पूर्वानुमानित रखरखाव: कंपन विश्लेषण और Edge AI

एक माप श्रृंखला, सिर्फ एक सेंसर नहीं

स्थिति की निगरानी संपत्ति से संवेदन तत्व तक यांत्रिक पथ से शुरू होती है। बढ़ती कठोरता, अभिविन्यास और स्थानीय अनुनाद सॉफ्टवेयर को देखने से पहले स्पेक्ट्रम को बदल सकते हैं। सेंसर रेंज और शोर घनत्व को अपेक्षित कंपन और पता लगाने लायक शुरुआती दोष हस्ताक्षर दोनों से मेल खाना चाहिए।

गलती के लिए नमूना, डैशबोर्ड के लिए नहीं

एक धीमी प्रवृत्ति यह दिखा सकती है कि समग्र कंपन बढ़ रहा है, लेकिन यह असर वाले प्रभावों या लघु क्षणकों को छिपा सकता है। अधिग्रहण रणनीति को लक्ष्य विफलता मोड से बैंडविड्थ, नमूना दर, विंडो लंबाई और ट्रिगर स्थितियों को परिभाषित करना चाहिए। शेड्यूल की गई विंडो दोहराए जाने योग्य रुझान प्रदान करती हैं; इवेंट-ट्रिगर कैप्चर लगातार स्ट्रीमिंग के बिना असामान्य व्यवहार को संरक्षित करता है।

कच्ची खिड़कियों को परिचालन साक्ष्य में बदलें

आरएमएस, पीक, क्रेस्ट फैक्टर और स्पेक्ट्रल-बैंड ऊर्जा केवल ऑपरेटिंग स्थिति से बंधे होने पर ही उपयोगी होते हैं। गति, भार और तापमान आवश्यक संदर्भ प्रदान करते हैं। एज प्रोसेसिंग विंडोज़ को वर्गीकृत कर सकती है, प्रतिनिधि कच्चे नमूनों को बनाए रख सकती है और कॉम्पैक्ट सुविधाओं को प्रसारित कर सकती है ताकि इंजीनियर नेटवर्क पर हर नमूने को स्थानांतरित किए बिना अलर्ट की जांच कर सकें।

निर्णयों के इर्द-गिर्द वायरलेस लिंक डिज़ाइन करें

कमीशनिंग, नियमित सारांश, अलर्ट और डायग्नोस्टिक डाउनलोड के लिए अलग-अलग बैंडविड्थ और पावर आवश्यकताएं होती हैं। इन ट्रैफ़िक वर्गों को अलग करने से रेडियो, बैटरी और स्टोरेज रणनीति को हर मामले को संभालने के लिए एक लिंक को मजबूर करने के बजाय रखरखाव वर्कफ़्लो की सेवा करने की अनुमति मिलती है।

स्थिति की निगरानी बनाम पूर्वानुमानित रखरखाव

स्थिति की निगरानी एक मशीन की वर्तमान स्थिति और यह कैसे बदलती है, इसका वर्णन करती है। पूर्वानुमानित रखरखाव आगे बढ़ता है: यह यह तय करने के लिए साक्ष्य का उपयोग करता है कि अस्वीकार्य विफलता से पहले रखरखाव की आवश्यकता कब है। अकेले बढ़ता कंपन स्कोर शेष उपयोगी जीवन स्थापित नहीं करता है। परियोजना आवश्यकताओं में विसंगति का पता लगाने, दोष निदान और विफलता-समय की भविष्यवाणी को अलग करें।

एक पंप या मोटर पायलट के लिए, पहले पता लगाने योग्य दोष मोड और रखरखाव कार्रवाई की पहचान करें जिसके लिए अलर्ट ट्रिगर होना चाहिए। कंपन खिड़कियों के साथ-साथ गति, भार, बढ़ते स्थान और सेवा घटनाओं को रिकॉर्ड करें। समान-से-समान परिचालन स्थितियों की तुलना करें ताकि सामान्य उत्पादन परिवर्तन को गिरावट न समझा जाए।

थर्मल इमेजिंग के साथ कंपन विश्लेषण को मिलाएं

एक थर्मल इमेजिंग कैमरा कंपन और विद्युत माप में सतह-तापमान संदर्भ जोड़ सकता है। उदाहरण के लिए, बार-बार होने वाले तापमान में वृद्धि के साथ कंपन में बदलाव निकट निरीक्षण को उचित ठहरा सकता है। एक इन्फ्रारेड कैमरा हर आंतरिक खराबी को प्रकट नहीं करता है, और एक गर्म क्षेत्र निदान नहीं है। माप ज्यामिति, उत्सर्जन, परावर्तित तापमान और परिचालन भार व्याख्या को प्रभावित करते हैं।

पहुंच और दोष दृश्यता के आसपास सेंसिंग विधि चुनें। एक निश्चित तापमान सेंसर एक असर वाले आवास के लिए पर्याप्त हो सकता है; थर्मल इमेजिंग तब उपयोगी हो सकती है जब कई सुलभ सतहों को अवलोकन की आवश्यकता होती है। संकेतों को कैसे संयोजित किया जाना चाहिए, यह तय करने से पहले टाइमस्टैम्प्ड साक्ष्य रखें और समान परिस्थितियों में रुझानों की तुलना करें।

जहां edge AI और औद्योगिक IoT फिट होते हैं

एक औद्योगिक IoT गेटवे सुविधाएँ एकत्र कर सकता है, डायग्नोस्टिक विंडो बनाए रख सकता है और रखरखाव वर्कफ़्लो के लिए अलर्ट भेज सकता है। एक व्याख्या योग्य आधार रेखा और सीमा से शुरुआत करें। जब एक प्रतिनिधि डेटासेट एक लाभ प्रदर्शित करता है, तो edge AI जोड़ें, जैसे बदलते ऑपरेटिंग राज्यों में कम झूठे अलार्म। मॉडल विकास से बाहर रखे गए डेटा के साथ सत्यापन करें और छूटी हुई घटनाओं के साथ-साथ गलत अलर्ट की रिपोर्ट करें।

परिभाषित करें कि अलर्ट की समीक्षा कौन करता है, वे कौन सा कच्चा डेटा पुनर्प्राप्त कर सकते हैं और एक पुष्टिकृत रखरखाव घटना सिस्टम में वापस कैसे फीड होती है। पायलट के दौरान पता लगाने के लीड टाइम, अलर्ट बोझ और डेटा उपलब्धता को मापें। ये डैशबोर्ड की तुलना में अधिक उपयोगी स्वीकृति मानदंड हैं जो केवल एक विसंगति स्कोर प्रदर्शित करता है।

मशीन की स्थिति निगरानी परियोजना का अन्वेषण करें

तकनीकी संदर्भ: FLIR: तापमान माप और उत्सर्जन सेटिंग्स