开车向有效的状态监测

2020年9月01

状态监测和预测维护通常被视为是同义的,但事实上他们两个截然不同的概念。预见性维护是对事件或事件的概率的预测,例如,如果故障发生的概率在变速箱在未来50操作小时上升到超过90%。这种预测可以用来计划及时更换变速箱在机器或工厂之前实际上分解。

状态监测,另一方面,是一个前期准备,可以更详细的描述当前状态通过解释可用的数据。它需要一个深入了解的机器和过程,从“裸”数据生成有意义的信息。分析基于机器学习(毫升)和人工智能可以帮助识别异常快。

附加价值没有成本

获得状态监测提供的附加价值没有传统的预期更高的硬件成本使得伦茨特别有趣的解决方案。没有额外的成本,因为不需要传感器。而添加的信息价值是从数据源中提取已经可用。伦茨可以为各种应用程序提供预应力算法帮助工程师们把他们的专业技能和知识的机器加工成一个状态监测模型,可以提高机器效率。

有两种不同的方法,一个是基于模型的,在测量的实际值进行比较与假定的数学描述的机器。如果超过一定的公差,这是解释为一个错误。

另一种方法是基于数据的。一个算法学习系统的行为和各种参数的相互影响,例如速度、加速度、扭矩,位置和电流消耗。真实值与学描述,定义偏差。

伦茨已证明这一名示威者展示的两轴机器人模拟等问题增加摩擦主轴和穿在皮带传动。异常可以发现在这两种情况下通过电流和扭矩值,通过绝对增加这个值或通过频率分析的异常。状态监测提出了在这两种情况下报警,显示仪表盘上的原因。

控制系统或云?

两种状态监测方法不仅不同的概念。现在的问题是如何评估这些数据也有不同的答案。基于模型的评估通常发生在控制系统,因为它不需要任何巨大的计算能力。毫升和人工智能分析用于基于数据的评估通常实现为一个云应用程序。

伦茨的投资组合选择的自由。这包括许多不同的三维plc为基于模型的状态监测。基于数据的评价也可以进行本地或另外,云计算可以提供的路线。

马克·维瑟是营销策略经理EMEA在伦茨。