高级电机状态监视器K7DD能够迅速将电机的电流和电压等电力品质数据化,判明电机设备的故障模式和故障部位。通过这种方式,能够对过去难以判明异常状况的频繁变速的电机进行实时状态监视,实现计划性维保。此外,简化了状态监视器中各种参数的设定,导入效果立竿见影。
实时监视频繁变速的伺服电机和感应电机
K7DD不仅能监视频繁变速的伺服电机设备的状态,还能监视因为工件高速移动导致负载变化的感应电机的状态*1。
此外,也可监视与电机关联的负载侧的状态。
*1. 仅适用于电机速度和负载能够稳定保持100ms以上的设备。
适用于各种设备
仅需一台K7DD即可判别多种故障模式
实现多种状态监视应用
K7DD可利用测量的电压和电流计算出约400种特征量*1,检测具有多种特征的异常。
K7DD适用于工厂和设施中各种设备的计划性维保。
*1. 数据根据来自电机电源的电流和电压计算而得,用于探索与电机状态变化的相关性。
掌握电机设备的所有状况
K7DD以2.5μs的周期同时对6个通道进行采样。通过每50ms对3相电流/3相电压进行运算,可得出约400种特征量。从中选择想要监视的对象的特征量并分别设定阈值,即可监视各种生产设备的多种故障模式。
通过电力品质监视电机设备的状态变化
电机设备(电机及其负载)的异常经常会对电机的旋转轴产生影响。老化会导致转子和定子的间隙与扭矩发生变化,而这种变化表现为电流和电压的变化,由于电机异常导致旋转不均匀时,波形就会变得杂乱,不同于平稳旋转时的正常状态。
电机的老化进展/故障模式对应表
以电机为监视对象的欧姆龙状态监视器包括电机状态监视器K6CM和绝缘电阻监视器K7GE-MG。
各产品的适用范围和效果各异,请根据设备和要实现的应用进行选择。
K7DD允许用户针对各个故障模式和故障部位选择有效的特征量,方便识别故障部位。
要点②
完成现场安装、开启状态监视
如需利用云和数据服务器等,不仅需要费心学习系统构建技能并与IT管理人员合作,还必须安装至目标装置上。K7DD为维保现场完成型,无需学习新技能,加装时也只需少量安装工时。安装后即可从K7DD的显示画面确认异常状态。
现场完成,无需IT技能
配置公司内外的网络连接需要IT技能,并涉及多个相关部门,现场安装颇为耗时。
K7DD本体即可进行高端处理,因此在安装现场即可验证效果。
注. 如需按故障模式分别设定监视,必须使用支持工具。
安装在控制柜内,便于加装
在设备上安装需要进行接线处理,必然会影响生产。K7DD可在控制柜内接线,无需安装到设备上,控制柜内有完整的电力线系统,专门用于监视,从而更大程度降低改造翻新对于生产的影响。
注.难以进行电压接线时,可通过单相电流的特征量进行较简单的验证。
然而,这种情况下能够计算的特征量变少,适用的应用数量也将受限。
有助现场实施快速维保
发现异常时通过晶体管输出通知信号
可使用显示画面和物理按键在现场确认并操作
可在现场确认各种特征量和阈值,顺利作出维保判断
可根据需要存储数据
具有通信功能,可随时记录重要特征量。(K7DD专用支持工具可以记录/监控/输出为CSV文件)
要点③
减少效果验证需时、获取准确监视成果
系统结构
*1. 使用MOXA公司的MGate MB3170确认动作。
注. 可从欧姆龙官网免费下载K7DD专用支持工具。
URL:https://www.fa.omron.com.cn/index.php?cat_code=/contract&art_id=18536
即使无法再现异常,也能开始监视状态
【以往】
以50ms为周期进行运算处理,计算出超过400种特征量,可有效监视电机的多种故障模式。另一方面,处理这些数据需要非常高端的数据分析技能。K7DD支持通过这些分析快速启动设备的计划性维保。
再现异常实现高精度状态监视
注.所示的支持工具的画面可能与实际画面不同。
系统结构
*1. 使用MOXA公司的MGate MB3170确认动作。
注. 可从欧姆龙官网免费下载K7DD专用支持工具。
URL:https://www.fa.omron.com.cn/index.php?cat_code=/contract&art_id=18536
即使无法再现异常,也能开始监视状态
【以往】
若无法再现异常状态,就难以设定有效的特征量和适合的阈值。
【K7DD】利用应用设定文件大幅削减验证工时
欧姆龙基于通过现场验证积累的知识,提供应用设定文件,其中记录了易于引发各种故障模式的特征量以及可供参考的阈值设定方法。使用从欧姆龙官网下载的K7DD专用支持工具,即可将文件导入K7DD本体。
注.应用设定文件的阵容会随时扩充
URL:https://www.fa.omron.com.cn/index.php?cat_code=/contract&art_id=18536
实现高级分析/基于状态的维保
具备分别管理各个故障模式的功能。
可通过现实和数字方式将其与定期维保结果相关联,进而积累维保知识。尝试根据异常状态的进度并预测其未来趋势等方式,实现基于状态的维保。