- 天:领先有效值阈值的中位提前量183 台设备上的 231 个事件,合成数据
- 31
- 台在监设备1 302 个测点,147 MW
- 450
- 异常检测器 ROC-AUC阈值 0.9 时误报率 0.0012
- 0.971
- 个月历史数据,可用光标回溯信号在浏览器中实时重算
- 18
轴承已损坏 85%,仪表读数却仍是“完好如新”
一台 1476 rpm 的泵,外圈缺陷程度 85%:振动速度有效值为 1.86 mm/s,按 ISO 20816-3 属于 A 区,形式上完全健康。而同期缺陷频率处的包络幅值已增长 95 倍,峭度从 2.96 升至 10.87。这正是 Boljam 所揭示的。
本演示基于合成数据:各项指标来自物理模型,而非真实设备实测。对象名称取自公开资料;本系统不构成任何公司的报表,且未使用其企业标识。
同一闭环中的两类资产
炼油厂
炼油,年加工 550 万吨,三套生产装置
- 16 套工艺装置——从 1969 年的常减压装置到 2018 年的深加工装置
- 267 台设备,709 个测点,89.0 MW
- 泵、压缩机、引风机、空冷器、加热炉
成熟油田
开采,四个采油厂、注水系统与原油处理
- 183 台设备,593 个测点,58.4 MW
- 3 698 口井:抽油机 92.5%、电潜泵 7.5%;121 口纳入振动监测
- 基于示功图的抽油机诊断——8 种工况类别
系统原理
三项工程决策,使这套演示既快速、诚实,又无需服务器。
信号为实时合成,而非存储回放
系统不存储任何原始振动波形。由 Rust 编译为 WebAssembly 的物理模型,依据「测点标签 + 位置 + 时间」的键值在浏览器中确定性地生成波形。离线数据集生成器使用同一份代码,因此存储的特征量与您拖动光标到任意日期时看到的信号始终一致。
一致性经端到端校验
数据集中存储值与浏览器重算值之间的有效值中位偏差为 0.0000%,95 分位数为 0.17%。生成器两次运行可产出逐位一致的文件。信号处理内核由 62 项测试覆盖,领域逻辑由 184 项单元测试及端到端场景覆盖。
推理在浏览器端完成,数据不外传
模型训练为离线一次性完成,推理通过 ONNX Runtime Web 在客户端执行,全部模型合计仅 1.87 MB。同样的架构可平移至企业内网:计算在数据所在之处进行,任何数据都不出厂区。
五个模型及其实测表现
训练集与验证集按设备档案划分,而非按时间窗划分,因此不存在标签泄漏:ISO 区域已明确排除在输入特征之外。
| 模型 | 任务 | 实测表现 |
|---|---|---|
| FaultNet | 缺陷分类,12 个类别 | 准确率 0.92,F1 0.92,ROC-AUC 0.994 |
| RULNet | 剩余寿命 P10/P50/P90 | MAE 44.7 天,P10–P90 覆盖率 0.93(名义值 0.80) |
| HealthIndex | 异常检测器 | ROC-AUC 0.971,误报率 0.0012 |
| DynaCard | 基于示功图的抽油机工况,8 个类别 | 演示示功图准确率 0.988 |
| Reliability | 可靠性与最优检修周期 | 含删失的威布尔模型,以 Kaplan–Meier 估计检验 |
系统的能力边界——直言不讳
FaultNet 能可靠识别轴承缺陷、松动与齿轮啮合问题;借助基于前几阶转频谐波的第二路输入,它可以区分不平衡与不对中,但不平衡的召回率目前仅为 0.65。在 1 302 个测点中的 746 个(二极与四极电机)上,电磁故障与不对中仍无法区分。所有模型均在同一物理模型生成的合成数据上训练与测试,尚未完成公开实测数据集上的验证,界面中对此有明确标注。系统已内置公开数据集加载器(CWRU、NASA IMS、MFPT、Paderborn、XJTU-SY、Petrobras 3W、MetroPT-3、C-MAPSS)——真实数据验证将在客户试点阶段完成。
标准依据
ISO 20816-3 规定按振动速度有效值划分 A/B/C/D 区,分析频带随转速调整:转速低于 600 rpm 时自 2 Hz 起,否则自 10 Hz 起。ISO 20816-8 与 ISO 10816-6 适用于往复式机械,其限值为 28–45 mm/s 而非 4.5–11。API 670 适用于滑动轴承透平机械,其判据是轴的相对位移而非机壳有效值。此外还包括 ISO 13373、ISO 17359、ISO 13379、ISO 13381 与 API 610。
对企业的价值
面向机动总师与可靠性团队
以覆盖全机队的风险排序清单取代按日历巡检:可直观看到未来 7 天和 30 天内哪些机组需要干预及其原因,并给出缺陷频率及其随时间的发展趋势。
面向计划与经济部门
经济效益在系统界面中实时计算,而非停留在演示文稿里:全部 25 项假设均附列依据,因此可逐条质疑,并按贵司自身的停机损失与检修成本重新测算。
面向 IT 与信息安全部门
无数据库、无外部调用:计算在浏览器中完成。在工业环境中,同一架构以本地化方式部署——遥测与视频均不出厂区边界。
同样的方法——以服务形式落地到贵司设备
预测性维护服务常见问题
常见问题
对我们最常被问到的问题的简短直接回答。
什么是 Boljam?
Boljam 是由 105 Industrial AI(哈萨克斯坦“105kz”有限责任公司)开发的预测性维护系统,整合振动诊断、遥测数据与检修履历:五个机器学习模型基于包络谱进行缺陷分类,以 P10/P50/P90 区间估计剩余寿命,并在振动速度有效值越过 ISO 20816-3 阈值之前识别异常。演示版本可在浏览器中打开,运行于合成数据之上。
为什么预测性诊断比振动速度有效值阈值更准确?
有效值阈值反映的是振动总能量,因此响应滞后。Boljam 中的实测结果:一套外圈缺陷程度达 85% 的轴承,有效值仅为 1.86 mm/s——按标准属于 A 区,即“完好如新”。而同期缺陷频率处的包络幅值已增长 95 倍,峭度从 2.96 升至 10.87。在由 450 台设备组成的演示机队中,在 183 台设备的 231 个事件中,异常检测器均在有效值进入 C 区之前报警,中位提前量为 31 天。
演示使用的是什么数据?
全部为合成数据:各项指标来自 Rust → WebAssembly 物理模型,而非真实设备实测。对象名称取自公开资料以增强演示的辨识度;本系统不构成任何公司的报表,也未使用其企业标识。在客户试点阶段,模型将基于企业真实的遥测、振动数据与检修履历重新训练。
这类系统能否部署在企业内网?
可以,这正是默认方案。模型训练为离线一次性完成,推理通过 ONNX Runtime Web 在客户端执行,全部模型合计 1.87 MB。同一架构可在客户服务器上本地化部署:计算在数据所在之处完成,不向外部传输任何数据。
振动评估遵循哪些标准?
ISO 20816-3 按振动速度有效值划分 A/B/C/D 区,分析频带随转速调整。ISO 20816-8 与 ISO 10816-6 适用于往复式机械,其限值为 28–45 mm/s 而非 4.5–11。API 670 适用于滑动轴承透平机械,判据是轴的相对位移而非机壳有效值。此外还采用 ISO 13373、ISO 17359、ISO 13379、ISO 13381 与 API 610。
系统无法区分哪些缺陷?
FaultNet 借助基于前几阶转频谐波的第二路输入区分不平衡与不对中,但不平衡召回率目前仅 0.65;在 1 302 个测点中的 746 个上,电磁故障与不对中仍无法区分。所有指标均来自同一物理模型的合成数据。上述局限在系统界面中已明确说明。
在真实设备上的试点需要多长时间?
8–12 周,从数据导出到具备实测效益的可运行模型。试点范围通常选取一组同类关键机组——泵、压缩机、引风机——并将预测结果与既往时期的实际故障和检修工单进行比对。
下一步
在贵司设备机队上演示 Boljam
告诉我们您的需求——我们将在两个工作日内反馈数据审计方案和效益评估。
- 130 分钟通话:任务、现有系统、由谁做决定
- 2梳理数据与流程,给出带周期与成本区间的分阶段计划
- 32–4 周原型,或成功标准预先约定的 8–12 周试点
首次接触即签署保密协议(NDA)
一个工作日内回复