工業(yè)物聯(lián)網(wǎng) (IIoT) 一直在塑造工業(yè) 4.0。 IIoT 的主要目標(biāo)是讓工業(yè)應(yīng)用保持可操作、高效和高效。 預(yù)測(cè)性維護(hù)是 IIoT 的一個(gè)熱門話題,這是有充分理由的。 提前知道潛在問題的時(shí)間有很多好處。 本文將探討預(yù)測(cè)性維護(hù) (PdM) 如何幫助行業(yè)最大化正常運(yùn)行時(shí)間、行業(yè)敏捷性和盈利能力,從而為其用戶提供競(jìng)爭(zhēng)優(yōu)勢(shì)。
健康評(píng)估
實(shí)現(xiàn)最佳性能和盈利能力的一種方法是通過準(zhǔn)確監(jiān)控和評(píng)估機(jī)器的健康狀況來盡可能多地和盡可能長(zhǎng)時(shí)間地運(yùn)行機(jī)器——這一過程被稱為機(jī)器健康監(jiān)測(cè) (MHM)。 MHM 的概念很簡(jiǎn)單:通過將各種傳感器應(yīng)用于機(jī)器并收集和處理信息,設(shè)計(jì)人員希望確定在出現(xiàn)重大和代價(jià)高昂的問題之前他們可能需要采取的糾正措施(如果有的話)。
維護(hù)
維護(hù)是工程師用來保護(hù)或延長(zhǎng)設(shè)備壽命并避免代價(jià)高昂的故障的過程。維護(hù)機(jī)器比等到機(jī)器壞了再修理要便宜——不僅與機(jī)器本身有關(guān),而且在生產(chǎn)力損失方面。然而,維護(hù)需要工程師監(jiān)控機(jī)器,以幫助在問題發(fā)生之前發(fā)現(xiàn)問題。
工程師用來收集有關(guān)其設(shè)備狀態(tài)信息的關(guān)鍵技術(shù)來自電子傳感器,這些傳感器的數(shù)據(jù)由微控制器 (MCU) 和微處理器 (MPU) 處理。這兩種類型的設(shè)備維護(hù)支持主要通過方法和方法來區(qū)分。兩者都不是更好;它們相輔相成。在這兩個(gè)類別中,條件都受到監(jiān)控。監(jiān)測(cè)可以通過三種方法進(jìn)行:連續(xù)實(shí)時(shí)傳感、周期性間隔傳感或遙感。
基于狀態(tài)的維護(hù)
當(dāng)傳感器用于實(shí)時(shí)傳感器測(cè)量和分析時(shí),這稱為基于狀態(tài)的維護(hù) (CbM)。 CbM 可能被廣泛認(rèn)為是反應(yīng)性的。也就是事情發(fā)生后才進(jìn)行調(diào)整。 CbM 可能需要許多正在進(jìn)行的實(shí)時(shí)傳感器,可能需要更多的組件、時(shí)間和數(shù)據(jù)。因此,實(shí)時(shí)傳感和處理通常不可用或不實(shí)用。
預(yù)測(cè)性維護(hù)
在沒有實(shí)時(shí)傳感和處理的情況下,可能會(huì)采用另一種技術(shù)——預(yù)測(cè)性維護(hù) (PdM)。 PdM 嘗試?yán)脧奶幚砥鞲泄贁?shù)據(jù)中收集的決策標(biāo)準(zhǔn),對(duì)未來可能用于最大化正常運(yùn)行時(shí)間和盈利能力的最佳維護(hù)事件進(jìn)行“水晶球”預(yù)測(cè)。它可能被視為試圖主動(dòng)或先發(fā)制人。
PdM 方法的主要好處包括提高資產(chǎn)的可用性、壽命和利用率。同時(shí),它還提供了減少資產(chǎn)更換決策時(shí)間、故障成本、故障頻率、維護(hù)成本、運(yùn)營(yíng)和安全風(fēng)險(xiǎn)以及計(jì)劃外停機(jī)時(shí)間的互補(bǔ)優(yōu)勢(shì)。
工業(yè)用戶通常希望盡早發(fā)現(xiàn)任何潛在問題。這樣做的價(jià)值或好處是顯而易見的:早期檢測(cè)有助于減少系統(tǒng)停機(jī)時(shí)間,提高操作運(yùn)行時(shí)間和吞吐量效率,并最大限度地減少成本高昂或重大的維修和安全問題。 PdM 很有價(jià)值,因?yàn)樗梢怨?jié)省金錢和時(shí)間。畢竟,維護(hù)只在必要時(shí)進(jìn)行。
隨著時(shí)間的推移,遺漏錯(cuò)誤的可能性將會(huì)縮小。永遠(yuǎn)不要期望完美或完全消除任何失敗問題。然而,他們將努力大幅減少和減輕損失。
如前所述,PdM 采用對(duì)未來的預(yù)測(cè)。預(yù)測(cè)是基于對(duì)過去的經(jīng)驗(yàn)觀察的預(yù)測(cè)。為了對(duì)未來做出強(qiáng)有力的預(yù)測(cè),收集的過去信息之間必須具有高度的相關(guān)性。如果相關(guān)性不高,任何預(yù)測(cè)都可能成為不相關(guān)的推測(cè)。
預(yù)測(cè)分析模型
PdM 的預(yù)期目標(biāo)是成功實(shí)現(xiàn)預(yù)測(cè)分析模型 (PAM),該模型提供一組概率來通知維護(hù)過程。 一個(gè)成功的 PAM 模型通過安排適當(dāng)?shù)募m正性維護(hù)來糾正這種情況并將其恢復(fù)到標(biāo)準(zhǔn)條件來防止故障,從而實(shí)現(xiàn)其目標(biāo)。
成功的 PdM 依賴于 IIoT。 IIoT 收集有關(guān)機(jī)器動(dòng)作的數(shù)據(jù),并將其轉(zhuǎn)換為可以傳輸、處理、聚合和分析的數(shù)字格式。 有線和無線連接解決方案提供了足夠的帶寬來處理大量數(shù)據(jù)。 這允許在邊緣或云端構(gòu)建完整的模型。
人工智能
因?yàn)槟繕?biāo)是在沒有警告的情況下避免資產(chǎn)故障,所以必須能夠預(yù)測(cè)何時(shí)應(yīng)該安排維護(hù)。為了幫助以更高的置信度做出這些預(yù)測(cè),人工智能 (AI) 被用來協(xié)助,因?yàn)榭梢苑浅?焖俚胤治鑫⑿〉淖兓???煽啃怨こ處熀途S護(hù)經(jīng)理將利用 AI 支持 PdM 努力模仿人類行為,包括決策制定。
技術(shù)協(xié)同
可以使用高級(jí)分析軟件通過機(jī)器學(xué)習(xí) (ML) 算法分析來自系統(tǒng)的感官信息。 ML 采用統(tǒng)計(jì)方法(數(shù)學(xué))來幫助機(jī)器通過經(jīng)驗(yàn)學(xué)習(xí)(經(jīng)驗(yàn)觀察)。機(jī)器從數(shù)據(jù)中的這些模式開發(fā)概念,這意味著 ML 使計(jì)算機(jī)能夠在沒有明確編程的情況下進(jìn)行學(xué)習(xí)。傳感器、AI/ML 和專用軟件能夠執(zhí)行自動(dòng)的搶先糾正性維護(hù)操作。
可以感測(cè)工業(yè)項(xiàng)目,包括發(fā)動(dòng)機(jī)、馬達(dá)、齒輪、壓縮機(jī)、渦輪機(jī)等,以獲取信息,例如溫度、振動(dòng)、濕度、聲音和噪音水平,和/或旋轉(zhuǎn)或線速度,以檢測(cè)磨損或明顯異常.熱成像儀可用于使用紅外 (IR) 熱成像檢測(cè)來自物體的輻射。這種相機(jī)可能能夠檢測(cè)到溫度異常。非正常溫度測(cè)量結(jié)果可能表明存在潛在故障。紅外攝像機(jī)必須指向正確的位置,而且通常很昂貴。應(yīng)適當(dāng)考慮它們最有幫助的地方。
聲學(xué)傳感和監(jiān)測(cè)可能有助于檢測(cè)泄漏。超聲波技術(shù)可用于檢測(cè)摩擦或應(yīng)力等機(jī)械問題。振動(dòng)傳感器拾取表明軸承和齒輪等內(nèi)部零件磨損的振動(dòng)模式。它還可以生成與旋轉(zhuǎn)或線性未對(duì)準(zhǔn)相關(guān)的信息。
結(jié)論
在工業(yè)、家庭和城市中,PdM 使用收集的傳感器數(shù)據(jù)來幫助工程師在問題出現(xiàn)之前糾正問題。很明顯,PdM 將繼續(xù)為公司提供解決系統(tǒng)崩潰、故障或錯(cuò)誤運(yùn)行所需的優(yōu)勢(shì)。 PdM 將有助于提供應(yīng)對(duì)未來挑戰(zhàn)所需的競(jìng)爭(zhēng)優(yōu)勢(shì)。