Pemantauan berbasis keadaan (CbM) membantu mencegah kegagalan perangkat melalui pemeliharaan prediktif, tetapi merancang sistem yang efektif biasanya membutuhkan integrasi sensing presisi yang dioptimalkan,rantai sinyal berisik rendah, manajemen daya, dan konektivitas nirkabel. ini adalah fitur kompleks yang dapat menunda penyebaran CbM dan meningkatkan biaya.Perancang juga mengakui keuntungan dari analisis kecerdasan buatan (AI), tapi ini juga membuat CbM lebih kompleks.
Artikel ini pertama-tama secara singkat memperkenalkan sensor kedekatan, dan kemudian memperkenalkan solusi plug and play Analog Devices.Solusi ini memungkinkan penyebaran langsung CbM nirkabel dengan kemampuan AI tepi.
Pentingnya Pemantauan Negara
Waktu henti yang tidak direncanakan tetap menjadi tantangan utama dalam menjaga efisiensi operasional peralatan yang tinggi.bisa menyebabkan kelumpuhan seluruh jalur produksi.Metode pemeliharaan tradisional termasuk perbaikan pasif setelah kegagalan atau pemeliharaan periodik yang ketat.tapi metode ini memiliki kelemahan mereka: pemeliharaan pasif dapat menyebabkan downtime yang mahal, sementara pemeliharaan berkala dapat meningkatkan biaya sumber daya dengan mengganti komponen yang masih berjalan.
Mengadopsi CbM memungkinkan penerapan metode pemeliharaan prediktif yang lebih hemat biaya.operator peralatan dapat mengidentifikasi sinyal peringatan degradasi kinerja komponen sebelum terjadi kerusakanPendekatan berbasis data ini dapat mengurangi waktu henti yang tidak direncanakan, memperpanjang umur peralatan, dan menurunkan total biaya kepemilikan.
Meskipun ada banyak keuntungan dari CbM, penerapannya mungkin terhenti karena persyaratan kompleks dan kebutuhan akan keahlian interdisipliner.mengatasi tantangan ini adalah tantangan utama dalam berhasil menerapkan pemeliharaan prediktif berbasis CbM.
Tantangan dan persyaratan yang ditimbulkan oleh pemantauan berbasis negara
Untuk memanfaatkan sepenuhnya potensi keuntungan dari CbM, solusi CbM harus beroperasi secara andal di lingkungan industri dan otomotif yang keras,sementara melakukan analisis tepat waktu berdasarkan data pengukuran yang akuratNamun, bahkan selama operasi normal peralatan yang dipantau, kondisi operasi khusus ini dapat membuat peralatan pengukuran tunduk pada tekanan lingkungan dan mekanik yang sangat besar.Motor industri, sistem transmisi, dan peralatan berputar berat dapat terus mengekspos perangkat pemantauan terhadap getaran, kejut, suhu ekstrem, dan tingkat interferensi elektromagnetik (EMI) yang tinggi.
Untuk mencapai pemeliharaan prediktif yang dapat diandalkan, sensor getaran dalam perangkat CbM harus dapat mendeteksi perubahan yang lebih halus, yang sering merupakan petunjuk paling awal dari ketidakseimbangan poros, salah selaras,atau berkeringatUntuk memastikan pengukuran getaran presisi tinggi di bawah kondisi lingkungan yang keras, subsistem akuisisi sinyal sensor dengan bandwidth tinggi dan kebisingan rendah diperlukan.yang dapat mempertahankan kinerja stabil dalam lingkungan kerja yang keras.
Sebagai inti dari metode CbM, analisis getaran meletakkan dasar untuk mengidentifikasi pola yang dapat membedakan antara operasi normal dan tanda-tanda awal kegagalan.sistem sensor getaran mengirimkan hasil pengukuran ke host pusat atau sumber daya cloud untuk analisisNamun, solusi CbM canggih telah mulai semakin memindahkan kemampuan analisis ke tepi.Hasil dapat diperoleh dalam waktu sesingkat mungkin dan mengurangi lalu lintas di jaringan industri dan otomotif yang sensitif waktu.
Secara khusus, inferensi AI tepi berdasarkan model jaringan saraf konvolutional (CNN) dapat memberikan interpretasi perubahan getaran secara real-time.menggunakan CNN untuk kesimpulan membutuhkan sejumlah besar perhitungan, sehingga lebih kompleks untuk mencapai tujuan CbM tanpa melampaui kekuatan sistem, ukuran, atau keterbatasan biaya.
Dengan meningkatnya penggunaan CbM dalam perangkat berputar, perangkat jarak jauh atau seluler, dan ketidakpraktisan koneksi kabel, meminimalkan konsumsi daya menjadi lebih mendesak.Untuk memenuhi persyaratan koneksi nirkabel dalam situasi ini, Bluetooth Low Energy (BLE) dapat mencapai kombinasi jarak transmisi, daya, dan keandalan yang diperlukan dibandingkan dengan teknologi koneksi opsional lainnya (Tabel 1).
Namun, seperti pengolahan AI tepi, tantangan yang kita hadapi adalah menemukan solusi konektivitas BLE yang dapat beroperasi secara normal dalam keterbatasan daya dari sistem sensor nirkabel.Memastikan umur baterai yang diperpanjang tetap menjadi tantangan bagi setiap desainer sistem sensor nirkabelNamun, ini sangat penting dalam aplikasi industri dan otomotif, di mana sensor mungkin sulit dijangkau.Baterai dan manajemen daya menjadi semakin pentingTantangan dalam hal ini adalah bagaimana mengkoordinasikan beberapa regulator tegangan, sequencers, dan sistem pengisian daya untuk mengurangi konsumsi daya sambil memastikan operasi yang stabil.
Kit evaluasi menyediakan solusi CbM nirkabel tertanam dengan fungsi AI tepi
The EV-CBM-VOYAGER4-1Z Voyager 4 kit from Analog Devices provides a complete battery powered vibration monitoring platform for continuous evaluation of CbM technology or immediate deployment in predictive maintenance applications, mengatasi berbagai tantangan yang dihadapi ketika menyebarkan CbM nirkabel dengan kemampuan AI tepi.menempelkan papan sirkuit cetak utama (papan PC) di satu sisi dan baterai di sisi lain untuk menghilangkan dampak lingkungan yang kerasPapan sirkuit daya dan sensor terletak di bagian bawah dukungan, dekat dengan sumber getaran untuk dipantau.komponen pendukung vertikal ditempatkan di dalam penutup pelindung aluminium dengan diameter 46 mm dan tinggi 77 mm (Gambar 1Bagian atas penutup pelindung dilengkapi dengan penutup akrilik ABS, yang dapat digunakan untuk koneksi BLE.