储存到myST

状态监测/预测性维护

概述
文件
工具与软件
解决方案
基于状态的监测(CbM)和预测性维护(PM)是两种维护策略,旨在优化设备效率并减少设备生命周期中的维护时间和维护成本。

Edge Processing

状态监测和预测维护系统在设备中包括多个智能传感器节点,这些节点直接连接到云端或通过中间网关连接。  计算均在智能传感器内部或本地微处理器上执行,无论是在网关还是在云端,这取决于预期的延迟以及原始数据和处理数据通过连接发送的距离。  直接在智能传感器节点或网关中进行数据计算时会进行边缘处理,以节省功耗并确保数据保密,从而使公司可以在节点层面分析关键信息并减少异常检测时间。   将边缘计算和云计算技术相结合有助于开发预测性维护技术并提高其效率和有效性。  的确,处理传感器附近的边缘数据使公司可以在节
查看应用详情

Smart Sensor Nodes

智能传感器节点是现代工厂车间自动化和智能工业应用的关键推动力。  在基于状态监测和预测性维护的环境下,智能传感器节点以传感元件、MCU或MCU SoC的连接以及收发器和电源管理为基础(具体要求取决于应用用例)。
查看应用详情

状态监测 vs 预测性维护

状态监测(CM)是对多个参数(如:设备振动和温度)的监测,以识别潜在的问题,如:偏离或轴承故障。当振动分析显示旋转设备部件的谐波频率发生变化时,状态监测工具便可绘制设备性能下降的映射图等。频率分析以振动计和麦克风数据为基础。 

连续状态监测技术可应用于压缩机、泵、主轴和电动机等多台设备,还可用于识别机器出现的局部排放或真空泄漏等问题。 

预测性维护以状态监测、异常检测和分类算法为基础,并集成了预测模型,该模型可以根据检测到的异常来估计机器的剩余运行时间。该方法可使用各种工具,例如:统计分析和机器学习,来预测设备的状态。

边缘处理的重要性

边缘处理的重要性

从设计智能传感器节点和配置运行在传感器节点和网关中的嵌入式软件,到开发集成在云端或公司企业资源规划(ERP)系统中的软件,预测性维护需要各种技术和能力。可以实施机器学习人工智能算法,以确保及早发现技术异常并最大化设备正常运行时间。 

智能传感器节点是预测分析的关键推动力。这些节点收集并记录经过预处理的安全数据,而这些数据将在可视化工具中显示并在其他处理算法中使用。智能传感器节点还可以通过减少计算延迟来处理数据并检测异常。例如,智能传感器节点可以检测到温度的小幅升高或突然升高,指示可能存在设备问题和未来的可靠性问题。 

网关既可以收集和处理来自多个智能传感器节点的数据,也可以充当连接桥,以便利用以太网、Wi-Fi、蜂窝或LPWAN技术实现云端的安全连接。 

边缘处理在智能传感器节点和网关之间组合并分配处理能力,目的是在正确的时间向企业级系统发送正确的数据,以便执行更高级的分析。边缘处理还可以使用机器学习和人工智能算法来增强智能传感器节点和网关任务配置文件,并拓宽异常检测和分类的范围。

意法半导体状态监测和预测性维护系列产品

在工业4.0中,状态监测和预测性维护是一种增值但又具有挑战性的应用。因此,意法半导体为远程监测部署了先进的集成电路和评估工具、软件、文件和在线仪表盘生态系统,并不断对其进行更新以适应工业需求。 

微控制器和微处理器

基于STM32Arm®Cortex®M4 / M33 / M7的微控制器和具有浮点功能的STM32Arm®Cortex®-A7®微处理器系列可以处理边缘传感器数据。STM32Cube.AI工具链允许用户为深度学习方法实施神经网络和机器学习。 

传感器和惯性测量单元(IMU)

意法半导体还提供高性能、具有成本竞争力的传感器和惯性测量单元(IMU),以及10年的供货保证(长期供货计划),包括加速计和超声波模拟话筒,使振动分析从简单的成功/失败监测转变为高精度、基于频率的数据分析。我们的系列产品还包含多种用于温度、湿度和压力感应的环境传感器,以及先进的MEMS传感器,这些传感器包含优化运行机器学习算法的数字功能,允许IMU和主机处理器之间共享数据处理。 

有线和无线通信解决方案 

一系列有线和无线通信解决方案使我们的产品更加完善:用于工业有线连接的IO-Link兼容设备,以及一系列无线技术,例如低功耗蓝牙(BLE)SoC和网络处理器,以及支持LoRa、Sigfox和无需执照的ISM和SRD频带的LPWAN SOC和收发器。

与我们的合作伙伴一起帮助您应对挑战

预测性维护是行业面临的一个关键挑战,而实现这些技术所需的技能可能不容易找到或获得。因此,我们建立了一个值得信赖的授权合作伙伴生态系统,以便在为客户定制和实施解决方案时提供支持。要了解更多信息,请访问st.com合作伙伴页面和“工具与软件”部分。