기계 센서가 예측 가능한 방법 웹 사이트

기계 센서는 무엇입니까?

이 센서는 진동, 압력, 온도, 힘, 토크 및 진지변환과 같은 물리적 현상을 검출하고 측정하는 현대 제조에 있는 기본적인 계기입니다. 이 감지기는 전기 신호로 기계적인 에너지를 개조하고, 산업 장비의 순간 상태 감시를 가능하게 합니다. 일반적인 유형은 진동을 위한 압전 가속도계, 힘 및 토크를 위한 긴장 계기, 온도를 위한 열전대 및 변전소 또는 유도적인 감지기를 포함합니다. 각 감지기 유형은 측정될 모수에 근거를 둔, 온도 (습도), 습도 (습도) 및 습도 (습도)를 측정하기 위하여 선정됩니다.

현대식 센서는 점점 지능적이며, 내장 신호 조절, 디지털 인터페이스 (I2C, SPI, CAN bus) 및 가장자리 처리 기능을 특징으로합니다. 그들은 예측 분석 플랫폼을 공급하는 데이터 체인의 첫 번째 링크 형성합니다. 신뢰할 수있는, 고해상도 센서 데이터없이 가장 정교한 알고리즘은 정확한 예측을 생성 할 수 없습니다. 따라서 센서의 선택과 배치는 예측 가능한 유지 보수 프로그램의 성공에 중요합니다.

Predictive Analytics의 기계 센서 역할

이 시스템은 기존의 데이터 소스를 사용하여 데이터 소스를 생성하고, 데이터를 분석하고, 데이터를 분석하고, 데이터를 분석하고, 데이터를 분석하고, 데이터를 분석하고, 데이터를 분석하고, 데이터를 분석하고, 데이터를 분석하고, 데이터를 분석하고, 데이터를 분석하고, 데이터를 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석하고, 분석합니다.

Data Acquisition 및 Edge 처리

센서 샘플 물리적 매개 변수는 몇 개의 헤르츠 (온도)에서 킬레츠 (선폭)에 이르기까지 비율에 따라 샘플 물리적 매개 변수를 나타냅니다. 고주파 데이터는 종종 가장자리에서 대역폭 소비를 줄이고 실시간 응답을 가능하게합니다. 가장자리 게이트웨이는 롤링 계산 (RMS, 피크 값, 가장 높은 요인, FFT 기반 스펙트럼 분석)을 수행하고 중앙 분석 시스템에 응축 된 기능을 전달합니다. 이 아키텍처는 대기 시간을 최소화하고 중요한 임계 값이 위반되는 경우 즉각적인 조치를 허용합니다.

Raw Data에서 Predictive Models에 이르기까지

Analytics 플랫폼은 사전 처리 된 센서 데이터를 사용하여 모델 구축 및 업데이트합니다. 일반적인 기술은 다음과 같습니다.

진동 분석:] 주파수 대역 기능(예: 베어링 결함 빈도, 기어 메쉬 조화)는 압축 및 비교하여 분해를 감지합니다.
온도 추세: 모터 또는 베어링 온도의 점차 증가는 윤활 실패 또는 과부하를 나타냅니다.
압력 및 유량 모니터링: 유압식 또는 공압식 시스템 신호 누출, 차단, 펌프 마모에 대한 편차.
Machine Learning model: Supervised model (random forests, support vector machine, LSTM neural network)는 일반 작동 패턴과 플래그의 영향을 준다. Unsupervised clustering은 과거 데이터에서 실패 모드를 구분할 수 있다.

이 모델의 출력은 나머지 유용한 생활 (RUL) 추정, 위험 점수 및 권장 유지 보수 작업을 포함합니다. 유지 보수 역사 및 생산 일정과 결합 된이 통찰력은 진정으로 조건 기반 유지 보수를 가능하게합니다.

Sensor-Driven 예측 유지보수의 핵심 이점

개최된 언플랜드 다운타임:노마리스의 초기 검출은 계획된 종료 중에 유지 보수를 허용하며, 암소 생산을 피하는 백혈구 실패를 방지합니다.
Lower Maintenance cost: 불필요한 예방 교체를 제거하고 구성품 수명을 연장할 때만 부품 교체를 대체합니다.
Improved worker safety: 위험한 조건 모니터링 (외부 진동, 과압, 과열)은 사고를 방지하기 위해 조기 경고를 제공합니다.
낙관된 예비 부품 재고: 부품이 곧 실패할 가능성이 있는지 알고 있는 재고 운반 비용을 줄임.
Enhanced 제품 품질: 컨소시엄 기계 조건은 직접 치수 정확도와 표면 마무리에 영향을 미칩니다. 예측 분석은 프로세스 안정성을 유지하는데 도움이 됩니다.
에너지 효율: 정전식 전력계와 토크 센서에 의해 감지된 비정상적인 에너지 소비 패턴은 5~15%의 에너지 절약을 선도하는 효율적인 작동을 식별할 수 있습니다.

Real-World 응용 프로그램 및 사례 연구

기계 센서에 의해 구동되는 예측 분석은 많은 산업 전반에 걸쳐 배포됩니다.

자동차 제조

로봇 용접 셀 및 CNC 머시닝 센터는 진동 및 온도 센서로 계측됩니다. 주요 자동차 제조업체는 이동 라인에 대한 예측 유지 보수를 구현 한 후 30 % 감소를보고했습니다. 스핀들 베어링의 센서는 고장의 주 전에 인시적 인 고장을 감지하여 모델 변경 중에 일정한 교체를 허용합니다.

기름과 가스

정유 공장의 주요 제품은, 주로, 석유, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스, 가스,

풍력 에너지

기어 박스 및 발전기에 진동 센서가 장착 된 풍력 터빈은 중앙 분석 플랫폼에 데이터를 전송합니다. 조건 기반 유지 보수는 메가 와트 시간 당 25 % 및 낮은 운영 비용을 절감했습니다. 진동 서명은 윤활 문제, 베어링 마모 및 기어 치열과 같은 차별화 할 수 있습니다.

더 읽기를 위해 ]NIST Guide on a noticeive maintenance] 와 ]] 센서 통합에 대한 시멘스].

구현 도전

명확한 이점에도 불구하고, 스케일의 센서 기반 예측 분석은 장애물을 나타냅니다.

데이터 품질 및 통합: 센서는 제대로 측정하고 설치되어야 합니다. 이질 시스템(PLC, SCADA, historians)의 데이터는 단일 시간 시리즈 호수로 해칠 필요가 있습니다. 험한 데이터는 무연 모델이 될 수 있습니다.
Cybersecurity: IoT 센서 및 Edge 장치에서 확장된 공격 표면은 강력한 인증, 암호화 및 보안 펌웨어 업데이트를 요구합니다. breached Sensor 네트워크는 생산 데이터의 조작을 허용하거나 물리적 손상을 일으킬 수 있습니다.
Initial Capital expenditure: 센서, 게이트웨이, 분석 소프트웨어를 사용한 레거시 머신을 개조하여 최대 투자를 필요로 합니다. ROI 계산은 12-18개월을 실현할 수 있는 가동시간 및 유지 보수 절감으로 감소해야 합니다.
Skill gap: 기계 공학과 기계 학습 모두 이해하는 데이터 과학자는 드문. 회사는 종종 외부 공급자와 기존의 신뢰성 엔지니어 또는 파트너를 훈련해야합니다.
모델 드립:기계가 시간(복, 재건, 공정 조정)을 통해 변경한다. 예측 모델은 거짓 긍정이나 놓친 실패를 방지하기 위해 주기적으로 재훈련되어야 한다.

기계 센서 및 Analytics의 미래 동향

몇 가지 기술 발전은 센서가 가능한 예측 분석의 차세대 형성입니다.

에지 AI 및 TinyML

저전력 마이크로 제어기는 센서 노드에서 경량 신경망을 직접 실행합니다. 이 기능은 클라우드에 데이터를 전송하지 않고 초저하도 예측(예: 밀리초 내에 임박 베어링 고장 검출)을 감지하는 매우 낮은 수준 예측(예: )을 가능하게 합니다. Edge AI는 대역폭 비용을 줄이고 안전 크리티컬 애플리케이션에서 결정을 지원합니다.

5G 및 개인 셀룰러 네트워크

초 신뢰성이 낮은 비경량 통신(URLLC)은 대형 공장의 수백 개의 센서에서 실시간 고주파 센서 데이터의 실시간 스트리밍을 가능하게 합니다. 5G는 또한 대규모 장치 밀도를 지원하며, 모든 자산의 종합적인 상태 모니터링을 가능하게 합니다.

디지털 트윈

물리 기반 시뮬레이션을 가진 센서 데이터를 결합하면 기계의 디지털 트윈을 만듭니다. 트윈은 "what‐if" 시나리오를 시뮬레이션하고 작동 매개 변수를 최적화하고 전반적인 시스템 성능에 구성 요소 분해의 효과를 예측하는 데 사용될 수 있습니다. 센서 분석 및 시뮬레이션의 융합은 예측 및 사전 작성 유지 보수를위한 강력한 도구입니다.

자기 전원 센서

에너지 수확 기술 (전관, 열전, 광전지)는 감지기가 자체를 위한 정비를 감소시키는 건전지 없이 작동하기 위하여 감지기를 허용합니다. 이것은 회전 갱구 또는 고열 지역과 같은 hard-to-reach 위치에서 특히 귀중합니다.

이러한 추세에 대한 자세한 내용은 GE Industrial IoT insights]를 참조하고 ]Deloitte]에서 제조하는 디지털 트윈 분석합니다.