예측 유지보수: 진동 분석 및 Edge AI

단순한 센서가 아닌 측정 체인

상태 모니터링은 자산에서 감지 요소까지의 기계적 경로에서 시작됩니다. 장착 강성, 방향 및 국부적 공진은 소프트웨어가 보기 전에 스펙트럼을 변경할 수 있습니다. 그러면 센서 범위와 소음 밀도가 예상 진동과 감지할 가치가 있는 가장 빠른 결함 신호와 모두 일치해야 합니다.

대시보드용이 아닌 결함에 대한 샘플

느린 추세는 전반적인 진동이 증가하고 있음을 나타낼 수 있지만 베어링 영향이나 짧은 과도 현상을 숨길 수 있습니다. 획득 전략은 대상 실패 모드의 대역폭, 샘플링 속도, 창 길이 및 트리거 조건을 정의해야 합니다. 예약된 기간은 반복 가능한 추세를 제공합니다. 이벤트 트리거 캡처는 지속적으로 스트리밍하지 않고도 비정상적인 동작을 보존합니다.

원시 창을 운영 증거로 전환

RMS, 피크, 파고율 및 스펙트럼 대역 에너지는 작동 상태와 관련된 경우에만 유용합니다. 속도, 부하 및 온도는 필수적인 컨텍스트를 제공합니다. 로컬 처리는 창을 분류하고, 대표 원시 샘플을 유지하고, 압축 기능을 전송할 수 있으므로 엔지니어는 네트워크를 통해 모든 샘플을 이동하지 않고도 경고를 조사할 수 있습니다.

의사결정에 따른 무선 링크 설계

시운전, 일상적인 요약, 경고 및 진단 다운로드에는 대역폭과 전력 요구 사항이 다릅니다. 이러한 트래픽 클래스를 분리하면 하나의 링크가 모든 사례를 처리하도록 강제하는 대신 라디오, 배터리 및 스토리지 전략이 유지 관리 작업 흐름을 제공할 수 있습니다.

상태 모니터링과 예측 유지 관리

상태 모니터링은 기계의 현재 상태와 그 변화 방식을 설명합니다. 예측 유지 관리는 더 나아가 증거를 사용하여 허용할 수 없는 오류가 발생하기 전에 유지 관리가 필요한 시기를 결정합니다. 진동 점수가 상승한다고 해서 남은 유효 수명이 결정되는 것은 아닙니다. 프로젝트 요구 사항에서 이상 감지, 결함 진단 및 고장 시간 예측을 분리합니다.

펌프 또는 모터 조종사의 경우 먼저 감지할 가치가 있는 결함 모드와 경고가 트리거되어야 하는 유지 관리 조치를 식별합니다. 진동 창과 함께 속도, 하중, 장착 위치 및 서비스 이벤트를 기록합니다. 정상적인 생산 변화가 품질 저하로 오인되지 않도록 유사한 작동 상태를 비교하십시오.

진동 분석과 열화상 결합

열화상 카메라는 진동 및 전기 측정에 표면 온도 상황을 추가할 수 있습니다. 예를 들어, 반복적인 온도 상승을 수반하는 진동 변화는 면밀한 검사를 정당화할 수 있습니다. 적외선 카메라는 모든 내부 결함을 드러내지 않으며 뜨거운 부분은 진단이 아닙니다. 측정 기하학, 방사율, 반사 온도 및 작동 부하가 해석에 영향을 미칩니다.

액세스 및 결함 가시성을 중심으로 감지 방법을 선택하십시오. 하나의 베어링 하우징에는 고정 온도 센서로 충분할 수 있습니다. 열화상은 접근 가능한 여러 표면을 관찰해야 할 때 유용할 수 있습니다. 신호를 결합하는 방법을 결정하기 전에 타임스탬프가 표시된 증거를 유지하고 유사한 조건에서 추세를 비교하십시오.

Edge AI와 산업용 IoT가 적합한 곳

산업용 IoT 게이트웨이는 기능을 수집하고 진단 창을 유지하며 유지 관리 워크플로에 경고를 전달할 수 있습니다. 해석 가능한 기준선과 임계값으로 시작하세요. 대표 데이터세트가 작동 상태 변화에 따른 허위 경보 감소와 같은 이점을 입증할 때 Edge AI를 추가합니다. 모델 개발에서 제외된 데이터로 검증하고 누락된 이벤트와 허위 경고를 보고합니다.

경고를 검토하는 사람, 검색할 수 있는 원시 데이터, 확인된 유지 관리 이벤트가 시스템에 피드백되는 방법을 정의합니다. 파일럿 기간 동안 탐지 리드 타임, 경고 부담 및 데이터 가용성을 측정합니다. 이는 단순히 이상 점수를 표시하는 대시보드보다 더 유용한 승인 기준입니다.

기계 상태 모니터링 프로젝트 살펴보기

기술 참조: FLIR: 온도 측정 및 방사율 설정