机器学习与自我诊断技术 协助实现物联网预测性维护目标
扫描二维码
随时随地手机看文章
机器制造商启动新控制系统或系统整合商维修生产设备时,均会使用大量诊断工具。这些通常是被动工具,用于在调试或系统故障排除期间发现问题。然而一旦数字联机后,工业物联网(IIoT)则能用传感器、测量设备和视觉系统进行主动诊断。
导入物联网技术的机器最终应提供预测性维护的主动诊断工具
据Control Design报导,经验丰富的电气工程师、电工或技术人员大都会有装满诊断工具的工具柜,好测试众多机器和制程变量。这些工具测试范围包括控制面板中的功率、离散水平测试,到模拟仪器设置和校准等。此外,工业物联网还在云端新增网络诊断工具,甚至是预测性诊断应用程序。
数字万用表(DMM)是测量交流∕直流电压、交流∕直流电流和电阻的必备诊断工具。钳式电流测试仪附件对超过10A左右的电流也有用处。部分数字万用表具有少数用户可能需要的频率和电容测量功能,而且要确保它至少可处理600V。
另一个重要工具是示波器。若要分辨编码器信号硬件和接线问题,则非用示波器不可,特别是正交设备。透过在高速应用中提供显示振荡、过冲和下冲的信号的高分辨率视图,在动态系统测试中测试或理解转换器(transducer)或称重传感器的响应也很有用。
目前有多种示波器外形尺寸,包括多通道桌面设备到基于PC的系统。示波器也能嵌入许多应用中,如机器人、运动控制和可程序(PLC)编程平台。这些应用程序以图形方式显示位置和速度运动曲线,PID控制器温度响应趋势等,是了解系统性能的宝贵工具。
随着机器移动到制程侧,也需要可替PLC输入、仪表和比例阀测试添加具有4-20 mA和0-10 V模拟输出的信号发生器,还要确保信号发生器适合仿真两线环路源和四线电流源。
单点红外线测温仪和红外线热像仪是另一个诊断领域。发动机持续运行以及导线松动是导致过热的众多原因之一,而用适当工具很容易检测到。网络监视器、协议分析仪和数据包嗅探器可用于以太网络,这些工具都能协助用户了解网络流量问题,并能实时显示流量。
IO-Link能将光眼(photo eye)或电感式传感器的数字信号转换为数据交换,包括设备的序号、配置、详细诊断或状态。这些数据有助于诊断问题,例如光眼上的透镜脏污,或智慧设备的电量不足。
最新技术带来新的通讯诊断工具,未来的机器应嵌入更多传感器来提升监控功能,力度、速度、温度、压力、流量和振动传感器只是用于了解机器或制程操作的几种方法,它们使机器学习和分析诊断工具成为可能。
导入物联网技术的机器和制程应加装分立传感器和模拟传感器等仪器,提供称为预测性维护的主动诊断工具。在发生问题后,先主动预测问题再进行被动诊断会更理想。此外,还需要HMI报警屏幕,但这些数据也能发送到云端,亦能透过云端应用程序进行分析,作为可用的诊断信息传回给机器。
最后,虽然诊断工具无穷无尽,但往往亦是持续改进的起点。最终必须由人或机器来观察问题,数据则须被视为可操作的信息。