机械系统和管道预测性维护

实时管道监控系统

Sensoleak的实时管道监控系统基于专有的机器学习算法,分析由管道系统提供的在线数据。分析的在线数据包括管道系统的传感器读数,测量流量、压力、粘度、温度和速度。

与监测管道接口的系统可基于SCADA,或直接连接到管道控制专有系统。我们的专有平台独立地执行训练阶段,通过沿着管道传播的传感器了解管道系统的各个压力区、连接点和部分的压力和流量。

系统对于网络拓扑应结构采用统计方法,以确定管道的网络状态为正常或异常。统计方法可以处理各种网络拓扑,例如循环,分级,顺序和并行。 我们的系统比起其他机器学习算法系统表现最低的假警报率

我们的系统使用多项式空洞结构和具有大量参数的多项式方程,这设计用于中和不相关的临时数据和学习管道系统,同时能够承认因材料和机械磨损而导致在液压系统中所变生的变化。

基于此方法,我们的系统分析广泛的范围所提供的数据,忽略错误的数据读数(尖峰),同时能实时在管段或整个管道网络上通知异常状态。

数据系统

数据系统分析和学习数千个带时间标记的数据串。

系统通过使用专有BI引擎分析此大量数据,从而进一步进行剖析和生成报告。

根据“异常状态”定义,系统可以向用户、客户端或其他授权的指定人员发送文本消息、警告和通知。

数据分析说明

关于管道网络泄漏的事实,以及泄漏事件识别有很多:

突然泄漏 :这件泄漏事件的特点是在一天的随机时段突然流动50 – 300升。它们可导致管道系统有着显着的流失。

我们的解决方案:Sensoleak的软件监控每个受控的管道系统,它会通过流动参数和突然的变化立即检测到这种类型的泄漏。

小量但不断的泄漏: 我们的经验显示这问题开始时会以每分钟泄漏30升或更少,随后增加到每分钟泄漏300升或更多。

我们的解决方案:Sensoleak的实时分析软件能够立即检测最小量的初始泄漏,在几个测量周期之后能正确分类为需要报告的泄漏。我们的统计分析将假警报率保持在最小机率,小量的泄漏检测能够防止未来的更多的泄漏。

管道系统泄漏善后维护工作- Sensoleak的软件能够检测管​​道网络或段上的异常流动行为,包括发生在维护工作之后或连接到新的管道分支的时候。我们的系统通过分析各种相邻管道段的流量、压力和消耗模式来监测和学习流动模式,区分常规消耗事件和泄漏。