北京卓美仪表有限公司

超声波液位计|超声波流量计-卓美仪表_专业仪器仪表制造服务商

卓行高远 制美优品

自动化仪器仪表领域专业制造和服务商

全国服务热线13261881629

当前位置:主页»新闻动态»行业动态»

自动异常检测如何使产量最大化

文章出处:未知 人气:发表时间:2020-10-14 13:07

工业人工智能/机器学习(AI / ML)软件和远程传感器可预测整个企业的维护需求,从而提高生产率和利润。

杉崎孝之 (2020年10月13日)
礼貌:横河

 

 
 

学习目标

  • 具有AI功能的分析和异常报告软件可以帮助您在问题引起停机之前进行检测。
  • 发现异常现象可以帮助工厂人员将维护工作集中在最需要注意的问题上,并使他们的资产寿命更长。
 

对于产品制造商来说,要想实现盈利,就需要安全地维持有效的运营,最大程度地减少开支,并从工厂设备中获得尽可能多的产量。当新建工厂时,效率和可靠性并不是最重要的问题,但是随着设备的老化,无法预料的故障以及随之而来的无功维修通常会成为问题。

工厂人员可以通过访问设备数据来确定需要维护的有问题的设备,从而解决此问题。问题是手动分析数据以生成见解需要大量的时间,专业知识和操作知识。支持自定义人工智能/机器学习(AI / ML)的软件消除了大多数手动数据分析的麻烦。问题是这类软件的实施和维护成本可能很高。

诸如数据记录软件之类的现成AI / ML软件提供了自动异常检测和警报功能,使人员能够在故障发生之前识别设备问题。该软件通常作为第二个目的,用作多个设备数据的集中存储库,包括通过工业物联网(IIoT)远程无线传感器系统捕获的数据。这些类型的现成AI / ML软件解决方案可提高运营效率,防止设备出现问题,并允许工厂在设备出现故障之前计划维护。

图1:一个AI包,包括一个传感器,用于收集和分析数据的软件以及一个用于可视化数据的记录器。 礼貌:横河

图1:一个AI包,包括一个传感器,用于收集和分析数据的软件以及一个用于可视化数据的记录器。礼貌:横河

支持AI的产品的三个开发目标

现成的AI / ML软件解决方案优先实现以下三个目标:

  1. 保持设备的健康状态:记录所有设备的输出,包括与基线的偏差。
  2. 通过异常信号检测来预期设备维护:当设备变量开始偏离正常值时,软件会标记此行为并警告人员在故障之前采取维护措施。
  3. 使AI变得可访问:最终用户不必是AI专家或聘请昂贵的顾问来配置软件,因为它可以被许多技能水平的人员使用。

在工业自动化领域,一个完整的AI软件包包括用于收集数据的传感器和控制器,基于PC的软件以使用AI / ML来组织和自动分析数据,以及用于记录数据的记录器(图1)。

AI / ML软件根据过去的表现将人员定向到正常的操作水平,并在检测到异常时通知他们。

异常检测和预测性维护

警告,警报和警报本身并不是什么新鲜事物,因为控制系统通常具有用户可调节的高,低,偏差和超出范围的设定点。当设备数据超过适用的设定值时,将通知用户。

自动化异常检测提供了超越这些自动化功能的重大改进。.首次部署支持AI的软件时,它会经历学习阶段,在此阶段中,它将监视设备状况以为已知的正常操作建立基准。学习阶段专用的时间因应用程序而异,并且可以由用户定义。

一旦学习阶段完成并建立了正常的操作基准,AI / ML软件就会开始自动监视设备,生成报告以供人员检查,并在操作偏离其基准时生成异常警报。这些警报为用户提供了潜在设备问题的预警。

图2:一个异常检测示例,其中AI / ML软件的运行状况评分表明设备出现故障之前出现异常迹象。 礼貌:横河

图2:一个异常检测示例,其中AI / ML软件的运行状况评分表明设备出现故障之前出现异常迹象。礼貌:横河

AI / ML软件应提供易于配置和用户友好的参数更改,从而简化这些和其他类型的调整。当前设备数据与正常基线匹配的程度可以作为健康评分给出,如果出现负面情况,则可以提前通知异常(图2)。

除了在设备故障发生之前识别异常外,支持AI的软件还是创建预测性维护预测的理想选择。当设备数据偏离基线时,AI / ML软件显示的健康评分下降。维护操作员可以使用此指示来确定潜在故障之前计划进行设备维护的时间表。这些自动化的可视化见解可节省数据分析和维护计划之外的时间。

支持AI的软件功能

许多软件套件可以将来自网络上多个设备和测量点的数据整理到一个位置,从而使用户可以使用图形和图表将数据可视化。但是,仅数据可视化并不能告知正在查看的数据是否正常。为了解决此问题,AI / ML软件采用了自动覆盖趋势并在图形用户界面上突出显示异常的算法。

对于某些类型的设备数据(例如温度或压力),如果不总是理想的话,通常有可能使用经典的上限或下限设定点警告方法来检测异常。但是,对于诸如电动机速度或机器振动之类的数据,如果不进行手动和细致的历史数据分析,就很难理解设备数据是否正常。这种手动分析非常耗时,并且需要具有丰富专业知识的熟练数据分析师,但是这些专家供不应求。支持AI的软件将这个繁琐的手动过程转变为即时的自动洞察力,所有员工都可以理解(图3)。

图3:AI / ML软件用橙色轮廓突出显示了右上角的异常屏幕。 礼貌:横河

图3:AI / ML软件用橙色轮廓突出显示了右上角的异常屏幕。礼貌:横河

AI / ML软件使用聚类算法来检测异常。这意味着异常检测不仅限于遵循线性,二次函数或其他基本函数的数据。启用高级AI的软件在确定正常基准时会在多个设备数据点之间创建关联,并在操作期间检测到这些关系是否异常。

自动异常检测使人员摆脱了手动分析,并且经常检测使用可视化工具(例如图表和图形)检查的数据遗漏的问题。这种增加的功能通常会增加正常运行时间并降低维护成本。

图4:横河电机的远程Sushi Sensor系统可以将设备数据长距离无线传输到LoRaWAN网关。 礼貌:横河

图4:横河电机的远程Sushi Sensor系统可以将设备数据长距离无线传输到LoRaWAN网关。礼貌:横河

远程传感器提高了数据收集能力

在IIoT时代,将数据收集限制在固定且可访问的流程和区域是不切实际的。移动机器和车辆,农村前哨基地设施以及冗长的管道等应用程序会生成值得收集和分析的数据,但也给非固定,远程和低功耗数据传输带来了障碍。低功耗广域网(LPWAN)系统解决了这些问题和其他问题,并且已在许多企业中用于在困难的应用程序中捕获数据。

LPWAN传感器的一些值得注意的特征是:

  • 它们消耗的功率最小,因此电池可以使用几年
  • 它们提供远程无线数据传输,能够传输数英里的数据
  • 高效的通信协议,与3G,4G和5G相比,降低了数据使用要求。

每个传感器都测量振动,温度或压力,从而为几乎位于任何地方的设备提供监视功能(图4)。远程广域网(LoRaWAN,LPWAN的子类别)使连接的企业无需对有线线路或IEEE 802.11 Wi-Fi进行必要配置。

传感器传输的数据可以提供给主机系统,包括支持AI的软件。通过将无线传感器与AI异常检测软件结合使用,无论设备位于何处,工厂人员都可以清楚地了解设备的运行状况和维护需求(图5)。

图5:该系统使用LoRaWAN通信协议将数据从几乎任何位置的设备无线传输到中央源。 礼貌:横河

图5:该系统使用LoRaWAN通信协议将数据从几乎任何位置的设备无线传输到中央源。礼貌:横河

检测异常

检测异常并不能保证会发生故障,但是工厂人员几乎总是感兴趣。如果很容易发现异常或可以按需产生异常,则无需进行AI异常检测。但是,通常很难产生和获取异常数据以创建用于识别的手动参考点。AI解决了这一挑战。

在学习阶段记录设备状况之后,支持AI的软件可以检测到最轻微的异常,即使该软件过去从未暴露过异常数据也是如此。维护人员可以从检测到的异常中识别出需要维护或检查的设备。

尽管异常检测已经是工厂人员的有用工具,但AI / ML软件功能的开发仍在继续。目标不仅仅是开发异常,其目标是开发AI驱动的控制,以防止它们首先发生。

AI替代设备替代

随着工厂的老化,设备的效率和可靠性降低。在某些时候,维护和修理可能会变得过于昂贵和费时,并且可能需要更换设备。在某些情况下,这可能是最好的做法,但是AI / ML软件可以将维护成本降低到可承受的水平。

使用具有AI功能的软件进行分析和异常警报,再加上可靠,适应性强的有线和无线传感器,可以延长设备寿命,减少维护成本并增加正常运行时间。现成的AI / ML软件是一种经济高效的解决方案,可快速洞察工厂效率低下和故障的根源。通过预测问题并允许在计划中的维护工作进行彻底的设备故障以及昂贵的维修或更换之前,此功能可以延长资产的使用寿命。


推荐产品

同类文章排行

最新资讯文章