Støtter kjøpesenterets turnstile ekstern feildiagnose?

一, Teknisk arkitektur: Opprette "nevralt senter" for fjerndiagnose
Hoveddelen av det eksterne problemdiagnosesystemet for roterende dreiekiler er å lage en tre--lags "end management cloud"-arkitektur. Dette vil tillate lukket-sløyfestyring av sann-utstyrsstatusovervåking, rask dataoverføring og smart analyse og{4}}beslutning.
1. Terminal Perception Layer: Samle data på mange måter
Moderne roterende dreiekiler kan samle mer enn 20 essensielle egenskaper i sanntid, som motorhastighet, lagertemperatur, portstangbevegelse og strømsvingninger. Dette er mulig på grunn av høy-sensornettverk. For eksempel bruker én type svingkors tre-akseakselerasjonssensorer for å spore bevegelse. Disse sensorene kan pålitelig fange opp vibrasjonsendringer på 0,01 mm, noe som hjelper med feilprediksjon. Den fotoelektriske sensorgruppen kan finne gatestangens tilbakestillingsvinkelfeil og avgi en alarm hvis feilen er større enn ± 2 grader.

2. Nettverkstransportlaget er en trygg og rask måte å sende data på.
For å sikre at data sendes i sanntid og pålitelig, bruker vi LoRaWAN lav-strømnettverk og 5G dobbel-modus kommunikasjonsteknologi. Et kjøpesenter har vist at bruk av en edge computing-gateway kan øke komprimeringsforholdet til sensordata med 60 %, og at hele prosessen med å samle inn data og laste dem opp til skyen kan gjøres på mindre enn 200 millisekunder. Bruk av krypterte overføringsmetoder sikrer at sikkerheten til enhetsdata i offentlig nettverksoverføring oppfyller finansnivånormer.

3. Cloud analyselag: et smart sted å ta beslutninger og diagnostisere problemer
Et AI-basert ekspertsystem for feildiagnose kan identifisere 98,7 % av problemtypene nøyaktig ved å bygge en kunnskapsbase med mer enn 100 000 feilprøver. Systemet bruker et Convolutional Neural Network (CNN) for å se på vibrasjonsspekteret. Dette lar den anslå hvordan lagrene vil slites ned 3 til 7 dager i forveien. Etter å ha satt systemet i et bestemt kjedesenter, gikk feilraten på utstyret ned med 62 %, og tiden det tok å fikse ting ble kuttet ned til 8 minutter.

2, Bransjepraksis: Vanlige bruksområder for fjerndiagnose
1. Forebyggende vedlikehold: gå fra "passiv reparasjon" til "aktiv forebygging"
Den intelligente drift- og vedlikeholdsplattformen som brukes på et{0}}high-end kjøpesenter i Shanghai, så på de store dataene fra portene og observerte at Gate 3s motortemperatur holdt seg over 65 grader på den travleste tiden på dagen, fra 14:00 til 15:00. Systemet foretar automatisk vedlikeholdsarbeidsordrer, og vedlikeholdspersonalet bytter kjøleviften på forhånd for å minimere en mulig nedetidkatastrofe for utstyret. Gjennomsnittstiden mellom feil (MTBF) for utstyret går opp fra 8000 timer til 12000 timer i denne modusen.

2. Ekstern feilsøking: Få teknisk hjelp uansett hvor du er
En ekstern diagnostisk plattform ble brukt for å optimalisere parameterne under oppgraderingen av portsystemet i et kjøpesenter i Beijing. Ingeniøren endret tilbakestillingshastigheten på portstangen i hovedkvarterets kontor og så portmaskinen arbeide i sanntid fra et kjøpesenter 20 kilometer unna. Dette kuttet tiden det tok å feilsøke fra de vanlige 4 timene til 45 minutter. Denne strategien reduserer kostnadene for enkeltvedlikehold med 70 %.

3. Nødberedskap: Lage en "minuttnivå"-tilnærming for å håndtere feil
Portkontrollsystemet til et kjøpesenter i Shenzhen brøt plutselig sammen og blokkerte tilgangsbanen. Fagpersonen bestemte feilstedet på 10 minutter ved hjelp av fjerndiagnosesystemet. Han oppdaget at overspenningsvernet til strømmodulen hadde skylden. Etter å ha fortalt folk på stedet hvordan de skal tilbakestille strømmodulen, begynte systemet å fungere igjen med en gang. Denne gangen har beredskapen vært 90 % mer effektiv enn vanlig, når det tar mer enn to timer å undersøke på-siden.

3, Forretningsverdi: Fjerndiagnose endrer måten virksomheter driver og vedlikeholder systemene sine på.
1. Gjøre driften mer effektiv: ta beslutninger basert på data
Statistikken til et bestemt kjedekjøpesenter viser at når de satte inn et fjerndiagnosesystem, gikk den gjennomsnittlige reparasjonstiden (MTTR) for turnkors ned fra 2,3 timer til 0,4 timer, og antallet passasjerer som tapte penger på grunn av feil på dreiekorset gikk ned med 43 %. Ved å se på tidligere feildata og forbedre planleggingen for hvordan utstyr skal ordnes, kan antallet personer som kan bruke en enkeltporttjeneste gå opp med 25 %.

2. Optimalisering av kostnadsstrukturen: endring fra «arbeids-intensiv» til «teknologi-drevet».
For tradisjonell drift og vedlikehold trengs et eget vedlikeholdsteam, og lønnskostnadene utgjør 18 % av hele kostnaden for utstyret. Fjerndiagnosemetoden har kuttet antall personer som jobber i et enkelt kjøpesenter fra 5 til 2. Dette sparer kjøpesenteret for over 600 000 yuan i året i arbeidsutgifter. Bruken av en forebyggende vedlikeholdsstrategi har økt omsetningen av reservedeler med 40 % og redusert kapitalkostnadene med 2 millioner yuan.

3. Forbedret kundeopplevelse: tjenester for drift og vedlikehold som er vanskelig å legge merke til
Et spesielt smart kjøpesenter har oppnådd "null nedetid" drift og vedlikehold gjennom et fjerndiagnosesystem: automatisk selvinspeksjon av enheten utføres under lavdalperioden om natten, og prioritet gis til å sikre ytelsen i perioden med høy passasjerstrøm på dagtid. Kundeundersøkelser viser at tilfredsheten med ventetiden ved porten har gått opp fra 78 poeng til 92 poeng, mens klager på utstyrsproblemer har gått ned med 87 %.