帶式輸送機智慧運輸管理平臺
公司基于“感知+互聯+價值挖掘管理”的服務理念自主開發的“DHMS工業設備全生命周期管理與預測性維護云平臺”，是利用云原生技術、微服務、時序數據庫、數字信號處理、大數據、機器學習、邊緣計算等技術，為設備建立全生命周期的數據管理和價值發現，為用戶提供設備全生命周期管理、遠程狀態監測、故障智能告警、智能故障診斷、故障趨勢預測、預測性維修、生產制程工藝改善、設備遠程維護、智能點巡檢等在線服務和端到端的完整解決方案。該平臺目前在煤炭行業的設備預測性維護領域市場占有率第一。
煤炭行業目前是我國最主要的能源來源，在所有能源組成中，占比60%左右，因此國家高度重視煤炭行業的健康發展。近年來隨著國家對工業互聯網和兩化融合的重視，煤炭行業相關部門出臺了很多煤炭智能化改造的政策和指導文件：
· 2018年5月1日，《智慧礦山信息系統通用技術規范（GB/T34679-2017）》開始實施。
· 2020年12月，國家能源局、國家煤礦安監局《關于加快煤礦智能化發展的指導意見》
· 2020年12月，國家能源局《智能化示范煤礦建設管理暫行辦法》
· 2021年12月，國家能源局發布《關于印發智能化示范煤礦驗收管理辦法（試行）》的通知
· 《山東能源智能化驗收評分辦法67號文》
· 《山東能源集團有限公司關于印發《煤礦智能化建設“十四五”規劃》的通知》
· 《陜西省煤礦智能化建設指南（試行）》
· 《安徽省煤礦智能化建設驗收辦法及評分標準》
· 《貴州省煤礦智能化發展實施方案》
· 《內蒙古自治區推進煤礦智能化建設三年行動實施方案》
· 《山西省能源局煤炭洗選企業標準化管理規范考核評定辦法（試行）》
本案例是蘇州德姆斯信息技術有限公司應安徽省礦業機電裝備有限責任公司的要求開發的“帶式輸送機智慧運輸管理平臺”，基于“DHMS工業設備全生命周期管理與預測性維護云平臺”的工業互聯網技術架構，接入安徽礦機的自動化控制系統DCS數據和視頻圖像監控數據并進行深度融合，打通原本獨立的各個系統間的數據通道，實現對帶式輸送機的一站式智慧化管理。
一、項目概況
1. 項目背景
安徽省礦業機電裝備有限責任公司(簡稱：安徽礦機)是國家高新技術企業，國家煤機裝備制造業骨干企業、煤炭行業AAA級信用企業，占地面積近千畝，職工1100余人。擁有各類機床及高精設備1300余臺，設有省級技術中心和國家乙級檢測中心。安徽礦機專業從事煤礦綜采、綜掘、支護、運輸裝備的制造、安裝及維修。主導產品有液壓支架、刮板輸送機、帶式輸送機，新產品有單軌吊機車、設備列車、超前支護產品和綜采工作面拆除安裝設備等，并從事采掘設備大修、電器修理，以及鍛件、鑄件生產。
為響應國家對煤炭行業智慧化礦山要求，為煤礦企業提供更加易用、安全的皮帶輸送機產品，實現煤礦的安全生產和減人增效目的，安徽礦機提出了開發一套完整的“帶式輸送機智慧運輸管理平臺”系統開發要求。
2. 項目簡介
帶式輸送機又稱皮帶輸送機，是一種摩擦驅動以連續方式運輸物料的機械。主要由機架、輸送帶、托輥、滾筒、張緊裝置、傳動裝置等組成。輸送帶根據摩擦傳動原理而運動，適用于輸送易于掏取的粉狀、粒狀、小塊狀的低磨琢性物料及袋裝物料，如煤、碎石、砂、水泥、化肥、糧食等。膠帶輸送機可在環境溫度-20℃至+40℃范圍內使用，被送物料溫度小于60℃。其機長及裝配形式可根據用戶要求確定，傳動可用電滾筒，也可用帶驅動架的驅動裝置。
帶式輸送機式煤礦最重要的關鍵設備之一，具有輸送能力強，輸送距離遠，結構簡單易于維護等特點，能方便地實行程序化控制和自動化操作。運用輸送帶的連續或間歇運動來輸送100KG以下的物品或粉狀、顆狀物品，其運行高速、平穩，噪音低，并可以上下坡傳送。
圖1 帶式輸送機示意圖
安徽礦機已有自己開發的帶式輸送機自動化控制系統，以及第三方開發的“智能巡檢機器人”和“AI視頻監控系統”，但三個系統完全相互獨立，需要分別進行訪問與控制。
3. 項目目標
采用高效傳動技術、智能傳感技術、AI視頻圖像處理技術、人工智能分析、工業互聯網、無線傳輸技術，開發“帶式輸送機智慧運輸管理平臺”軟件，實現對輸送機的智能驅動、自主決策、故障診斷和分析，為設備使用維護人員提供數據支持和決策支持。
（1） 平臺需求如下：
· 主運輸煤流線相關設備能通過現場工業總線實現互聯互通， 能夠與煤礦綜合管控平臺實現智能聯動， 實現無人值守作業；
· 單條帶式輸送機具備完善的傳感器、 執行器及控制器， 實現單臺設備的自動控制；
· 具備防滑、 堆煤、 跑偏等綜合保護裝置， 能夠根據監測結果實現綜合保護裝置的聯動保護控制；
· 帶式輸送機采用變頻軟啟動、CST 軟啟動等軟啟動方式；
· 給煤點設計合理， 實現膠帶輸送機安全運行， 裝載、 卸載位置實現視頻監控全覆蓋；
· 具備煤流平衡功能，多條皮帶搭接， 則實現多條輸送帶的集中協同控制， 具備語音預警功能， 具備集中控制、 就地控制具備基于 AI 實現皮帶空載、 跑偏、 大塊煤、 堆煤、 異物， 以及人員違規穿越皮帶等功能；
· 集控系統具備電流、 溫度、 振動等參數的實時采集、 狀態監測、故障在線診斷與預警、 運行效率分析等功能；
· 具備主煤流運輸系統環境監測預警功能， 實現煙霧、 粉塵、 溫度等的智能監測；
· 膠帶輸送機具備煤量、 帶速、 溫度等智能監測功能， 具有異物檢測和帶速智能調節功能；
（2） 數據接入與融合：
平臺需要與第三方的智能巡檢機器人、AI視頻監控系統、輸送機自動化控制系統等配套廠家達成接口對接，接入這些系統的數據，并在平臺進行統一展示與控制。
二、項目實施概況
“帶式輸送機智慧運輸管理平臺”是標準的工業互聯網技術框架平臺，平臺采用了云原生技術、微服務、時序數據庫、數字信號處理、大數據、機器學習、邊緣計算等技術，具有靈活性好、擴展性好、易于維護和定制化等特點。尤其是獨創的“0代碼動態配置數據接入”技術，支持多種數據接入協議，以及完全基于微服務等前后端開發技術，在面對這種工業用戶的高度定制化需求時，只需要極少的投入就可以快速滿足客戶的定制化需求，本項目從正式開發到交互，總共用了3個多月時間即系統靈活性和擴展性的證明。
1. 項目總體架構
“帶式輸送機智慧運輸管理平臺”由工業互聯網云平臺、工業智能網關、DCS自動化控制系統、“智能巡檢機器人與”、“AI視頻監控系統”等組成。平臺充分考慮了系統設計的高可靠性、高擴展性、高安全性等要求，采用云原生技術開發微服務組件，保證了系統可長時間穩定工作，可無縫升級。
平臺采用分層結構，主要由邊緣層、基礎平臺層、公共平臺層（PaaS）層、應用層（SaaS）等組成。系統包括狀態傳感器、網絡協調器、PLC、DCS控制器、遠程智能傳輸單元（邊緣網關）、遠程服務器、服務系統、遠程PC客戶端及移動客戶端。
圖2 “帶式輸送機智慧運輸管理平臺”系統架構
· 邊緣層：邊緣層位于皮帶輸送機生產現場，由數據接入、數據通信和邊緣計算等模塊組成，用于皮帶機健康狀態監測的機器狀態監測器和工業智能網關具有邊緣計算能力，可以把采集到的數據在本地進行實時解析和計算，并把計算結果通過MQTT協議上傳到平臺服務器。來自PLC的自動化數據以Modbus RTU通過工業智能網關接入到云平臺，DCS數據可通過Modbus TCP或OPC UA接入到工業智能網關，或直接接入到私有部署的云平臺。
· 基礎平臺層（IaaS）：基礎平臺層由云基礎設施和云基礎系統兩部分組成。由于云平臺采用了Docker+Kubernetes云原生技術，云基礎設施可以是公有云虛擬機、私有部署服務器、運營商公網服務器、私有部署服務器甚至PC機組成，為保證系統等可靠運行，云基礎設施應包含3個以上節點，以使得任一節點出現故障后系統具有自愈能力。云基礎系統包含Docker和Kubernetes基礎框架，以及時序數據庫、對象存儲數據庫、關系數據庫和圖像數據庫等存儲系統，針對不同的數據類型采用不同的數據庫進行存儲，使得云平臺具有最好的數據存取能力和極高的數據存取效率。Kubernetes分布式式框架具有功能無限增加和容量無限擴展的能力，新的需求、診斷模型等新功能可以以新服務形式發布運行，當隨著接入的設備數量增加使得系統的處理能力不足以支撐時，可以增加云基礎設施進行擴容，部署新服務和云基礎設施擴容都可以通過簡單的操作遠程完成，系統的所有服務不需要停止運行。
· 公共平臺層（PaaS）：公共平臺層為“帶式輸送機智慧運輸管理平臺”應用提供所需的公共和基礎服務，包含數據中臺、數據建模與分析、和資源管理等公共模塊。其中數據中臺提供數據清洗、數據存取、數據分析、數據聚合等服務；數據建模與分析部分提供數字信號處理、機器學習框架、自動閾值計算、趨勢分析與預測、振動機理模型、圖像處理分析等功能；資源管理部分提供設備管理、智能告警、消息推送、組織與用戶、服務發現與封裝等功能；這些公共平臺服務為應用層的服務提供數據獲取、分析和處理的接口，使應用開發只用關心業務邏輯，加快業務開發速度。
· 應用層（SaaS）：應用層是完成“帶式輸送機智慧化管理”的業務邏輯、數據分析、和分析結果最終呈現的軟件實現，主要包含帶式輸送機的狀態監測、自動化數據監測、視頻監控和煤流監測、故障智能診斷、故障遠程診斷等服務。應用層還包含皮帶輸送機的Web云組態和手持終端呈現功能。
2. 技術平臺
（1） 數據中臺架構
“帶式輸送機智慧運輸管理平臺”采用數據中臺架構設計，把帶式輸送機的數據處理從原來的煙囪式多個獨立系統轉變為數據集中的大數據中臺，建立統一的數據采集、存儲、和分析處理中心，整合大數據處理、計算、分析能力，降低數據使用成本，從根本上解決數據孤島問題，從而可以開發出更多基于數據分析的功能和業務，如根據設備運行狀態和或視頻監控情況連接DCS系統直接對帶式輸送機進行控制；可以根據設備運行參數和自動化控制系統的生產參數融合來判斷設備的健康狀況，提高設備狀態判斷的準確性等。
數據中臺提供統一的數據接入接口、統一的數據存儲、統一的數據處理服務等，以帶式輸送機設備數據為基礎，關聯機器狀態監測器采集的運行狀態數據、自動化控制系統采集的實時生產數據、視頻監控系統采集的實時圖像數據、巡檢機器人采集的皮帶狀態數據等，并以數據聚合應用為出發點進行應用層業務邏輯的設計，達到一套數據無限擴展的數據應用的目的。
圖3 “帶式輸送機智慧運輸管理平臺”的數據中臺架構
（2）云原生基礎平臺
“帶式輸送機智慧運輸管理平臺”包含近100個各種功能的微服務，需要對這些微服務的部署、運行和升級進行管理，同時為滿足各煤礦集團分布于全國各地的煤礦進行管理，軟件支撐平臺需要支持動態擴容和功能擴展能力，云平臺的基礎平臺（IaaS）采用了Docker+Kubernetes云原生技術。
基于Docker+Kubernetes云原生技術的基礎平臺架構，平臺根據客戶的需要可支持公有云、私有云和混合云的部署方式，其中使用最廣的私有部署系統拓撲如下所示。
3. 主要功能實現
“帶式輸送機智慧運輸管理平臺”主要包含第三方數據接入、綜合在線監測、設備故障診斷與告警、智能巡檢機器人、AI視頻監控、啟停控制、綜合保護、煤流自適應等功能模塊。
（1） 第三方數據接入
平臺利用蘇州德姆斯獨有的動態腳本解析技術接入“帶式輸送機智慧運輸管理平臺”主要包含第三方數據接入帶式輸送機自動化控制系統、AI視頻監控系統、和智能巡檢機器人的數據。除AI視頻監控系統的圖像數據外，其他所有數據無需進行額外開發即可接入到管理平臺進行存儲、分析處理和展示。
· 帶式輸送機自動化控制系統(PLC與DCS)與管理平臺之間采用Modbus RTU和Modbus TCP進行通信，采集的數據全部上傳至“帶式輸送機智慧運輸管理平臺”，同時接受來自帶式輸送機智慧運輸管理平臺的狀態信號；
· 智能巡檢機器人采用MQTT協議上傳數據到管理平臺；
· 管理平臺通過HTTP接口獲取AI視頻智能監控系統的實時視頻數據，為節約存儲空間，管理平臺并不存儲和管理視頻數據，而是根據需要通過接口訪問AI視頻智能監控系統；獲取視頻數據并進行展示；
· 智慧運輸管理平臺與礦方調度室上級平臺之間采用 OPC UA 協議進行遠程信號的傳輸。
圖4 數據接入系統架構
（2） 帶式輸送機綜合在線監測
“帶式輸送機智慧運輸管理平臺”接收帶式輸送機自動化控制系統的數據，對關鍵設備的運行狀態如電流、帶速、振動、溫度、轉速、煤量以及其他傳感器數據進行在線監測，實時顯示設備運行狀態，能夠在 Web 和 APP 端查看實時運行數據。
當通過機器狀態監測器采集的數據進行分析出設備有故障，或自動化控制系統接入的綜合保護、電機運行反饋等產生告警時，平臺實時推送告警到相關人員的Web和App客戶端，使得異常情況可以得到及時發現和處理。
圖5 皮帶輸送機在線監測大屏界面
減速永磁電機采用三電平變頻器進行控制，多驅動間通過“一主多從”的方式實現速度跟隨或轉矩跟隨的多機功率平衡，帶式輸送機自動化控制系統對減速永磁電機、變頻器實現直接控制，并將減速永磁電機中所有的設備狀態、運行參數、冷卻系統的起停控制狀態等數據上傳到管理平臺。驅動部監測參數主要如下：
· 實時電流；
· 實時功率；
· 實時輸出頻率；
· 電機繞組實時溫度；
· 前后軸承測實時溫度；
· 水溫、油溫、水壓等；
圖6 驅動部參數詳細展示界面
實時采集與展示綜合保護裝置的實時綜合保護狀態。
制動與張緊數值實時顯示
實時采集與展示皮帶制動與張緊的油壓和張緊力數值。
圖8 制動與張緊監測
設備故障診斷與告警時“帶式輸送機智慧運輸管理平臺”。利用無線機器狀態監測器采集帶式輸送機的振動與溫度數據，平臺的智能告警服務對數據進行初步分析，判斷設備健康狀態是否有異常，如果有異常，則通過平臺的自動智能診斷服務自動分析判斷設備是否有故障及故障發生部位和原因，然后生成告警消息推送到設備管理人員的Web和App客戶端，使得設備故障可以及時得到發現和處理，避免故障惡化導致的資產損失和安全問題。
設備故障告警同時會推送給蘇州德姆斯信息技術有限公司的故障診斷專家，專家在接收到告警消息后可以遠程登錄平臺，利用遠程分析服務對設備進行更詳細的分析，判斷設備是否有故障。
智能故障診斷和遠程專家診斷服務后，都會自動生成完整的設備故障診斷報告，方便客戶進行查閱。
圖9 遠程專家診斷示例 |
“帶式輸送機智慧運輸管理平臺”可以接收輸送機自動化控制系統、智能巡檢機器人和AI視頻監控系統的告警消息并進行實時推送。
管理平臺支持對歷史數據進行統計分析，通過對故障和告警數據的統計分析，列出熱點和高頻故障，以便于對帶式輸送機的運行狀態進行評估。
（4） AI視頻監控與圖像處理
“帶式輸送機智慧運輸管理平臺”通過HTTP接口獲取AI視頻監控的實時圖像數據，并用HTML5的視頻功能進行實時播放。
AI視頻監控系統自帶圖像處理功能，能夠對煤流進行分析，發現異常后生成告警消息并發送到輸送機自動化控制系統，再通過自動化控制系統上傳到管理平臺。
圖10 AI視頻監控
（5） 巡檢機器人
巡檢機器人24小時不間斷往返監測帶式輸送機的運行狀態并分析判斷是否有異常，如果發現有異常，通過MQTT接口把異常消息上傳到“帶式輸送機智慧運輸管理平臺”， 管理平臺再實時推送到相關管理人員。
3. 系統部署方式
基于客戶要求，本項目采用私有部署方式，除手機App外，所有的應用和代碼運行在企業局域網內私有云中心。出于安全考慮，采用圖示多個獨立局域網進行部署，即把局域網分為公司生產局域網、公司辦公網、系統服務器集群網、車間辦公網等幾個子網。系統集群子網對其他子網只開放系統用到的端口，其他端口全部關閉。WEB瀏覽器和App從加密的 HTTPS (443) 端口通過防火墻訪問系統功能。通知信息可以在嚴格的審查、審計和防火墻保護下，發送到指定的地址的消息代理服務器，推送到關鍵人員的手機，以實現隨時隨地了解設備異常、生產異常等緊急情況。
圖11 平臺私有部署拓撲圖
4. 安全及可靠性
（1） 系統安全性
“帶式輸送機智慧運輸管理平臺”所有服務器及自動化控制系統、AI視頻監控系統、智能巡檢機器人全部位于企業局域網內，除前端對公網開放443端口供用戶登錄訪問外，所有服務器不對公網開放任何端口。
管理平臺與智能傳輸單元和智能巡檢機器人的接口為SSL且采用雙向證書認證。
管理平臺采用嚴格的權限管理，權限粒度細化到采集參數維度，每個用戶都只能訪問自己權限范圍內的數據。
（2） 系統可靠性
“帶式輸送機智慧運輸管理平臺”采用微服務架構設計與開發，每個功能模塊都以單獨的微服務進行開發與發布，具有最小的耦合性，易于部署和排查問題。
管理平臺基于Docker+Kubernetes的云原生基礎框架，采用2（Master）+3（node）的形式組成Kubernetes簇群，平臺具有以下功能與特點：
· 自動化裝箱：在不犧牲可用性的條件下，基于容器對資源的要求和約束自動部署容器。同時，為了提高利用率和節省更多資源，將關鍵和最佳工作量結合在一起。
· 自愈能力：當容器失敗時，會對容器進行重啟；當所部署的Node節點有故障時，會對容器進行重新部署和重新調度，把故障節點上的服務全部部署到其他節點上；當容器未通過監控檢查時，會關閉此容器；直到容器正常運行時，才會對外提供服務。
· 水平擴容：通過簡單的命令、用戶界面或基于CPU的使用情況，能夠對應用進行擴容和縮容。
· 服務發現和負載均衡：開發者不需要使用額外的服務發現機制，就能夠基于Kubernetes進行服務發現和負載均衡。
· 自動發布和回滾：Kubernetes能夠程序化的發布應用和相關的配置。如果發布有問題，Kubernetes將能夠回歸發生的變更。
三、下一步實施計劃
1. 進一步抽象數據接入接口
針對煤礦設備特點和功能，可以把通用的數據接口進一步抽象封裝和定制化，做成標準化的數據接入接口，方便各種煤礦關鍵設備的自動化控制系統數據和其他子系統數據的接入，提高數據接入的效率。
2. 擴展到煤礦的另外幾大系統
煤礦企業的通風系統、壓風系統、提升系統、排水系統、運輸系統等幾大關鍵設備中，運輸系統是最復雜的，基于本項目的實施效果，下一步可以推廣擴展到另外幾大系統的設備，實現煤礦所有設備的智慧化管理。
3. 作為標準解決方案推廣到其他煤礦企業
“DHMS工業設備全生命周期管理與預測性維護云平臺”大型煤炭集團和煤礦企業中已經具有一定影響力和客戶認可，在進一步完善數據接入便利性和接入效率后，可以將完整的煤礦設備智慧化管理平臺推廣到各煤礦企業。
4. 挖掘第三方系統的數據價值
本項目只是接入了第三方系統的數據進行展示、統計和告警推送，并沒有對接入的數據進一步分析。下一步可以考慮對第三方的數據進行挖掘和分析，利用平臺強大的數據分析能力，發現數據的價值，更好的為用戶服務。
四、項目創新點和實施效果
1. 項目先進性及創新點
（1） 微服務與云原生架構
“帶式輸送機智慧運輸管理平臺”采用微服務與云原生的技術架構進行開發，微服務架構具有模塊之間耦合小、易于發布與維護、服務可獨立升級、多種語言混合開發等特點。比傳統單體架構具有更好的靈活性和擴展性，可以根據行業特點和客戶需求快速開發新的功能和服務，或者快速修改某些微服務而不影響其他服務，因此特別適合與工業設備需求復雜和多變的情況。
（2） 0開發數據接入
工業數據的一個典型特點是數據采集的類型眾多并且缺乏統一的接口標準，即使是同一種通訊協議，每種設備的數據解析方法業都不同，因此不同系統間要進行數據對接非常困難。
針對工業自動化數據絕大部分都是時序數據的特點，蘇州德姆斯開發了獨有的專利技術的動態腳本數據解析方法，可以在不需要開發1行代碼的情況下接入幾乎所有類型等工業自動化數據，只需通過對接入設備和數據解析方法進行配置，即可通過Modbus RTU、Modbus TCP、OPC UA等方式接入各種工業數據。
“帶式輸送機智慧運輸管理平臺”也是基于此技術接入帶式輸送機等各種自動化數據和巡檢機器人數據。
圖12 動態腳本數據解析流程
（3） 自動閾值計算
閾值告警是工業自動化控制系統中使用最多的告警方法，通過比較采集到的數值或分析計算后的數值是否超出閾值來決定是否告警，實現起來極其簡單。在“帶式輸送機智慧運輸管理平臺”中，為減少系統的計算開銷，閾值告警常用作智能告警的第一判斷條件，即超出閾值后才繼續采用其他告警插件進行判斷分析。
閾值設置得準確與否是自動是閾值告警準確率的最關鍵因素，由于每臺設備的實際工況和工作環境都不同，設置固定的閾值很難適用于所有的設備，因此常常需要根據每臺設備的情況自動對閾值進行調整設置。
另外在同一設備同一測點產生告警后，如果沒來得及對告警進行處理，可能會連續收到重復的告警消息，這需要一套合理的告警處理邏輯來避免大量重復的告警，又要避免重要的告警消息不會忽略。
針對上述兩種情況，“帶式輸送機智慧運輸管理平臺”實現了兩種不同的自動閾值計算方法。
· 自動計算告警閾值
自動計算告警閾值針對與正常數據成近似正太分布的參數，如振動數據的各種有量綱或無量綱參數、溫升溫度（測點溫度-環境溫度）、電流、相對穩態的生產參數等，通過對過去一段時間歷史數據的統計分析，結合設備的實際情況，自動計算相關參數的告警閾值，并把告警閾值設為4個不同等級，對應于參數的不同告警級別。
圖13 自動閾值計算
上圖為不同參數的自動閾值計算圖示，四條顏色的水平線即為通過圖中的樣本按照上面的算法自動計算出來的不同閾值。
· 自動閾值調整
當閾值設定后，如果有真實的故障產生，在告警未被處理前，可能會有大量的數據超過告警閾值，產生重復的告警，這時需要對告警閾值進行調整，避免重復的告警產生。
（4） 趨勢告警
由于環境干擾或閾值設置不當等因素，單純閾值告警還是可能會產生漏報或誤報，尤其用來判斷工業設備運行狀態的振動和溫度參數，受環境或其他干擾因素比較大。而設備運行故障常常是一個叫長期緩慢發展的過程，“帶式輸送機智慧運輸管理平臺”開發的趨勢告警插件，結合數據發展趨勢和閾值告警，可以大大提高告警的準確率。
趨勢告警能更早的發現設備存在的潛在故障，特別是對于漸發性故障，即使監測參數沒有達到系統設定的告警閾值，但是監測值也可能呈現出不斷上升的趨勢，這時也要引起現場維護人員足夠的重視。
圖14 趨勢告警示例
2. 實施效果
“帶式輸送機智慧運輸管理平臺”項目上線后，打通了帶式輸送機的自動化控制系統、AI視頻監控系統和巡檢機器人三個獨立的系統，可以在管理平臺一個系統即可訪問三個系統。平臺的智能告警、故障智能診斷等功能使得設備管理人員可以及時了解設備的異常狀況和原因，更早發現問題并進行解決。
（1） 生產安全性提高50%以上
設備故障在早期即可發現，通過實施告警推送到設備管理人員的多個在線終端，可以在隨時隨地查看設備的運行狀態和健康狀態，可以有效避免設備出現故障導致安全問題。
（2） 管理效率提高30%以上
無需登錄三個系統即可了解帶式輸送機的所有運行狀態和關鍵參數，一個集團只需要一套軟件即可對所有煤礦進行管理，集團可以遠程了解礦上輸送機的運行狀態，可以根據輸送機的狀態下達指令，大大提高管理決策效率。
來自自動化控制系統的綜合保護告警在接入到管理平臺后，可以實時推送到管理人員的手持終端，無需24小時進行監控就可以實時收到異常告警并進行處理。
每個煤礦可以節約至少6臺監控電腦終端，節約管理管理成本。
（3） 故障停機率減少40%
“帶式輸送機智慧運輸管理平臺”的智能診斷和智能告警技術，可以在設備故障早期就可以得到發現和精準定位，尤其是軸系、軸承、減速箱故障，智能診斷的準確率在80%。設備管理人員在收到平臺推送的告警消息后及時進行檢查和處理，可以避免故障惡化造成意外停機，減少因意外停機造成的生產損失。
（4） 維保成本節約30%
“帶式輸送機智慧運輸管理平臺”的智能診斷技術可以準確判斷設備故障的位置和部件，以及完善的設備故障和告警統計，設備管理領導可以根據統計的和歷史的故障維修數據來制定和調整設備的檢查、維護、潤滑、和維修計劃，把根據經驗的維護策略改為基于數據的精準維護策略，在避免設備出現大的故障而節約修理成本的同時，還可以減少因過多維保造成的備件和材料浪費，從而大大節約維保成本。
聲明
本報告所載的材料和信息，包括但不限于文本、圖片、數據、觀點、建議，不構成法律建議，也不應替代律師意見。本報告所有材料或內容的知識產權歸工業互聯網產業聯盟所有（注明是引自其他方的內容除外），并受法律保護。如需轉載，需聯系本聯盟并獲得授權許可。未經授權許可，任何人不得將報告的全部或部分內容以發布、轉載、匯編、轉讓、出售等方式使用，不得將報告的全部或部分內容通過網絡方式傳播，不得在任何公開場合使用報告內相關描述及相關數據圖表。違反上述聲明者，本聯盟將追究其相關法律責任。
AII微信公眾號
AII頭條號