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。