下载PDF
C3 IoT > 实例探究 > 预测、诊断和减少设备故障
C3 IoT Logo

Predicting, Diagnosing and Reducing Equipment Failures

 Predicting, Diagnosing and Reducing Equipment Failures - IoT ONE Case Study
技术
  • 分析与建模 - 预测分析
适用行业
  • 公用事业
适用功能
  • 维护
用例
  • 预测性维护
挑战

欧洲最大的综合电力公司之一正在寻找分析解决方案,以可靠地预测设备故障并改善其燃煤电厂的基于状态的维护。凭借多样化的煤炭、石油和天然气/CCGT 发电厂,该公用事业公司在全球超过 50GW 的发电组合一直面临着精简全球运营并将发电成本(资本支出和运营/维护 O&M 费用)降低 7-10 的压力%。

客户
未公开
关于客户
欧洲最大的综合电力公司之一
解决方案

该公司完成了 C3 Predictive Maintenance™ 的成功部署,展示了软件分析能够准确预测设备故障并改善 2,640 兆瓦传统燃煤电厂的基于状态的维护。凭借多样化的煤炭、石油和天然气/CCGT 发电厂,该公用事业公司在全球超过 50GW 的发电组合一直面临着精简全球运营并将发电成本(资本支出和运营/维护 O&M 费用)降低 7-10 的压力%。部署 C3 预测性维护应用程序以通过多个杠杆显着促进这些目标: • 提高预测提前期和安排维护任务的灵活性 • 提高资产故障预测的时间准确性和本地化 • 减少或避免计划外的紧急维护任务 • 最大化能源生产可靠性和调度承诺 作为 C3 IoT 的 SaaS 应用程序之一,C3 Predictive Maintenance 采用先进的基于机器学习的算法来增强工厂操作员的故障预测和诊断能力。该应用程序通过持续监控所有仪器信号、跟踪复杂的故障模式以及检测与大量旋转设备组件即将发生的设备故障相关的操作异常来增强传统系统。该应用程序能够集成广泛的传感器数据以及非结构化维护、工作订单和运营信息,为工厂操作员提供了对当前状况和未来几天和几周设备新出现的维护要求的全面和预测性视图。基于这一成功部署,C3 IoT 正在与该公用事业公司合作,将基于机器学习的 C3 预测性维护方法扩展到该公用事业公司在欧洲的常规发电厂以及 2016 年在全球范围内的其他工厂的更大的旋转设备和系统集- 2017 年。

收集的数据
Fault Detection, Maintenance Requirements, Operating Cost, Overall Equipment Effectiveness, Per-Unit Maintenance Costs
运营影响
  • [Efficiency Improvement - Maintenance]
    Improving prognostic lead time and flexibility in scheduling of maintenance tasks
  • [Efficiency Improvement - Maintenance]
    Increasing temporal accuracy and localization of asset failure predictions
  • [Efficiency Improvement - Productivity]
    Reducing or avoiding unplanned, emergency maintenance tasks. Maximizing energy production reliability and dispatch commitments.

相关案例.

联系我们

欢迎与我们交流!

* Required
* Required
* Required
* Invalid email address
提交此表单,即表示您同意 IoT ONE 可以与您联系并分享洞察和营销信息。
不,谢谢,我不想收到来自 IoT ONE 的任何营销电子邮件。
提交

Thank you for your message!
We will contact you soon.