订报
断链之后
 

1%的威力–探索边缘运算对制造业的价值

典型的边缘运算应用:提高设备异常的反应能力至0.1秒

设备监控是非常典型的边缘运算应用。研华

设备监控就是一非常典型的边缘运算应用。设备停机对于工厂的损失是以每分钟、每小时来计算,因此对于工厂端而言,必须在「分秒必争」的状态下掌握设备的运行状态是否正常,往往等不起待数据传回云端,再将异常结果传回本地端的这个过程。

而将机器学习放到靠近资料源的设备前端来处里,却可以省下资料往返云端的等待时间,让异常事件预警更实时的反应,甚至于在无法确保有效网络的情况下,也不用担心监控系统停摆。对于连续性生产的工厂而言,设备就是工厂的生存命脉,一旦停机损失相当庞大,业者粗估许多大工厂每年因异常停机损失就高达700万~800万元,甚至上千万元。

为了降低停机风险,象是瑞典百年老牌金属刀工具制造商Sandvik Coromant就将过去以云端分析的模式改采边缘运算的架构。微软(Microsoft)执行长Satya Nadella则是在2017年Build开发者大会上,首度展示这项Sandvik Coromant运用Azure IoT Edge的成果。

Sandvik Coromant主要生产各种工具机零组件,由于金属切割作业非常精密复杂,所以工厂内的生产设备造价动辄上百万美元十分昂贵,因此Sandvik Coromant就在这些生产设备内装置传感器搜集资料来分析,以进行预防性维护。

过往Sandvik Coromant的做法是将资料上传至云端进行分析,但后来发现光是资料往返再加上异常预警的反应时间平均要花上2秒,对制造现场来说还是太慢,且万一与云端之间的网络发生异常后果更严重,预估每小时将损失可能超过数百万美元。

在Sandvik Coromant开始采用边缘运算架构后,由于资料在本地端就可以直接进行处理、分析,因此也就加快了异常事件预警的反应时间,平均只须0.1秒就能反应,两者相差了20倍。

在设备状态监控的应用中采用边缘运算架构,除了肩负在本地端扮演「末梢神经」,针对异常进行实时反馈降低延迟外,对于传感器所采集到的海量数据,在资料预处理上更能凸显其所带来的价值。

马达是多数机械设备的运转核心,因此要判断机械设备是否故障,可以透过对马达的振动信号进行侦测。振动更是设备故障的主要表征之一,不同种类的故障,会在振动的信号上呈现不同的表现,只要加以对振动信号进行监测、分析和处理,就能够随时掌握设备的运行状态是否正常,以及预测设备使用寿命等。

研华IoT嵌入式平台事业群副理高信阳指出,为了侦测更细微的振动变化以达到零误差的监测,有时候越昂贵的设备,或是牵涉到工安的机械运转,就会采用采样频率更密集的高阶传感器来采集讯号,但通常这类讯号的资料量非常庞大。

比起非工业用途的环境传感器可能每3分钟才采集不到1KB的资料量,高阶的振动传感器每秒可达到56KB的数据量,在时间累积下,这对云端运算来说绝对是个沉重的负担,因此最理想状态是在本地端事先透过边缘智能设备进行资料预处理,包括从讯号中筛选关键资料再上传,或是在本地端进行原始资料的转换。

更何况,设备状态所产生的讯号并非单纯的资料格式,因此在本地端的边缘智能设备必须在第一步先进行资料格式的转换。例如将原先不易看懂的原始资料(Raw Data)转换为以时间与频率为底的时频图分析,方便使用者在管理平台上透过仪表板呈现更好阅读的图象跟波型变化,借以掌握更精确的马达细部行为模式与状态。

而通常设备状态监控最有价值的部分就在于达到预防性维护。如果工厂累积一定的资料量时,后续就可以再利用这些时频图进行机器学习的建模,透过常态模型比对振动波形的变化,可以协助工厂找出如轴不对心或滚珠磨损等不同的故障形态,在问题扩大之前就提早解决,防患于未然,进一步从状态监控进阶到预防性维护。

在工厂内,边缘智能设备能够有效预防设备停机,更可以进一步成为工厂内OT与IT系统的衔接桥梁。研华IoT嵌入式平台事业群经理王圣文表示,未来将有越来越多云端运算将部署在不同的自动化应用中,但当务之急是必须先集成各种工业平台,让自动化设备的管理更有效率。

象是在工厂自动化的核心技术中占有重要地位的运动控制,系针对机械运动的位置、速度等进行实时管理,使其按照预期的轨迹和规定的运动参数进行运动。此技术可应用在需要精准定位控制,或速度控制的产业机械如机器手臂,以及高精密度的各类CNC工具机。

传统PLC控制器系以「控制」为核心,讲求的是稳定与速度,虽然可靠性高,但在软件功能及系统开放性方面受限,例如PLC没有接口可以直接观察,往往需要外接HMI或PC才能与PLC沟通。但由于架构不同,当使用者一方面希望达到PLC所带来的实时控制效能,又希望能取得可视化的操作接口时,就必须额外花费一番工夫进行集成。

有赖于边缘运算的带动,诸多智能化的分析与管理将能够更贴近本地端。例如在研华的设备实时管理解决方案里,便是在靠近本地端的边缘设备上透过x86平台搭配实时控制软件,在Windows系统中透过双核心处理另外搭建一个实时控制环境,对各种自动化设备进行实时性的沟通与控管。如此一来,使用者就可以在达到实时控制的要求下,又能同时以更好的使用者接口进行设备管理。

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 设备监控 研华 边缘运算