0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

工業(yè)4.0的預測性維護

星星科技指導員 ? 來源:microchip ? 作者:microchip ? 2023-05-05 10:52 ? 次閱讀

工業(yè) 4.0 通常是指我們向由人工智能AI)、機器學習 (ML)、超大規(guī)模云計算、工業(yè)物聯(lián)網(wǎng) (IIoT) 和智能機器人等先進技術(shù)驅(qū)動的自動化流程的演變。

工業(yè)4.0的支持者預計它將對經(jīng)濟,企業(yè),就業(yè)和整個社會產(chǎn)生破壞性和變革性的影響。

許多人預測,第四次工業(yè)革命將與以前的革命不同,因為它會影響工作性質(zhì)和我們?nèi)找婊ヂ?lián)的社會的未來。我們的工作方式,我們接受培訓的方式,我們接受教育的方式,我們的游戲方式和我們的生活方式都將被改變。但是我們準備好了嗎?

我們中的許多人都記得在小學時學習過第一次工業(yè)革命,但我們一直生活在一個同樣動態(tài)的時代,似乎每隔幾年就會改變各種業(yè)務(wù)流程。

低成本的基因測序和CRISPR(成簇規(guī)則間隔短回文重復序列)等技術(shù)極大地擴展了我們編輯生命構(gòu)建塊的能力。人工智能正在增強幾乎每個行業(yè)的流程并增強人類技能。神經(jīng)技術(shù)在幫助我們了解認知和影響大腦健康方面取得了前所未有的進步?,F(xiàn)在,人工智能正被應(yīng)用于工業(yè)自動化,并顛覆了百年歷史的運輸和制造范式。

有一次,工廠安排了年度停工,讓員工有時間放假和離開裝配線。這些中斷還允許進行例行維護和安裝新機器。典型的定期維護停機可能會持續(xù)一兩周,而新產(chǎn)品的推出可能需要大量的重新加工,可能需要一個月或更長時間。

如今,工廠的目標是實現(xiàn)最近不可能實現(xiàn)的靈活性水平。他們需要加快產(chǎn)能以滿足需求高峰,在供應(yīng)鏈流量波動時縮減規(guī)模,然后立即回升以利用業(yè)務(wù)條件。

工業(yè)4.0將模糊物理,數(shù)字和生物領(lǐng)域之間的界限,使我們能夠建立一個新的虛擬世界,我們可以從中引導物理世界。新一波成熟的技術(shù)將使我們能夠連接生產(chǎn)設(shè)備,并使該設(shè)備能夠與我們(和我們的信息系統(tǒng))實時交互。

自動化工廠的預測性維護

工業(yè)機器人系統(tǒng)的機械元件振動水平不斷增加,這通常表明需要維修。工廠操作人員需要找到一種方法來提高他們對振動的認識,并使用 AI/ML 分析來解釋數(shù)據(jù)并及時解決問題。這是許多工業(yè)4.0倡導者所渴望的對預測性維護的相當標準的解釋。

過去,服務(wù)計劃是使用紙質(zhì)日志文件編制的,兩者之間的間隔通常由主管根據(jù)他們對操作的經(jīng)驗和感覺任意決定。隨著現(xiàn)代制造業(yè)中的機器人系統(tǒng)變得越來越復雜,工廠經(jīng)理需要實時了解其維護要求,并掌握日常和關(guān)鍵服務(wù)計劃,以避免服務(wù)中斷。

多年來,制造和服務(wù)人員已經(jīng)習慣了計算機化維護管理系統(tǒng) (CMMS) 和以可靠性為中心的維護 (RCM) 方法提供的進步,這些方法由操作數(shù)據(jù)提供。向預測性維護模型的轉(zhuǎn)變將結(jié)合一波又一波的新數(shù)據(jù),以提供前所未有的見解和行動。

現(xiàn)代工廠的集成解決方案

運營資產(chǎn)的超感知狀態(tài)以及條件和性能數(shù)據(jù)的相關(guān)收集對于智能工廠的發(fā)展至關(guān)重要。這些不斷增加的數(shù)據(jù)量將在邊緣進行最佳分析,而且是即時的。

MicrochipLinux應(yīng)用程序提供了完全集成的最先進的技術(shù)解決方案,可以很容易地應(yīng)用于進化設(shè)計。我們已經(jīng)連接了所有點,使我們的客戶能夠以智能、互聯(lián)和安全的方式高效設(shè)計下一代解決方案。

物聯(lián)網(wǎng)技術(shù)的這種應(yīng)用非常適合那些管理傳感器網(wǎng)絡(luò),同時控制機器人系統(tǒng)并通過人機界面 (HMI) 報告數(shù)據(jù)的人。

應(yīng)對自動化挑戰(zhàn)的集成方法

將適當?shù)腗icrochip微控制器微處理器系列與我們易于使用的開發(fā)工具相結(jié)合,使開發(fā)人員能夠為預測性維護應(yīng)用創(chuàng)建最佳設(shè)計,而不會遇到集成度較低的方法可能遇到的風險、更高的系統(tǒng)成本和較慢的上市時間。

例如,我們的SAMA5D27 MPU可用于驅(qū)動典型工廠自動化場景的機器人操作,例如移動、切割、彎曲、壓制或連接零件或零件。SAMA5D27 還可以收集和處理傳感器數(shù)據(jù),報告其運行狀態(tài),支持指令,提供緊急關(guān)閉模式并監(jiān)控其環(huán)境以獲取可操作的維護相關(guān)信息。傳感器通過基于 SAMR30M 模塊的 sub-GHz 網(wǎng)絡(luò)連接到網(wǎng)關(guān),該模塊支持 IEEE 802.15.4 PHY 協(xié)議。

利用微芯片支持技術(shù)進行預測性維護

預測性維護的先進功能如今正在世界各地的工廠中得到采用。最先進的神經(jīng)網(wǎng)絡(luò)嵌入式傳感器用于準確預測各種工業(yè)、制造、消費、汽車和其他應(yīng)用中使用的設(shè)備的潛在維護問題。我們通過多種解決方案組合來監(jiān)控和檢測可能影響現(xiàn)場工業(yè)設(shè)備性能的磨損和操作異常,同時實施智能控制來管理負載并減少浪費的電力量,從而輕松利用物聯(lián)網(wǎng)。預測性維護可減少停機時間和維修成本,同時延長設(shè)備壽命并確保輸出質(zhì)量。

通過與行業(yè)領(lǐng)先的解決方案提供商合作,我們可以提供完整的預測性維護解決方案,該解決方案使用多個傳感器,考慮極端振動傳感并實現(xiàn)高級 AI/ML 功能和特性。

我們提供專門的內(nèi)部 Linux 應(yīng)用程序團隊,以長期支持 (LTS) Linux 版本為目標,并為官方 LTS 內(nèi)核提供支持,以降低風險并縮短開發(fā)時間。我們可以根據(jù)您的產(chǎn)品組合中的關(guān)鍵要素,通過整體解決方案方法為您的預測性維護項目提供此集成解決方案集:

微芯片 PIC32 微控制器

我們的 PIC32 系列低引腳數(shù)、32 位PIC32微控制器可在僅 83 MHz 的頻率下提供 50 DMIPS 的性能,并具有適合成本敏感型通用檢測的外設(shè)組合。PIC105MX32 / MX1 MCU 的額定工作溫度高達 2°C,包括一個集成的硬件外設(shè),用于添加 mTouch? 電容式觸摸按鈕或高級傳感器。

微芯片 SAMA5D27 微處理器

SAMA5D27 是一款高性能、低功耗嵌入式微處理器 (MPU),運行頻率高達 500 MHz,支持多個存儲器,如 DDR2、DDR3L、LPDDR2、LPDDR3 以及 QSPI 和 e.MMC 閃存。該器件集成了強大的外設(shè),用于連接和用戶界面應(yīng)用,并提供高級安全功能。SAMA5D27 適用于擴展工業(yè)溫度范圍操作(-40°C 至 105°C 外部溫度)。

微芯片 Wi-Fi 控制器和 SAMR30 Sub-GHz 微控制器

我們的集成解決方案具有行業(yè)領(lǐng)先的Wi-Fi控制器和sub-GHz微控制器以及全面的固件生態(tài)系統(tǒng),可通過亞馬遜網(wǎng)絡(luò)服務(wù),Microsoft Azure和Google Cloud平臺實現(xiàn)傳感器到云的連接。

我們的 IEEE 802.11 b/g/n 物聯(lián)網(wǎng)網(wǎng)絡(luò)控制器提供可靠的 Wi-Fi 和網(wǎng)絡(luò)功能,并以最低的資源要求連接到任何 SAM 或 PIC MCU。這些器件具有完全集成的功率放大器、LNA、開關(guān)和電源管理功能,還提供內(nèi)部閃存來存儲固件。

我們的低功耗SAM R30系列產(chǎn)品在ISM頻段的sub-GHz信道中使用IEEE 802.15.4。其超低功耗休眠模式功耗低于 1 uA,還使您的產(chǎn)品能夠滿足標準定義的幾乎永遠休眠的能力。

通過將我們的 Wi-Fi 產(chǎn)品組合與專用 Linux 生態(tài)系統(tǒng)相結(jié)合,我們進一步簡化了客戶的開發(fā)流程。除了AWS-IoT和AWS-Greengrass功能之外,我們還可以提供與Google Cloud和Microsoft Azure方法的集成。

微芯片信任平臺和ECC608B安全元件

我們的信任平臺是一種經(jīng)濟高效且靈活的解決方案,可在您的設(shè)計中加入我們的安全元素并加快產(chǎn)品的上市時間。信任平臺由一系列預先配置、預配置或完全可定制的安全元素組成。憑據(jù)是利用安裝在我們工廠中的硬件安全模塊 (HSM) 在每個安全元件的邊界內(nèi)生成的。這些設(shè)備還附帶硬件和軟件開發(fā)工具,使原型設(shè)計變得容易并快速跟蹤您的開發(fā)。

ATECC608B 是我們加密身份驗證?產(chǎn)品組合中的安全元件,具有先進的橢圓曲線加密 (ECC) 功能。隨著ECDH和ECDSA的內(nèi)置,該器件可輕松為具有運行加密/解密算法的MCU或MPU的系統(tǒng)提供全方位的安全性,如機密性、數(shù)據(jù)完整性和身份驗證,是快速增長的物聯(lián)網(wǎng)市場的理想選擇。與所有Microchip CryptoAuthentication產(chǎn)品類似,新型ATECC608A采用超安全的基于硬件的加密密鑰存儲和加密對策,消除了與軟件弱點相關(guān)的潛在后門。

審核編輯:郭婷

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 物聯(lián)網(wǎng)
    +關(guān)注

    關(guān)注

    2900

    文章

    44062

    瀏覽量

    370245
  • 人工智能
    +關(guān)注

    關(guān)注

    1789

    文章

    46652

    瀏覽量

    237085
  • 機器學習
    +關(guān)注

    關(guān)注

    66

    文章

    8349

    瀏覽量

    132315
收藏 人收藏

    評論

    相關(guān)推薦

    傳感器在工業(yè) 4.0 預測維護中的應(yīng)用

    預測維護在很大程度上依賴技工的專長和直覺來解決問題或診斷故障,而今天的先進診斷設(shè)備和工業(yè) 4.0 技術(shù)增加了電子傳感器和機械傳感器,能夠更
    的頭像 發(fā)表于 04-21 17:07 ?7020次閱讀
    傳感器在<b class='flag-5'>工業(yè)</b> <b class='flag-5'>4.0</b> <b class='flag-5'>預測</b><b class='flag-5'>性</b><b class='flag-5'>維護</b>中的應(yīng)用

    使用 MEMS 加速計快速部署傳感器,實現(xiàn)基于 IIoT 的預測維護

    作者:Richard A. Quinnell 使用振動傳感器對機器進行狀態(tài)監(jiān)測,這是工業(yè)物聯(lián)網(wǎng) (IIoT)(或工業(yè)4.0預測
    的頭像 發(fā)表于 10-03 14:44 ?924次閱讀
    使用 MEMS 加速計快速部署傳感器,實現(xiàn)基于 IIoT 的<b class='flag-5'>預測</b><b class='flag-5'>性</b><b class='flag-5'>維護</b>

    工業(yè)4.0數(shù)據(jù)記錄

    22,000美元或每小時130萬美元(來源:先進技術(shù)服務(wù),2006年:“汽車行業(yè)停機成本:每分鐘22000:調(diào)查?!保?。隨著工業(yè)4.0的出現(xiàn),工廠的智能化和互聯(lián)正在日益提高。智能工廠中的機械設(shè)備就能夠采用所
    發(fā)表于 07-18 06:54

    如何使用Amazon IoT和Amazon SageMaker進行設(shè)備實時預測維護?

    物聯(lián)網(wǎng)(IoT)的一個典型應(yīng)用場景是能夠從傳感器數(shù)據(jù)中獲取上下文洞察力,例如分析設(shè)備異?;蛘哌M行預測維護,及時給予用戶通知。在本文中,我們將專注于通過設(shè)備多項指標對設(shè)備進行預測
    發(fā)表于 07-06 06:10

    預測維護是制造業(yè)邁向工業(yè)4.0的關(guān)鍵要素

    (machine learning)等新興技術(shù)并集成長期制造策略,以擴大生產(chǎn)現(xiàn)場、客戶體驗、服務(wù)模式的商業(yè)利益,而預測(predictive)維護將日益重要。
    發(fā)表于 10-20 08:00 ?1506次閱讀

    工業(yè)物聯(lián)網(wǎng)中的預測維護有什么用

    工業(yè)物聯(lián)網(wǎng)(IIOT)中的預測維護有望幫助您避免花費時間來處理善后事宜。隨著傳感器技術(shù)和連接的提高,它已成為
    發(fā)表于 03-25 08:31 ?987次閱讀

    嵌入式軟件測試工具

    的監(jiān)視可延長設(shè)備的使用壽命,同時最大程度地減少計劃外的停機時間和維護成本。因此,開源平臺推進了工業(yè)4.0自動化的目標,以通過數(shù)字解決方案提高生產(chǎn)效率。工業(yè)
    發(fā)表于 05-13 09:51 ?1807次閱讀
    嵌入式軟件測試工具

    工業(yè)4.0商業(yè)模式自動化預測維護程序的好處

    本文將討論 作為工業(yè)4.0商業(yè)模式的預測維護 自動化預測
    的頭像 發(fā)表于 08-10 11:09 ?1475次閱讀

    什么是狀態(tài)監(jiān)測,“預測維護”該如何實施

    維護的壁壘很快就會被攻破?!?b class='flag-5'>預測維護”即通過算法,為故障提供可靠預測或警示設(shè)備狀態(tài)變化,但這并不是一個被全新的概念。 在“
    發(fā)表于 11-29 13:08 ?1543次閱讀

    傳感器在工業(yè)4.0預測維護中的應(yīng)用

    作為工業(yè) 4.0 的重要組成部分,本地決策系統(tǒng)在設(shè)備內(nèi)或附近收集傳感器數(shù)據(jù),以此為依據(jù)做出正確判斷,幫助檢修人員提前發(fā)現(xiàn)昂貴、復雜的可能是遠程設(shè)備出現(xiàn)的小問題,避免釀成大事故。這個功能要求傳感器必須具有邊緣處理[13]能力和人工智能 (AI),因為人工智能是
    的頭像 發(fā)表于 08-11 15:26 ?2057次閱讀
    傳感器在<b class='flag-5'>工業(yè)</b><b class='flag-5'>4.0</b><b class='flag-5'>預測</b><b class='flag-5'>性</b><b class='flag-5'>維護</b>中的應(yīng)用

    更高效、更精確的預測維護方案是如何實現(xiàn)的?

    放眼工業(yè)4.0時代,預測維護已是大勢所趨,這種維護方式能夠使部件的壽命最大化,提高企業(yè)的運營效
    的頭像 發(fā)表于 12-15 09:38 ?1099次閱讀

    工業(yè)物聯(lián)網(wǎng)“殺手級”應(yīng)用—預測維護

    作為工業(yè)物聯(lián)網(wǎng)行業(yè)的重要應(yīng)用,預測維護日益受到市場重視。振動監(jiān)測是主要的設(shè)備預測
    的頭像 發(fā)表于 03-07 17:28 ?1566次閱讀
    <b class='flag-5'>工業(yè)</b>物聯(lián)網(wǎng)“殺手級”應(yīng)用—<b class='flag-5'>預測</b><b class='flag-5'>性</b><b class='flag-5'>維護</b>

    應(yīng)用案例:面向工業(yè)4.0預測維護

    Microchip工程師社區(qū)網(wǎng)站 (www.microchip.com.cn)又有“ 應(yīng)用案例 ”文章上線啦! 今天分享的是: 《面向工業(yè)4.0預測
    的頭像 發(fā)表于 03-11 00:50 ?673次閱讀

    工業(yè)設(shè)備為什么要做預測維護?

    ZETA技術(shù)研發(fā)商縱行科技推出了ZETA工業(yè)設(shè)備預測維護方案,推出了“ZETA+Edge AI”邊緣智能終端——ZETA端智能振溫傳感器。能直接部署在端側(cè),進行數(shù)據(jù)采集、計算分析從而
    的頭像 發(fā)表于 10-17 16:57 ?1108次閱讀
    <b class='flag-5'>工業(yè)</b>設(shè)備為什么要做<b class='flag-5'>預測</b><b class='flag-5'>性</b><b class='flag-5'>維護</b>?

    設(shè)備預測維護如何實現(xiàn)?有什么功能?

    工業(yè)設(shè)備需要預測維護。預測維護是依靠數(shù)據(jù)、智能系
    的頭像 發(fā)表于 09-12 16:03 ?935次閱讀