项目背景

       泵作为一种常用机械设备，在工厂的流水线上随处可见。对于工厂而言，突发性的泵类设备故障会影响厂内整个生产线的停摆，造成重大的经济损失；所以无论采购的泵类设备的品质多好，得都应该对其做最合适的维护措施。

       对于不同行业、不同场景，泵类设备维护方式都存在着一些差异，维护方式的选择通常取决于此泵类设备的价值及在其生产线中重要程度。

  现状分析

       在制造业的各个领域中，泵作为一种核心设备，其工作稳定性对于确保生产线的连续和稳定运行起着至关重要的作用。然而，传统的泵维护方法，如定期巡检和事后维修，不仅效率低下，而且在预防潜在故障方面也力不从心。

  解决方案

       测度空间独立研发的CG智能数据边缘系统，该系统采用直接贴附的方式将传感器安装在设备表面，能够精确采集设备的振动、噪声和温度等响应信息。系统利用先进的AI算法与工业机理相结合，构建出一套旋转设备故障模型库，从而实现边缘数据的实时分析和决策。这将传统的设备维修方式从定期检修与事后维修转变为预测性维护，大幅提升了设备运行的可靠性和稳定性，缩减生产线停产时间。

  效果反馈

       通过布置“端-边-云-用”四位一体系统，实现了：

全方位、全时段的监测。用户可以在多种终端查看从设备状态到完整历史数据的全面信息，利用多维参数进行分析。

有效地解决了其生产痛点，减少设备故障停机时间40%，设备突发性故障降低95%。