Augury 使用介绍:功能、价格与上手指南

Augury 是一款基于 AI 的工业设备健康监测与故障诊断平台,通过振动、温度和超声波分析预测机器故障。本文介绍其核心功能、价格方案及快速上手步骤,帮助运维团队评估并部署。

在工业运维领域,设备意外停机往往带来高昂损失。Augury 作为一款 AI 驱动的预测性维护平台,通过分析机器振动、温度与超声波信号,提前发现故障征兆。本文将带你全面了解 Augury 的核心功能、价格方案以及如何快速上手。

一、Augury 是什么?

Augury 成立于 2011 年,总部位于以色列,专注于利用人工智能诊断工业设备健康状态。其核心产品 Augury Machine Health 结合硬件传感器与云端 AI 模型,为旋转机械(如电机、泵、压缩机、风机)提供实时监测与故障预测。

与传统的定期维护不同,Augury 帮助运维团队从“坏了再修”转向“按需维护”,显著减少非计划停机。

二、核心功能详解

1. 多维度传感器数据采集

Augury 提供无线振动传感器(如 Augury Halo),可同时采集:

  • 振动数据:三轴加速度,覆盖高频与低频故障特征
  • 温度数据:表面温度监测,辅助判断过热
  • 超声波数据:检测早期轴承润滑问题与电气放电

传感器通过磁吸或螺栓固定,安装简便,电池寿命可达数年。

2. AI 故障诊断与分类

云端 AI 模型基于数百万条故障样本训练,可自动识别:

  • 轴承磨损、不对中、不平衡
  • 齿轮故障、皮带松动
  • 气蚀、润滑不足、电气故障

系统输出明确的故障类型与严重程度,而非仅提供原始频谱图。

3. 实时告警与工单集成

当检测到异常时,Augury 会通过邮件、App 推送或 SMS 发送告警,并可与企业现有系统集成:

  • CMMS(如 SAP PM、Maximo)自动创建工单
  • Slack / Teams 推送通知
  • API 供自定义开发

4. 趋势分析与报告

平台提供设备健康趋势图、频谱瀑布图及诊断报告,帮助工程师追溯问题演变。

三、Augury 价格方案

Augury 采用订阅制,价格根据监测设备数量、传感器类型和合同期限定制。公开信息有限,但根据市场反馈,典型方案如下:

方案适用场景大致年费(每台设备)包含内容
基础版试点项目约 $500 - $800传感器 + 基础 AI 诊断 + 邮件告警
专业版中型工厂约 $1,000 - $1,500高级诊断 + CMMS 集成 + 优先支持
企业版多站点集团定制报价私有云部署 + 专属客户成功经理 + 定制模型

注意:以上为估算范围,实际价格需联系 Augury 销售获取。部分方案可能包含硬件押金或一次性安装费。

免费试用?

Augury 通常提供 试点项目(Pilot),允许在有限设备上试用 30-90 天,以验证效果。建议直接申请演示。

四、上手指南:从注册到首份诊断报告

步骤 1:申请演示与需求评估

访问 Augury 官网,填写设备类型、数量与运维痛点。销售团队会安排演示,并推荐传感器数量与安装位置。

步骤 2:安装传感器

收到传感器后,按指导安装:

  1. 清洁设备表面,确保无油污
  2. 使用磁吸底座或螺栓固定传感器
  3. 在 Augury App 中扫描二维码绑定设备
  4. 设置设备额定转速与轴承型号(可选)

步骤 3:配置告警与集成

在 Web 控制台设置:

  • 告警阈值(基于严重程度)
  • 通知渠道(邮件、Slack 等)
  • CMMS 连接(如适用)

步骤 4:采集基线数据

传感器需连续采集 1-2 周,建立设备健康基线。期间 AI 会学习正常运行模式。

步骤 5:查看诊断与采取行动

基线建立后,平台会显示每台设备的健康评分。点击设备可查看:

  • 健康状态:正常 / 警告 / 严重
  • 故障诊断:具体问题与置信度
  • 建议措施:如“检查轴承润滑”“安排对中校正”

根据建议创建工单,并在修复后标记,帮助 AI 持续优化。

五、Augury 的优缺点

优点:

  • AI 诊断准确率高,减少误报
  • 硬件安装简单,无需布线
  • 与主流 CMMS 集成良好
  • 提供可操作的维护建议

缺点:

  • 价格较高,小型企业可能负担重
  • 依赖网络连接
  • 对非旋转设备支持有限

六、结论

Augury 是工业预测性维护领域的成熟 AI 工具,适合希望降低停机风险、提升运维效率的制造与流程企业。建议先通过试点项目验证 ROI,再逐步扩展。如果你正在评估设备监测方案,Augury 值得列入候选名单。


行动建议:访问 Augury 官网申请演示,准备 3-5 台关键设备进行 30 天试点,记录故障预警与避免的停机时间,计算投资回报。

返回 AI 教程列表