智慧應用 影音
DTResearch
event

善用CbM狀態監測方案 快速落實預測性維護

茂宣企業專案經理蔡宗原。

進入工業4.0時代,製造業者急欲落實「預測性維護」(Predictive Maintenance),因而積極導入工業物聯網(IIoT)技術,期望持續收集溫度、電流、聲音、振動等等關鍵參數,及早偵測並排除機台的故障徵候,避免造成產線無預警中斷。落實預測維護的主要元素,便是狀態監測(Condition-Based Monitoring;CbM)。

茂宣企業專案經理蔡宗原指出,傳統流水線或儲存槽都缺乏即時監測機制,用戶往往等到設備故障才維修處理,已對產線稼動率帶來嚴重衝擊。如今利用感測器持續監測機台狀態,並透過感測系統擷取與累積的大數據進行分析,可提前預知設備狀況,有效降低產線無預警停擺機率。

「CbM不僅包含振動感測器,而是象徵全方位的診斷方法,」蔡宗原說,以茂宣代理的亞德諾半導體(ADI)產品而論,原廠有鑑於馬達軸承的異常對產線機台影響至鉅,但傳統Piezo壓電式振動感測器低頻響應、溫度特性不佳,加上需手工組裝、體積難以縮小、材料成本高,無法對多數企業產生實質助益,於是推出以MEMS感測器為基礎的CbM方案。

MEMS感測器相較於Piezo感測器,不僅有更好的抗雜訊能力,且無論偵測高低頻的效能表現都相對平穩,且ADI的MEMS感測器直接供電、不需高壓電源,故可將體積做小、置於裝置或機台內狹小空間,既省空間又可降低成本。另不可諱言,欲實現CbM真正價值,除偵測外還得做到診斷、預防,為此ADI提供雲端分析平台,利用平台上的Otosense軟體提供聲音與振動訊號的AI解譯功能,協助用戶實現CbM價值旅程的最後一哩路。

蔡宗原強調,不僅馬達,舉凡泵浦、壓縮機、轉軸或齒輪等其他重要元件,同樣適用於ADI CbM方案,藉由雲端AI分析,挖掘出預防維護的關鍵密碼。

除振動偵測外,近期ADI也對煙霧偵測著力頗深,提出一套整合藍光與紅外線發射器的光學模組。傳統遮斷式煙霧感測器,因無法判斷偵測到的物質究竟是水氣、油煙、煙霧或其他有害物,經常產生誤報,久而久之難免導致人員輕忽鬆懈,甚至因此釀成傷亡悲劇;反觀ADI的整合式光學模組,可藉由分子大小,有效降低因蒸汽或灰塵所產生的誤報,進而提升產品信賴度,達到預警的目的。

另值得一提,ADI提出業界首見的「Software Configurable I/O」產品,旨在幫助製造商或工業服務營運商提升系統控制的彈性,並降低產品複雜性。譬如針對一顆IC的4個通道,可利用程式化手段,任意配置為「ADC+ADC+DAC+ADC」、「DI+RTD+DAC+RTD」或「DO+DAC+DAC+DAC」等等組態,大幅減輕產品設計上的負擔,並統整備料需求,降低庫存成本。

總之ADI希望藉由涵蓋感測、信號鏈、處理、通信及電源之完整方案架構,輔以CbM、煙霧檢測、軟件定義I/O或Otosense等先進產品,協助用戶加速邁向工業4.0,快速落實預測性維護。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 智慧工廠 茂宣