通过工业 IoT 掌握液压系统的效率

IIoT的真正价值在于，我们能够以多快，安全和可预测的方式获取该信息，以及如何将其用于帮助改善流体动力系统的性能。

传统上，如果您想了解泵的工作方式，可以用一个水桶，一个软管和一个秒表。这是检查流速和整体效率的一种方法。有机会超越这个世界，拥有一个更加和谐，相互联系的界面。现在想象一下，您有一个智能泵或连接到该泵的智能设备，而不仅仅是传统的泵。智能设备可以实时为您生成有关泵的信息，低至泵的容积效率（VE）。制造商建议，在任何给定的时间，从壳体排放口中排出的VE均应为85％或更高，但突然，您的一台泵开始从壳体排放物中以78％VE的趋势开始生长。因此，现在，您的运行速度比制造商的建议低了七个百分点。借助当今的IIoT，您将收到有关此情况的警报或通知。

既然您知道它的运行效率不高，那么您就必须开始考虑需要做出的一些决策。您是否仍然对生产水平感到满意？您可以开始实时更改生产决策。但是您现在在这里有这条信息，您将如何处理？

要摆脱这一点，真正重要的是如何使用数据。您可能会开始询问有关机油状况的许多问题，并采取措施清洁和过滤机油。然后，您可以开始为您的生产制定运营决策。然后，您可以查看整个制造厂或整个工厂，以查看同一产品的VE是否相同，即确定其在整个工厂范围内还是在整个工厂范围内均是如此。现在，您已经从资产特定的角度出发，系统地查看了泵及其流体质量。如果您在全球拥有车队或工厂，则可以在全球范围内使用此数据，而不是每个工厂中的个人都可以监视，收集和共享数据。现在可以使用它来制定公司范围内的决策。所有这一切都从一个单一的效率数据开始。然后，我们最终到达金字塔的顶端，这也使我们获得了有趣的货币化。因为在组织内部可能不是唯一关心或想要查看该数据的人。如果实际上是泵本身怎么办？该泵的OEM是否不应该知道它在工作所在的应用程序环境中就不能正常工作？

我们从物联网中看到的是，我们将更多信息生成给原始设备制造商，他们可以继续设计出为什么这些东西首先会失败的原因。由于工程师无法深入实地并了解设备在传统的非公路或工厂车间机器的高度变化的环境中如何工作，因此将生成的安装后信息反馈给他们，使他们可以围绕产品的方式做出更明智的设计决策工作。

液压过滤预防性维护通常是基于时间表或基于弹出式指示器，该指示器会告诉您过滤器即将到期—随着滤芯不断收集灰尘和水颗粒，滤芯的效率将越来越低，并且那么在您需要绕过之前，它就不再有效了。在这种情况下，过滤器可能已超出其有效性而使用，从而降低了效率。或者，只需按计划更换所有过滤器，那么您将有可能不需要更换过滤器，这是在浪费金钱。

如果您的滤波器实际上能够在准确的时刻告诉您，或者在达到峰值效率之前可以告诉您10或5％的情况，该怎么办？如果您使用智能过滤，则每次都将在正确的时间更换过滤器。对于使用IoT部署系统范围的过滤管理的组织，这至少节省了33％的成本。

接下来是润滑，您的流体是否对您同样有效？总有机会获得有关您的油液健康的更多信息。您可以进行液体样本或色块测试，然后将其发送到实验室，然后生成报告。测试和实验室是润滑管理难题的重要组成部分。但问题是您不能只看一眼这种流体。液压油的基准是应保持清洁，凉爽和干燥。

您可以防止污染物进入，不让水进入，并保持流体处于适当的温度。但是，根据您所在的行业，您可能需要更多地了解您的添加剂包，金属侵入，流体氧化等。在这里，粘度指数并不是唯一的答案。在尝试获得润滑效率时，必须考虑所有因素。

这就是为什么当您输入更高效的数据并且对如何管理设备，机队，工厂，车间（无论可能如何）有了更大，更好，更广泛的了解时，叙事开始改变的原因。回顾这一叙述，您可以质疑系统的可靠性，预防性维护计划，润滑管理，振动监控甚至所用的商品。将它们堆叠在一起，您将开始获得越来越多的有见地的信息。

注：原文发表于 OEM Off-highway 原文作者：Jeremy Drury  |  翻译整理：i小编

走向数字化和智能化的液压系统，传感器将是这套智能体的“神经网络”。这套“神经网络”如何工作？如何更好的利用？第一步，从这里开始…

以动画形式，直观生动讲解液压系统中常用的各种传感器工作原理及应用，拒绝晦涩，还原液压生动原本！