隔空把“脉”，料“事”如神，智能工厂中的预测性维护技术

 

制造智能化

     

生产力的提升是整个人类社会前进的动力。从蒸汽机的发明，到自动生产线的引入，再到数控机床和计算机集成制造的出现，工业革命已经完成了三次生产力跃升，实现了从手工生产到机械化、电气化、再到数字化的变革。当下随着无线互联、大数据和人工智能的发展，我们迎来了工业4.0时代，制造业正在从自动化向智能化全面转型。

在此背景下，"智能工厂"应运而生，它利用先进的自动化技术、数据分析和机器学习，实现了生产过程的高度优化和灵活性。而"工厂预测性维护"是智能工厂概念的一个关键组成部分。

 

根据IoT Analytics的报告，预测性维护市场规模将从2021年的69亿美元增长到2026年的282亿美元，年复合增长率将达到31%。对于降低维护成本的需求，以及实时流分析技术的不断普及，将促进这一市场持续扩大。

 

图1：预测性维护市场发展

（图源：IoT Analytics）

 

 

从预防性维护到预测性维护

提前化解潜在风险

 

在过程工业领域，确保设备的正常运行是关键因素，它不仅影响工厂的高效率运作，同时也是可靠和安全生产的基石。对于工厂而言，如何在提高产能的同时降低维护成本、提升关键设备的可用性，并减少非计划性的停机时间，已成为一个日益重要的议题。

 

设备维护的两种主流模式是预防性维护和预测性维护，它们的共同目标是消除非计划性的生产停机。

 

1

预防性维护

预防性维护侧重于基于时间的策略，为设备设定一个预计的使用“保质期”，然而这种方法并不能准确反映设备的实际运行状况，例如潜在的故障风险及其发生的时间通常是未知的。“过度维护”往往不能有效地预防“非计划停机”，有时甚至会意外地引发“维修性故障”。

2

预测性维护

相比之下，预测性维护通过实时监测和分析设备的运行状态，能够为用户提供关于设备故障风险的即时评估，提前发出风险预警，并协助判断“保质期”的适用性，找到每一台设备自己专属的维护平衡点，从而避免非计划停机的发生。

 

图2：三种维护策略比较

（图源：Mathworks）

 

预测性维护的概念起源于20世纪70年代，简称PdM（Predictive Maintenance）。当时随着计算机技术和数据分析方法的发展，人们开始探索如何通过数据分析来优化设备的维护和运营。开始时，预测性维护主要应用于航空和军事领域，用于提高关键设备的可靠性和安全性。

随着时间的推移，这一概念逐渐被应用到各种工业领域，特别是在工业4.0和智能制造的背景下，预测性维护结合了先进的物联网（IoT）技术、大数据分析和人工智能（AI），成为现代工业维护的重要组成部分。

 

尽管大多数企业仍依赖历史经验来诊断设备故障，这些经验通常是这些领域的专家多年积累的结果，但它们的共享和传承对许多企业管理者来说是一个挑战。若能利用基于历史故障记录的大数据分析，并结合自然语言处理算法，构建一个企业诊断系统来固化这些经验，并充分利用工厂的故障记录数据，就能实现对故障的快速匹配诊断，并及时进行有效的修复和维护。这不仅能大幅提高故障处理效率，还能显著降低误判风险。对于工厂而言，预测性维护不仅提高了制造业的生产效率和质量，还改变了传统工业生产的方式，使得生产过程更加智能、高效和可持续。

 

Tenaris是一家全球无缝钢管制造商，该公司从2018年底引入了ABB Ability的高低压电机状态监测系统，在电机上部署传感器来监测其日常工作状态，然后通过无线网关将数据传输到专门的云端进行存储和分析。通过对于电机状态数据的实时监测分析，该系统可以提前预测出电机的故障类型和停机时间，从而做到更合理的计划性维修。通过预测性维护系统的引入，Tenaris实现了460台电机的24小时全天候无休运转，每年生产量提高至约800,000吨。

 

 

图3：ZDT系统

（图源：FANUC）

 

发那科（FANUC）是一家数控系统生产商，与思科共同开发了“Zero Down Time”零停机功能，并将这一系统部署到了通用汽车的生产线中。该系统实时收集机器人数据并进行分析，可在机器人发生故障之前检测到机器人机构、控制装置等方面的异常，并提醒用户在停机发生前进行有针对的维护维修，从而避免突然停机带来的损失。通过此预测维护系统，成功地为通用汽车缩短了生产停机时间并有效地提高了设备综合效率（OEE）。

 

其实远不止以上列举的两个领域，预测性维护系统已经在汽车制造业、能源产业、化工业和食品加工等多个工业生产环节中发挥了巨大的作用，在提高了生产率的同时，还进一步实现了更高的安全性。

 

 

在预测性维护系统中

构筑高速可靠的连接

 

要实现一个完整的设备预测性维护系统，可以分为三个层面：感知+执行层、连接和云平台。在设备端，需要通过传感器来采集各种模拟数据，然后转换成数字信号发送至云端，云端的大数据平台进行数据的分析和处理，然后将分析结果分享给运维人员，同时将指令反馈回端侧做出相应的持续监测或提醒。

 

图4：预测性维护原理

（图源：罗兰贝格）

 

显而易见，在工厂预测性维护系统中，充斥着大量的连接场景，连接器在其中扮演着重要的纽带角色。具体体现在以下几个关键部分：

 

传感器连接

连接器用于将传感器物理连接到工厂中的机器和设备上。这些传感器监测如温度、振动、压力等关键参数，用于检测设备可能出现的问题。连接器确保这些传感器可靠地附着在目标设备上，并稳定传输数据。

 

数据采集单元

在数据采集单元，连接器用于将各种传感器和测量设备连接到数据采集系统。这样一来，就可以从多个源收集数据，并将其传输到中央处理单元以进行进一步分析。

 

通信网络

工厂的预测性维护系统依赖于内部通信网络来共享和传输数据。连接器在这里用于连接不同的网络组件，如路由器、交换机和数据处理单元，保证信息流动的稳定性和高效性。

 

控制系统接口

连接器还被用于将预测性维护系统与工厂的控制系统相连接。这种连接可以让预测性维护系统将其发现的情况和推荐的维护措施传递给控制系统，以便操作人员采取必要的行动。

 

电源管理

在电源管理方面，连接器用于确保所有的传感器、数据采集设备和通信设备都能获得必要的电源供应。这包括将这些设备连接到电源线或电池。

 

维护和故障诊断

在预测性维护系统的维护和故障诊断阶段，连接器可以用于快速连接或断开设备，以便进行维修或更换。这种快速连接/断开功能减少了停机时间并提高了维护效率。

 

通过这些不同的应用，连接器在工厂预测性维护系统中起着至关重要的作用，确保了系统组件之间的稳定连接和高效通信，从而使整个预测性维护过程更加可靠和高效。

 

 

工业连接器：助力高效可靠的连接

 

既然是工业场景中的连接器，自然要能够抵抗工业环境中的极端条件，在耐用性、鲁棒性、电气性能和防水防尘等方面，都要符合比常规连接器更高的标准。同时，还要满足某些特殊工业场景中的反复插拔要求、EMI/RFI屏蔽能力、承重能力、更高的机械强度等。此外，连接器还应符合特定行业的安全和质量标准，例如UL、CE、RoHS等认证。这些要求可确保连接器在工业环境中的稳定性和性能，对于维护生产线的高效和可靠运行至关重要。

 

那么什么样的连接器能够满足以上的种种要求，助力工厂预测性维护系统的稳定高效运行呢？在这里我们为大家挑选了两款来自TE Connectivity的产品。一款是“盲插移动充电连接器”，在贸泽电子官网上的产品料号为“2400405-1”。

 

图5：盲插移动充电连接器

（图源：贸泽电子）

 

该连接器具备四大优势：一是超长寿命周期，达到了至少12,000次的设计插配周期；二是更好的连接灵活性，提供2和3电源触点选项；三是提供多达8个信号触点，每条线路高达0.5A；四是提供了盲插便利性，允许一定程度的错位插入。

 

另一款推荐的连接器是TE Connectivity的“AMPMODU 1.0mm中心线互连系统”。

 

图6：AMPMODU 1.0mm中心线互连系统

（图源：贸泽电子）

 

该系列非常适用于工业I/O连接。与标准2.54mm脚距连接器相比，该系列可节省电路板85%的空间；双梁触点设计即使在剧烈冲击/振动环境中也能提供可靠的电气连接；镀金选项提高了耐用性和耐腐蚀性。该系列产品在贸泽官网上的具体产品型号为“1MM-R-D06-VS-00-F-TBP”。

 

 

工业预测性维护

AI在工业端侧落地的开始

 

预测性维护，被视为是AI在工业场景中非常容易落地的应用方向之一。这是因为工业领域通常已经拥有大量的历史运行数据，这些数据可以用于训练预测性维护模型。这降低了实施AI系统所需的数据收集和准备的成本和复杂性；同时预测性维护具备清晰的业务目标，也更易获得明显的投入回报。

 

此外，预测性维护还具备非常好的“伸缩性”。预测性维护可以逐步实施，从几台设备开始，逐渐扩展到整个生产线或工厂。这种渐进的方法有助于企业适应变革，逐步提高维护效率。在AI的能力加持下，智能工厂正在以预测性维护为基础，向着全面数字化运维场景逐步迈进。

 

     

 相关技术资源 

   

TE Connectivity的盲插移动充电连接器，了解详情>>

 

TE Connectivity的AMPMODU 1.0mm中心线互连系统，了解详情>>

 

 

该发布文章为独家原创文章，转载请注明来源。对于未经许可的复制和不符合要求的转载我们将保留依法追究法律责任的权利。