【導讀】對于工廠的運維管理者而言，確保所有產(chǎn)線的高效穩(wěn)定長久運行是其核心目標。既要安排好不同產(chǎn)線之間的流水順序，合理規(guī)劃物料流轉(zhuǎn)路徑，又要盡可能增加每一臺工業(yè)設(shè)備的工作時間，達到更高負荷的運轉(zhuǎn)。但這絕非易事，每一臺工業(yè)設(shè)備，哪怕是同樣的批次購買，在同樣的時間點投入使用，承載著完全相同的工作負荷，其各自的損耗程度和故障出現(xiàn)頻率也不盡相同，無法做到統(tǒng)一管理。
對于工廠的運維管理者而言，確保所有產(chǎn)線的高效穩(wěn)定長久運行是其核心目標。既要安排好不同產(chǎn)線之間的流水順序，合理規(guī)劃物料流轉(zhuǎn)路徑，又要盡可能增加每一臺工業(yè)設(shè)備的工作時間，達到更高負荷的運轉(zhuǎn)。但這絕非易事，每一臺工業(yè)設(shè)備，哪怕是同樣的批次購買，在同樣的時間點投入使用，承載著完全相同的工作負荷，其各自的損耗程度和故障出現(xiàn)頻率也不盡相同，無法做到統(tǒng)一管理。
而工廠一旦出現(xiàn)意外停工一次，就會造成巨大的經(jīng)濟損失。來自西門子的一份報告顯示，《財富》全球500強中制造和工業(yè)企業(yè)每年因計劃外停機而損失的時間總計達330萬小時。據(jù)計算因停機而造成的財務成本高達8,640億美元，相當于其年收入的8%。
圖1：由于意外停機造成的損失（圖源：西門子）
為了避免意外停機造成的巨大經(jīng)濟損失，就要在設(shè)備發(fā)生故障之前提前完成維護工作。而依據(jù)某一類型號設(shè)備劃定的一個統(tǒng)一的維護時間安排，落實到每一臺設(shè)備必然存在一定的冗余量。只是進行這樣的計劃維護，一方面會增加由于維護帶來的計劃停機時間；另一方面，又會增加運維人員的工作負擔。更關(guān)鍵的是，這種計劃之內(nèi)的過度維護工作，無法預測到不在維護之內(nèi)的突發(fā)狀況。
理想的情況是能夠針對每一臺設(shè)備的具體狀況，在其即將發(fā)生重大故障之前進行維修，甚至可以忽略掉一些并未影響到實際生產(chǎn)的微小故障，持續(xù)觀察其故障的發(fā)展進程，合理安排后續(xù)維修時間。由此便可把過度維護中的“冗余量”盡量減少，從而實現(xiàn)每一臺設(shè)備的更長工作時間，這便是工廠預測性維護的由來。
圖2：不同維護方式對比（圖源：Microsoft）
工廠預測性維護如何做到精準預測？
當我們提到工廠預測性維護的時候，可以是一個很大的概念，涉及到整個工廠的多條產(chǎn)線，上百臺設(shè)備的實時監(jiān)測和維護管理系統(tǒng)；也可以是一個稍小的應用，例如具體到電機的預測性維護解決方案。但不論是大規(guī)模的工廠預測性維護系統(tǒng)，還是單一的設(shè)備預測性維護方案，工廠預測性維護的實現(xiàn)，本質(zhì)上是一種基于數(shù)據(jù)的智能決策過程。它不僅僅依賴于數(shù)據(jù)采集的精度和算法模型的高效性，還涉及到整個數(shù)據(jù)生態(tài)系統(tǒng)的建設(shè)和優(yōu)化，包括數(shù)據(jù)的傳輸、存儲、處理和應用。
圖3：預測性維護流程（圖源：SAP）
提高數(shù)據(jù)采集精度
在現(xiàn)代預測性維護系統(tǒng)中，通過部署多種傳感器，如振動傳感器、溫度傳感器、電流和電壓傳感器，可以實時監(jiān)控設(shè)備的運行狀態(tài)。這些傳感器能夠捕捉到設(shè)備的細微變化，例如由軸承磨損或電機故障引起的振動頻率改變。
而要注意的是，數(shù)據(jù)采集的精度不僅僅和傳感器本身的參數(shù)相關(guān)。選擇符合特定監(jiān)測需求和工業(yè)環(huán)境的高精度傳感器只是第一步，而后還有信號處理、校準等一系列具有挑戰(zhàn)性的電路設(shè)計工作。
模擬信號在傳輸過程中容易受到噪聲和干擾的影響。使用高質(zhì)量的信號處理芯片（如放大器和ADC轉(zhuǎn)換器）可以確保信號的準確性和穩(wěn)定性。這些組件負責將傳感器捕獲的模擬信號轉(zhuǎn)換為數(shù)字信號，同時使失真和噪聲更小。
為保證數(shù)據(jù)的準確性，對傳感器進行定期校準是必要的。此外，考慮環(huán)境因素對傳感器性能的影響（如溫度變化）并進行相應的補償，也是確保數(shù)據(jù)精度的關(guān)鍵。
此外，整個數(shù)據(jù)采集系統(tǒng)的設(shè)計應該考慮到信號的完整性和抗干擾能力，這包括傳感器布線、電源管理以及信號的隔離和過濾。
通過這些方法，可以確保從傳感器到數(shù)據(jù)處理系統(tǒng)的每個環(huán)節(jié)都保持高水平的精度和可靠性，從而為預測性維護提供準確的數(shù)據(jù)基礎(chǔ)。
圖4：工廠PdM系統(tǒng)（圖源：predicta4）
高效的算法模型
數(shù)據(jù)本身并不能提供洞見，關(guān)鍵在于如何處理和分析這些數(shù)據(jù)。在獲取到了精準的物理信息之后，機器學習和人工智能技術(shù)發(fā)揮著重要作用。通過訓練算法模型識別正常運行與故障狀態(tài)之間的差異，可以實現(xiàn)故障的早期檢測。例如，通過對歷史數(shù)據(jù)進行學習，算法可以識別特定設(shè)備的正常振動模式，并將其與異常模式區(qū)分開來。
預測算法的精準度，也可以通過多種途徑來提高。
01 定制模型
一方面，可以為特定類型的設(shè)備或特定的故障模式定制開發(fā)機器學習模型，以提高故障預測的準確性。這包括使用監(jiān)督學習和非監(jiān)督學習算法對歷史數(shù)據(jù)進行訓練，從而精確識別設(shè)備的正常和異常行為模式。
02 集成數(shù)據(jù)
另一方面，將來自不同傳感器的數(shù)據(jù)集成到一個統(tǒng)一的分析框架中，通過數(shù)據(jù)融合獲得設(shè)備狀態(tài)的更全面視圖。同時使用基于物理模型的方法和數(shù)據(jù)驅(qū)動的機器學習模型，通過多模型集成獲得更全面的故障預測。再者，建立一個反饋機制，以根據(jù)實際維護結(jié)果和設(shè)備性能數(shù)據(jù)不斷調(diào)整和優(yōu)化預測模型。這涉及到定期重新訓練模型，以適應新的操作條件和設(shè)備磨損模式。
通過以上技術(shù)方法，可以顯著提高預測性維護的準確性，從而更有效地預防設(shè)備故障和減少停機時間。
可靠的連接實現(xiàn)工廠預測性維護系統(tǒng)的基石
上文探討了如何提高預測性維護的準確性，而這種準確性的基礎(chǔ)是可靠的連接。連接器看似毫不起眼，但在任何一個工業(yè)系統(tǒng)中都不可忽視。在保持系統(tǒng)運行穩(wěn)定性、確保信號傳輸?shù)目煽啃砸约胺奖憔S護和故障排除方面，連接器起著關(guān)鍵作用。雖然它們不直接參與數(shù)據(jù)分析或預測算法，但它們的存在對于確保整個預測性維護系統(tǒng)正常運行是必不可少的。
在傳感器和數(shù)據(jù)采集硬件之間必須要有穩(wěn)定可靠的連接，這樣才能確保傳感器收集到的模擬信號能夠穩(wěn)定傳輸?shù)綌?shù)據(jù)采集系統(tǒng)中。而在各種工業(yè)控制系統(tǒng)和計算設(shè)備之間，如PLC、HMI和服務器等，也需要工業(yè)級的連接器來保證數(shù)據(jù)和控制指令的流通。此外，預測性維護系統(tǒng)中的傳感器、控制器和其他一切電子設(shè)備的供電，都離不開穩(wěn)定的電源連接。
圖5：工業(yè)應用的各類連接器（圖源：Samtec）
SEARAY? SEAM系列是Samtec推出的一款適用于工業(yè)場景的高速連接器，提供高達56Gbps的PAM4性能。這款器件在7mm至17.5mm的堆疊高度范圍內(nèi)，可提供多達500個單端I/O，滿足高性能和惡劣環(huán)境下電子產(chǎn)品的第3類驗收標準（IPC J-STD-001F/IPC-A-610F）。
特別值得一提的是，該器件采用了Samtec獨有的Edge Rate?觸點設(shè)計，這一技術(shù)專為高速和高頻應用的連接器優(yōu)化性能和耐久性。Edge Rate?技術(shù)降低了插拔摩擦力，延長了器件的使用壽命；同時，它還減少了信號損失和串擾，從而顯著改善了信號完整性，這對于保證高速信號傳輸?shù)馁|(zhì)量至關(guān)重要。有興趣了解更多信息的用戶可以在貿(mào)澤電子官網(wǎng)搜索產(chǎn)品編號‘SEAM-40-03.5-S-10-2-A-K-TR’。
圖6：Samtec SEARAY? SEAM系列連接器（圖源：Samtec）
另一個給大家推薦的連接器是Samtec的T1M 1mm離散電線端子板。該端子采用磷青銅觸點材料和液晶聚合物(LCP)外殼材料制成，額定電流為3.3A，額定電壓為250V，工作溫度范圍為-40°C至+125°C，可以在嚴苛的工業(yè)環(huán)境中提供穩(wěn)定的連接。感興趣的用戶可以前往貿(mào)澤電子官網(wǎng)搜索“T1M-05-F-SH-L-K”，獲取更多產(chǎn)品信息。
圖7：Samtec T1M離散電線端子板（圖源：貿(mào)澤電子）
預測性維護市場，挑戰(zhàn)和機遇并存
根據(jù)MarketResearchFuture的一份報告，預測性維護（PdM）市場規(guī)模預計將從2022年的218.3億美元增長至2030年的1113億美元，復合年增長率（CAGR）為26.20%。市場增長的主要驅(qū)動力是降低維護成本的不斷增長需求以及實時流分析技術(shù)的廣泛應用。
圖8：PdM市場規(guī)模（圖源：WOIN）
然而，對于許多工廠來說，部署一個高效的預測性維護系統(tǒng)仍然是一個充滿挑戰(zhàn)的任務。這一系統(tǒng)的建立需要投資昂貴的傳感器、數(shù)據(jù)存儲和分析工具。此外，將預測性維護集成到現(xiàn)有維護流程中可能需要進行重大的組織變革。這意味著員工需要接受新技術(shù)的培訓，同時管理層也需要理解并支持這種新方法。
但對于工廠管理者而言，這場投入是值得的，因為只有預測性維護才是未來智能工廠所必備的維護策略，這種策略也將支撐現(xiàn)代工業(yè)企業(yè)持續(xù)提高其運營效率和市場競爭力。
（來源：Mouser Electronics ）
免責聲明：本文為轉(zhuǎn)載文章，轉(zhuǎn)載此文目的在于傳遞更多信息，版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問題，請聯(lián)系小編進行處理。
推薦閱讀：
對于采用雙向自動檢測IC TXB0104在電平轉(zhuǎn)換端口傳輸中組態(tài)的分析
電池儲能系統(tǒng)需要克服的三大設(shè)計挑戰(zhàn)
以太網(wǎng)和工業(yè)應用中防范浪涌事件的理想方法
