智能应用 影音
筛选条件▾

善用CbM状态监测方案 快速落实预测性维护

2020/11/05 - DIGITIMES企划

进入工业4.0时代,制造业者急欲落实「预测性维护」(Predictive Maintenance),因而积极导入工业物联网(IIoT)技术,期望持续收集温度、电流、声音、振动等等关键参数,及早侦测并排除机台的故障征候,避免造成产线无预警中断。落实预测维护的主要元素,便是状态监测(Condition-Based Monitoring;CbM)。

茂宣企业专案经理蔡宗原指出,传统流水线或储存槽都缺乏实时监测机制,用户往往等到设备故障才维修处理,已对产线稼动率带来严重冲击。如今利用传感器持续监测机台状态,并透过感测系统撷取与累积的大数据进行分析,可提前预知设备状况,有效降低产线无预警停摆机率。

「CbM不仅包含振动传感器,而是象征全方位的诊断方法,」蔡宗原说,以茂宣代理的亚德诺半导体(ADI)产品而论,原厂有监于马达轴承的异常对产线机台影响至钜,但传统Piezo压电式振动传感器低频响应、温度特性不佳,加上需手工组装、体积难以缩小、材料成本高,无法对多数企业产生实质助益,于是推出以MEMS传感器为基础的CbM方案。

MEMS传感器相较于Piezo传感器,不仅有更好的抗杂讯能力,且无论侦测高低频的效能表现都相对平稳,且ADI的MEMS传感器直接供电、不需高压电源,故可将体积做小、置于装置或机台内狭小空间,既省空间又可降低成本。另不可讳言,欲实现CbM真正价值,除侦测外还得做到诊断、预防,为此ADI提供云端分析平台,利用平台上的Otosense软件提供声音与振动讯号的AI解译功能,协助用户实现CbM价值旅程的最后一哩路。

蔡宗原强调,不仅马达,举凡泵浦、压缩机、转轴或齿轮等其它重要元件,同样适用于ADI CbM方案,藉由云端AI分析,挖掘出预防维护的关键口令。

除振动侦测外,近期ADI也对烟雾侦测著力颇深,提出一套集成蓝光与红外线发射器的光学模块。传统遮断式烟雾传感器,因无法判断侦测到的物质究竟是水气、油烟、烟雾或其它有害物,经常产生误报,久而久之难免导致人员轻忽松懈,甚至因此酿成伤亡悲剧;反观ADI的集成式光学模块,可藉由分子大小,有效降低因蒸汽或灰尘所产生的误报,进而提升产品信赖度,达到预警的目的。

另值得一提,ADI提出业界首见的「Software Configurable I/O」产品,旨在帮助制造商或工业服务营运商提升系统控制的弹性,并降低产品复杂性。譬如针对一颗IC的4个通道,可利用程序化手段,任意配置为「ADC+ADC+DAC+ADC」、「DI+RTD+DAC+RTD」或「DO+DAC+DAC+DAC」等等组态,大幅减轻产品设计上的负担,并统整备料需求,降低库存成本。

总之ADI希望藉由涵盖感测、信号链、处理、通信及电源之完整方案架构,辅以CbM、烟雾检测、软件定义I/O或Otosense等先进产品,协助用户加速迈向工业4.0,快速落实预测性维护。


图说:茂宣企业专案经理蔡宗原。