依托于AIMS科大智聯(lián)人工智能、大數(shù)據(jù)、云計(jì)算等先進(jìn)技術(shù),采用物聯(lián)網(wǎng)技術(shù)對(duì)達(dá)力普的物流設(shè)備運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)控。監(jiān)控堆垛機(jī)、穿梭車、提升機(jī)、分配車等多種類型物流設(shè)備。平臺(tái)通過設(shè)備故障預(yù)測(cè)模型,對(duì)關(guān)鍵物流設(shè)備進(jìn)行故障預(yù)測(cè),制定維修計(jì)劃,減少物流設(shè)備計(jì)劃外維修,提高生產(chǎn)效率,保障生產(chǎn)現(xiàn)場(chǎng)安全。
平臺(tái)對(duì)堆垛機(jī)的運(yùn)行工況通過物聯(lián)網(wǎng)進(jìn)行實(shí)時(shí)監(jiān)控,監(jiān)控范圍包含設(shè)備狀態(tài)數(shù)據(jù)、業(yè)務(wù)執(zhí)行數(shù)據(jù)等多方面的信息,對(duì)發(fā)生的異常情況及時(shí)通知工作人員進(jìn)行核實(shí)處理,保障設(shè)備安全運(yùn)行。
平臺(tái)對(duì)堆垛機(jī)的作業(yè)效率按照時(shí)間段進(jìn)行分析,對(duì)效率異常情況結(jié)合設(shè)備運(yùn)行工況、作業(yè)情況等綜合判斷,發(fā)現(xiàn)影響因素,輔助生產(chǎn)決策,提高設(shè)備運(yùn)行效率。
平臺(tái)依據(jù)設(shè)備故障預(yù)測(cè)模型,對(duì)工況數(shù)據(jù)進(jìn)行實(shí)時(shí)分析,及時(shí)發(fā)現(xiàn)設(shè)備的細(xì)微異常,通過模型判斷情況,提醒設(shè)備管理人員,并提供設(shè)備運(yùn)行歷史工況供管理人員進(jìn)一步分析。
通過對(duì)堆垛機(jī)效率的縱向、橫向?qū)Ρ鹊木?xì)化分析,挖掘效率制約因素,優(yōu)化相關(guān)業(yè)務(wù)流程與存儲(chǔ)規(guī)劃,堆垛機(jī)設(shè)備從開始23托/小時(shí)提升至25托/小時(shí),提升了立庫的物流效率。
通過在線設(shè)備實(shí)時(shí)監(jiān)控、設(shè)備故障預(yù)測(cè)、設(shè)備智能保養(yǎng)等功能,實(shí)現(xiàn)設(shè)備隨時(shí)隨地的監(jiān)控,故障異常實(shí)時(shí)通知,減少過度保養(yǎng),輔助設(shè)備管理決策,提高了設(shè)備管理效率與設(shè)備維保成本。
通過平臺(tái)的設(shè)備故障預(yù)測(cè)分析功能,將設(shè)備故障消弭于初期,減少設(shè)備計(jì)劃外維修次數(shù)。與行業(yè)平均值相比,單位時(shí)間范圍內(nèi),設(shè)備計(jì)劃外維修次數(shù)減少20%,有效的保障了生產(chǎn)的連續(xù)進(jìn)行。