Prowadniki rolkowe do dźwigów i suwnic z opcjonalnym monitoringiem zużycia

Aby zwiększyć czas pracy systemów dźwigów i suwnic, firma igus połączyła swoje podstawowe kompetencje w zakresie technologii łożysk ślizgowych i prowadników kablowych. W e-prowadniku z rolką P4.1 dla długich przesuwów nowo-opracowane łożyska ślizgowe zapewniają bezsmarowe mocowanie poszczególnych ogniw e-prowadnika, co znacznie wydłuża żywotność systemu.

System P4 jest oferowany już od wielu lat - seria prowadników z rolką sprawdziła się już w ponad tysiącu zastosowaniach w dźwigach i suwnicach na całym świecie - z drogami przesuwu do 800 metrów, wysokimi prędkościami powyżej 5 metrów na sekundę i kilkoma milionami cykli przy niskim poziomie wibracji oraz hałasu.

Dzięki zastosowaniu rolek zintegrowanych w ogniwie prowadnika, tarcie jest zredukowane do minimum, a żywotność wydłużona. Ze względu na przesunięcie między biegiem górnym i dolnym prowadnika, rolki z tworzywa sztucznego nie poruszają się po sobie, ale przechodzą obok siebie, aby umożliwić płynną pracę.

W rezultacie współczynnik tarcia zmniejsza się, a moc napędu zostaje zmniejszona o 57%. Dzięki powyższym doświadczeniom, konstruktorzy firmy igus zoptymalizowali e-prowadnik z rolką P4.1, tak aby znacznie zwiększyć niezawodność i dostępność. W każdym położeniu ogniw e-prowadnika znajduje on punkt podparcia.

Aktualnie prowadnik został wyposażone w bezobsługowe, trybopolimerowe łożysko ślizgowe, które ponad dwukrotnie wydłuża żywotność. W ten sposób na przykład dźwigi kontenerowe w portach mogą teraz osiągnąć żywotność ponad 15 lat lub ponad 20 tys. godzin pracy. Opcjonalnie nowy P4.1 może być wyposażony w inteligentne czujniki monitorujące, takie jak czujnik zużycia dla nowo zainstalowanych łożysk ślizgowych.

Osiągnięcie określonego limitu poziomu zużycia powoduje wysłanie sygnału do modułu komunikacyjnego igus icom oraz, zależnie od wymogów klienta, do oprogramowania nadrzędnego oraz do centrum danych firmy igus w celu inteligentnej i dynamicznej prognozy żywotności.

W tym przypadku zalecenia konserwacji za pomocą algorytmów uczenia maszynowego i algorytmów sztucznej inteligencji są stale porównywane i definiowane z danymi z wielu istniejących aplikacji.