การติดตามที่พัฒนาจากภาวะ (CbM) ช่วยป้องกันความล้มเหลวของอุปกรณ์ผ่านการบํารุงรักษาแบบคาดการณ์ แต่การออกแบบระบบที่มีประสิทธิภาพมักต้องนําการตรวจจับความแม่นยําเข้าสู่ระบบอย่างสมบูรณ์แบบสายสัญลักษณ์ที่มีเสียงเสียงต่ํา, การจัดการพลังงานและการเชื่อมต่อไร้สาย เหล่านี้เป็นลักษณะที่ซับซ้อนที่อาจชะลอการใช้งานของ CbM และเพิ่มต้นทุนผู้ออกแบบยังยอมรับข้อดีของการวิเคราะห์ความฉลาดประดิษฐ์ (AI)เราจําเป็นต้องหาทางแก้ไขที่ตรงและมีประสิทธิภาพมากขึ้น
บทความนี้นําเสนอวัดความใกล้ชิดอย่างสั้น ๆ และจากนั้นนําเสนอ plug and play ของ Analog Devicesโซลูชั่นนี้ทําให้สามารถใช้งาน CbM แบบไร้สายได้ทันที ด้วยความสามารถด้าน AI.
ความ สําคัญ ของ การ ติดตาม ของรัฐ
เวลาหยุดทํางานที่ไม่ได้วางแผนยังคงเป็นโจทย์ใหญ่ในการรักษาประสิทธิภาพการทํางานสูงของอุปกรณ์ เมื่อเกิดความล้มเหลวที่ไม่คาดหวังในอุปกรณ์สําคัญมันอาจทําให้เส้นการผลิตทั้งสายบอด, การสกัดสรรคของโซ่การจําหน่าย, และบริการบํารุงรักษาที่แพงแต่วิธีเหล่านี้มีข้อเสียของมัน: การบํารุงรักษาโดยเฉพาะสามารถนําไปสู่การหยุดทํางานที่แพง ส่วนการบํารุงรักษาระยะยาวสามารถเพิ่มต้นทุนทรัพยากรโดยการเปลี่ยนส่วนประกอบที่ยังทํางานโดยไม่จําเป็น
การนํามาใช้ CbM ทําให้สามารถนํามาใช้วิธีการบํารุงรักษาแบบคาดการณ์ที่มีประหยัดมากขึ้น โดยการติดตามการสั่นสะเทือน อุณหภูมิ กระแสไฟฟ้า หรือตัวชี้วัดการทํางานอื่น ๆผู้ประกอบการอุปกรณ์สามารถระบุสัญญาณเตือนการลดลงของผลประกอบของส่วนประกอบ ก่อนเกิดความผิดพลาดแนวทางที่ขับเคลื่อนโดยข้อมูลนี้สามารถลดเวลาหยุดทํางานที่ไม่ได้วางแผน, ขยายอายุการใช้งานของอุปกรณ์ และลดต้นทุนการครอบครองทั้งหมด
ถึงแม้ว่าจะมีข้อดีมากมายของ CbM แต่การใช้งานของ CbM อาจหยุดเนื่องจากความซับซ้อนของความต้องการและความต้องการของความเชี่ยวชาญระหว่างวิชาการแก้ไขปัญหาเหล่านี้เป็นโจทย์ใหญ่ในการนําการบํารุงรักษาแบบคาดการณ์ที่พัฒนาโดย CbM มาใช้อย่างสําเร็จ.
ความท้าทายและความต้องการที่นํามาโดยการติดตามจากรัฐ
เพื่อใช้ประโยชน์จาก CbM ได้อย่างเต็มที่ การแก้ไข CbM ต้องทํางานได้อย่างน่าเชื่อถือในสภาพแวดล้อมอุตสาหกรรมและรถยนต์ที่รุนแรงขณะที่ดําเนินการวิเคราะห์ในทันเวลา โดยใช้ข้อมูลการวัดที่แม่นยําอย่างไรก็ตาม แม้ในระหว่างการทํางานปกติของอุปกรณ์ที่ติดตาม สภาพการทํางานเฉพาะนี้สามารถทําให้อุปกรณ์วัดได้รับความกดดันทางสิ่งแวดล้อมและกลไกที่ใหญ่หลวงเครื่องยนต์อุตสาหกรรม, ระบบส่งและอุปกรณ์หมุนหนักสามารถเผยแพร่อุปกรณ์การติดตามต่อเนื่องต่อการสั่นสะเทือน, ช็อค, อุณหภูมิสูงสุด, และระดับการแทรกแซงทางแม่เหล็กไฟฟ้าสูง (EMI).
เพื่อให้ได้รับการบํารุงรักษาแบบคาดการณ์ที่น่าเชื่อถือ เครื่องตรวจจับการสั่นสะเทือนในอุปกรณ์ CbM ต้องสามารถตรวจจับการเปลี่ยนแปลงที่ละเอียด ซึ่งมักเป็นสัญญาณแรกของความไม่สมดุลของแกนหรือสวมใส่เพื่อให้แน่ใจว่าการวัดการสั่นสะเทือนมีความแม่นยําสูงในสภาพแวดล้อมที่ยากลําบาก ต้องการระบบย่อยรับสัญญาณเซ็นเซอร์ความกว้างขวางสูงและความรบกวนต่ําสามารถรักษาผลงานได้อย่างมั่นคงในสภาพแวดล้อมการทํางานที่รุนแรง.
ในฐานะที่หลักของวิธีการ CbM การวิเคราะห์การสั่นสะเทือนวางพื้นฐานในการระบุรูปแบบที่สามารถแยกระหว่างการทํางานปกติและสัญญาณแรกของความล้มเหลวระบบเซ็นเซอร์สั่นสะเทือนส่งผลการวัดไปยังโฮสต์กลางหรือทรัพยากรเมฆเพื่อวิเคราะห์อย่างไรก็ตาม, การแก้ไข CbM ที่ทันสมัยได้เริ่มที่จะย้ายความสามารถการวิเคราะห์มากขึ้นไปยังขอบ โดยการวิเคราะห์ข้อมูลภายในหรือใกล้ระบบเซ็นเซอร์ผลสามารถได้รับในเวลาที่สั้นที่สุดและลดการจราจรในเครือข่ายอุตสาหกรรมและรถยนต์ที่มีความรู้สึกต่อเวลา.
โดยเฉพาะเจาะจง การสรุป AI ขอบที่ใช้แบบเครือข่ายประสาท (CNN) สามารถให้การตีความในเวลาจริงของการเปลี่ยนแปลงการสั่นสะเทือนการใช้ CNN ในการสรุปความหมาย ต้องการการคํานวณจํานวนมาก, ทําให้มันซับซ้อนกว่าที่จะบรรลุเป้าหมาย CbM โดยไม่เกินพลังงานระบบ, ขนาด, หรือข้อจํากัดค่าใช้จ่าย
ด้วยการใช้ CbM มากขึ้นในอุปกรณ์หมุน, อุปกรณ์ไกลหรืออุปกรณ์เคลื่อนที่, และความไม่เป็นไปได้ของการเชื่อมต่อสายไฟฟ้า, การลดการบริโภคพลังงานได้กลายเป็นความจําเป็นมากขึ้นเพื่อตอบสนองความต้องการการเชื่อมต่อไร้สายในสถานการณ์เหล่านี้, โบลูธูธพลังงานต่ํา (BLE) สามารถบรรลุการผสมผสานที่ต้องการของระยะทางการส่งสัญญาณ, พลังงานและความน่าเชื่อถือเมื่อเทียบกับเทคโนโลยีเชื่อมต่อทางเลือกอื่น ๆ (ตารางที่ 1)
อย่างไรก็ตาม เช่นเดียวกับการประมวลผล AI ขอบโจทย์ที่เราต้องเผชิญ คือการค้นหาทางแก้ไขการเชื่อมต่อ BLE ที่สามารถทํางานได้ตามปกติ ภายในข้อจํากัดของพลังงานของระบบเซ็นเซอร์ไร้สายการรับประกันอายุแบตเตอรี่ที่ยืดหยุ่นยังคงเป็นโจทย์สําหรับนักออกแบบระบบเซ็นเซอร์ไร้สายใด ๆอย่างไรก็ตาม, นี้เป็นสิ่งสําคัญโดยเฉพาะอย่างยิ่งในอุตสาหกรรมและอุตสาหกรรมรถยนต์, ที่เซ็นเซอร์อาจยากที่จะเข้าถึง. ในระบบ CbM ที่ต้องการ CNN การสรุป,การบริหารแบตเตอรี่และพลังงาน กําลังมีความสําคัญมากขึ้นความท้าทายในเรื่องนี้คือวิธีการประสานงานปรับระดับความแรงดันหลายตัว, ซีควันเซอร์, และระบบการชาร์จเพื่อลดการบริโภคพลังงานในขณะที่รับประกันการทํางานที่มั่นคง
ชุดการประเมินให้บริการกับการแก้ไข CbM แบบไร้สายที่ติดตั้งด้วยฟังก์ชัน AI ขอบ
The EV-CBM-VOYAGER4-1Z Voyager 4 kit from Analog Devices provides a complete battery powered vibration monitoring platform for continuous evaluation of CbM technology or immediate deployment in predictive maintenance applications, ตอบโจทย์กับความท้าทายต่าง ๆ ที่ต้องเผชิญกับการจัดจําหน่าย CbM แบบไร้สายที่มีความสามารถ AI ขอบ. ชุดนี้ใช้การสนับสนุนแนวตั้ง (รูป 1, บน),การติดตั้งแผ่นวงจรพิมพ์หลัก (PC board) อย่างมั่นคงในด้านหนึ่ง และแบตเตอรี่ในด้านอื่น เพื่อกําจัดผลกระทบจากสภาพแวดล้อมที่รุนแรงบอร์ดวงจรพลังงานและเซ็นเซอร์ตั้งอยู่ด้านล่างของรองรับ ใกล้แหล่งสั่นที่ต้องติดตาม เพื่อความสะดวกในการใช้งานองค์ประกอบการสนับสนุนแนวตั้งถูกวางอยู่ในกล่องป้องกันจากอลูมิเนียมที่มีเส้นผ่า 46 mm และความสูง 77 mm (รูป 1)ด้านบนของฝาปกป้องมีฝาปกแอครีล ABS สามารถใช้ในการเชื่อมต่อ BLE