中国电子技术网

设为首页 网站地图 加入收藏

 
 

工业物联网的预测性维护解决方案

关键词:工业物联网 机器学习 (ML) 技术

时间:2022-05-16 14:31:00      来源:Silicon Labs

在芯片上注入 ML 功能可使您的 IIoT 解决方案从工业环境中学习。根据收集的数据点,ML将基于操作模式检测异常,并预测适当的维护时间。您可以将 ML 实施在不同的位置,但通过在本地计算数据,您可以确保决策更迅速、更节省能源。


Silicon Labs(亦称“芯科科技”)时刻关注物联网市场需求并提供相应的无线连接解决方案,本文针对为工业物联网(IIoT)领域中正在被热烈讨论的“预测性维护(Predictive Maintenance)”说明其应用需求,以及如何构建即插即用的无线解决方案。
 
为何需要预测性维护?

计划外停机每持续一小时,制造商便会遭遇代价高达 260,000 美元的生产损失。即使是短暂的中断也会延迟交付,降低客户满意度,最终对利润产生负面影响。各类公司正不断寻求解决方案,以避免低效的例行维护,从而保持竞争力,这使得用物联网预测性维护取代传统定期维护实践的需求不断增长。
 
预测性维护是什么?

预测性维护涉及使用各种互联传感器来监测生产设备的状况。换言之,它有助于制造商预测机器何时可能发生故障,以及在任何故障发生之前的最佳维护时间。
 
预测性维护的益处

通过主动修复设备,制造商可以节省数百万美元,并提高运营效率。预测性维护使公司能够预测设备健康状况并延长使用寿命,同时提高产量并保证员工安全。
 
预测性维护的工作原理

状态监控传感器可捕捉和收集关键设备的数据,获得 360 度全方位的视角。温度、振动、声音、扭矩、电流、电压和磁场信息等所有数据点都被发送到网络边缘或云进行计算。监控系统生成数据阈值,在发现异常时发送警报。
 
在机器内集成无线连接功能,或使用传感基础设施改造现有设备可实现这一点。
 
Silicon Labs的工业物联网预测性维护解决方案

Silicon Labs可提供具备出色射频性能和功耗的无线 SoC 和模块产品组合,赋能物联网设备制造商,助其为工业客户设计可靠的无线预测性维护解决方案。Silicon Labs采用机器学习 (ML) 技术,可在内存受限的远程边缘设备上实现复杂的运动检测、声音识别和图像分类。
 
以下是开发无线设备的主要设计考虑因素,这些设备将需要在干扰较大的工业场所可靠运行。

1.提高射频传输功率:工业环境对射频传播造成了许多障碍,包括电气噪声、金属结构和旋转设备等。传输功率因此成为了早期设计阶段的关键考虑因素。Silicon Labs的无线硬件,如EFR32BG12蓝牙SoC和BGM210P蓝牙模块,拥有出色的发射功率(20 dBm)和接收器灵敏度,助您开发可靠的 IIoT 无线设备。

2.避免误报:任何网络延迟都可能导致误报,触发不必要的维护请求。误报会降低监控系统的可信度,并导致维护资源分配低效而导致收入损失。Silicon Labs 通过高传输功率硬件和强大的软件协议栈实现了可靠的网络连接性能,确保数据能够从互联传感器安全地传输到中央数据存储。

3.尽可能延长 IIoT 设备的电池寿命:大多数预测性维护无线方案都由电池供电,并部署在难以触及的位置。这给开发人员带来了新的挑战。智能解决方案使用蓝牙等节能的无线标准,能够以最小的功率在较大的范围内运行。再加上 Silicon Labs 的超低功耗无线芯片组,可实现能够最大限度地延长电池寿命的解决方案。
 
如何在预测性维护中启用机器学习 (ML)

在芯片上注入 ML 功能可使您的 IIoT 解决方案从工业环境中学习。根据收集的数据点,ML将基于操作模式检测异常,并预测适当的维护时间。您可以将 ML 实施在不同的位置,但通过在本地计算数据,您可以确保决策更迅速、更节省能源。

  • 分享到:

 

猜你喜欢

  • 主 题:LTM4702:16VIN、8A 超低噪声 Silent Switcher 3 μModule
  • 时 间:2024.04.11
  • 公 司:ADI&Arrow

  • 主 题:高集成伺服驱动系统与工业机器人方案
  • 时 间:2024.04.18
  • 公 司:ST

  • 主 题:英飞凌XMC4000支持EtherCAT®通讯的伺服/IO控制方案介绍
  • 时 间:2024.04.25
  • 公 司:英飞凌&骏龙科技