系统目标
利用现代测量控制技术和数据处理与通讯技术，实时采集设备状态信息，增强设备的管理控制，减少人工的劳动强度，提高巡检效率，降低事故风险，实现
送机设备的状态管理、风险管理和寿命管理。
采用自动化的数据采集系统，实时对设备关键部位或参数进行的定量监测。
建立丰富的KPI指标分析模型，实现在时间和空间范围内的数据对标；提供用户节能改造和管理节能的强大工具；电能消耗成本结构优化；减低电费总量。
建立ETM设备全生命周期管理平台，利用平台管理设备的备件、检修计划、维护计划，确定相应的效果最佳的维修活动，促进维修过程合理控制与管理。
建立集中管控平台，利用对设备的遥测、遥信、�？兀迪治匏澜羌嗖猓乐谷嗽甭┘欤笆狈⑾治侍猓苊庵卮笫鹿史⑸档蜕讨械姆钦Ｍ；奔浜捅苊馊松砩送鍪鹿史⑸岣呱�。
建立统计查询、数据挖掘、监控分析等的直观可视化展示平台，为领导综合查询和决策分析提供及时、有效的信息支持和管理手段，有效提高企业决策能力、决策效率以及决策的准确性。
采用Al 图像智能识别技术及�：刂萍际酰允渌突斐Ｗ刺氤跏际鹿室嫉募笆比啡虾凸收显蚍治觯灰斐Ｗ刺缕舳ň⒃诩嗫厣系鲆斐Ｊ悠祷�。
巡检机器人：采用自动巡检机器人，通过红外热成像传感器、气体传感器、音频传感器、360度视频仪等多种智能传感器，能够实时采集、存储、传输现场的图像、声音、温度、烟雾等数据，通过数据分析，判断设备故障及位置，替代人工巡检，降低劳动风险，提升智能化管理水平。
AI视频：通过视频监控和智能图像识别技术，以信息可视化提供的数据做支撑，全流程进行视频监测，实时发现设备故障和自动报警，并实现智能关停，实现输送机控制系统与视频监控系统集成联动；
设备管理：建立以设备诊断工程为核心的设备状态管理系统，将设备点检与状态监测融入到设备管理，建立基于状态监测的预防、诊断、处理体系。建立规范化的润滑及保养子系统，规划化润滑保养工作，提高设备的可靠性。对设备的规划、设计、制造、安装、运行、维护、检修整个寿命周期进行管理，对设备管理提供一站式服务。解放生产力，降低人员劳动强度。
能源管理：建立能源平台系统，融合生产数据、中控室DCS数据、关键质量数据、操作员信息、环保排放及介质消耗数据等信息。建立智能分析系统，通过能源管理系统采集30kW以上设备的电量数据，把设备运行状态及使用电量进行分析，找出最佳运行数据，以此降低电耗。
平台部署：软件平台可部署在输送机现场或者远端，平台构建基于海量数据采集、汇聚、分析的服务体系，包括采集、边缘、应用三大核心层级。平台可以提供超融合一体化服务器，用于构建企业的私有云。平台不仅提供通用设备管理、资源管理、运维管理、故障恢复等通用功能，还能提供数据建模、机器学习、数据清洗、管理、分析、可视化等AI功能。
设备监控：系统实时监测皮带运行过程中出现撕裂、闭锁、跑偏、烟雾、 堆煤、 速度、温度、打滑、纵撕、 断带、煤位、拉线急停、电机，减速器，大型辊筒、巡检机器人、充电桩等情况，并即时做出反�。蟠筇岣吡松屎蜕踩�。平台可实时显示巡检机器人当前电量，内部温度，是否充电以及当前位置等信息。平台设置管理，操作，查看三种权限级别，不同账号拥有不同权限；设置严重，警告，预警三种重要级别，不同账号可接收不同级别报警通知；设置层级权限管理，不同账号具有不同机器人监控权限。
软件分析：设备的振动信号进行振动总值、时域加速度、频域加速度、频域速度、加速度包络等分析，实现振动总值报警，分频段报警。平台对系统所有数据的统计和分析，以表格和图表的形式，展示站所目前的信息数据和历史信息数据，其中包括站所的异常情况，设备及环境异常的分布，设备异常类型的统计，环境异常类型的统计等。
系统预警：可设置某个或多个巡检机器人自主巡检，可远程遥控某个或多个巡检机器人手控巡检，可设置是否开启音视频录制模式 ，通过手机等移动终端可以控制巡检机器人进行强制巡检，可以实时查看当前机器人所在位置与其状态，同时可以控制机器人回充电桩进行充电，修改当前移动速度，开关避障等。
健康管理：可查看不同位置的球机、枪机实时监控画面和监控历史视频，以及对球机方位、焦距的实时控制。巡检过程中，可通过机器人传感系统中的可见光相机，看到被巡检设备的状态。也可通过下发视频任务，让机器人行走至指定设备，通过机器人摄像头查看设备状态。
历史信息：通过软件系统，可以控制巡检机器人的开关机、急�：统涞绲炔僮�。系统还能下发不同类型的巡检任务，在任务执行过程中，控制任务的暂停、恢复和停止。系统会实时显示设备如电机、照明、除尘等自动化设备的当前状态，通过开关按钮，可远程控制这些设备。
设备全寿命周期管理：实时自动生成系统、设备的评级情况记录，快速定位设备维护对象优化计划。对设备进行数据画像，判断设备所处状态，减少运行人员误判。实时自动对比故障或典型风险数据，辅助判断系统状态，预判设备风险状况。快速定位故障位置，提供故障主因诊断、事故处理指导。提供设备及部件劣化、速率报警信息，赢得故障处理时间。
设备的健康管理：通过传感器从设备端采集数据，运用深度机器学习算法获得设备当前健康状态，并对设备健康趋势进行预测，采用预知性维护方式，实现设备的零故障运行。
将设备使用过程中积累的海量数据进行深度挖掘形成经验知识，并反馈做为设备改善的依据，从而形成闭环的全生命周期设备信息管理
完整采集、统计设备运行、检修及更换信息，形成关键设备寿命周期数据库，寻优营销规划下最优的设备检修方案及设备零件更换方案，并合理延长设备寿。
结合关键指标劣化统计和材料特性，建立设备寿命预测模型；以寿命预测模型为依据，开展设备寿命在线预测；统计全生命周期信息，对寿命预测模型进行修正。
设备智能诊断：通过设备全生命周期大数据进行分析，进行设备状态及设备寿命评估，寻优营销规划下最优的设备检修方案及设备零件更换方案，确保检修内容应修必修、应换必换、应有必有，实现设备价值动态检修，延长设备使用周期，降低检修成本
400-109-9595