实例探究.

添加案例

我们的案例数据库覆盖了全球物联网生态系统中的 1,840 家解决方案供应商。
您可以通过筛选条件进行快速浏览。

筛选条件
  • (3)
    • (3)
    • (1)
  • (3)
    • (3)
    • (2)
    • (2)
    • (1)
    • 查看全部
  • (3)
    • (3)
  • (3)
    • (3)
  • (1)
    • (1)
  • 查看全部 5 技术
  • (2)
  • (1)
  • (1)
  • (3)
  • (1)
  • (3)
  • (1)
  • (1)
  • (4)
Selected Filters
4 实例探究
排序方式:
Continuous condition monitoring pays off at a large power utility - Petasense Industrial IoT Case Study
连续状态监测在大型电力公司获得回报
夏威夷的一家大型电力公司正在寻求对其设备平衡 (BOP) 发电资产进行更频繁的状态监测。他们在预定的季度周游状态监测路线之间经历了重大的设备故障。
下载PDF
Large-scale Implementation of Wireless Predictive Maintenance - Petasense Industrial IoT Case Study
无线预测性维护的大规模实施
2016 年,Arizona Public Service (APS) 决定进入加州 ISO (CAISO) 市场,这使得他们可以向加州市场出售电力。他们的关键资产之一是位于凤凰城外 50 英里处的 420 兆瓦无人调峰电厂圣丹斯。进入 CA 能源市场意味着工厂的启动时间增加了两倍,运行时间几乎立即增加了一倍。他们开始寻找无线预测性维护 (PdM) 系统,因为运行时间通常是没有人在现场,这意味着传统形式的 PdM 是不可能的。通常情况下,专家会收集设备的振动和其他状态数据,但必须在操作过程中获取,并且很难将人员派往现场。 “可靠性是我们最关心的问题,”设备可靠性工程主管 Don Lamontagne 评论道。 “如果我们无法在需要时发电,我们将面临巨大的潜在收入损失以及罚款。”
下载PDF
Continuous Condition Monitoring Pays Off at a Large Power Utility - Petasense Industrial IoT Case Study
连续状态监测在大型电力公司获得回报
夏威夷的一家大型电力公司正在寻求对其设备平衡 (BOP) 发电资产进行更频繁的状态监测。他们在预定的季度周游状态监测路线之间经历了重大的设备故障。
下载PDF
Wireless Predictive Maintenance to Fix a Dated Walk-Around Program - Petasense Industrial IoT Case Study
无线预测性维护以修复过时的走动计划
直到去年,C&W Services 一直在其领先的生命科学客户之一使用手动状态监测程序。最好的情况是每 30 天手动收集一次数据,即使在最关键的机器上也使用手持数据记录器。数据收集后,所有的数据分析都必须外包给第三方进行分析。这种方法有几个限制: 1. 计划外停机2. 人力短缺3. 安全和使用机器4. 手动过程收集的读数不一致
下载PDF

联系我们

欢迎与我们交流!
* Required
* Required
* Required
* Invalid email address
提交此表单,即表示您同意 IoT ONE 可以与您联系并分享洞察和营销信息。
不,谢谢,我不想收到来自 IoT ONE 的任何营销电子邮件。
提交

感谢您的信息!
我们会很快与你取得联系。