【導讀】隨著(zhù)工業(yè)供應商繼續將智能互聯(lián)解決方案集成到其現有運營(yíng)中，工業(yè)物聯(lián)網(wǎng) （IIoT） 革命正在全面發(fā)展。一個(gè)高層次的挑戰是，許多 IIoT 解決方案的任務(wù)是捕獲大量數據并將其從無(wú)數傳感器移動(dòng)到云端。通常，這會(huì )因原始數據的瓶頸泛濫而造成無(wú)意的嚴重影響。使用笨拙的傳感器方法，典型的“將所有內容發(fā)送到云”模型可能會(huì )非常低效。這通常會(huì )給云平臺帶來(lái)幾乎不可能完成的任務(wù)，即從大量噪音中提取一些有價(jià)值的數據。
隨著(zhù)工業(yè)供應商繼續將智能互聯(lián)解決方案集成到其現有運營(yíng)中，工業(yè)物聯(lián)網(wǎng) （IIoT） 革命正在全面發(fā)展。一個(gè)高層次的挑戰是，許多 IIoT 解決方案的任務(wù)是捕獲大量數據并將其從無(wú)數傳感器移動(dòng)到云端。通常，這會(huì )因原始數據的瓶頸泛濫而造成無(wú)意的嚴重影響。使用笨拙的傳感器方法，典型的“將所有內容發(fā)送到云”模型可能會(huì )非常低效。這通常會(huì )給云平臺帶來(lái)幾乎不可能完成的任務(wù)，即從大量噪音中提取一些有價(jià)值的數據。
在 IIoT 中，精密傳感和測量的作用在可靠性和準確性至關(guān)重要的應用中至關(guān)重要。IIoT 創(chuàng )新者在管理大量數據同時(shí)還要保持整個(gè)解決方案的完整性方面面臨多項挑戰。系統工程師正在利用邊緣的硬件和軟件創(chuàng )新來(lái)克服這些挑戰，其中一種解決方案是更智能的傳感器節點(diǎn)，能夠在邊緣提取和解釋數據，以便僅將重要數據發(fā)送到云端進(jìn)行處理。分布式分析處理模型可以實(shí)現本地化決策，并緩解有關(guān)延遲、安全性、帶寬和功耗的許多問(wèn)題。
優(yōu)化的智能分區最大化數據價(jià)值
由于只有一部分 IIoT 數據真正有價(jià)值，因此大部分數據并不重要，可以忽略不計。但是，如果不仔細注意邊緣節點(diǎn)的分析要求，最高質(zhì)量的傳感數據仍然可能被邊緣化。
需要實(shí)時(shí)本地決策的系統數據應該在它被聚合到云中的遠程點(diǎn)之前很久就采取行動(dòng)。相比之下，利用歷史價(jià)值和預測模型來(lái)影響長(cháng)期洞察力的信息是云處理的理想應用。將數據歸檔到海量數據庫中以進(jìn)行追溯處理和決策發(fā)揮了強大的云處理和存儲的優(yōu)勢。
邊緣處理可以是一個(gè)分析命題，除了將數據發(fā)送到遠程服務(wù)器進(jìn)行云級分析外，還可以在靠近其源的位置分析數據。通過(guò)與傳感器的緊密耦合，時(shí)間敏感的反饋回路可以提供即時(shí)處理，從而提供更明智的決策，同時(shí)盡早在信號鏈中移動(dòng)實(shí)時(shí)分析處理還可以減少下游的有效負載負擔并縮短延遲。此外，邊緣節點(diǎn)的初始數據處理可以簡(jiǎn)化數據格式并減少云網(wǎng)關(guān)最終聚合的通信帶寬（圖 1）。
圖1 邊緣節點(diǎn)的智能分區可在信號鏈中進(jìn)一步實(shí)現更精簡(jiǎn)的處理和智能，從而實(shí)現更高效的物聯(lián)網(wǎng)解決方案。
邊緣節點(diǎn)洞察處理——智能工廠(chǎng)
IIoT 中一項重要的應用是機器振動(dòng)狀態(tài)監測。新的或舊的機器設備可以具有安裝有高動(dòng)態(tài)范圍 MEMS 加速度計的關(guān)鍵機械部件（例如旋轉軸或齒輪）。這些多軸傳感器實(shí)時(shí)采樣機器的振動(dòng)，這些特征可以被測量、處理并與理想的機器輪廓進(jìn)行比較。在工廠(chǎng)中，對這些信息的分析有助于提高效率，減少生產(chǎn)線(xiàn)停機情況，并可以提前預測機械故障。在極端情況下，可以立即關(guān)閉具有快速惡化的機械部件的機器，否則會(huì )導致進(jìn)一步的損壞。
該解決方案的目的是在發(fā)生故障之前識別和預測機器性能問(wèn)題。在邊緣傳感器節點(diǎn)，多軸高動(dòng)態(tài)范圍加速度計監測工業(yè)機器不同位置的振動(dòng)位移?？梢詫υ紨祿M(jìn)行過(guò)濾和抽取，以便在微控制器（MCU） 內進(jìn)行頻域解釋?？梢蕴幚砼c已知性能限制進(jìn)行比較的快速傅里葉變換 （FFT），以針對下游通過(guò)、失敗和警告警報進(jìn)行測試（圖 2）。FFT 內的處理增益可以通過(guò)有限脈沖響應 （FIR） 濾波來(lái)實(shí)現，以去除超出目標帶寬的寬帶噪聲。
圖2 盡管可以定期執行機器維護，但通常無(wú)法通過(guò)有關(guān)機器狀況的情報來(lái)完成。通過(guò)分析特定機器操作的振動(dòng)性能，邊緣節點(diǎn)警報可以提供預測故障點(diǎn)和維護里程碑。
邊緣節點(diǎn)處理是機器狀態(tài)監控的重要組成部分?？紤]到單臺機器可能有許多傳感器并且可能同時(shí)監控數百臺機器，采樣數據的全帶寬可能會(huì )在無(wú)線(xiàn)網(wǎng)關(guān)處提供顯著(zhù)的聚合瓶頸。MCU 內的濾波和智能決策可為無(wú)線(xiàn)收發(fā)器提供低帶寬輸出，無(wú)需在云中進(jìn)行密集的濾波處理（圖 3）。
圖3 振動(dòng)監測的典型信號鏈。
邊緣節點(diǎn)分析可以大大減少決策時(shí)間延遲。圖 4 中顯示了一個(gè)示例，其中超過(guò)了 MEMS 傳感器警告閾值限制并立即發(fā)送警報。如果事件極端到足以被認為是嚴重的，則可以授權節點(diǎn)自動(dòng)禁用有問(wèn)題的設備，以防止時(shí)間敏感的災難性機械故障。
圖4 采樣機器振動(dòng)數據的時(shí)域表示，其中比較器閾值可以確定感測和測量數據是否在邊緣之外傳遞?？梢员３州^低的功率狀態(tài)以過(guò)濾大部分信息，直到通過(guò)閾值交叉事件實(shí)現數據優(yōu)勢。
或者，可以調用觸發(fā)信號以使另一個(gè)感測和測量節點(diǎn)（例如輔助機器組件上的一個(gè)）能夠開(kāi)始基于第一事件解釋數據，從而減少來(lái)自邊緣節點(diǎn)的采樣數據的總數據集。為了確定任何振動(dòng)異常，前端節點(diǎn)必須設計具有所需的檢測性能。傳感和測量電路的動(dòng)態(tài)范圍、采樣率和輸入帶寬應該足以識別任何偏移事件。
解釋
如果精確知道感興趣的機械特征頻率，則可以規劃 MCU 內模數轉換器 （ADC） 的采樣率和 FFT 大小，以使最大能量落在單個(gè)直方圖 bin 的寬度內。這將防止信號功率通過(guò)多個(gè) bin 泄漏并降低幅度測量的精度。
圖 5 是 FFT 的一個(gè)示例，其中在邊緣節點(diǎn) MCU 內解釋特定預定區域以用于多個(gè)觀(guān)察到的機械組件。在所需綠色區域內達到峰值的箱體能量表示運行良好，而黃色和紅色區域分別表示警告和嚴重警報。代替傳輸全部傳感器帶寬，較低的數據速率警報或觸發(fā)面包屑可以提醒系統關(guān)注區域內的偏移事件。
圖5 FFT bin 能量可用于觸發(fā)警報。
機器狀態(tài)監控只是智能工廠(chǎng)應用的一個(gè)例子，其中邊緣節點(diǎn)處理有利于 IIoT 系統的成功?？梢蕴幚砗徒忉屪钪匾臄祿?，以便立即采取本地化行動(dòng)。這減輕了遠程云分析的全部帶寬需求負擔。
（作者：Ian Beavers）
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：
面向移動(dòng)機器人的無(wú)線(xiàn)充電技術(shù)實(shí)現工業(yè)4.0
利用物聯(lián)網(wǎng)充分發(fā)揮智能電網(wǎng)優(yōu)勢
助推電動(dòng)汽車(chē)發(fā)展的新動(dòng)力：Soitec 的 SmartSiC?
