测量链，而不仅仅是传感器
状态监测从资产到传感元件的机械路径开始。安装刚度、方向和局部共振可以在软件发现之前改变频谱。然后，传感器范围和噪声密度必须与预期振动和值得检测的最早故障特征相匹配。
故障示例，而非仪表板示例
缓慢的趋势可以表明整体振动正在上升，但它可能隐藏轴承影响或短暂瞬态。采集策略应定义目标故障模式的带宽、采样率、窗口长度和触发条件。预定窗口提供可重复的趋势；事件触发的捕获保留了异常行为，而无需连续流式传输。
将原始窗口转化为操作证据
RMS、峰值、波峰因数和谱带能量仅在与工作状态相关时才有用。速度、负载和温度提供了重要的背景信息。边缘处理可以对窗口进行分类，保留有代表性的原始样本并传输紧凑的特征，以便工程师可以调查警报，而无需通过网络移动每个样本。
围绕决策设计无线链路
调试、例行摘要、警报和诊断下载具有不同的带宽和功率要求。分离这些流量类别允许无线电、电池和存储策略服务于维护工作流程，而不是强制一个链路来处理每种情况。
| 设计问题 | 工程意义 |
|---|---|
| 哪些错误很重要？ | 设置传感器带宽、范围和功能选择。 |
| 机器如何运作？ | 定义负载感知基线和采集触发器。 |
| 必须传送什么？ | 平衡本地存储、边缘分析和无线电占空比。 |
| 它是如何安装的？ | 控制重复性和高频测量质量。 |
状态监测与 预测性维护
状态监控描述了机器的当前状态及其变化方式。 预测性维护 更进一步：它使用证据来决定在出现不可接受的故障之前何时需要维护。仅增加振动分数并不能确定剩余使用寿命。项目需求中单独的异常检测、故障诊断和故障时间预测。
对于泵或电机 试点项目，首先确定值得检测的故障模式以及警报应触发的维护操作。记录速度、负载、安装位置和振动窗口旁边的服务事件。比较同类运行状态，以免正常的生产变化被误认为恶化。
将振动分析与 热成像 相结合
热成像 相机可以将表面温度背景添加到振动和电气测量中。例如，振动的变化伴随着可重复的温升，可能需要更仔细的检查。红外热像仪并不能揭示所有内部故障，并且热点区域也不能进行诊断。测量几何形状、发射率、反射温度和工作负载都会影响解释。
选择围绕访问和故障可见性的传感方法。对于一个轴承箱来说，一个固定的温度传感器可能就足够了；当需要观察多个可触及的表面时，热成像 可能很有用。在决定如何组合信号之前，保留带时间戳的证据并比较类似条件下的趋势。
边缘人工智能和工业物联网的契合点
工业物联网网关可以收集功能、保留诊断窗口并将警报传递给维护工作流程。从可解释的基线和阈值开始。当代表性数据集表现出优势时，例如在不断变化的操作状态下减少误报，请添加边缘人工智能。使用模型开发中排除的数据进行验证并报告错过的事件以及错误警报。
定义谁查看警报、他们可以检索哪些原始数据以及已确认的维护事件如何反馈到系统中。测量 试点项目 期间的检测提前时间、警报负担和数据可用性。这些是比仅显示异常分数的仪表板更有用的验收标准。
技术参考： FLIR：温度测量和发射率设置