prediktivt vedlikehold: Vibrasjonsanalyse og Edge AI

En målekjede, ikke bare en sensor

Tilstandsovervåking starter med den mekaniske banen fra aktivaen til sensorelementet. Monteringsstivhet, orientering og lokale resonanser kan endre spekteret før programvaren ser det. Sensorrekkevidde og støytetthet må da samsvare med både forventet vibrasjon og de tidligste feilsignaturene som er verdt å oppdage.

Eksempel for feilen, ikke for dashbordet

En langsom trend kan vise at den generelle vibrasjonen øker, men den kan skjule lagerstøt eller korte transienter. Anskaffelsesstrategien bør definere båndbredde, samplingsfrekvens, vinduslengde og triggertilstander fra målfeilmodusene. Planlagte vinduer gir repeterbare trender; hendelsesutløst fangst bevarer uvanlig atferd uten å strømme kontinuerlig.

Gjør råvinduer til operative bevis

RMS, topp, toppfaktor og spektralbåndenergi er kun nyttige når de er bundet til driftstilstand. Hastighet, belastning og temperatur gir viktig kontekst. Kantbehandling kan klassifisere vinduer, beholde representative råprøver og overføre kompakte funksjoner slik at ingeniører kan undersøke et varsel uten å flytte hver prøve over nettverket.

Design den trådløse koblingen rundt beslutninger

Igangkjøring, rutinesammendrag, varsler og diagnostiske nedlastinger har forskjellige båndbredde- og strømkrav. Ved å skille disse trafikkklassene kan radio-, batteri- og lagringsstrategien betjene vedlikeholdsarbeidsflyten i stedet for å tvinge én kobling til å håndtere hver sak.

Tilstandsovervåking kontra prediktivt vedlikehold

Tilstandsovervåking beskriver den nåværende tilstanden til en maskin og hvordan den endres. prediktivt vedlikehold går lenger: den bruker bevis for å avgjøre når vedlikehold er nødvendig før en uakseptabel feil. En stigende vibrasjonsscore alene fastslår ikke gjenværende brukstid. Separat anomalideteksjon, feildiagnose og feiltidsprediksjon i prosjektkravene.

For en pumpe eller motor pilotprosjekt, identifiser først feilmodusene som er verdt å oppdage og vedlikeholdshandlingen som et varsel skal utløse. Registrer hastighet, last, monteringsposisjon og servicehendelser sammen med vibrasjonsvinduer. Sammenlign like-for-like driftstilstander slik at normale produksjonsendringer ikke forveksles med forringelse.

Kombiner vibrasjonsanalyse med termisk avbildning

Et termisk avbildning-kamera kan legge til overflatetemperaturkontekst til vibrasjoner og elektriske målinger. For eksempel kan en endring i vibrasjon ledsaget av en repeterbar temperaturøkning rettferdiggjøre nærmere inspeksjon. Et infrarødt kamera avslører ikke alle interne feil, og en varm region er ikke en diagnose. Målegeometri, emissivitet, reflektert temperatur og driftsbelastning påvirker tolkningen.

Velg registreringsmetoden rundt tilgang og feilsynlighet. En fast temperatursensor kan være nok for ett lagerhus; termisk avbildning kan være nyttig når flere tilgjengelige overflater trenger observasjon. Behold tidsstemplede bevis og sammenlign trender under lignende forhold før du bestemmer deg for hvordan signalene skal kombineres.

Hvor edge AI og Industrial IoT passer

En industriell IoT-gateway kan samle inn funksjoner, beholde diagnostiske vinduer og sende varsler til en vedlikeholdsarbeidsflyt. Start med en tolkbar grunnlinje og terskler. Legg til edge AI når et representativt datasett viser en fordel, for eksempel færre falske alarmer på tvers av skiftende driftstilstander. Valider med data ekskludert fra modellutvikling og rapporter tapte hendelser samt falske varsler.

Definer hvem som vurderer et varsel, hvilke rådata de kan hente og hvordan en bekreftet vedlikeholdshendelse føres tilbake til systemet. Mål gjenkjenningstid, varslingsbyrde og datatilgjengelighet under pilotprosjekt. Dette er mer nyttige akseptkriterier enn et dashbord som bare viser en uregelmessig poengsum.

Utforsk et prosjekt for overvåking av maskintilstand

Teknisk referanse: FLIR: temperaturmåling og emissivitetsinnstillinger