CN104956277A - 用于提供维护数据的方法 - Google Patents
用于提供维护数据的方法 Download PDFInfo
- Publication number
- CN104956277A CN104956277A CN201480006184.0A CN201480006184A CN104956277A CN 104956277 A CN104956277 A CN 104956277A CN 201480006184 A CN201480006184 A CN 201480006184A CN 104956277 A CN104956277 A CN 104956277A
- Authority
- CN
- China
- Prior art keywords
- time
- machine
- machine component
- expected remaining
- maintenance
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G05B23/0235—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 based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/008—Subject matter not provided for in other groups of this subclass by doing functionality tests
-
- 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
- G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
-
- 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
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
提供了一种提供与液体加工系统的机器部件的工作状态有关的数据的方法。所述方法包括以下步骤:选择所述液体加工系统的至少一个机器部件;基于所述机器部件的估计寿命时间计算预期的剩余可用时间;确定所述至少一个机器部件的至少一种实时工作状态;并且将用于维护的所述预期的时间和所述至少一种工作状态作为数据提供以便能决定是否对所述机器部件进行维护。
Description
技术领域
本发明涉及一种识别用于维护的机器部件的方法。更具体地讲,本发明涉及一种用于确定进行维护的液体加工机器的具体组件以及何时进行维护的方法。另外,本发明涉及一种实施这种方法的液体加工机器。
背景技术
液体加工,例如液体食物加工,通常要求包括许多不同组件或机器部件的大型系统。各机器部件具有用于由系统执行的具体工艺的精心设计的目的。在这种情况下,机器部件可以是小组件,例如,阀门、管道或电动机。然而,较大且更复杂的机器部件,例如,换热器、槽、匀化器等,也构成整个加工系统的部分。
各种类型的机器部件可以具有表示工作时间与故障概率的函数关系的相关工作寿命时间曲线。寿命时间曲线可以在不同类型的机器部件之间变化。例如,电子组件可以具有恒定的故障概率,而例如具有密封垫圈的阀门之类的机械组件可以具有位于具体工作时间间隔的高斯形寿命时间曲线。因此,鉴于这种可用的寿命时间曲线,可能可行的是提前规划维护。
当运行大型液体加工系统时,系统操作员可以给待加工的液体选择不同的流动路径。特别是,在食品加工中,系统所有者可以利用他的系统用于许多不同的产品。例如,系统可以被配置成用于牛奶加工,因此需要给待加工的牛奶具体选择机器部件和流动路径。当为所需的目的选择所需的机器部件时,通常还剩下大量多余的机器部件。在成功加工牛奶之后,系统所有者想转换成例如果汁加工。由于果汁要求不同的处理,所以需要另一次选择所需的机器部件和流动路径。因此,用于牛奶加工的机器部件不可以用于果汁加工,并且反之亦然。
这同样适用于通常提供给现代加工系统的原位清洗(cleaning inplace,CIP)系统。CIP系统允许在不需要关停或拆卸的情况下有效地清洗加工系统,并且包括需要用于存储清洁液以及使CIP系统与液体加工系统连接上的额外的机器部件。
通常,系统所有者定期重新设计他的加工系统,由此机器部件的实际使用可能发生变化。在涉及不同的待加工产品的工作年中,一些机器部件一直使用,而其他部件从未使用。对于使用的各机器部件,需要以规则的时间间隔进行维护和维修。由于这些时间间隔通常取决于机器部件自身及其实际使用,所以有利的是提供一种改进的方法来识别要进行维修的具体机器部件以及这种维护操作的合适时间。
发明内容
因此,本发明的目的是克服或消除上述问题。
基本思路是给具体的机器部件指定代表机器部件的当前状态的一个或几个测量信号。
测量信号可以与特定的机器部件的预定工作寿命时间曲线一起用于校正此前仅基于工作寿命时间曲线估计的未来维修或维护时机。
根据第一方面,提供了一种提供与液体加工系统的机器部件的工作状态有关的数据的方法。所述方法包括以下步骤:选择所述液体加工系统的至少一个机器部件;基于所述机器部件的预测寿命时间计算预期的剩余可用时间;确定所述至少一个机器部件的至少一种实时工作状态;并且将用于维护的所述预期的时间和所述至少一种工作状态作为数据提供以便能决定是否对所述机器部件进行维护。
提供所述预期的剩余可用时间和所述至少一种状态的步骤可以进一步包括将其呈现给系统操作员,以便允许系统操作员,例如,维护员工,计划在合适的时间维护。
计算的预期的剩余可用时间可以是期望故障风险的函数。因此,具体机器部件的重要性可以由此用于确定预期的剩余可用时间。
所述预期的剩余可用时间可以进一步是所述机器部件的实际工作时间的函数。这对于其具体机器部件仅用于某一产品的大型加工系统而言是有利的。因此,通过测量具体机器部件已经使用的实际时间,可以相应地调节预期的剩余可用时间。
所述预期的剩余可用时间也可以是代表在所述机器部件的实际工作时间期间加工的液体产品的参数的函数。对于一些应用,比如液体食品加工,不同的产品给所涉及的机器部件带来不同的磨损。不同pH、粘度、存在颗粒等可以对机器部件具有不同的影响,由此当考虑这一点时,预期的剩余可用时间,即,用于维护的时间,会更加精确。
代表加工中的液体产品的所述参数可以是预定的。因此,所述方法可以访问用于不同类型的产品的具体机器部件的性能的所存储的参考值。因此可以更加精确地估计预期的剩余可用时间。
在另一个实施例中,代表加工中的液体产品的所述参数是实时测量的。在这种情况下,加工系统中的小变化可以被检测到并且用于校正代表预期的剩余可用时间的值。这些变化例如可以包括工艺速度、周围温度、添加物的突变等。
提供所述预期的剩余可用时间和所述至少一种工作状态的步骤可以进一步包括将所述至少一个工作状态与预定阈值进行比较,并且提供代表所述至少一个工作状态与所述阈值之间的关系的指示符。因此,单个指示符可以用于提醒系统操作员或维护员工进行紧急维修。
所述至少一个实时工作状态可以是代表流量、温度、压力、填充水平、转速、电流或电压、能耗、循环时间、振动、声音或油位水平或油压的值。然而,也可以使用其他工艺参数。在一个实施例中,通过自动控制传感器,即,已经设置在加工系统中的传感器来测量用于确定实际工作状态的工艺参数。在这种情况下,所述方法不要求额外安装和连接额外的传感器。然而,在另一个实施例中,例如,在不为了自动控制而监测具体机器部件的情况中,具体机器部件由额外的状态监测传感器监测。
根据第二方面,提供了一种管理液体加工系统中包括的多个机器部件的维护的方法。所述方法包括以下步骤:对所述多个机器部件中的每个机器部件执行根据第一方面所述的方法;比较预期的剩余可用时间和/或用于各机器部件的所述至少一个工作状态;确定用于所述预期的剩余可用时间和/或所述工作状态的间隔;并且将各机器部件指定给所述间隔之一以便能决定是否对被指定具体间隔的所述机器部件进行维护。
根据第三方面,提供了一种液体加工系统。所述系统包括多个机器部件以及与计算机可读介质连接的控制器,所述计算机可读介质上实施由计算机处理的计算机程序,所述计算机程序包括用于执行根据任一项前述权利要求所述的方法的代码段。
附图说明
参照附图,通过本发明的优选实施例的以下说明性和非限制性详细描述将更好地理解本发明的上述内容以及附加的目标、特征和优点,其中:
图1是利用根据实施例的方法的食品加工系统的加工方案;
图2是利用根据另外的实施例的方法的食品加工系统的加工方案;
图3是描述根据实施例的方法的流程图;
图4a至图4d示出了用于不同机器部件的不同的寿命时间曲线;
图5示出了根据实施例的方法;
图6示出了机器部件状态与时间的关系曲线图;并且
图7示出了与根据实施例的方法一起使用的图形用户界面的实例。
具体实施方式
从图1开始,示出了描述液体食品(例如,奶制品)加工系统的间接UHT(ultra heat treatment,超高温热处理)工艺路径100的工艺方案。工艺路径100包括多个部分,各部分有助于处理牛奶,并且进一步包括用于清洁加工系统100的CIP回路。
工艺路径100可以形成更大且更为复杂的液体加工系统的一部分,该液体加工系统包括用于进行液体产品的不同处理和输送的额外部分和机器部件,例如,匀化器、分离器、保留单元或槽、冷却设备、泵、阀门等。然而,当系统操作员选择图1的UHT处理工艺路径时绕过所有的这些机器部件。
待处理的牛奶在附图左端引入,由标记“A”表示。牛奶进入平衡槽101,并且通过供给泵102供给到预热器103。加热的牛奶此后输送到除氧器104以及随后设置的匀化器105。此后牛奶穿过第一加热器106和第二加热器107,此后加热的牛奶由冷却器108冷却,然后其从附图右端的加工系统出来(由标记“B”表示)。用于CIP的清洁剂的供给槽109进一步连接到平衡槽101。
第一加热器106被设计成将牛奶产品从大约70°加热到95℃,其中第二加热器107被设计成将牛奶产品从95°加热到137℃以上。加热温度的选择取决于特定的液体产品加工系统,并且可以根据液体产品的所需处理进行调节。因此,上述温度仅仅是一个这样的系统的实例。
额外的机器部件可以设置用于自动工艺控制。在优选实施例中,两个不同的压力传感器112、114设置在第一加热器106的上游和下游。压力传感器112、114可以在污垢形成期间提供第一加热器106上的压差的连续测量,尽管它们的主要功能在CIP启动时被激活以便连续监测清洁过程。
对应地,第二加热器107同样设有分别设置在第二加热器107的上游和下游的两个压力传感器122、124。由于第二加热器107直接设置在第一加热器106以后,并且第二加热器107的第一传感器122可以与第一加热器106的第二传感器114相同。然而,传感器122、124也可以作为两个单独的传感器提供。
加热器106、107之间的压差确定为各加热器106、107的第二传感器114、124与第一传感器112、122之间的差值。可替代地,压差传感器也可以用作相同的目的。
压力传感器112、114、122、124代表压力控制传感器的实例,因为突然的压降可能表示系统的性能降低,需要改变操作参数。用于工艺控制的另外的传感器可以包括用于电动泵的转速传感器、流量计、槽中的液位指示器、温度传感器等。另外,优选的工艺控制参数可以包括能量消耗和循环时间。能量消耗例如可以由设置成监测蒸气使用、功率使用等的传感器来测量。循环时间可以例如由设置成检测并监测脉冲、频率等的传感器来测量。
例如,平衡槽101可以配有液位指示器和温度传感器。供给泵102可以具有用于提供泵的工艺控制的流量计、转速传感器、压力传感器等。预热器103可以具有用于提供自动工艺控制的工作特性的温度传感器、流量计和压力传感器等。在类似方式中,机器部件104、105、106、107、108、109同样可以具有相关的仪表和/或传感器。
指定用于液体加工系统的具体机器部件和/或部分的所有这些传感器和仪表提供通常用于高效自动控制的大量信号。通过连续监测这些信号,可以控制甚至提高加工中的液体产品的质量。
另外的传感器也可以提供用于提高工艺监测。对于工艺控制并非总是必要的的这些传感器例如可以包括振动传感器、温度传感器、用于监测油位和油压的液压传感器、声传感器、超声波传感器以及用于确定流动路径100的整体性能的结合传感器。
现在转到图2,示出了液体食品加工系统的另一个流动路径1000。流动路径1000可以与流动路径100一起设置在同一个食品加工系统中,或者可以看成表示不同的液体加工系统的另一个流动路径。流动路径系统1000在入口“A”接收待处理的液体产品,例如,食品,并且包括CIP回路110。处理的食品产品在“B”从食品加工系统1000出来。
CIP入口槽109设置成通过供给泵102提供清洁液。清洁液因此在分别进入加热器106和107之前通过多个食品加工设备105供给,加工设备105如,匀化器、阀门、槽或任何其他食品加工设备。压力传感器112、114、122、124连同机器部件的额外的工艺控制传感器(即,温度传感器、流量计等)发送实时数据给确定单元130,该确定单元130确定不同的机器部件101、102、105、106、107、109的实际工作状态,即,还包括用于CIP的机器部件的实际工作状态。
用于各机器部件的确定的工作状态被进一步发送给计算器140,在该计算器140中确定的工作状态与从参考存储器150获取的对应参考值进行比较以便计算实际工作状态与参考工作状态之间的比值。优选地,参考值与清洁的且未损坏的机器部件的工作状态对应,并且可以是测量值或理论值。例如,参考值可以是根据流动路径1000的当前工作状态进行修改的理论值,例如,工艺速度以及正在加工哪个产品。另外,参考值可以随时间变化,使得参考值根据食品加工系统的不同工作参数,例如,运行时间、流体食品产品的变化等进行更新。优选地,参考值的表格存储在参考存储器150的数据库中。计算器可以远离液体加工系统设置。
计算的工作状态比值此后发送给控制器160,该控制器160经过编程以执行各种操作。例如,控制器160被配置成也获取用于维护各机器部件的预测时间,并且提供与用于维护的预测时间对应的数据和用于允许决定是否进行维护的工作状态比值。
用于维护的预测时间可以从存储器150或通过互联网从远程服务器300获取。控制器可以进一步被配置成从各机器部件的预定值和预定的预期故障风险计算用于维护的预测时间,即,代表具体机器部件的剩余的可用寿命时间。此外,控制器160也可以被配置成从预定值以及代表具体机器部件的实际工作时间的值和/或代表在实际工作时间期间正在加工的液体产品的不同参数计算用于维护的预测时间。
另外,控制器160优选地连接到系统操作员或维护提供商本地地或通过互联网远程地访问的图形用户界面上,由此将用于维护的预测时间以及机器部件的当前状态提供给系统操作员。
图3总体上示出了根据实施例的方法。这里,通过一系列机器部件图示了液体加工线或液体加工线的一部分。液体产品从附图的上方进入并且从附图的下端出来。机器部件与能发送机器部件数据到机器部件收集器,例如,如上所述的确定单元130、计算器140、参考存储器150以及控制器160的具体仪表或传感器相连。此后一些数据提供用于代表用于维护的预测时间的统计分析,而一些(或部分)数据用于提供机器部件的实际状态的实时监测。输出然后用于允许决定是否执行维护。
正如以上已经提到的,加工系统的各机器部件可以具有预定的统计寿命时间曲线,代表根据时间变化的故障风险。根据特定的机器部件,这些曲线可以大为不同。在图4a中,示出了寿命时间曲线的一个实例。正如可以看到的,故障风险最初高,此后故障风险随时间变化保持恒定,直到接近工作寿命时间的估计最大值。在这一点,故障风险迅速增大。
在图4b中,示出了不同的机器部件的另一个寿命时间。对于这种类型的机器部件,一旦其安装在流动路径中,故障风险就不断增大。
在图4c中,示出了具体机器部件的寿命时间曲线的又另一个实例。这里,在工作的初始时间期间,故障风险迅速减小,此后,故障风险保持恒定。
在图4d中,示出了另一条寿命时间曲线。故障风险在初始工作期间迅速增大,此后,故障风险在特定时间内保持恒定。然而,在某一时间之后,故障风险或故障概率随时间变化而持续增大。
现在参见图5,将描述根据实施例的方法。在第一步200中,该方法选择将要对维护进行评估的液体加工系统(例如,液体食品加工系统)的机器部件。机器部件可以是系统的任何部分,例如,阀门、阀门系统、电动机、加热器、槽、分离器、匀化器等,或这些部件的任意组合。
在步骤202中,该方法获取与特定的机器部件对应的预测寿命时间数据。预测寿命时间数据可以优选地是与根据工作时间变化的故障风险对应的数据。特定的步骤202可以以许多不同的方式执行。例如,通过检索用于具体机器部件的预定统计寿命时间曲线以及机器部件的实际工作时间并且确定剩下用于维护的预测时间量可以确定预测寿命时间数据。然而,通过给机器部件分配所需的风险可以改善此方法步骤。为了成功加工,一些部件可能永远不会运行到发生故障。为了确保连续工作,如果故障风险在时间段内增大,例如,比下一次生产时间间隔增大10%,那么系统操作员可以因此预定维修或维护。因此,相应地调节预测寿命时间数据。对于另一个机器部件,可能希望减少用于维护的成本,由此当故障风险超过下一个生产时间段的90%时,决定执行维修。因此,预测寿命时间数据会在不同的机器部件之间显著变化。
步骤202可以与任选步骤202'进一步相关,其中根据前一个数据以及当前的系统参数计算预测寿命时间数据。假如不存在预定的故障风险曲线,系统工作历史可以用于计算具体机器部件的预测故障风险。此外,故障风险曲线可以根据加工中的实际产品进一步调节,因为不同的液体或工作参数会影响具体机器部件的耐久性。高速度、酸性产品或特定产品例如会不利地影响耐久性并且因此还影响相关的故障风险曲线。不太频繁的清洁也会影响故障风险变化的原因。优选地,通过检索不仅来自当前的加工系统,而且来自具有安装并使用的类似机器部件的其他加工系统的机器部件信息来执行步骤202'。因此,可能可行的是设置机器部件信息的大数据库用于提高预测寿命时间数据的正确性。
在步骤204中,预测寿命时间数据用于根据多个参数,例如,实际工作时间、加工中的液体产品的类型等,计算预期的剩余可用寿命时间。从步骤202以及任选的步骤202',获取预测寿命时间数据。通过使用此数据以及目前为止用于具体机器部件的实际工作时间,能够决定剩下的预期的寿命时间。然而,因为其他参数会影响故障风险,所以可以执行任选的步骤204'用于调节具体机器部件的预期的剩余可用寿命时间。在204’,参数,比如加工中的当前产品、加工中的前一个产品以及计划加工的未来产品,可以形成用于调节预期的寿命时间的重要输入。此外,步骤204'也可以通过指定机器部件的重要性来执行,即,在此故障风险,应当维护、维修或更换机器部件。作为一个实例,考虑到加工中的当前产品及类似机器部件的历史数据,如果故障风险不得超过10%,那么在1000小时应当维护机器部件。假如加工系统被调度在500小时之后改变加工中的产品类型,从而绕过考虑中的机器部件,那么预期的剩余可用寿命时间可以因此随着后续产品的对应加工时间而延长。
进一步说,在步骤206,所述方法获取机器部件的某些状态的信息。在例如匀化器之类的高压泵的情况中,这种信息可以例如包括流量变化、压降、振动等。优选地,从与加工系统相关的自动控制程序检索这种信息。因此,不需要仅为此目的而提供独特的传感器,但是可以使用已经可用的容易获取的信息。然而,还能够从仅为此特定目的,即,提供有关具体机器部件的信息,而设置的传感器或仪表检索实际状态。机器部件可以具有单个相关状态、多个相关状态,或者几个机器部件可以共享单个或几个状态。
作为一个实例,阀门、泵和动态搅拌器可以设置成紧挨着振动传感器。因此,振动传感器可以提供这三个机器部件的状态。另外,压力传感器可以设置在阀门和泵的下游,但是在混合器的上游。因此,压力传感器提供阀门和泵的状态。由于只有用于三个不同的机器部件的两种可测量状态,然而这两种状态可以经过适当的运算,用于确定三个机器部件的每一个的独特状态。仅作为一个实例,压力传感器所感测的压力与泵的状态密切相关,而压力的导数与阀门的状态密切相关。再者,输送到泵的控制信号可以进一步结合用于确定实际状态的测量压力一起使用。
在208中,状态信息与对应于新的机器部件的状态的预定参考值进行比较。因此,步骤208的输出可以是实际状态与参考状态之间的比值。参照图6,示出了随时间变化的具体机器部件的状态的实例。最初,状态(例如,功耗、温度、压力等)等于所需状态,优选地等于或类似于全新的或未使用的机器部件的状态。在特定时间,机器部件的状态减小并且持续减小直到达到临界水平。临界水平可以由操作员、机器所有者或维修提供商设置以代表故障状态或者代表机器部件的临界性能的任何其他值。返回图5,预定的参考值可以因此与图6所示的所需状态对应。
在步骤210中,进行比较,其中对步骤208的状态信息进行评估以确定与未来的维护任务有关的比值的影响。因此,步骤210可以输出状态是否在正常工作范围内的指示。例如,如果实际状态(例如参照图5,当时间接近零时)非常接近所需状态,这就指示正确工作的机器部件。另一方面,如果状态信息指示机器部件故障,就增大与未来维护有关的影响。
在最终步骤212中,所述方法提供了预期的剩余可用寿命时间的信息,即,预测发生下一次维护、维修或更换,以及实际状态。基于此信息或数据,系统操作员可以决定何时进行维护任务。正如将参照图7进一步描述的,预期的剩余可用寿命时间和实际状态优选地显示成单独的值。然而,这些当然也可以结合到用于指示未来维护的需求和时间的共同值中。
所述方法可以进一步由任选步骤220改善。步骤220提供用于管理液体加工系统中包括的多个机器部件的维护,并且包括检索预期的剩余可用寿命时间以及多个机器部件的实际状态,优选地与当前加工系统相关的所有机器部件的实际状态。进一步说,步骤220包括比较预期的剩余可用寿命时间和/或用于各机器部件的所述至少一个工作状态,以便确定用于维护的预测时间的具体时间间隔和/或所述实际状态。时间间隔可以由实际时间来定义,即,表示成小时或天等,亦或相对尺度。相对尺度可以例如包括少量分类,例如,i)紧急,ii)需要调度,iii)等待,以及iv)无需动作。当然,可以省略或重命名这些分类中的一些分类,并且能够增加更多分类用于更精细且复杂的分组。一旦定义了时间间隔,各机器部件可以与具体分类或实际的时间间隔相关使得各间隔与大量机器部件相关。因此,步骤220允许操作者容易地访问与具体间隔相关的机器部件的信息,以便于计划并执行维护或维修。
现在转到图7,示出了呈现由方法200提供的信息的图形用户界面的实例。图形用户界面可以例如设置在计算机屏幕等上或类似地呈现信息给操作者或维修提供商。在此实例中,用户界面包括三列,其中附图左侧第一列包括众多机器部件的列表。可以过滤列表使得机器部件彼此相关。作为一个实例,机器部件的列表可以仅示出与加工系统的工艺路径的共同部分相关的机器部件。作为又一个实例,列表可以仅示出具体类型、然而设置在工艺路径的不同位置的机器部件。
用户界面优选地允许用户,例如,工厂操作员或维修提供商,布置不同组的不同机器部件。此功能的主要目的是允许操作者以最佳方式调度维护任务,用于最小化完全停止生产的需求。这种调度例如可以通过以下方式来执行:将适用于监测的许多机器部件定义成一组并且适用于共同维护。作为一个实例,操作者可能想把要求共同维修能力的所有机器部件归类。作为又一个实例,操作者可能想把适用于同时断开的所有机器部件归类。因此,具体的机器部件可以与一个或多个组相关。将阀门作为实例,这种机器部件例如可以与包括消毒单元的所有机器部件的第一组相关,并且与包括该特定类型的所有阀门的第二组相关。
对于列表中显示的每个机器部件,还示出了两个参数。第一个是指示当前状态。当前状态可以通过多种方式可视化,比如在本实例中通过两个不同符号的任意一个可视化。第一个符号是指示状态等于或接近所需状态(由“OK”表示),而其他符号(由“!”表示)是指示状态等于或接近临界状态。当前状态也可以通过填充符号可视化,其中符号的颜色代表实际状态。例如,绿色符号可以表明机器部件正常工作,黄色符号可以表明机器部件具有接近临界水平的状态,而红色符号可以表明机器部件已经在临界状态工作。
最后一列包括有关各机器部件的预期的剩余可用寿命时间的信息。预期的剩余可用寿命时间与实际状态无关,但是代表结合图5描述的方法200中的步骤204的输出。代表时间的仪表条设置成用于呈现该信息。优选地,仪表条根据实际长度具有不同的颜色,用于进一步提高理解信息的能力。
项目列表,即,在用户界面中呈现的机器部件的列表,可以容易交换用于增加、去除或改变机器部件选择。进一步说,根据以上参照方法200的步骤220所述的具体时间间隔,图形用户界面也可以便能筛选。
当系统操作员或维护人员授权访问用户界面时,非常容易获得有关应当进行维护的机器部件及何时进行维护的信息。例如,针对具体机器部件所呈现的预期的剩余可用寿命时间可以表明紧急维护。然而,假如项目状态列表明机器部件工作正常,则员工可以决定推迟操作。按照类似方式,预期的剩余可用寿命时间可以表示不需要维修,而项目状态表明故障。因此,以非常高效的方式提醒员工以便限制或者甚至避免运行停机时间。
即使实际状态和预期的剩余可用寿命时间显示为两个单独的参数,用户界面也可以包括算法,其中这两个参数经过比较和处理以形成表示维护需求的单个指示符。在又一个实施例中,如果实际状态表明机器部件正常工作,那么预期的剩余可用寿命时间指示符可以自动延长。类似地,如果实际状态表明机器部件没有正常工作,那么预期的剩余可用寿命时间可以自动缩短。
如上所述的方法和系统使得加工厂的所有者能够以非常便捷的方式改善维护过程。通过确定具体机器部件的预期的剩余可用寿命时间,使用历史数据和实际工艺参数,并且确定同一机器部件的实际状态,可以以一种比此前已知的方式更为改善的方式来计划并调度维护。
用于维护调度的此前的系统通常提供与不同维修任务有关的信息。通常,维修任务可以是维修检查,比如手动(或自动)监测并且分析特定的机器部件,亦或维修动作,例如更换或其他物理动作。维修动作也可以包括重新填充油、更换过滤器等。因此,机器部件通常可以在维修动作之前与定期且预定的维修检查关联。
通过改进根据本实施例的系统,可以完全避免这种预调度维修检查。通过提供一种将计算预期的剩余可用寿命时间与监测实时机器部件状态相结合的方法,不再需要实际进入加工系统中以及进行手动检查。相反,实时状态监测将允许系统操作员或维修提供商在仅当需要时,即,当机器部件状态提醒这种任务时,才进行操作员推动的检查。另外,所述方法允许机器部件供应商获取状态数据以对当前状态进行更详细的分析,因此帮助系统操作员或维修提供商决定所需的维护任务。
尽管上述描述大部分参照液体食品加工系统,但是应当容易理解的是,识别用于维护的机器部件的方法的一般原理适用于各种不同的加工系统。
另外,主要参照几个实施例描述了本发明。然而,本领域技术人员容易理解的是,除上述公开的实施例之外的其他实施例同样有可能在由所附权利要求书所限定的本发明的范围内。
Claims (11)
1.一种提供与液体加工系统的机器部件的工作状态有关的数据的方法,包括以下步骤:
选择所述液体加工系统的至少一个机器部件;
基于所述机器部件的预测寿命时间计算预期的剩余可用寿命时间;
确定所述至少一个机器部件的至少一种实时工作状态;并且
将所述预期的剩余可用时间和所述至少一种工作状态作为数据提供以便能决定是否对所述机器部件进行维护。
2.根据权利要求1所述的方法,其中提供所述预期的剩余可用时间和所述至少一种状态的步骤进一步包括将其呈现给系统操作员。
3.根据权利要求1或2所述的方法,其中所计算的所述预期的剩余可用时间是所述机器部件的期望故障风险的函数。
4.根据任一项前述权利要求所述的方法,其中所述预期的剩余可用时间是所述机器部件的实际工作时间的函数。
5.根据任一项前述权利要求所述的方法,其中所述预期的剩余可用时间是代表在所述机器部件的实际工作时间期间加工的液体产品的参数的函数。
6.根据权利要求5所述的方法,其中代表加工中的液体产品的所述参数是预定的。
7.根据权利要求5所述的方法,其中代表加工中的液体产品的所述参数是实时测量的。
8.根据任一项前述权利要求所述的方法,其中提供所述预期的剩余可用时间和所述至少一种工作状态的步骤包括将所述至少一个工作状态与预定阈值进行比较,并且提供代表所述至少一个工作状态与所述阈值之间的关系的指示符。
9.根据任一项前述权利要求所述的方法,其中所述至少一个实时工作状态是代表流量、温度、压力、填充水平、转速、电流或电压、能耗、循环时间、振动、声音或油位水平或油压的值。
10.一种管理液体加工系统中包括的多个机器部件的维护的方法,包括以下步骤:
对所述多个机器部件中的每个机器部件执行根据任一项前述权利要求所述的方法;
比较所述预期的剩余可用时间和/或用于各机器部件的所述至少一个工作状态;
确定用于所述预期的剩余可用时间和/或所述工作状态的间隔;并且
将各机器部件指定给所述间隔之一以便能决定是否对被指定具体间隔的所述机器部件进行维护。
11.一种液体加工系统(100),其包括多个机器部件(101,102,103,104,105,106,107,108,109)以及与计算机可读介质连接的控制器(160),所述计算机可读介质上实施由计算机处理的计算机程序,所述计算机程序包括用于执行根据任一项前述权利要求所述的方法的代码段。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| SE1350124-2 | 2013-02-01 | ||
| SE1350124 | 2013-02-01 | ||
| PCT/EP2014/051213 WO2014118049A1 (en) | 2013-02-01 | 2014-01-22 | A method for providing maintenance data |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104956277A true CN104956277A (zh) | 2015-09-30 |
Family
ID=50030264
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201480006184.0A Pending CN104956277A (zh) | 2013-02-01 | 2014-01-22 | 用于提供维护数据的方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20150363750A1 (zh) |
| EP (1) | EP2951653B1 (zh) |
| CN (1) | CN104956277A (zh) |
| WO (1) | WO2014118049A1 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109635962A (zh) * | 2018-12-17 | 2019-04-16 | 广州甘来信息科技有限公司 | 基于自贩机的检修时间预测方法、装置、设备及存储介质 |
| CN111586083A (zh) * | 2019-02-19 | 2020-08-25 | 上海崇荟信息科技有限公司 | 硬件云端控制平台 |
Families Citing this family (34)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2930579A3 (en) * | 2014-03-28 | 2016-06-22 | Hitachi High-Technologies Corporation | State monitoring system, state monitoring method and state monitoring program |
| US9665852B2 (en) * | 2014-05-13 | 2017-05-30 | Vws (Uk) Ltd. | Water purification unit |
| EP3180746B1 (en) * | 2014-08-15 | 2025-01-01 | Ecolab USA Inc. | Cip wash summary and library |
| CN105162887B (zh) * | 2015-09-30 | 2018-04-24 | 重庆世纪精信实业(集团)有限公司 | 基于大数据的工业设备维护管理系统 |
| JP6797528B2 (ja) * | 2016-01-04 | 2020-12-09 | 株式会社日立産機システム | 監視装置及び監視方法 |
| US20210294877A1 (en) | 2016-01-22 | 2021-09-23 | State Farm Mutual Automobile Insurance Company | Virtual testing of autonomous vehicle control system |
| US12276420B2 (en) | 2016-02-03 | 2025-04-15 | Strong Force Iot Portfolio 2016, Llc | Industrial internet of things smart heating systems and methods that produce and use hydrogen fuel |
| WO2017172701A1 (en) | 2016-03-28 | 2017-10-05 | Carrier Corporation | Automated diagnostics for transport refrigeration units |
| US20230346721A1 (en) | 2018-04-18 | 2023-11-02 | Axcess Global Sciences, Llc | Beta-hydroxybutyric acid compositions and methods for delivery of ketone bodies |
| US12533346B2 (en) | 2016-04-19 | 2026-01-27 | Axcess Global Sciences, Llc | Administration of berberine metabolites |
| US12521378B2 (en) | 2016-04-19 | 2026-01-13 | Axcess Global Sciences, Llc | Administration of R-beta-hydroxybutyrate salt blend and related compounds in humans |
| US12329734B2 (en) | 2017-12-19 | 2025-06-17 | Axcess Global Sciences, Llc | Use of S-beta-hydroxybutyrate compounds for induction and maintenance of flow |
| US12109182B2 (en) | 2016-04-19 | 2024-10-08 | Axcess Global Sciences, Llc | Administration of R-beta-hydroxybutyrate and related compounds in humans |
| US12496283B2 (en) | 2016-04-19 | 2025-12-16 | Axcess Global Sciences, Llc | Administration of R-beta-hydroxybutyrate and related compounds in humans |
| US20200348662A1 (en) * | 2016-05-09 | 2020-11-05 | Strong Force Iot Portfolio 2016, Llc | Platform for facilitating development of intelligence in an industrial internet of things system |
| US10503162B2 (en) * | 2016-12-20 | 2019-12-10 | General Electric Company | System and method for plant control based on fluid quality |
| KR101943438B1 (ko) | 2016-12-28 | 2019-01-29 | 효성중공업 주식회사 | 전력설비의 자산관리 방법 |
| KR101904868B1 (ko) | 2017-04-28 | 2018-10-10 | 효성중공업 주식회사 | 변전소의 자산 관리 방법 |
| US12090129B2 (en) | 2017-11-22 | 2024-09-17 | Axcess Global Sciences, Llc | Non-racemic beta-hydroxybutyrate compounds and compositions enriched with the R-enantiomer and methods of use |
| JP7043911B2 (ja) * | 2018-03-19 | 2022-03-30 | 株式会社リコー | 管理装置、管理システム、管理方法及び管理プログラム |
| US12353203B2 (en) | 2018-05-07 | 2025-07-08 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for data collection, learning, and streaming of machine signals for analytics and maintenance using the industrial Internet of Things |
| DE102018113766A1 (de) | 2018-06-08 | 2019-12-12 | Symex Gmbh & Co. Kg | Digital vernetztes Misch- und/oder Homogenisieranlagensystem |
| CA3126601A1 (en) | 2019-01-13 | 2020-07-16 | Strong Force Iot Portfolio 2016, Llc | Methods, systems, kits and apparatuses for monitoring and managing industrial settings |
| EP3696762B1 (en) * | 2019-02-18 | 2024-12-11 | Carrier Corporation | Refrigeration unit usage diagnostic and evaluation |
| US12472200B2 (en) | 2019-05-15 | 2025-11-18 | Axcess Global Sciences, Llc | Autobiotic compositions and method for promoting healthy gut microbiome |
| JP7615547B2 (ja) * | 2019-05-27 | 2025-01-17 | 富士電機株式会社 | 情報処理装置、情報処理システム、プログラム |
| US12167993B2 (en) | 2019-06-21 | 2024-12-17 | Axcess Global Sciences, Llc | Non-vasoconstricting energy-promoting compositions containing ketone bodies |
| US11969430B1 (en) | 2023-03-10 | 2024-04-30 | Axcess Global Sciences, Llc | Compositions containing paraxanthine and beta-hydroxybutyrate or precursor for increasing neurological and physiological performance |
| JP7339861B2 (ja) * | 2019-11-21 | 2023-09-06 | 株式会社日立製作所 | 故障確率評価システム |
| US12186297B2 (en) | 2020-08-26 | 2025-01-07 | Axcess Global Sciences, Llc | Compositions and methods for increasing lean-to-fat mass ratio |
| US11703849B2 (en) | 2021-01-05 | 2023-07-18 | Rockwell Automation Technologies, Inc. | Predicting end of life for industrial automation components |
| US20240425216A1 (en) * | 2021-11-19 | 2024-12-26 | Tetra Laval Holdings & Finance S.A. | Sealing device for a packaging machine, packaging machine having a sealing device and method of operating a sealing device |
| JP7568667B2 (ja) * | 2022-03-30 | 2024-10-16 | 株式会社Tmeic | ドライブ装置一括管理装置 |
| US12210403B2 (en) * | 2022-12-24 | 2025-01-28 | International Business Machines Corporation | Asset replacement optimization based on predicted risk of failure |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5608845A (en) * | 1989-03-17 | 1997-03-04 | Hitachi, Ltd. | Method for diagnosing a remaining lifetime, apparatus for diagnosing a remaining lifetime, method for displaying remaining lifetime data, display apparatus and expert system |
| US5684404A (en) * | 1995-11-17 | 1997-11-04 | Sharp Microelectronics Technology, Inc. | System and method of measuring a battery lifetime |
| US5719675A (en) * | 1992-06-16 | 1998-02-17 | Honeywell Inc. | Laser gyro life prediction |
| WO2002018879A1 (en) * | 2000-08-25 | 2002-03-07 | Battelle Memorial Institute | Method and apparatus to predict the remaining service life of an operating system |
| JP3509964B2 (ja) * | 1994-11-22 | 2004-03-22 | 株式会社アマダ | Nc加工機用稼働記録方法および記録装置 |
| JP2005084838A (ja) * | 2003-09-05 | 2005-03-31 | Ntt Docomo Inc | 制御系の状態判定装置、制御系の状態判定方法、ネットワークトラヒックの状態判定方法及び通信システム |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4717579B2 (ja) * | 2005-09-30 | 2011-07-06 | 株式会社小松製作所 | 作業機械のメンテナンス作業管理システム |
| US9062771B2 (en) * | 2012-02-10 | 2015-06-23 | Fisher Controls International Llc | Methods and apparatus for estimating useful life of a seal |
-
2014
- 2014-01-22 WO PCT/EP2014/051213 patent/WO2014118049A1/en not_active Ceased
- 2014-01-22 EP EP14701954.1A patent/EP2951653B1/en active Active
- 2014-01-22 US US14/765,237 patent/US20150363750A1/en not_active Abandoned
- 2014-01-22 CN CN201480006184.0A patent/CN104956277A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5608845A (en) * | 1989-03-17 | 1997-03-04 | Hitachi, Ltd. | Method for diagnosing a remaining lifetime, apparatus for diagnosing a remaining lifetime, method for displaying remaining lifetime data, display apparatus and expert system |
| US5719675A (en) * | 1992-06-16 | 1998-02-17 | Honeywell Inc. | Laser gyro life prediction |
| JP3509964B2 (ja) * | 1994-11-22 | 2004-03-22 | 株式会社アマダ | Nc加工機用稼働記録方法および記録装置 |
| US5684404A (en) * | 1995-11-17 | 1997-11-04 | Sharp Microelectronics Technology, Inc. | System and method of measuring a battery lifetime |
| WO2002018879A1 (en) * | 2000-08-25 | 2002-03-07 | Battelle Memorial Institute | Method and apparatus to predict the remaining service life of an operating system |
| JP2005084838A (ja) * | 2003-09-05 | 2005-03-31 | Ntt Docomo Inc | 制御系の状態判定装置、制御系の状態判定方法、ネットワークトラヒックの状態判定方法及び通信システム |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109635962A (zh) * | 2018-12-17 | 2019-04-16 | 广州甘来信息科技有限公司 | 基于自贩机的检修时间预测方法、装置、设备及存储介质 |
| CN111586083A (zh) * | 2019-02-19 | 2020-08-25 | 上海崇荟信息科技有限公司 | 硬件云端控制平台 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20150363750A1 (en) | 2015-12-17 |
| WO2014118049A1 (en) | 2014-08-07 |
| EP2951653A1 (en) | 2015-12-09 |
| EP2951653B1 (en) | 2019-11-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104956277A (zh) | 用于提供维护数据的方法 | |
| CN103025592B (zh) | 用于油田设备预测和健康管理的系统、方法和装置 | |
| EP3764179B1 (en) | Assessing conditions of industrial equipment and processes | |
| CN103969066A (zh) | 监控运行的过程的系统和方法 | |
| JP5981626B2 (ja) | 流体使用設備管理方法、又は、流体使用設備管理システム | |
| JP2004537773A (ja) | プロセスプラントにおけるキャビテーションの監視システム及び検出方法、並びにフィールドデバイス | |
| CN109154592B (zh) | 用于监测和评价液体状况的系统和传感器单元 | |
| EP3259414B1 (en) | Pump monitoring system and method | |
| US20210377141A1 (en) | Identification of facility state and operating mode in a particular event context | |
| US20170045897A1 (en) | Performance monitoring of pump-valve system | |
| WO2014054051A1 (en) | Health monitoring system for a process plant and a method thereof | |
| US20130166608A1 (en) | Method and apparatus for chemical data repository | |
| US10429828B2 (en) | Plant simulation device and plant simulation method with first parameter adjustable at start and second parameter adjustable during operation of the plant | |
| JP6980034B2 (ja) | 装置寿命評価方法 | |
| JP2020041995A (ja) | 監視装置、監視システム、監視方法及びプログラム | |
| EP3971670B1 (en) | Machine diagnostic based on substance analysis | |
| WO2023023328A2 (en) | Working fluid system monitoring based on heat exchanger parameters | |
| US7818146B2 (en) | Method and device for the diagnosis of technical devices disposed within an industrial installation | |
| WO2020188462A1 (en) | A performance monitoring system of a cnc machine | |
| Dehran | Modern Day Automation for Heat Exchanger Monitoring | |
| WO2026028849A1 (ja) | 産業用設備運用支援システム | |
| CN102840124B (zh) | 具有离心机的系统中的工作流体参数指示器灵敏度的确认 | |
| CN120231536A (zh) | 基于云边协同的智能掺水方法 | |
| JP5665243B1 (ja) | 蒸気使用設備評価システム | |
| JP2015225653A (ja) | 蒸気使用設備評価システム、又は、蒸気使用設備評価方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150930 |