การบำรุงรักษาเชิงคาดการณ์: การวิเคราะห์การสั่นสะเทือน & Edge AI

ห่วงโซ่การวัด ไม่ใช่แค่ เซนเซอร์

การตรวจสอบสภาพเริ่มต้นด้วยเส้นทางกลไกจากสินทรัพย์ไปยังองค์ประกอบการตรวจจับ ความแข็งในการติดตั้ง การวางแนว และเสียงสะท้อนเฉพาะที่สามารถเปลี่ยนสเปกตรัมก่อนที่ซอฟต์แวร์จะมองเห็นได้ ช่วง เซนเซอร์ และความหนาแน่นของสัญญาณรบกวนจะต้องตรงกับทั้งการสั่นสะเทือนที่คาดไว้และลายเซ็นข้อบกพร่องแรกสุดที่ควรค่าแก่การตรวจจับ

ตัวอย่างสำหรับข้อผิดพลาด ไม่ใช่สำหรับแดชบอร์ด

แนวโน้มที่ช้าสามารถแสดงให้เห็นว่าการสั่นสะเทือนโดยรวมเพิ่มขึ้น แต่อาจซ่อนผลกระทบของแบริ่งหรือช่วงเวลาสั้นๆ ไว้ กลยุทธ์การได้มาควรกำหนดแบนด์วิธ อัตราตัวอย่าง ความยาวหน้าต่าง และเงื่อนไขทริกเกอร์จากโหมดความล้มเหลวของเป้าหมาย หน้าต่างที่กำหนดเวลาไว้จะให้แนวโน้มที่ทำซ้ำได้ การจับภาพที่กระตุ้นโดยเหตุการณ์จะรักษาพฤติกรรมที่ผิดปกติโดยไม่ต้องสตรีมอย่างต่อเนื่อง

เปลี่ยนหน้าต่างดิบให้เป็นหลักฐานการปฏิบัติงาน

RMS, พีค, ปัจจัยยอด และพลังงานแถบสเปกตรัมมีประโยชน์เมื่อเชื่อมโยงกับสถานะการทำงานเท่านั้น ความเร็ว น้ำหนักบรรทุก และอุณหภูมิเป็นบริบทที่สำคัญ การประมวลผล Edge สามารถจำแนกหน้าต่าง เก็บตัวอย่างดิบที่เป็นตัวแทน และส่งคุณสมบัติขนาดกะทัดรัด เพื่อให้วิศวกรสามารถตรวจสอบการแจ้งเตือนโดยไม่ต้องย้ายทุกตัวอย่างผ่านเครือข่าย

ออกแบบลิงก์ไร้สายเพื่อการตัดสินใจ

การทดสอบการใช้งาน ข้อมูลสรุปตามปกติ การแจ้งเตือน และการดาวน์โหลดเพื่อการวินิจฉัยมีความต้องการแบนด์วิธและพลังงานที่แตกต่างกัน การแยกประเภทการรับส่งข้อมูลเหล่านี้ช่วยให้กลยุทธ์ด้านวิทยุ แบตเตอรี่ และอุปกรณ์จัดเก็บข้อมูลสามารถรองรับขั้นตอนการบำรุงรักษา แทนที่จะบังคับให้ลิงก์เดียวจัดการทุกกรณี

การตรวจสอบสภาพเทียบกับ การบำรุงรักษาเชิงคาดการณ์

การตรวจสอบสภาพจะอธิบายสถานะปัจจุบันของเครื่องจักรและการเปลี่ยนแปลงของเครื่องจักร การบำรุงรักษาเชิงคาดการณ์ ก้าวไปอีกขั้น: ใช้หลักฐานเพื่อตัดสินใจว่าเมื่อใดจำเป็นต้องบำรุงรักษาก่อนที่จะเกิดความล้มเหลวที่ยอมรับไม่ได้ คะแนนการสั่นสะเทือนที่เพิ่มขึ้นเพียงอย่างเดียวไม่ได้กำหนดอายุการใช้งานที่เหลืออยู่ แยกการตรวจจับความผิดปกติ การวินิจฉัยข้อผิดพลาด และการทำนายเวลาความล้มเหลวในข้อกำหนดของโครงการ

สำหรับปั๊มหรือมอเตอร์ โครงการนำร่อง ขั้นแรกให้ระบุโหมดความผิดปกติที่ควรค่าแก่การตรวจจับและการดำเนินการบำรุงรักษาที่ควรกระตุ้นการแจ้งเตือน บันทึกความเร็ว น้ำหนักบรรทุก ตำแหน่งการติดตั้ง และเหตุการณ์การบริการควบคู่ไปกับหน้าต่างการสั่นสะเทือน เปรียบเทียบสถานะการทำงานที่คล้ายคลึงกัน เพื่อให้การเปลี่ยนแปลงการผลิตตามปกติไม่ถูกเข้าใจผิดว่าเป็นการเสื่อมสภาพ

รวมการวิเคราะห์การสั่นสะเทือนเข้ากับ การถ่ายภาพความร้อน

กล้อง การถ่ายภาพความร้อน สามารถเพิ่มบริบทอุณหภูมิพื้นผิวให้กับการสั่นสะเทือนและการวัดทางไฟฟ้า ตัวอย่างเช่น การเปลี่ยนแปลงของการสั่นสะเทือนพร้อมกับอุณหภูมิที่เพิ่มขึ้นซ้ำๆ อาจช่วยให้มีการตรวจสอบอย่างใกล้ชิดยิ่งขึ้น กล้องอินฟราเรดไม่ได้เปิดเผยข้อผิดพลาดภายในทั้งหมด และบริเวณที่ร้อนไม่ใช่การวินิจฉัย เรขาคณิตของการวัด การแผ่รังสี อุณหภูมิที่สะท้อน และภาระการทำงานส่งผลต่อการตีความ

เลือกวิธีการตรวจจับในการเข้าถึงและการมองเห็นข้อผิดพลาด อุณหภูมิคงที่ เซนเซอร์ อาจเพียงพอสำหรับตัวเรือนแบริ่งตัวเดียว การถ่ายภาพความร้อน อาจมีประโยชน์เมื่อต้องสังเกตพื้นผิวที่เข้าถึงได้หลายแห่ง เก็บหลักฐานการประทับเวลาและเปรียบเทียบแนวโน้มภายใต้เงื่อนไขที่คล้ายคลึงกัน ก่อนที่จะตัดสินใจว่าควรรวมสัญญาณอย่างไร

Edge AI และ Industrial IoT เหมาะสมกันอย่างไร

เกตเวย์ IoT เชิงอุตสาหกรรมสามารถรวบรวมคุณลักษณะ รักษาหน้าต่างการวินิจฉัย และส่งการแจ้งเตือนไปยังขั้นตอนการบำรุงรักษา เริ่มต้นด้วยพื้นฐานและเกณฑ์ที่สามารถตีความได้ เพิ่ม Edge AI เมื่อชุดข้อมูลตัวแทนแสดงให้เห็นถึงข้อได้เปรียบ เช่น การแจ้งเตือนที่ผิดพลาดน้อยลงในสถานะการทำงานที่เปลี่ยนแปลง ตรวจสอบกับข้อมูลที่แยกออกจากการพัฒนาแบบจำลอง และรายงานเหตุการณ์ที่พลาดไป รวมถึงการแจ้งเตือนที่ผิดพลาด

กำหนดผู้ที่ตรวจสอบการแจ้งเตือน ข้อมูลดิบใดบ้างที่พวกเขาสามารถดึงข้อมูลได้ และวิธีที่เหตุการณ์การบำรุงรักษาที่ได้รับการยืนยันจะป้อนกลับเข้าสู่ระบบ วัดระยะเวลาในการตรวจจับ ภาระการแจ้งเตือน และความพร้อมใช้งานของข้อมูลระหว่าง โครงการนำร่อง สิ่งเหล่านี้เป็นเกณฑ์การยอมรับที่มีประโยชน์มากกว่าแดชบอร์ดที่เพียงแต่แสดงคะแนนความผิดปกติ

สำรวจโครงการตรวจสอบสภาพเครื่องจักร

ข้อมูลอ้างอิงทางเทคนิค: FLIR: การตั้งค่าการวัดอุณหภูมิและการปล่อยก๊าซเรือนกระจก