koje je teško primijetiti
Određeni pametni tržni centar postigao je rad i održavanje "nulte zastoje" putem sistema za daljinsku dijagnostiku: automatska samoinspekcija uređaja se vrši tokom perioda niske doline noću, a prioritet se daje osiguravanju performansi tokom perioda najvećeg protoka putnika tokom dana. Ankete kupaca pokazuju da je zadovoljstvo vremenom provedenim u čekanju na kapiji poraslo sa 78 na 92 ​​poena, dok su pritužbe na probleme sa opremom smanjene za 87%.