預(yù)測(cè)性維護(hù)正在超越工業(yè)應(yīng)用。更容易訪問、更具成本效益的解決方案將改變我們與技術(shù)的聯(lián)系方式。
當(dāng)我們想到大批量生產(chǎn)時(shí),我們通常會(huì)想象一個(gè)運(yùn)轉(zhuǎn)平穩(wěn)的工廠,每臺(tái)機(jī)器都運(yùn)轉(zhuǎn)正常,能夠高效、批量地生產(chǎn)成品。對(duì)于經(jīng)營(yíng)這樣一家工廠的人來說,他們的目標(biāo)是使工廠能夠以最佳速度運(yùn)行,并減少停機(jī)時(shí)間。不過,每臺(tái)帶有活動(dòng)部件的機(jī)器都會(huì)遭受一些磨損,并且不可避免地需要維護(hù)或更換一些部件。問題是什么時(shí)候做這些事更為恰當(dāng):您是按照固定的時(shí)間表來做,還是等機(jī)器開始出現(xiàn)故障跡象?
維護(hù)方法
第一種方法是根據(jù)固定的預(yù)定計(jì)劃安排維護(hù)任務(wù),這種計(jì)劃忽略了設(shè)備的實(shí)際狀況。想象一下在固定的時(shí)間間隔或里程內(nèi)定期檢查汽車。這種方法的優(yōu)點(diǎn)是計(jì)劃簡(jiǎn)單,但也有明顯的缺點(diǎn),即維護(hù)可能發(fā)生得太晚,導(dǎo)致設(shè)備損壞和工人危險(xiǎn),或者可能在不必要時(shí)進(jìn)行了維護(hù)。
一種智能的方法是基于狀況的維護(hù)。這種方法根據(jù)機(jī)器的預(yù)估狀況來安排維護(hù)活動(dòng),通常通過檢查或使用來自嵌入式傳感器的數(shù)據(jù)進(jìn)行預(yù)估。這樣做的好處是在發(fā)生故障之前進(jìn)行維護(hù),并且只在必要時(shí)進(jìn)行,但缺點(diǎn)是維護(hù)僅在機(jī)器開始出現(xiàn)故障跡象之后才開始,并且必要的維護(hù)干預(yù)措施可能對(duì)于生產(chǎn)計(jì)劃來說不是最佳的。
第三種方法是預(yù)測(cè)性維護(hù)。這里的目的是在盡可能早的時(shí)間預(yù)測(cè)未來某個(gè)時(shí)間所需的維護(hù)措施。它是一種基于狀態(tài)監(jiān)測(cè)與故障模式動(dòng)態(tài)預(yù)測(cè)模型相結(jié)合的方法。盡管確實(shí)需要更復(fù)雜的整體系統(tǒng),但它具有優(yōu)化機(jī)器壽命和提高工廠生產(chǎn)效率的優(yōu)勢(shì)。
預(yù)測(cè)性維護(hù)的主要承諾是,它可以在適當(dāng)?shù)臅r(shí)間安排糾正性維護(hù),同時(shí)通過防止設(shè)備故障來最大化設(shè)備的使用壽命。了解何時(shí)需要維護(hù)機(jī)器以及需要做什么,可以在適當(dāng)?shù)娜藛T和部件準(zhǔn)備就緒的情況下,最佳地計(jì)劃維護(hù)工作。
構(gòu)建預(yù)測(cè)性維護(hù)系統(tǒng)
為了建立預(yù)測(cè)維護(hù)系統(tǒng),需要許多要素。首先,必須在目標(biāo)機(jī)器上安裝自動(dòng)狀態(tài)監(jiān)測(cè)系統(tǒng),例如,這種監(jiān)測(cè)系統(tǒng)可以包括用攝像頭進(jìn)行目視檢查、用加速度計(jì)測(cè)量振動(dòng)、用麥克風(fēng)測(cè)量噪音水平或超聲波,以及測(cè)量熱量或濕度。
接下來,需要一些嵌入式處理來處理原始數(shù)據(jù)的首次分析,將原始數(shù)據(jù)轉(zhuǎn)化為可以與監(jiān)控系統(tǒng)共享的有用信息,例如,嵌入式軟件可以連續(xù)比較機(jī)器隨時(shí)間變化的振動(dòng)特征,以確定何時(shí)發(fā)生變化。此外,通過將處理能力嵌入傳感器單元,可以大大減少需要傳送的數(shù)據(jù)量。這對(duì)于視覺檢查尤其重要,因?yàn)樵谝曈X檢查中,數(shù)據(jù)量很快會(huì)變得無比巨大。
再接下來,必須將數(shù)據(jù)傳送到本地和遠(yuǎn)程監(jiān)控系統(tǒng)。也必須安全有效地進(jìn)行這種通信,同時(shí)要考慮工廠的基礎(chǔ)設(shè)施,以確定哪種連接方式更適合該任務(wù)。例如,在缺少傳感器布線的現(xiàn)有工廠,最好將無線通信作為一種經(jīng)濟(jì)高效、快速實(shí)現(xiàn)傳感器網(wǎng)絡(luò)連接的方式。
最后,必須構(gòu)建設(shè)備故障模式的預(yù)測(cè)模型。工程師可以在理論故障模型基礎(chǔ)上結(jié)合從實(shí)際現(xiàn)場(chǎng)中收集的數(shù)據(jù),來構(gòu)建此模型。當(dāng)有大量可靠的數(shù)據(jù)集與傳感器數(shù)據(jù)和實(shí)際故障機(jī)制相關(guān)聯(lián)時(shí),可以使用機(jī)器學(xué)習(xí)技術(shù)來創(chuàng)建更精確的預(yù)測(cè)性維護(hù)模型。
隨著所有關(guān)鍵組件的可用性以及云服務(wù)和人工智能的結(jié)合,廣泛采用預(yù)測(cè)性維護(hù)的條件現(xiàn)已具備。
責(zé)任編輯:pj
-
傳感器
+關(guān)注
關(guān)注
2573文章
53917瀏覽量
781252 -
監(jiān)測(cè)系統(tǒng)
+關(guān)注
關(guān)注
8文章
2989瀏覽量
83888 -
人工智能
+關(guān)注
關(guān)注
1812文章
49529瀏覽量
259081
發(fā)布評(píng)論請(qǐng)先 登錄
智慧工廠 - 未來的全自動(dòng)工廠
利用超微型 Neuton ML 模型解鎖 SoC 邊緣人工智能
Lambda采用Supermicro NVIDIA Blackwell GPU服務(wù)器集群構(gòu)建人工智能工廠
設(shè)備預(yù)測(cè)性維護(hù)與健康管理:工業(yè)高效運(yùn)行新引擎

挖到寶了!人工智能綜合實(shí)驗(yàn)箱,高校新工科的寶藏神器
挖到寶了!比鄰星人工智能綜合實(shí)驗(yàn)箱,高校新工科的寶藏神器!
Arm助力打造智能工廠預(yù)測(cè)性維護(hù)解決方案
提早預(yù)見問題:預(yù)測(cè)性維護(hù)有效降低企業(yè)停機(jī)風(fēng)險(xiǎn)

開售RK3576 高性能人工智能主板
邊緣計(jì)算和云計(jì)算在預(yù)測(cè)性維護(hù)中的作用
設(shè)備管理系統(tǒng):如何實(shí)現(xiàn)預(yù)測(cè)性維護(hù)與故障預(yù)防?

評(píng)論