利用量測解決方案 確保工業自動化機能恆常運行
歷經疫情洗禮,許多製造商亟欲打造無人化智慧工廠,得以不受封城或隔離影響,維持既定生產效率。在此前提下,舉凡廠內機械手臂、PLC、AGV等任何連網的節點,都務求正常運作、以確保工業自動化架構持續轉動;足見各節點的信號感測量測,顯得十分重要。
身為ADI代理商、也對量測方案著力至深的茂宣企業,其專案經理王浚睿指出,在工業4.0生態系,包括感測、運算處理、邏輯推理判斷、反應等皆屬重要課題,其中有兩個環節格外值得留意,一是液體量測,另一是振動量測。
液體量測方法主要分為電化學量測及光學量測,常用於檢測水質參數中的氨氮、亞硝酸鹽、PH、磷酸鹽,其中可運用的技術也很多,有的走電化學量測,更常見的則是光學量測,只因可量測的參數更多。
電化學量測量的是液體裡的電位,因離子濃度高低會影響電位差,可用於量測PH、含氧量、電導等參數,不僅準確度高也行之有年,且架構相對簡單。惟缺點是如果電極曝露待測液過久即需校正,且需溫度補償才能達到精密量測,限制條件不少。
至於光學量測法,利用光譜不同的波長特性,利用可見光(波長400~700nm)、及紅外線或UV頻段等不可見光,達到量測手段,主要是量測水裡亞硝酸、氮、氨等等參數;但量測精準度與鏡頭潔淨度相關,倘若鏡頭長時間部署於戶外,恐有遭受汙染之虞,這點在設計時應多做考慮。
以光學量測而論,主要是在200~750nm之間不同光譜量測不同物質。例如在200~250nm,適合量測NO2與NO3;至於250~400nm,可量測COD、BOD及TOC。在做雙波長光譜設計時,需有光源投射到濾鏡及分光鏡,經過待測液體的吸收後折射,經由PD-TIA-ADC 訊號鏈的轉換 從光學轉換為數位信號,完成了一路的取樣通道,而另一路光通道經過分光鏡產生相差90度後做參考值,最終藉由兩路數值的比較,如此方式可以減少噪音及偏移量的誤差。
再談到振動量測,亦是智慧工廠的重中之重,因為工廠內太多馬達類的設備,需倚靠齒輪或傳動軸的帶動,但時間一久難免出現損壞情況,故需預知老化的程度。又如培林內的滾珠,若出現異常,會在高頻產出特徵;軸承若出現異常則相反,會在低頻處產出特徵;此外若平衡未做好,機械的振動就會很大。
欲研判工廠內馬達類元件是否失效,可運用多種手法,常見的方式包括熱顯像、電壓/流訊號或以超音波進行非破壞式檢測,甚至看潤滑油中有無碎片,這些都可借助ADI的CbM(Condition-Based Monitoring)解決方案,在機械失效前1~2個月察覺端倪,及早採取因應措施,避免驟然停機釀成重大損失。譬如火車、機械手臂乃至風電系統,都可利用CbM預測健康狀態。
值得一提,不論液體或振動量測,ADI皆提供多項參考設計,且已備妥許多信號前處理機制,以利用戶減少摸索與試誤時間,加速進行智能判斷。
- 加速智慧轉型才能從容因應短鏈新常態
- 啟用數位化利器 持續繁衍智慧製造成果
- 立基工業物聯網雲平台 匯聚智慧製造轉型動能
- 利用量測解決方案 確保工業自動化機能恆常運行
- 建立多物理模擬基礎 優化設計流程管理效能
- 借助明緯標準品電源 迅速滿足智慧廠區應用需求
- 橋接IT與OT 構築製造業數位轉型基礎平台
- 台塑網供應鏈管理電子化 解決長鞭效應與產銷失調問題
- 環保組合式濾網 半導體廠高效管控AMC且降低碳排衝擊
- 匯聚內外數據 強化供應商風險管理及ESG評比應用
- 併用NPB與SaaS NDR 讓OT資安威脅無所遁形
- 憑藉雲端輕資本與高整合優勢 加速實現智慧監控
- 訊能集思提升OT人數據掌握能力 擴大企業員工數位轉型參與度
- 整合多方技術落實彈性製造 廣登電子加快機械智慧化腳步
- VHub讓AI系統開發更有效率 超恩建構高效能智慧邊緣製造系統
- 未來工廠智慧新面貌 富士通助產業轉型數位再創高峰
- 以應用為導向打造解決方案 華碩電腦滿足AI檢測智慧需求
- 數據健檢:以科學方式解決製造業痛點