Il monitoraggio basato sullo stato (CbM) aiuta a prevenire i guasti dei dispositivi attraverso la manutenzione predittiva, ma la progettazione di un sistema efficace richiede in genere l'integrazione ottimizzata di rilevamento di precisione, catene di segnali a basso rumore, gestione dell'alimentazione e connettività wireless. Si tratta di caratteristiche complesse che potrebbero ritardare l’implementazione della CbM e aumentare i costi. I progettisti riconoscono anche i vantaggi dell’analisi dell’intelligenza artificiale (AI) edge, ma ciò rende anche il CbM più complesso. Dobbiamo trovare una soluzione più diretta ed efficace.
Questo articolo presenta innanzitutto brevemente i sensori di prossimità, quindi le soluzioni plug and play di Analog Devices. Questa soluzione consente l'implementazione immediata del CbM wireless con funzionalità IA edge.
L'importanza del monitoraggio statale
I tempi di inattività non pianificati continuano a rappresentare una sfida importante per mantenere un'elevata efficienza operativa delle apparecchiature. Quando si verifica un guasto imprevisto in apparecchiature critiche, ciò può portare alla paralisi dell’intera linea di produzione, all’interruzione della catena di fornitura e a costosi servizi di manutenzione. I metodi di manutenzione tradizionali includono la riparazione passiva dopo un guasto o una rigorosa manutenzione periodica, ma questi metodi hanno i loro svantaggi: la manutenzione passiva può portare a costosi tempi di inattività, mentre la manutenzione periodica può aumentare i costi delle risorse sostituendo inutilmente i componenti ancora in funzione.
L’adozione di CbM consente l’implementazione di metodi di manutenzione predittiva più convenienti. Monitorando vibrazioni, temperatura, corrente o altri indicatori di prestazione, gli operatori delle apparecchiature possono identificare i segnali di allarme del degrado delle prestazioni dei componenti prima che si verifichino guasti. Questo approccio basato sui dati può ridurre i tempi di inattività non pianificati, prolungare la durata delle apparecchiature e ridurre il costo totale di proprietà.
Nonostante i numerosi vantaggi della CbM, la sua implementazione potrebbe subire un arresto a causa dei suoi requisiti complessi e della necessità di competenze interdisciplinari. Per i settori industriale e automobilistico, superare queste sfide rappresenta una sfida importante per applicare con successo la manutenzione predittiva basata su CbM.
Sfide e requisiti posti dal monitoraggio statale
Per sfruttare appieno i potenziali vantaggi del CbM, le soluzioni CbM devono funzionare in modo affidabile in ambienti industriali e automobilistici difficili, conducendo al contempo analisi tempestive basate su dati di misurazione accurati. Tuttavia, anche durante il normale funzionamento delle apparecchiature monitorate, queste specifiche condizioni operative possono sottoporre le apparecchiature di misurazione a enormi pressioni ambientali e meccaniche. I motori industriali, i sistemi di trasmissione e le apparecchiature rotanti pesanti possono esporre continuamente i dispositivi di monitoraggio a vibrazioni, urti, temperature estreme e alti livelli di interferenza elettromagnetica (EMI).
Per ottenere una manutenzione predittiva affidabile, i sensori di vibrazione nei dispositivi CbM devono essere in grado di rilevare cambiamenti più fini, che spesso sono i primi indizi di squilibrio dell’albero, disallineamento o usura dei cuscinetti. Per garantire una misurazione delle vibrazioni ad alta precisione in condizioni ambientali difficili, è necessario un sottosistema di acquisizione del segnale del sensore a bassa rumorosità e larghezza di banda elevata, in grado di mantenere prestazioni stabili in ambienti di lavoro difficili.
Essendo il fulcro del metodo CbM, l'analisi delle vibrazioni getta le basi per identificare modelli in grado di distinguere tra funzionamento normale e primi segni di guasto. In passato, i sistemi di sensori di vibrazione trasmettevano i risultati delle misurazioni a un host centrale o a risorse cloud per l’analisi. Tuttavia, le soluzioni CbM avanzate hanno iniziato a spostare sempre più le capacità di analisi verso l’edge. Analizzando i dati all'interno o in prossimità del sistema di sensori, è possibile ottenere risultati nel più breve tempo possibile e ridurre il traffico nelle reti industriali e automobilistiche sensibili al fattore tempo.
Nello specifico, l’inferenza dell’intelligenza artificiale basata su modelli di rete neurale convoluzionale (CNN) può fornire un’interpretazione in tempo reale dei cambiamenti delle vibrazioni. Tuttavia, l’utilizzo della CNN per l’inferenza richiede una notevole quantità di calcoli, rendendo più complesso il raggiungimento degli obiettivi CbM senza superare i limiti di potenza, dimensione o costo del sistema.
Con il crescente utilizzo del CbM nei dispositivi rotanti, remoti o mobili e l’impraticabilità delle connessioni cablate, ridurre al minimo il consumo energetico è diventato più urgente. Per soddisfare i requisiti di connessione wireless in queste situazioni, Low Energy Bluetooth (BLE) può raggiungere la combinazione richiesta di distanza di trasmissione, potenza e affidabilità rispetto ad altre tecnologie di connessione opzionali (Tabella 1).
Tuttavia, come per l’elaborazione dell’intelligenza artificiale all’avanguardia, la sfida che dobbiamo affrontare è trovare una soluzione di connettività BLE che possa funzionare normalmente entro i limiti di potenza dei sistemi di sensori wireless. In effetti, garantire una durata prolungata della batteria rimane una sfida per qualsiasi progettista di sistemi di sensori wireless. Tuttavia, ciò è particolarmente importante nelle applicazioni industriali e automobilistiche, dove i sensori potrebbero essere difficili da raggiungere. Nei sistemi CbM che richiedono l'inferenza CNN, la gestione della batteria e dell'alimentazione sta diventando sempre più importante. La sfida a questo proposito è come coordinare più regolatori di tensione, sequenziatori e sistemi di ricarica per ridurre il consumo energetico garantendo al tempo stesso un funzionamento stabile.
Il kit di valutazione fornisce una soluzione CbM wireless integrata con funzionalità IA edge
Il kit EV-CBM-VOYAGER4-1Z Voyager 4 di Analog Devices fornisce una piattaforma completa di monitoraggio delle vibrazioni alimentata a batteria per la valutazione continua della tecnologia CbM o l'implementazione immediata in applicazioni di manutenzione predittiva, affrontando le varie sfide affrontate durante l'implementazione di CbM wireless con funzionalità IA edge. Questo kit adotta un supporto verticale (Figura 1, in alto), che fissa saldamente la scheda a circuito stampato principale (scheda PC) da un lato e la batteria dall'altro per eliminare l'impatto degli ambienti difficili. La scheda elettronica di potenza ed il sensore sono posizionati nella parte inferiore del supporto, vicino alla sorgente di vibrazione da monitorare. Per facilitare l'implementazione, i componenti di supporto verticale sono posizionati all'interno di una copertura protettiva in alluminio con un diametro di 46 mm e un'altezza di 77 mm (Figura 1, in basso). La parte superiore della copertura protettiva è dotata di una copertura acrilica ABS, che può essere utilizzata per la connessione BLE.