斯孚凯诺传动科技有限公司

SKF Enlight AI提高电动泵的可用性

发表时间:2021-03-01 08:13

  意外的电动泵故障会引起泵厂和造纸厂生产损失,紧急工单和人工加班费用的连锁反应。一家拉丁美洲的浆纸制造商使用SKF Enlight AI的AutoML预测性维护解决方案解决了反复出现的泵故障。

乍看上去

该客户是拉丁美洲主要的纸浆和造纸公司,并且是其所在行业中规模**的公司之一,业务遍及60个国家/地区。经过一系列并购后,该组织的年产能在2019年翻了一番以上,达到近1,250万吨/年。

作为其可持续增长战略的一部分,客户希望通过将维护流程从被动式转变为预测性来提高节约和OEE。为此,客户选择在故障率高的关键资产:预漂白系统电动泵上试用SKF Enlight AI的自动机器学习预测性维护。

挑战

预漂白过程是相继进行的,纸浆通过泵到达*终漂白过程的化学制备中所涉及的不同机器。每当泵发生意外故障时,必须关闭整个预漂白系统,直到修复出故障的泵为止。由于反复发生的意外故障,这些泵已成为生产的瓶颈,每年造成数十万美元的生产损失。

预漂白系统一部分的工艺流程图。

为了**程度地减少计划外的电动泵故障及其对维护费用和物流的安装影响,客户希望对泵的运行状况有更深入的了解,并早日收到有关资产故障的警告。

业务问题

  • 年生产损失数十万美元

  • 加班费高

  • 重复生产停工和紧急工单安排导致运营效率降低

解决方案

客户选择了一家参考工厂来试用SKF Enlight AI Predictive Analytics解决方案。在试用期间,由300多个传感器生成的数据被传输到SKF Enlight AI的云中,并由解决方案的高级自动机器学习引擎对其进行处理。

基于对细微异常和指示性行为模式的检测,该解决方案可提供有关不断发展的电动泵故障的警报。

结果

品质预测率:80%

失效时间:〜13.5天

底线

平均而言,SKF Enlight AI能够准确预测80%的泵故障,并提供13.5天的故障估计时间。这些发现证明了SKF Enlight AI具有提高可用性和提高运营效率的能力。

由于该试点计划初步节省了成本,因此客户开始进行谈判,以在3个参考工厂的10个不同资产系列的300个资产中部署解决方案。

业务影响/投资回报率

一旦将SKF Enlight AI完全部署到7个站点后,该组织预计该解决方案仅在漂白前用例上每年就可以节省834,000美元。