測量鏈，而不僅僅是 感測器
狀態監控從資產到感測元件的機械路徑開始。安裝剛度、方向和區域性共振可以在軟體發現之前改變頻譜。 感測器 範圍和雜訊密度必須與預期振動和值得檢測的最早故障特徵相符。
故障範例，而非儀錶板範例
緩慢的趨勢可以表明整體振動正在上升，但它可能隱藏軸承影響或短暫瞬態。採集策略應定義目標故障模式的頻寬、取樣率、視窗長度和觸發條件。預定視窗提供可重複的趨勢；事件觸發的擷取保留了異常行為，而無需連續串流。
將原始視窗轉化為操作證據
RMS、峰值、波峰因數和譜帶能量僅在與工作狀態相關時才有用。速度、負載和溫度提供了重要的背景資訊。邊緣處理可以對視窗進行分類，保留有代表性的原始樣本並傳輸緊湊的特徵，以便工程師可以調查警報，而無需透過網路移動每個樣本。
圍繞決策設計無線鏈路
除錯、例行摘要、警報和診斷下載有不同的頻寬和功率需求。分離這些流量類別允許無線電、電池和儲存策略服務於維護工作流程，而不是強制一個連結來處理每種情況。
| 設計問題 | 工程意義 |
|---|---|
| 哪些錯誤很重要？ | 設定 感測器 頻寬、範圍和功能選擇。 |
| 機器如何運作？ | 定義負載感知基線和擷取觸發器。 |
| 一定要傳送什麼？ | 平衡本地儲存、邊緣分析和無線電佔空比。 |
| 它是如何安裝的？ | 控制重複性和高頻測量品質。 |
狀態監測與 預測性維護
狀態監控描述了機器的當前狀態及其變化方式。 預測性維護 更進一步：它使用證據來決定在出現不可接受的故障之前何時需要維護。僅增加振動分數並不能確定剩餘使用壽命。專案需求中單獨的異常檢測、故障診斷和故障時間預測。
對於泵浦或馬達 試驗專案，首先確定值得偵測的故障模式以及警報應觸發的維護操作。記錄速度、負載、安裝位置和振動視窗旁的服務事件。比較同類運作狀態，以免正常的生產變化被誤認為惡化。
將振動分析與 熱影像 結合
熱影像 相機可以將表面溫度背景新增到振動和電氣測量中。例如，振動的變化伴隨著可重複的溫升，可能需要更仔細的檢查。紅外線熱像儀並不能揭示所有內部故障，熱點區域也不能進行診斷。測量幾何形狀、發射率、反射溫度和工作負載都會影響解釋。
選擇圍繞訪問和故障可見性的感測方法。對於一個軸承座來說，固定溫度 感測器 可能就足夠了；當需要觀察多個可觸及的表面時，熱影像 可能很有用。在決定如何組合訊號之前，保留帶有時間戳記的證據並比較類似條件下的趨勢。
邊緣人工智慧和工業物聯網的契合點
工業物聯網閘道可以收集功能、保留診斷視窗並將警報傳遞給維護工作流程。從可解釋的基線和閾值開始。當代表性資料集表現出優勢時，例如在不斷變化的操作狀態下減少誤報，請新增邊緣人工智慧。使用模型開發中排除的資料進行驗證並報告錯過的事件以及錯誤警報。
定義誰檢視警報、他們可以檢索哪些原始資料以及已確認的維護事件如何回饋到系統中。測量 試驗專案 期間的偵測提前時間、警報負擔和資料可用性。這些是比僅顯示異常分數的儀錶板更有用的驗收標準。
技術參考： FLIR：溫度測量和發射率設定