低功耗工业传感器的领导者Broadsens和IIOT即插即用AI解决方案的领导者Elipsa 正在将机器数据与机器学习相结合,以提供易于配置的大规模预测性维护。
工业设备,如泵、压缩机、发电机、暖通空调等。对于成功的业务运营至关重要。此类设备的计划外停机可能会给组织造成灾难性的经济损失。从历史上看,维护此类设备一直是被动的,包括现场诊断或已经发生的故障通知。
随着工业物联网(“IIOT”)的发展,这种关键设备正变得智能和互联。通过这种新的数据流,机器学习已被证明能够检测指示未来问题的模式,从而预测停机时间和主动的设备维护方法。这个不断增长的领域被称为预测性维护。
机器学习算法可以从多种类型的传感器和数据点中学习。通常,成功构建预测性维护算法最有效的数据点已被证明是振动数据,了解某些振动曲线可以预测机器的未来故障。
数据采集系统
Broadsens SVT200-V 是唯一一款紧凑型真正实时无线振动传感器,可在典型使用中连续监控机器状况,电池寿命超过 3 年。
SVT200-V 有两种采样模式:连续低速采样模式和高速采样模式。它以 16 位分辨率连续采集 x、y 和 z 轴数据。当传感器检测到振动事件时,它会切换到高速6.4kHz采样率,获取固定数量的数据,计算速度RMS和加速度RMS值,并将结果和温度发送到无线网关。
SVT200-V 内部的智能算法可动态调整采样模式并优化能源使用。它可以捕获机器和结构中的高频和低频缺陷。
Broadsens无线网关连接和控制许多传感器,包括SVT200-V,SV200-A,SVT300-V,SVT300-A,SVT400-V和SVT400-A。该网关包括 4 核 ARM 处理器,用于实时数据可视化和处理。网关可配置为通过MQTT将实时传感器数据传输到第三方系统,例如ElipsaAI平台。
Broadsens实时无线振动和温度传感器
人工智能
Elipsa基于AI的预测性维护可无缝部署在边缘或云中的任何工作流程中,从而提高关键设备的可用性和产量。Elipsa的自我训练AI模型和附加方法使AI部署变得简单,快速和灵活。
通过使用Elipsa的快速部署模板,用户可以在短短五分钟内开始智能监控关键设备。Elipsa的Broadsens振动分析模板在x、y和z轴上获取实时速度RMS数据。
连接 SVT200-V 后,数据将通过 MQTT 流式传输到 Elipsa。Elipsa的快速部署模板自动开始学习传感器所连接的机器的正常振动曲线。在设定的数据点数量(如模板中定义)之后,Elipsa 会自动构建机器学习模型并将预测返回回 Broadsens 网关。
Elipsa的创新方法学习给定机器的正常振动,以检测通过Broadsens软件报告给用户的任何类型的异常。
个案研究
在本案例研究中,Broadsens的无线振动传感器SVT200-V和无线网关GU200S,振动分析软件BroadVibra用于监测空气冷凝器。SVT200-V 内置单螺丝孔封装与磁铁安装一起使用。带磁铁安装的传感器可以在几秒钟内安装完毕。数据通过MQTT协议连续实时馈送到Elipsa的AI平台。来自传感器的 24 小时数据如下所示。
几天后,传感器被移除以模拟空气冷凝器的事故。Elipsa AI算法通过速度RMS和加速度RMS值检测到变化。速度RMS值显示出更显着的变化,这与工业标准一致,即在机器状态监测中更喜欢振动速度RMS而不是加速度RMS。
安装在设备上的无线振动传感器
振动速度均方根值人工智能预测
24小时振动数据
加速度均方根值AI预测
大规模预测性维护
Broadsens/Elipsa 组合解决方案可以轻松大规模部署在各种设备上。实现预测性维护的承诺,开始主动管理关键设备。不需要数据科学家或大笔资本支出。这种即插即用的解决方案将减少停机时间,提高运营效率,改善关键员工的调度,使您的机器更具可持续性。