Essentiële Inzichten in het Voortschrijdende Veld van Condition Monitoring

Nieuwe technologie voor het monitoren, diagnosticeren en voorspellen van machinegezondheid ontstaat voortdurend. Verse IIoT leveranciers lijken maandelijks op de radar te verschijnen. Sensortechnologieën verschijnen minder frequent, maar nieuwe opties voor gangbare industriële meetwaarden zijn een actief beleggingsgebied geworden. En natuurlijk kunt u al de nieuwe claims, platforms en tools in de wereld van kunstmatige intelligentie niet missen, die in de een of andere vorm zijn ontstaan.

Dit artikel is een lopende discussie over IoT technologie, door een technoloog in een nederige poging om te helpen informeren, verduidelijken en demystificeren van nieuwe producten specifiek voor de condition monitoring en voorspellende onderhoud industies.

Buiten Trillingen?

De vraag is gesteld: Waarom zijn er niet meer draadloze sensoropties voor gangbare industriële sensoren zoals olieconditie?

Het is een eerlijke vraag. Deels ligt het antwoord in de beschikbaarheid van kern sensor transducer technologieën. De explosie in draadloze sensoropties voor trillingen is mogelijk gemaakt niet alleen door verbeteringen in draadloze protocollen (zoals BLE), maar door laagkost, chip-schaal MEMS accelerometers die de trillingsmeetprestaties hebben verbeterd. MEMS heeft bedrijven met competenties in IoT maar minder ervaring in traditionele trillingsmeting in staat gesteld de markt voor industriële condition monitoring te betreden.

Hoewel een sensor doorbraak voor de diverse indicatoren van gezonde olie of smering zoals de aanwezigheid van deeltjes of vocht, zuurgraad, TAN/TBN, viscositeit, etc., in een universiteitslab gevonden kan worden, onthullt een overzicht van commercieel beschikbare olieconditie-monitoring sensoren grote behuizingen die stroom verbruiken van industriële voedingen (d.w.z. 10 tot 30 VDC), die niet bijzonder ondersteunend zijn voor draadloze transmissie.

Toch proberen IIoT leveranciers de industriële meetbehoeftes aan te pakken door sensor 'hub' topologieën toe te voegen aan hun portfolio van draadloze trillingsproducten. Deze hubs zijn eigenlijk draadloze bruggen met poorten om analoge input te accepteren geschikt om outputs van gangbare industriële sensoren te connecteren en te digitaliseren. Deze capaciteit kan de suite van sensoren beschikbaar voor een condition monitoring systeem uitbreiden.

Vandaag beschikbare IIoT hubs kunnen sensor signalen proportional aan olie temperatuur en vochtigheid, druk, temperatuur probe, ultrasoon, stroom en machinerotatie digitaliseren, welke dan getransmitteerd en weergegeven worden via hetzelfde netwerk naar cloud of mobile applicaties als de trillingssensoren in het portfolio.

Figuur 1. KCF Technologies draadloze hub (LINKS) biedt IEPE sensor poorten alsmede tach, ultrasoon en oliekwaliteit / vochtigheid. Petasense WIFI hub (RECHTS) biedt poorten die ultrasoon, stroom, druk, trilling (triaxiaal en IEPE) en RTD temperatuur ondersteunen.

Daarnaast kunnen IIoT leveranciers gezien worden tools aan te bieden voor smering onderhoud, zoals het verzamelen van smeringsdata en het noteren van vereiste acties op bestaande dashboards naast trillingen.

Figuur 2. Ijssel's UpTimeWorks smering-gerichte PdM diensten hebben draadloze trillingsmeting ontwikkeld met data beschikbaar naast olieonderhoud op dezelfde dashboards (LINKS). Schaeffler's recent uitgebrachte OPTIME C1 olie dispenser is in staat tot draadloze verbinding voor niveau monitoring, NFC commissionering en olie type informatie met data beschikbaar via dezelfde dashboards die data tonen getransmitteerd van de trillingssensor (RECHTS).

Ondanks deze ontwikkelingen, lijkt het duidelijk dat dataverzameling en analyse van oliemonsters zullen blijven worden bediend gekwalificeerde experts, terwijl sensoren en IIoT tools ontwikkeld worden om efficiëntie te verbeteren — vergelijkbaar met de staat van trillingscondition monitoring vandaag.

De Rol van AI — Zijn We Er Al?

Het is moeilijk een website of sociaal mediaplatform te openen vandaag zonder een kop over kunstmatige intelligentie (AI) te zien. Maar wat betekent die frase op dit moment eigenlijk, met name voor de industriële onderhoudsgemeenschap? Verschillende IIoT leveranciers die de condition monitoring markt binnen de laatste 5 tot 10 jaren zijn binnengekomen, deden dit zwaar de AI mogelijkheden van hun trillingsmetingssysteem promoten. Is deze capaciteit de game-changer geweest die velen hoopten?

Voor de eigenaars, laten we net even dieper kijken naar de mogelijkheden beschreven door sommige leveranciers, samen met enkele case studies waar data engineering benaderingen daadwerkelijk zijn toegepast op voorspellend onderhoud.

Figuur 3. Draadloze leveranciers die enige vorm van AI-gebaseerde diagnostiek aanbieden. LINKS naar RECHTS – Symphony Industrial, Petasense, Nanoprecise en Augury.

Data-gedreven benaderingen kunnen van klassieke trillings signaalverwerking onderscheiden worden in verschillende opzichten. Basisstatistieken kunnen toegepast worden op een trillingsgolfvorm om meerdere conditie 'indicatoren' te creëren, elk specifiek gevoelig voor bepaalde aspecten van machinegedrag.

Data engineering zal ook proberen gezondheidsindicatoren te creëren maar uit meerdere databronnen. Diagnostiek zal deels effectief zijn door onthullen welke bijdrager het meest verantwoordelijk was voor de verandering in de algehele gezondheidsindicator.

Samenwerking tussen asset subject-matter experts en data engineers kan de foutdekking uitbreiden tot anomalieën buiten die common voor draaiende apparatuur. Goede resultaten zijn ook gedemonstreerd wanneer data-engineering benaderingen toegepast worden op bestaande procescontrols signalen, zonder nieuwe instrumentatie toegepast.

Een trillingsspectrum bekeken door een ervaren analist kan veel onthullen over het zwakste component van een motor of pomp, maar deze hoogst visuele diagnostische praktijk is niet makkelijk schaalbaar. In tegenstelling, is een data-gedreven benadering tot machine diagnostiek herhaalbaar en schaalbaar.

Eenmaal naar behoren getraind, zullen diverse machine learning algoritmen op dezelfde manier presteren dag in dag uit [1].

Figuur 4. Een gezondheidsindicator model afgeleid van trilling, druk en stroomvolume wordt gebruikt om de gezondheid van een pomp te monitoren. Dominante bijdragende indicatoren zullen een andere opkomende anomalie aangeven.

Batterijlevensduur, Voorop en Centrum

Een zoekopdracht op het web naar literatuur over batterijlevensduur resulteert in aanzienlijke discussie over EV's maar slechts schaarse informatie over de rol en het gedrag van batterijen voor IIoT.

Batterijen zijn zelf complexe apparaten die lading electrochemisch opslaan en levereren, wat niet alleen betekent dat de capaciteit om lading te leveren afhangt van omgevingscondities zoals temperatuur, maar ook afhangt van andere factoren gerelateerd aan de applicatie. Elke autobezitter in het noorden van de Verenigde Staten weet dat batterijen geen koude weer hou. Maar hoeveel weten ze over de manieren waarop belastingstroom de batterijcapaciteit kan beïnvloeden, of wat er met de capaciteit gebeurt als de batterij volledig leeggelopen wordt toegestaan?

Het herzien van de specificaties voor draadloze trillingssensor producten maakt duidelijk dat prestaties afhangen van omstandigheden en de specifieke applicatie. Maar interpretatie van de soms vage condities toegepast op de batterijlevensduur specificatie mag niet makkelijk zijn.

Figuur 5. De capaciteit van een batterij om lading te leveren is afhankelijk van omstandigheden zoals temperatuur en gemiddelde belastingstroom. Meetcriteria voor batterijtesten zoals de afsnijspanning of depth-of-discharge (DOD) zijn ook cruciaal voor het schatten van capaciteit. (Afbeeldingscredit: Saft Batteries)

In het algemeen, voor IIoT applicaties, omvatten omgevingsvariabelen de verwachte transmissieafstand (radio vermogen), de vele metallische obstakels in de faciliteit (herhaalde transmissie door ontvangstfouten), de efficiëntie van het radioprotocol, en de hoeveelheid data getransmitteerd. Trillingsmeting in het bijzonder is een meetwaarde niet als alle anderen.

Ervaren analisten zouden de golfvorm zelf willen analyseren en voor machines met langzamere rotatiesnelheden kan dit hoge-resolutie trillingsmeting met monsterlengtes van seconden betekenen, wat resulteert in veel meer data getransmitteerd dan alleen de huidige temperatuur.

Zoals te verwachten, gaat de totale lading op met verhoogde transmissieafstand door meer energie uitgegeven in het maken van de verbinding met de gateway en data transmissie. Trillingssensoren zijn vaak geconfigureerd voor beperkte transmissies in een 24-uurs periode, wat ook betekent dat 'slaap' modus de elektrische stroom domineert die tijdens die periode verbruikt wordt. Deze minimale stroomverbruik omvat circuit lekkage, wat in halfgeleiders toeneemt met temperatuur.

Beide effecten zullen de batterijlevensduur reduceren door meer lading te vereisen voor elke transmissieperiode.

Sample data uit veldtesten van draadloze trillingssensoren die de variabiliteit van draadloze sensor batterijlevensduur tonen, kunnen gezien worden in data hieronder. De totale lading verbruikt tijdens een 24-uurs periode over diverse condities onthult een toename in verbruikte lading met zowel afstand als bedrijfstemperatuur.

Figuur 6. Enkele voorlopige resultaten uit veldtesten van een handvol draadloze trillingssensoren. Totale lading verbruikt, zoals verwacht, neemt toe met zowel transmissieafstand als bedrijfstemperatuur.

Samenvatting

De toevoeging van IIoT mogelijkheden aan de PdM toolbox biedt de dienstverlener met meer frequente metingen om machines die onveilig of moeilijk handmatig te benaderen zijn, nauwlettend te monitoren. Data verzameld via IIoT is ook meer toegankelijk op afstand en comfortabel voor analyse, en kan gevoed worden aan geavanceerde data-verwerkingsplatforms voor combinatie met data van andere sensoren, wat resulteert in een meer comprehensief diagnostisch beeld.

Zoals met elk complex tool, is het virtueel onmogelijk te begrijpen hoe deze technologie in uw omgeving zal presteren zonder een pilotstudie van een bepaalde omvang. Het cureren van beschikbare systemen met een papierstudie van systeemspecificaties voordat u enige apparatuur koopt, kan een goede investering zijn, met name als u niet al te vertrouwd bent met de sterktes en beperkingen van de nieuwe technologie.

[1] Aannemende dat de basale bedrijfsmodus van de machine niet verandert. Consistente condities zijn ook nodig voor effectieve trending van trillingsconditie-indicatoren.