Czy kołowrót w centrum handlowym obsługuje zdalną diagnostykę usterek?

一, Architektura techniczna: Tworzenie „centrum neuronowego” do zdalnej diagnostyki
Główną częścią systemu zdalnej diagnostyki problemów z kołowrotami obrotowymi jest stworzenie trójwarstwowej architektury „chmury zarządzania końcowego”. Umożliwi to zarządzanie w pętli zamkniętej-w czasie rzeczywistym, monitorowanie stanu sprzętu, szybki transfer danych oraz inteligentną analizę i-podejmowanie decyzji.
1. Warstwa percepcji terminala: zbieranie danych na wiele sposobów
Nowoczesne kołowroty obrotowe mogą zbierać w czasie rzeczywistym ponad 20 podstawowych parametrów, takich jak prędkość silnika, temperatura łożysk, ruch pręta bramy i wahania prądu. Jest to możliwe dzięki-precyzyjnym sieciom czujników. Na przykład jeden typ kołowrotu wykorzystuje trzy-czujniki przyspieszenia osi do śledzenia ruchu. Czujniki te mogą niezawodnie wychwytywać zmiany wibracji o wartości 0,01 mm, co pomaga w przewidywaniu defektów. Układ czujników fotoelektrycznych może wykryć błąd kąta resetowania pręta bramy i włączyć alarm, jeśli błąd jest większy niż ± 2 stopnie.

2. Warstwa transportu sieciowego to bezpieczny i szybki sposób przesyłania danych.
Aby mieć pewność, że dane są przesyłane w czasie rzeczywistym i niezawodnie, korzystamy z technologii komunikacji rozległej-LoRaWAN o niskim poborze mocy i technologii komunikacji dwutrybowej 5G. Centrum handlowe pokazało, że zastosowanie bramy przetwarzania brzegowego może zwiększyć stopień kompresji danych z czujników o 60%, a cały proces gromadzenia danych i przesyłania ich do chmury można wykonać w mniej niż 200 milisekund. Stosowanie metod szyfrowanej transmisji gwarantuje, że bezpieczeństwo danych urządzenia w transmisji w sieci publicznej odpowiada normom na poziomie finansowym.

3. Warstwa analizy chmury: inteligentne miejsce do podejmowania decyzji i diagnozowania problemów
System ekspercki do diagnostyki usterek oparty na sztucznej inteligencji- może dokładnie zidentyfikować 98,7% typów problemów, budując bazę wiedzy zawierającą ponad 100 000 próbek usterek. System wykorzystuje konwolucyjną sieć neuronową (CNN) do analizy widma wibracji. Pozwala to oszacować stopień zużycia łożysk z wyprzedzeniem od 3 do 7 dni. Po umieszczeniu systemu w pewnej sieci handlowej awaryjność sprzętu spadła o 62%, a czas naprawy skrócił się do 8 minut.

2, Praktyka branżowa: typowe zastosowania zdalnej diagnozy
1. Konserwacja zapobiegawcza: przejście od „naprawy pasywnej” do „aktywnej profilaktyki”
Inteligentna platforma obsługi i konserwacji stosowana w-ekskluzywnym centrum handlowym w Szanghaju przeanalizowała duże dane z bram i zaobserwowała, że ​​temperatura silnika bramy 3 przekraczała 65 stopni w najbardziej ruchliwych porach dnia, od 14:00 do 15:00. System automatycznie wydaje zlecenia prac konserwacyjnych, a personel konserwacyjny wymienia wentylator chłodzący z wyprzedzeniem, aby zminimalizować możliwą katastrofę w postaci przestoju sprzętu. Średni czas międzyawaryjny (MTBF) sprzętu wzrasta w tym trybie z 8000 do 12000 godzin.

2. Zdalne debugowanie: uzyskiwanie pomocy technicznej z dowolnego miejsca
Do optymalizacji parametrów podczas modernizacji systemu bramowego w centrum handlowym w Pekinie wykorzystano zdalną platformę diagnostyczną. Inżynier zmienił ustawienia prędkości resetowania na drążku bramy w biurze centrali i obserwował pracę maszyny bramowej w czasie rzeczywistym z centrum handlowego oddalonego o 20 kilometrów. Skróciło to czas debugowania ze zwykłych 4 godzin do 45 minut. Strategia ta obniża koszty jednorazowej konserwacji o 70%.

3. Reagowanie w sytuacjach awaryjnych: Stworzenie „minimalnego” podejścia do radzenia sobie z usterkami
System kontroli bram w centrum handlowym w Shenzhen nagle się zepsuł, blokując pas dojazdowy. Profesjonalista określił lokalizację usterki w ciągu 10 minut, korzystając z systemu zdalnej diagnostyki. Odkrył, że winne jest zabezpieczenie przeciwprzepięciowe modułu mocy. Po poinformowaniu osób na miejscu, jak zresetować moduł zasilania, system natychmiast zaczął ponownie działać. Tym razem reakcja w sytuacjach awaryjnych okazała się o 90% skuteczniejsza niż zwykle, ponieważ dochodzenie na miejscu- zajmuje ponad dwie godziny.

3, Wartość biznesowa: Zdalna diagnoza zmienia sposób, w jaki firmy obsługują i konserwują swoje systemy.
1. Zwiększanie efektywności działań: podejmowanie decyzji w oparciu o dane
Ze statystyk pewnej sieci sklepów wynika, że ​​po zainstalowaniu zdalnego systemu diagnostycznego średni czas naprawy (MTTR) kołowrotów spadł z 2,3 do 0,4 godziny, a liczba pasażerów, którzy stracili pieniądze z powodu awarii kołowrotów, spadła o 43%. Analizując dane dotyczące awarii z przeszłości i usprawniając planowanie rozmieszczenia sprzętu, liczba osób mogących skorzystać z usługi jednej bramki może wzrosnąć o 25%.

2. Optymalizacja struktury kosztów: zmiana z „pracochłonnej-” na „opartą na technologii”.
Do tradycyjnej obsługi i konserwacji potrzebny jest oddzielny zespół konserwacyjny, a koszty pracy stanowią 18% całkowitego kosztu sprzętu. Metoda zdalnej diagnozy zmniejszyła liczbę osób pracujących w jednym centrum handlowym z 5 do 2. Dzięki temu centrum handlowe oszczędza ponad 600 000 juanów rocznie na kosztach pracy. Zastosowanie strategii konserwacji zapobiegawczej przyspieszyło obrót częściami zamiennymi o 40% i obniżyło koszty inwestycyjne o 2 miliony juanów.

3. Lepsze doświadczenie klienta: usługi obsługi i konserwacji, które są trudne do zauważenia
W konkretnym inteligentnym centrum handlowym osiągnięto „zero przestojów” w działaniu i konserwacji dzięki zdalnemu systemowi diagnostycznemu: automatyczna samokontrola urządzenia przeprowadzana jest w nocy w dolinie, a priorytetem jest zapewnienie wydajności w okresie szczytowego przepływu pasażerów w ciągu dnia. Z badań klientów wynika, że ​​zadowolenie z czasu spędzonego przy bramce wzrosło z 78 punktów do 92 punktów, natomiast skargi dotyczące problemów ze sprzętem spadły o 87%.