基於狀態的監視（CbM Condition-based Monitoring）和預測性維護（PM Predictive Maintenance）是兩種維護策略，旨在優化設備效率並減少設備生命週期中的服務時間和成本。
狀態監控（CM）:是對多個參數（例如設備振動和溫度）的監控，以識別潛在的問題，例如未對准或軸承故障。 當振動分析顯示旋轉設備組件的諧波頻率發生變化時，狀態監視工具可以例如繪製設備退化的地圖。 頻率分析可以基於振動計和麥克風數據。連續狀態監測技術可以應用於壓縮機，泵，主軸和電動機等多台設備，還可以用於識別機器上的局部排放或真空洩漏。
預測性維護: 基於狀態監視，異常檢測和分類算法，並集成了預測模型，該模型可以根據檢測到的異常來估計剩餘的剩餘機器運行時間。 這種方法使用各種工具，例如統計分析和機器學習來預測設備的狀態。
從狀態監視到預測性維護：邊緣處理的作用
從設計智能傳感器節點和配置運行在傳感器節點和網關中的嵌入式軟件，到開發要集成到雲或公司企業資源計劃（ERP）系統中的軟件，預測性維護都需要各種技能和能力。 可以實施機器學習和人工智能算法，以確保及早發現技術異常並最大化設備正常運行時間。
大大購相關商品 STEVAL-BFA001V2B >> 查詢存貨及售價
智能傳感器節點是預測分析的關鍵推動力。他們收集並記錄經過預處理的安全數據，這些數據將在可視化工具中顯示並在其他處理算法中使用。智能傳感器節點還可以通過減少計算延遲來處理數據並檢測異常。例如，智能傳感器節點可以檢測到溫度的小幅升高或突然升高，表明可能存在設備問題和未來的可靠性問題。
閘道器（Gateway）既可以實現收集和處理來自多個智能傳感器節點的數據，也可以充當連接橋，以使用以太網，Wi-Fi，蜂窩或LPWAN技術實現到雲的安全連接。
邊緣處理結合併在智能傳感器節點和網關之間分配處理能力，目的是在正確的時間將正確的數據發送到可以執行更高級分析的企業級系統。邊緣處的處理還可以使用機器學習和人工智能（AI）算法來增強智能傳感器節點和網關任務配置文件，並拓寬異常檢測和分類的範圍。
ST的工業4.0狀態監測和預測性維護產品組合
狀態監視和預測性維護是工業4.0中的增值但具有挑戰性的應用程序。因此，意法半導體已經部署了先進的集成電路以及用於遠程監控的評估工具，軟件，文檔和在線儀表板的生態系統，並不斷對其進行更新以適應工業需求。
微控制器和微處理器
基於STM32Arm®Cortex®M4 / M33 / M7的微控制器和具有浮點功能的STM32Arm®Cortex®-A7®微處理器系列可以在邊緣處理傳感器數據。 STM32Cube.AI工具鏈允許用戶為深度學習方法實施神經網絡和機器學習。
傳感器和慣性測量單元（IMU）
意法半導體還提供具有成本競爭力的高性能傳感器和慣性測量單元（IMU），具有10年的供貨保證（長壽計劃），包括加速度計和超音波模擬麥克風，可進行從簡單的通過/未通過監視到高靈敏度的振動分析。準確性，基於頻率的數據分析。我們的產品組合還包括用於溫度，濕度和壓力感測的各種環境傳感器以及先進的MEMS傳感器，這些傳感器包含經過優化以運行機器學習算法的數字功能，這些算法允許在IMU和主機處理器之間共享數據處理。
有線和無線通信解決方案
一系列有線和無線通信解決方案補充了我們的產品：用於工業有線連接的IO-Link兼容設備，以及一系列無線技術，例如低功耗藍牙（BLE）SoC和網絡處理器，以及支持LPWAN SoC和收發器的無線技術LoRa，Sigfox和免許可證的ISM和SRD頻段。
預測性維護是該行業面臨的主要挑戰，實施這些技術的必要技能可能不容易找到或獲得。因此，我們建立了一個值得信賴的授權合作夥伴生態系統，以支持我們的客戶量身定制解決方案的設計和實施。要了解更多信息，請訪問st.com上的“合作夥伴”頁面和“工具和軟件”部分。
相關應用的板子有
STEVAL-BFA001V2B是工業參考設計套件，目的在用於狀態監測（CM）和預測性維護（PdM）。
該佈局旨在滿足IEC61000-4-2 / 4和EN60947對工業應用的要求。
硬件開發套件包括一個工業傳感器板（STEVAL-IDP005V2）， STSW-BFA001V2軟件包（可在www.st.com上免費獲得）包括專用算法，用於高級時域和頻域信號處理以及對用於振動監測的高帶寬3D數字加速度計的分析。該軟件包包括壓力，相對濕度和溫度傳感器監控樣本以及用於聲發射（AE）的音頻算法。
相關官網連結URL
https://www.st.com/en/evaluation-tools/steval-bfa001v2b.html
評論