Monitorowanie stanu maszyn według Lenze

fot. pixabay

Podczas niedawnych targów SPS w Niemczech Lenze zademonstrowało dwa różne podejścia do monitorowania stanu maszyny dwuosiowej bez potrzeby stosowania dodatkowych czujników.

Jedno z nich zostało oparte na modelu, który porównywał wartości parametrów pracy maszyny z danymi o nich płynącymi z jej matematycznych opisów. Przekroczenie pewnych tolerancji interpretowane jest jako błąd. Drugie podejście bazuje na odczytywanych danych, wykorzystując algorytm do uczenia się zachowania systemu i wpływu na niego parametrów, takich jak prędkość, przyspieszenie, moment obrotowy, położenie i pobór prądu. Rzeczywiste wartości są porównywane z wyuczonym opisem maszyny, aby móc zdefiniować odchylenia od jej prawidłowego stanu.

W obu przypadkach wszelkie potencjalne problemy, takie jak zwiększone opory ruchu wrzeciona lub zużycie napędu pasowego można wykryć na podstawie zmian zmierzonych wartości prądu i momentu obrotowego poprzez monitorowanie wzrostu ich wartości lub wykrywanie anomalii za pomocą analiz częstotliwościowych.

Oba podejścia różnią się między sobą nie tylko pod względem zasad, ale także sposobem oceny danych. Ta oparta na modelu zwykle będzie przeprowadzana przez system sterowania, ponieważ nie wymaga ona znacznej mocy obliczeniowej. Ocena bazująca na danych wymaga natomiast technologii uczenia maszynowego i sztucznej inteligencji, które zwykle są realizowane w ramach aplikacji w chmurze.

Lenze zdążyło opracować algorytmy dla różnych aplikacji i twierdzi, że może realnie pomóc inżynierom przekształcić ich wiedzę o maszynach w modele monitorowania stanu, które poprawią wydajność obsługiwanego systemu.

(rr)