【導讀】對于工廠(chǎng)的運維管理者而言，確保所有產(chǎn)線(xiàn)的高效穩定長(cháng)久運行是其核心目標。既要安排好不同產(chǎn)線(xiàn)之間的流水順序，合理規劃物料流轉路徑，又要盡可能增加每一臺工業(yè)設備的工作時(shí)間，達到更高負荷的運轉。但這絕非易事，每一臺工業(yè)設備，哪怕是同樣的批次購買(mǎi)，在同樣的時(shí)間點(diǎn)投入使用，承載著(zhù)完全相同的工作負荷，其各自的損耗程度和故障出現頻率也不盡相同，無(wú)法做到統一管理。
對于工廠(chǎng)的運維管理者而言，確保所有產(chǎn)線(xiàn)的高效穩定長(cháng)久運行是其核心目標。既要安排好不同產(chǎn)線(xiàn)之間的流水順序，合理規劃物料流轉路徑，又要盡可能增加每一臺工業(yè)設備的工作時(shí)間，達到更高負荷的運轉。但這絕非易事，每一臺工業(yè)設備，哪怕是同樣的批次購買(mǎi)，在同樣的時(shí)間點(diǎn)投入使用，承載著(zhù)完全相同的工作負荷，其各自的損耗程度和故障出現頻率也不盡相同，無(wú)法做到統一管理。
而工廠(chǎng)一旦出現意外停工一次，就會(huì )造成巨大的經(jīng)濟損失。來(lái)自西門(mén)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(shí)間總計達330萬(wàn)小時(shí)。據計算因停機而造成的財務(wù)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(mén)子）
為了避免意外停機造成的巨大經(jīng)濟損失，就要在設備發(fā)生故障之前提前完成維護工作。而依據某一類(lèi)型號設備劃定的一個(gè)統一的維護時(shí)間安排，落實(shí)到每一臺設備必然存在一定的冗余量。只是進(jìn)行這樣的計劃維護，一方面會(huì )增加由于維護帶來(lái)的計劃停機時(shí)間；另一方面，又會(huì )增加運維人員的工作負擔。更關(guān)鍵的是，這種計劃之內的過(guò)度維護工作，無(wú)法預測到不在維護之內的突發(fā)狀況。
理想的情況是能夠針對每一臺設備的具體狀況，在其即將發(fā)生重大故障之前進(jìn)行維修，甚至可以忽略掉一些并未影響到實(shí)際生產(chǎn)的微小故障，持續觀(guān)察其故障的發(fā)展進(jìn)程，合理安排后續維修時(shí)間。由此便可把過(guò)度維護中的“冗余量”盡量減少，從而實(shí)現每一臺設備的更長(cháng)工作時(shí)間，這便是工廠(chǎng)預測性維護的由來(lái)。
圖2：不同維護方式對比（圖源：Microsoft）
工廠(chǎng)預測性維護如何做到精準預測？
當我們提到工廠(chǎng)預測性維護的時(shí)候，可以是一個(gè)很大的概念，涉及到整個(gè)工廠(chǎng)的多條產(chǎn)線(xiàn)，上百臺設備的實(shí)時(shí)監測和維護管理系統；也可以是一個(gè)稍小的應用，例如具體到電機的預測性維護解決方案。但不論是大規模的工廠(chǎng)預測性維護系統，還是單一的設備預測性維護方案，工廠(chǎng)預測性維護的實(shí)現，本質(zhì)上是一種基于數據的智能決策過(guò)程。它不僅僅依賴(lài)于數據采集的精度和算法模型的高效性，還涉及到整個(gè)數據生態(tài)系統的建設和優(yōu)化，包括數據的傳輸、存儲、處理和應用。
圖3：預測性維護流程（圖源：SAP）
提高數據采集精度
在現代預測性維護系統中，通過(guò)部署多種傳感器，如振動(dòng)傳感器、溫度傳感器、電流和電壓傳感器，可以實(shí)時(shí)監控設備的運行狀態(tài)。這些傳感器能夠捕捉到設備的細微變化，例如由軸承磨損或電機故障引起的振動(dòng)頻率改變。
而要注意的是，數據采集的精度不僅僅和傳感器本身的參數相關(guān)。選擇符合特定監測需求和工業(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性的電路設計工作。
模擬信號在傳輸過(guò)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轉換器）可以確保信號的準確性和穩定性。這些組件負責將傳感器捕獲的模擬信號轉換為數字信號，同時(shí)使失真和噪聲更小。
為保證數據的準確性，對傳感器進(jìn)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(jìn)行相應的補償，也是確保數據精度的關(guān)鍵。
此外，整個(gè)數據采集系統的設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(xiàn)、電源管理以及信號的隔離和過(guò)濾。
通過(guò)這些方法，可以確保從傳感器到數據處理系統的每個(gè)環(huán)節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據基礎。
圖4：工廠(chǎng)PdM系統（圖源：predicta4）
高效的算法模型
數據本身并不能提供洞見(jiàn)，關(guān)鍵在于如何處理和分析這些數據。在獲取到了精準的物理信息之后，機器學(xué)習和人工智能技術(shù)發(fā)揮著(zhù)重要作用。通過(guò)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(shí)現故障的早期檢測。例如，通過(guò)對歷史數據進(jìn)行學(xué)習，算法可以識別特定設備的正常振動(dòng)模式，并將其與異常模式區分開(kāi)來(lái)。
預測算法的精準度，也可以通過(guò)多種途徑來(lái)提高。
01 定制模型
一方面，可以為特定類(lèi)型的設備或特定的故障模式定制開(kāi)發(fā)機器學(xué)習模型，以提高故障預測的準確性。這包括使用監督學(xué)習和非監督學(xué)習算法對歷史數據進(jìn)行訓練，從而精確識別設備的正常和異常行為模式。
02 集成數據
另一方面，將來(lái)自不同傳感器的數據集成到一個(gè)統一的分析框架中，通過(guò)數據融合獲得設備狀態(tài)的更全面視圖。同時(shí)使用基于物理模型的方法和數據驅動(dòng)的機器學(xué)習模型，通過(guò)多模型集成獲得更全面的故障預測。再者，建立一個(gè)反饋機制，以根據實(shí)際維護結果和設備性能數據不斷調整和優(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備磨損模式。
通過(guò)以上技術(shù)方法，可以顯著(zhù)提高預測性維護的準確性，從而更有效地預防設備故障和減少停機時(shí)間。
可靠的連接實(shí)現工廠(chǎng)預測性維護系統的基石
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是可靠的連接。連接器看似毫不起眼，但在任何一個(gè)工業(yè)系統中都不可忽視。在保持系統運行穩定性、確保信號傳輸的可靠性以及方便維護和故障排除方面，連接器起著(zhù)關(guān)鍵作用。雖然它們不直接參與數據分析或預測算法，但它們的存在對于確保整個(gè)預測性維護系統正常運行是必不可少的。
在傳感器和數據采集硬件之間必須要有穩定可靠的連接，這樣才能確保傳感器收集到的模擬信號能夠穩定傳輸到數據采集系統中。而在各種工業(yè)控制系統和計算設備之間，如PLC、HMI和服務(wù)器等，也需要工業(yè)級的連接器來(lái)保證數據和控制指令的流通。此外，預測性維護系統中的傳感器、控制器和其他一切電子設備的供電，都離不開(kāi)穩定的電源連接。
圖5：工業(yè)應用的各類(lèi)連接器（圖源：Samtec）
SEARAY? SEAM系列是Samtec推出的一款適用于工業(yè)場(chǎng)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，可提供多達500個(gè)單端I/O，滿(mǎn)足高性能和惡劣環(huán)境下電子產(chǎn)品的第3類(lèi)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(diǎn)設計，這一技術(shù)專(zhuān)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(cháng)了器件的使用壽命；同時(shí)，它還減少了信號損失和串擾，從而顯著(zhù)改善了信號完整性，這對于保證高速信號傳輸的質(zhì)量至關(guān)重要。有興趣了解更多信息的用戶(hù)可以在貿澤電子官網(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(gè)給大家推薦的連接器是Samtec的T1M 1mm離散電線(xiàn)端子板。該端子采用磷青銅觸點(diǎn)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)境中提供穩定的連接。感興趣的用戶(hù)可以前往貿澤電子官網(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(xiàn)端子板（圖源：貿澤電子）
預測性維護市場(chǎng)，挑戰和機遇并存
根據MarketResearchFuture的一份報告，預測性維護（PdM）市場(chǎng)規模預計將從2022年的218.3億美元增長(cháng)至2030年的1113億美元，復合年增長(cháng)率（CAGR）為26.20%。市場(chǎng)增長(cháng)的主要驅動(dòng)力是降低維護成本的不斷增長(cháng)需求以及實(shí)時(shí)流分析技術(shù)的廣泛應用。
圖8：PdM市場(chǎng)規模（圖源：WOIN）
然而，對于許多工廠(chǎng)來(lái)說(shuō)，部署一個(gè)高效的預測性維護系統仍然是一個(gè)充滿(mǎn)挑戰的任務(wù)。這一系統的建立需要投資昂貴的傳感器、數據存儲和分析工具。此外，將預測性維護集成到現有維護流程中可能需要進(jìn)行重大的組織變革。這意味著(zhù)員工需要接受新技術(shù)的培訓，同時(shí)管理層也需要理解并支持這種新方法。
但對于工廠(chǎng)管理者而言，這場(chǎng)投入是值得的，因為只有預測性維護才是未來(lái)智能工廠(chǎng)所必備的維護策略，這種策略也將支撐現代工業(yè)企業(yè)持續提高其運營(yíng)效率和市場(chǎng)競爭力。
（來(lái)源：Mouser Electronics ）
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問(wèn)題，請聯(lián)系小編進(jìn)行處理。
推薦閱讀：
對于采用雙向自動(dòng)檢測IC TXB0104在電平轉換端口傳輸中組態(tài)的分析
以太網(wǎng)和工業(yè)應用中防范浪涌事件的理想方法
