<listing id="ess1t"><output id="ess1t"><div id="ess1t"></div></output></listing>

    <s id="ess1t"></s>
  1. <div id="ess1t"><cite id="ess1t"></cite></div>

  2. <ins id="ess1t"></ins>
    • IIANews微官网
      扫描二维码 进入微官网
      IIANews微信
      扫描二维码 关注微信
      移动客户端
    2018OEM 机械设计技术研讨会 菲尼克斯电气Radioline无线系统
    设备管理与维护

    分布式监测与预测性维护方案成IIoT关键一环,振华重工借助NI、微软Azure成为智慧港机设备行业先行者

      2018年12月17日  

      长期以来,我国工业的变革都处于初级阶段。然而,随着物联网突飞猛进的发展,新一轮工业革命即将迎来新的突破点。但工业物联网(IIoT)产生的数据往往具有很大的体量,如何解决日趋复杂的设备远程监控运维难题,以及因种类繁多的传感器、与大量已启用设备而产生的工业大数据(Big Analog Data) 的问题是很大的挑战,市场迫切需要有效的分布式数据采集与状态监测方案!

      在近日由 National Instruments(以下简称NI)举行的NIDays 2018上,数位大咖再次聚焦在IIoT重要应用场景——分布式在线监测与预测性维护领域,分析了当前产业现状、市场机遇及面临的困境。其中,上海振华重工智慧产业集团研发中心的技术总监孙斌展示了NI平台化的理念及微软Azure云平台如何帮助大家快速搭建工业物联网解决方案,实现业务模式和效益的革新,受到现场观众的高度关注。

      上海振华重工智慧产业集团研发中心技术总监孙斌、微软AI商用部/微软AI及研究事业部资深产品总监缪玉峰、NI 大中华区工业物联网/人工智能行业拓展经理郭翘在NIDays发表演讲

      1、NI 边缘计算的分布式数据采集方案与微软Azure云平台、AI技术驱动振华重工智慧港机设备业务模式转型

      振华重工在港机设备领域的成就有目共睹,振华重工产品已遍布全球101个国家和地区,覆盖全球约300个码头,且以在全球港机市场连续20年70%以上的占有率,保持行业第一。在此情况下,如何继续保持高增长?

      孙斌表示:“振华抓住了工业物联网发展的浪潮,在自动化码头领域重点投入,从设计、研发、管理、服务四个维度进行数字化转型升级,为用户提供包括从规划仿真、港机设备、系统集成和运营维护在内的全生命周期服务。”

      据悉,振华有10000多台起重机设备在全世界运行,其中很大一批设备服役周期超过了10年。重型设备的监测是极其复杂的,以起重机为例,振华重工列出了与安全、故障和寿命密切相关的50多个关键部位,通过在这些部位上安装位移、应力、振动、温度、液位等传感器采集起重机的运行数据,实现对起重机的结构安全评估、机构的故障诊断和预测以及零部件的寿命预估。

      为了能让振华的港机设备可以更长久可靠地运行,振华重工、NI和微软围绕港机装备的远程监测与诊断、智能维保等打造完整的解决方案,为服役中的港机设备提供全方位的服务。

      NI分布式数据采集,边缘计算方案与微软Azure平台强强联手

      孙斌进一步指出:“这些传感器的数据首先被采集到NI的数据采集装置中进行处理,利用边缘算法进行故障诊断,然后经过处理的数据被发送到码头本地的服务器或上传到ZPMC远程维护云平台,再利用微软Azure平台上的机器学习算法和工具,结合ZPMC的专业知识和经验,进行数据分析和挖掘,最后利用Power BI实现各种应用结果的展示。”

      振华重工智慧港口机械设备方案

      凭借在工业互联网领域多年的经验,NI可提供灵活、开放且稳定的软硬件解决方案,通过有效的整合、简便的布署与实用的数据管理方式来提升系统性能,使工业互联网领域的创新产品更加智能。

      IIoT与AI的融合,是预测性维护的关键。在以上案例中,微软云IoT解决方案平台也起到了重要作用。微软AI商用部/微软AI及研究事业部资深产品总监缪玉峰提到:“微软依托合作伙伴,比如NI,从设备端及边缘端提取数据,分发到Azure IoT Hub,进行数据处理、分析及管理。基于这些数据,再使用微软的高级数据分析及机器学习服务,从而实现设备远程监控、可预测维修等。”

      OT+IT平台构建智慧港口机械设备

      2、NI联合业界顶尖厂商推进IIoT生态体系建设

      工业资产的状态监测、预测性维护等,已经成为制造行业不可所缺的关键技术之一。在传感器种类庞杂、量测速度要求提高的情况下,工业大数据的处理也成为今日制造业的一大挑战。

      近期,微软发布了自动化机器学习服务。它能够自动调参,支持分布式的深度学习,由 FPGA提供算法支持,并且可以部署到公有云、私有云、及IoT边缘。在建立一个机器学习模型的时候,工程师要考虑选择哪些维度、哪个算法、什么样的参数。以前,这个过程往往需要算法工程师人工来做。但现在,微软云自动化机器学习可以将这个过程完全自动化,最终自动建立准确率最高的模型。

      正如NI 大中华区工业物联网/人工智能行业拓展经理郭翘所言:“借助OT端的NI平台及IT端的Microsoft云平台,无论是对于振华重工已经在使用的港口码头设备、还是对于目前正在大力推广的全自动化港口码头解决方案,振华重工都能以创新技术保证其持续在行业中的领先地位。同时,我们希望 NI在OT端开放的边缘计算平台化理念,能帮助更多的中国制造企业更上一个台阶。”

      IIoT的发展离不开整个生态圈的培养, NI与振华重工的港机设备工业物联网方案融合了NI与振华重工的两大公司的优势,取得了积极的成果。这种互利共赢的合作,对于推动IIoT生态体系的建设具有重要意义。振华重工的孙斌进一步指出:“未来我们计划将起重机智能监测与诊断系统推广到ZPMC所有的起重机机型上,同时继续加深与包括NI和微软在内的伙伴的合作,开发在线故障诊断、剩余寿命预估和智能维护决策等应用,为用户提供全方位的智能运维服务。”

      关于上海振华重工(ZPMC)

      上海振华重工(集团)股份有限公司(ZPMC)是重型装备制造行业的知名企业,为国有控股A、B股上市公司,控股方为世界500强之一的中国交通建设股份有限公司。公司总部设在上海,并在上海、南通、江阴、张家港等地设有10个生产基地,24家海外分支机构遍布全球,是全国也是世界上最大的重型装备制造商之一。公司产品已遍布全球100个国家和地区,万余台港机设备,包括岸桥、场桥等,覆盖全球约300座码头,全球港机市场占有率连续20年在70%以上,保持行业第一。

      关于Microsoft Azure

      Microsoft Azure 是微软的公用云服务 (Public Cloud Service) 平台,是微软在线服务 (Microsoft Online Services) 的一部分,自 2008 年开始发展,2010年2月份正式推出,目前全球有54座数据中心以及44个CDN跳跃点 (POP),并且于2015年时被 Gartner 列为云计算的领先者。Microsoft Azure 是一个不断扩展的云服务集合,它可以帮助组织应对各种商业挑战。用户可使用个人喜欢的工具和框架,在大规模全球性网络上随心所欲地构建、管理和部署应用程序。在中国,Microsoft Azure是基于微软技术由世纪互联运营。

    标签:NI我要反馈
    最新视频
    K-COMMIT:365天24小时,全年无休的川崎管家   
    双垛位+600循环/小时!ABB机器人智能物流拆垛应用   
    科幻巨作背后的科学
    专题报道
    致过去 创未来
    致过去  创未来 在我们身边,有许多人,他们的故事、经历……值得我们珍藏和回味;他们的奋斗、坚持、感动、骄傲……值得我们铭记和见证。施耐德电气特别制作了用镜头和文字呈现一个个鲜活的人物故事
    企业通讯
    TE盛赞《阿丽塔:战斗天使》所谱写的世界
    TE盛赞《阿丽塔:战斗天使》所谱写的世界

    在泰科电子 (TE Connectivity,简称TE),我们相信今日的异想天开可以成就明日的不凡创举。 拥有远见卓识的

    TE盛赞《阿丽塔:战斗天使》所谱写的世界
    TE盛赞《阿丽塔:战斗天使》所谱写的世界

    在泰科电子,我们相信今日的异想天开可以成就明日的不凡创举。 拥有远见卓识的影片主创詹姆斯·卡梅隆(《阿凡达》)和罗伯特·

    在线会议

    社区

    白菜免费彩金 <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <文本链> <文本链> <文本链> <文本链> <文本链> <文本链>