《过程传感器的未来:基于AI和预测维护》

  • 来源专题:智能制造
  • 编译者: icad
  • 发布时间:2023-08-28
  •     数据无处不在,但它们是从何而来?第一个现代 传感器 始于1860年,当时Wilhelm von Siemens使用了铜电阻器来测量温度。根据这一想法,在1883年诞生了第一个恒温器,这就是被普遍承认的第一个人造传感器。
    从那时起,我们看到这种设备大量涌现,尤其是在制造过程的测量和控制领域。随着传感器被应用于运输和消费市场,传感器的复杂程度及其定价发生了巨大变化。与此类似,它们在测量和控制过程中的部署性质也发生了变化,过去是在人为的计算或逻辑(如在比例、积分和导数(PID)控制)中对传感器信号进行相当简单的组合。
    在此之后,是支持 仿真 和过程优化的计算机应用程序。过去几年里,在人工智能(AI)和机器学习(ML)的驱动下,出现了具有高度技术能力的创新技术。其结果是在多个维度上对数据流进行更为复杂的合并,以及用时间来学习行为模式,而不是用基于工程第一原理和统计的计算数字模型来估计行为。程序正在由机器编写,而不是人类。
    01 基于AI技术的过程传感器
    物联网(IoT)的出现催生了互联事物的巨大增长。根据美国国家科学基金会(NSF)的数据,物联网有望连接500亿个智能设备和1万亿个传感器。其中,传感器和AI/ML技术最广为人知的应用也许是在机动车辆中,尤其是电动汽车。例如,Tesla model 3 中的自动驾驶系统配置了8个摄像头,12个超声波传感器和前向雷达,以读取车道线并检测附近的汽车。
    过程制造行业一直在开发这种基于AI和ML中的传感器的新用途,以更好地测量资产和过程的状况,包括从机器及其周边设备传感器上收集的数据流中学习它们的明确行为。它可以取代旧的技术,从而实现更简单、更快的部署,以及更高的准确性和结果,而不需要高强度的工程技能。最好的应用可以抽象数据科学,使工厂的普通工人在不需要大量学习的情况下就能实施复杂的策略。
    从单点测量和简单的逻辑表达式,转变为每隔几分钟收集一次自动组合的数据流。使用AI/ML以多维/时序的方式来处理数据,可以开发出更多维度的行为模式,要远远高于人类所能感知到的。该技术非常清楚地看到了这些模式,以识别明确的行为,知道什么是正常的,什么是异常的,以及设备和过程退化的实际模式是什么:如果不加以管理,将会导致糟糕的结果,并可能导致资产故障。
    02  制造业 数据的关键性
    现实情况是,这些部署都是数据驱动的解决方案。没有数据就意味着没有解决方案。这让用户想知道需要多少数据以及需要哪些数据?
    以一个矿山的大型泥浆泵为例,该泵配备了4个传感器来测量:输入压力、输出压力、流体温度和电机电流。在这种情况下,通过预测性维护解决方案可以提前两周获悉电机将出现故障。
    另一个例子,炼油厂的一个大型充油泵有50个传感器,包括上游和下游的过程测量,还有位于机器上的、包括诸多振动传感器在内的机械传感器。在这种情况下,预测性维护解决方案提供了降级的即时通知,以及16周内即将发生故障的通知。
    因此,基于ML的传感器分析可以在只配置少数传感器的情况下有效工作,如果使用更多和更高质量的传感器,其准确性会有效得多,预警也会更早。由于最关键的资产通常已经配置了很多传感器,因此很少需要添加新的传感器。
    从检测到的传感器数据也可以预测即将发生故障的模式。它与故障的根本原因和精确的故障模式有一一对应的关系,需要选择合适的传感器组,才能开发这些精确的模式。
    在这种情况下,良好的传感器选择指南可以给出检测特定故障(如泵或压缩机上的轴承故障)所需的精确集合。持续监测所选的传感器可以通知是否出现明显的退化模式,并发出高级警告。
    03 过程传感器的未来
    多年来,过程传感器类型和可用性不断变化。它从简单的温度、流量、压力和液位传感器开始。现在,有复杂的产品质量分析仪传感器,如粘度、含水量、固体、颜色和重量,甚至在线质谱仪,可以提供完整的产品细分。所有这些,在过程和设备监控的预测分析中都很有用。
    此外,新兴的传感器测量领域也可以提供额外的帮助。想想有经验的运行人员,他们通过监听设备发出的声音,就可以对设备行为有深刻的理解。在人类听觉范围内、外的新型声学传感器也能有所帮助。麦克风安装起来很便宜,而且不需要安装在机器上。使用视频和高性能图形计算,来解释气体含量甚至气味的高光谱成像应用也有所发展。
    这种设备可以取代旧的分析仪,例如在熔炉和烟囱中,以查看和测量温度和废气成分。另一种是解释光纤电缆上的振动,比如承载电话的电缆,以检测温度、接近度和入侵者。电缆安装是非侵入性的(只需要靠近),是检测泄漏和盗窃的一个非常有价值的应用,在周界围栏上,可以检测到任何靠近的事物。
    这些只是预测分析依赖复杂传感器进行过程和设备监控的几个例子。未来,这些传感器的新用途将充满潜力和令人兴奋。
    关键概念:
    ■ 过程传感器正在不断发展,为过程和设备监控提供预测性分析。
    ■ 人工智能和机器学习帮助用户从过程传感器收集更复杂的数据,以获得更深入的见解。
    思考一下:
    您工厂都采用了哪些先进的过程传感器?
    ▲本文来自于控制工程中文版杂志(CONTROL ENGINEERING China)2023年6月刊《技术文章》栏目:基于 AI 的过程传感器和预测性分析 .
  • 原文来源:https://articles.e-works.net.cn/sensor/article152534.htm
相关报告
  • 《Leuze推出了用于清洁和预测性维护的智能传感器》

    • 来源专题:工程机械与高端装备
    • 编译者:Hazel
    • 发布时间:2025-04-27
    • Leuze的传感器部门推出了两个采用不锈钢外壳的全新传感器系列:卫生型33C系列、坚固耐用的可冲洗型35C系列。新系列适用于对卫生要求较高的生产和包装流程。 卫生敏感的生产和包装过程对传感器技术的要求很高。设备必须坚固、可靠,并经批准可直接接触食品。有了Leuze的两个新传感器系列,制造商可以放心使用,由于其光滑的外壳没有安装孔,33C系列特别适用于食品、饮料或制药领域的应用。 35C系列设计坚固耐用,是高机械负载和密集清洁过程的理想选择。35C系列传感器用途广泛,可用于食品工业以及汽车工业或机床。 包装流程解决方案 这两个系列均包括漫反射、对射和反射式光电传感器。33C和35C系列还包括用于包装工艺的特殊解决方案。包括用于玻璃和PET检测的反射式光电传感器、用于检测小物体的背景抑制传感器、动态参考传感器以及用于穿透塑料薄膜的强大对射式光电传感器。新款33C和35C系列的小巧外壳尺寸与53C和55C系列的不锈钢微型传感器相得益彰。 安装在敞开的食品上方的传感器的要求非常高。只有经过授权的组件可能会与食品接触。35C系列的DRT35C动态参考漫反射传感器采用不锈钢外壳,是此类传感器的理想选择。传感器系统无需额外封闭。 使用Power PinPoint LED快速启动并运行 Leuze的全新33C和35C系列首次提供配备Power PinPoint LED的传感器。这种光技术意味着传感器可以快速轻松地对准和设置。这得益于明亮、圆形和均匀的光斑。光斑的大小、形状和均匀性在整个工作范围内保持不变。激光或红外设备也可用作Power PinPoint LED的替代品。 完全密封 在恶劣环境下,通常需要使用复杂、特制且昂贵的不锈钢保护罩来保护塑料外壳的传感器。只有这样,才能承受高压清洗。33C和35C系列的不锈钢传感器无需这样做,因此降低了系统的复杂性,缩短了安装时间,从而降低了成本。这些设备专为在潮湿区域和密集清洗过程中可靠运行而设计,具有IP67、IP68和IP69K等防护等级,以及ECOLAB、CleanProof+和Diversey认证。 33C系列的PRK33C.PPTT3反射式光电传感器适用于检测无菌灌装线中的透明瓶。由于其外壳特别光滑且没有固定孔,卫生设计可避免任何残留物堆积。该传感器还使用安装插口进行气密连接。 智能通信 新系列的另一个优势是:两个系列都配备了IO-Link接口。这样可以快速轻松地配置设备以及可用于规划预测性维护的诊断数据。
  • 《5G+大数据在工业设备预防性维护中的应用》

    • 来源专题:智能制造
    • 编译者:icad
    • 发布时间:2023-09-04
    • 1 引言 在冶金、烟草、化工、加工制造等工业领域,设备是企业的重要战略资产。当前大多数企业的设备管理工作中重要挑战,是如何通过一系列管理制度或技术层面的一些手段能够保障那些核心关键设备的安全稳定运行。一般而言工业设备往往具有较为复杂的结构,出现问题后的维修工作也存在一定难度,只有设备的安全稳定运行才能保障生产的持续,质量的可靠,提升企业产品竞争力。所以企业就需要进步增强对设备状况的及时把握,希望在一定程度上实现工业设备预防性维护。为此,实现对设备状态的实时监测追踪、异常预警,预防处置,保障产品质量产量正常,最终确保?产决策具备合理性和精准性是众多企业的共同需求。 以  5G 、物联网、大数据、AI智能等为代表的当今前沿新技术这些年的快速发展,在一定程度上使企业实现以上共同诉求成为了可能。特别是  5G  的 eMBB 增强型移动带宽这一特征,使得上下行的速率呈倍速提升;mMTC大规模机器通信特征保障了海量机器互相链接后的稳定性;URLLC 高可靠低延时通信也体现出了  5G 在实际运用中的超低延时和高可靠性。只有及时掌握多样化数据,才能做好工业设备管理,在管理中需要连接种类繁多的设备, 5G  技术可以用于满足感知工业设备状态的需求。 企业在设备管理中需要采集其状态数据,而这项工作完全可以借助物联网技术来完成。利用这项技术构建基础网络,将人、机器、信息系统等囊括其中,全面感知工业数据,并完成实时分析等工作,为制定科学决策提供条件,继而实现智能控制。如果说物联网技术实现了设备状态数据的采集,大数据技术则实现了对数据的加工与利用,将海量的来自设备的实时数据通过清洗、加工、分析,得出一系列用户期望了解的结论,例如设备状态是否正常、设备的健康度如何等等。 综上所述,以  5G  通信作为信息载体,物联网技术实现设备状态数据采集,利用大数据技术实现状态数据以及其它相关全域数据的分析,三者相辅相成可满足大多数工业企业对设备状态感知以及预防性维护的主要需求。我们建设一个面向设备状态感知与预防性维护的 工业互联网 应用平台。 2 企业设备 工业互联网 应用总体方案 为了全面实现企业工业设备预防性维护,需要建设一个面向设备状态感知与预防性维护的企业设备 工业互联网 应用平台作为统一的管理平台。该平台融合应用  5G  通信、物联网自控、大数据分析、信息化应用软件等新兴技术。通过引入设备传感数据采集等物联网新技术加强企业生产现场对设备健康状态的智慧感知能力,结合大数据分析技术实现预防性维护,提升现场发现现场处置能力。建数据采集互联体系,高效、精准、实时地采集数据,构建工业设备大数据管理环境,实现对数据的访问、存储、分析和管理,运用技术软件综合运用工业设备的知识、经验和技术。 企业设备 工业互联网 应用平台包括三个主要建设内容。物联网管理子平台,实现所有设备感知连接、设备管理、规则配置;大数据处理子平台,实现所有接入数据的存储、清洗、加工、分析全流程;在线监测维护子平台:可视化的方式展示设备状态信息,实现预防性维护。该平台整体架构如下图所示。 图 1 企业设备 工业互联网 应用平台 3 物联网管理子平台—— 5G +物联网实现感知连接 3.1 网络技术及架构 将  5G 技术应用于工业设备管理之中,能够完美代替传统的固线方式,让之前与生产设备相连接的复杂通信电缆得以移除,使工业生产具备更强的灵活性。由于  5G  网络覆盖面极广、信号强的特点,企业的各种设备运行状态监测系统及其硬件可以安装部署在各部门的各种角落,所有需要进行状态监测的设备上也可以安装上各种传感器,从而完成对各类数据信息的实时采集,包括一些旋转或滑动的频率较高、速度较快的设备,或是涉及温度、风速、振动等复杂因素的设备,都将不会再出现数据传输中断之类的情况。同时, 5G  运用后不需要考虑网络传输速度的限制,可以任由用户与系统之间、用户与用户之间进行大规模的数据传输与共享在厂区、车间等现场,为把检测终端设备接入  5G 网络,还需要部署  5G 网关等设备,完成生产环境、人员动作、设备运行等监测数据的采集,从而提高用户在设备管理过程中对各项实时数据的感知能力。 物联网由感知端的各类数据采集装置, 5G  网关、交换机、服务器等硬件设施组建成企业内部 工业互联网 ,是各类信息流动的高速公路,实践中可以根据特定场景需要采取局域网、VPN 专网以及应用专线等形式。物联网管理平台是管理所有接入网络的各型设备,实现传统设备静态管理向动态数据管理的重要转型。 图 2 物联网网络架构 3.2 平台技术及架构 每个物联网平台都会有自己特定的目标,所以侧重点各不相同,主要运用的功能包括设备的介入、管理、规则引擎等。利用物联网管理平台集成各感知层子系统,将各子系统的信息与功能汇集到一个管理平台进行集中统一监控管理,简化管理环节、减少漏洞,提供工作效率。管理人员可以通过移动客户端、监控中心客户端等监控设备,并进行管理工作。平台可以直接接入终端设备,也可以接入工业网关。与此同时,多网络接入、多协议接入也是支持的,这样即便遇到一些碎片化难题,也可以轻松解决,提高接入设备的效率。 图 3 物联网管理平台技术架构 3.3 设备模式及管理 平台对设备管理支持以下功能,对于不同的终端系统SDK不同会有区别: (1)设备建模:平台支持设备建模功能,用户可以根据业务的需要定制设备模型;针对不同行业、不同类型的终端进行建模和标准化。 (2)设备注册:支持设备和网关在平台上进行注册,支持单个和批量操作。支持应用系统调用设备注册接口; (3)设备群组管理:支持设备群组的增、删、改、查,支持对设备群组的批量操作; (4)设备信息维护:平台支持对设备信息的维护;设备参数配置:设置单个或多个终端设备参数都是可以得到平台支持的。 (5)连接管理:针对被管理的设备连接进行管理。根据设备连接属性(如长连接设备、无连接设备)定义连接的状态:在线、异常、离线。 (6)终端升级:平台能够对终端设备固件版本进行管理,支持批量升级功能。 3.4 规则引擎 规则引擎为实现平台内流程和数据的贯通。数据搜集主要从感知层完成,继而进行数据筛选、变型等,还需要对上层业务和数据逻辑进行解耦。一般来说,需要发挥物联网平台的三个子功能: (1)物解析:硬件设备的存储、空间和数据传输都是有限的,只能使用底层语言和平台进行交互。所以平台需要翻译脚本,以达到互相识别语义的目的。利用脚本可以相互转化平台语言和底层语言,而这一翻译过程就被称之为物解析。 (2)数据转发:对感知层数据进行筛选之后传输到其他设备,将其存储起来。为了减少处理应用层数据的工作量,可以依靠大数据技术,提高数据处理效率。通常情况下需要使用 SQL语言筛选数据,并完成转发事项,为了达成最终目的,还需要转发订阅 Topic。使用 Topic 的优势十分明显,在它的作用下,在物模型的选择上会有更大的灵活性,选择设备的范围也会更大。 (3)场景联动:这个功能的意思是不同设备相互影响。比如在办公区内,如果有人移动,就会被红外设备感应到,于是所有灯被开启。在这一场景中,红外传感器和灯实现了联动。规则引擎的作用在于制定规则以及划分影响范围,而这一作用需要借助 SQL 语言和转发订阅 Topic 等多种方法来发挥。 4 大数据处理子平台——数据底座实现精准分析 大数据处理架构中的计算框架十分重要,它的作用在于承上启下。一方面可以操作 HDFS 中的数据,另一方面可以被封装,提供 Hive、Pig 这样的上层组件的调用。采取业界成熟的Hadoop 大数据处理框架作为设备状态大数据分析技术框架。 在大数据技术底座框架的支撑下,数据作为平台运作的血液,如何集成全域数据是关键,首先第一个问题需要解决全域数据的类型、数量和来源。全域数据包括多种类型的数据,比如设备状态数据、经营数据等。全域数据接入可以通过数据服务总线解决数据接入与集成的困难。通过 工业互联网 应用平台构建对象化数据模型,从而实现全域数据的集成化应用。如图 4 所示: 图 4 对象化数据模型 大数据平台内嵌强大的算法引擎,通过大数据挖掘分析技术,实现对设备运行数据进行分析,帮助设备管理人员高效地预知可能发生的故障。 工业大数据 分析算法是针对特定场景应用所要提供的处理逻辑,可根据需要进行选择,具体包括时间序列回归算法、逻辑回归算法、向量机算法、决策树算法、卷积神经网络 CNN 算法、随机森林算法、检验单识别算法等等。如图 5 所示: 图 5  工业大数据 分析平台 5 在线监测维护子平台——实时干预实现预防维护 5.1 设备在线监测理平台架构 设备在线监测与预防性维护平台是一套终端应用软件系统,该平台是以物联网+大数据平台作为底层支撑的应用软件平台。该平台旨在以可视化的方式将整个物联网内的设备状态数据,预警信息、分析图表、事件处置等以表单、图表等形式与用户进行交互,基于数据实现预测性维护功能。通过配置关健设备的功能点位,设置报警阀值,结合实时采集数据进行预警分析,关联式创建工单实现预警处置的PDCA 闭环管理。其应用架构如图 6 所示: 图 6 设备在线监测管理平台应用架构 逻辑功能主要有: (1)测点管理:实现对设备功能点位的测点进行配置管理,包括测量类型如振动量、抄表量、温度量、观察量的设置,以及测点测量内容、报警值的设置。 (2)实时监测:实时监测模块提供以列表方式,以设备为单位,实时显示最新数据采集结果数据;以数据列形式显示,用户可通过通道颜色,确认某测点是报警还是危险;提供实时报警、历史报警、历史数据功能。 (3)实时报警:依据设定的阀值进行实时报警。设备出现故障时需在报警列表中快速定位哪台设备哪个测点哪个监测指标报警,并且可以快速切换至报警时的分析页面。 (4)设备劣化预警:系统支持对设备的声音、振动、温度、电流、电压等多源数据通过 AI 算法进行融合分析,生成多维度 AI 劣化预警模型,提供基于残差分析的设备参数劣化预警功能,判断设备的劣化趋势。 (5)设备智能诊断:支持设备实行实施智能诊断,一旦出现异常,马上触发预警,系统结合故障模型和设备运行工况,智能推送、展示故障现象、故障原因等信息,为设备运维人员提供初步指导。 (6)维修工单:发现确认故障时,设备管理人员发起维修工单进行及时处理,形成预警、确认、处置闭环管理。 5.2 设备在线状态预警实现逻辑 设备在线监测与预防性维护平台中,主要的预警系统逻辑如下,共分为采集数据、存储数据、分析数据和利用数据四大步骤,并循环迭代。接入企业设备相关的多源数据进行数据对象建模,采集、清洗、加工、分析与异常告警。在这个过程中,构建设备故障知识库并结合大数据分析结果进行比对,提供异常诊断报告与处置建议是最重要的环节,需要考虑特定的设备,特定的状态,甚至使用年限、备件消耗、维修成本等综合因素,其结果是企业设备实现预防性维护的最根本且重要的技术支撑。实现逻辑如图 7 所示: 图 7 设备状态预警系统逻辑 6 结语 总的来说, 5G  技术作为物联网应用的基础通信技术,一般都需要结合具体的应用场景。本方案综合运用了  5G 、大数据分析、人工智能等新技术实现了企业设备的全面实时感知、实现了故障预警、智能诊断、设备预防性维护、设备健康度分析等。可以预计,未来这些新技术还能结合 增强现实 / 虚拟现实 技术完成智能巡检、远程指导、AR维修教学培训、AR辅助装配等场景的一系列创新性应用。未来,肯定会有更多的技术、产业和生态因为  5G  而应运而生,工业物联网的跃迁升级也将势不可挡。 .