#智慧工廠 #預測性維護 #機器通訊M2M #微機電MEMS #BluetoothMesh #BigBee #Gazell #NFC
【「預測性維護」之感測＆連網】
每一項「預測性維護」計畫都是從機器在正常運行期間的機器特性檢測開始，例如，檢測結構雜訊和空氣雜訊的聲學或固有頻率，然後將其數位化並傳送到電腦或雲端。儘管本地資料處理多採用邊緣運算，網際網路連接對於韌體更新和遠端監控都是不可或缺的。
原則上，群體智慧 (Swarm Intelligence) 並不是用來學習和改善過程的，且受限於本地運算能力和用戶自己的經驗歷史。另一方面，雲端運算能比較所有在現場運作的系統，並從個別系統的變化到其他系統的變化中得出結論。除了這種群體智慧，雲端運算在計算能力或記憶體容量方面沒有限制，可靈活地更改所使用的對數，例如，從靜態資料分析到機器學習或深度學習。
無論是在本地還是在雲端進行分析，都必須弄清楚可能發生損壞的位置及最佳的檢測位置。但是，感測器也可以安裝在此處嗎？放置在這個地方是否容易操作且空間是否足夠？環境噪音是否過大？是持續不斷發生的還是以不規則的間隔發生的？一旦理想的安裝位置清楚了，感測器的類型通常也就確定了：如果所有因素都支持連接到設備或機器，這就是要檢測結構雜訊。
因此，衝擊和振動感測器或加速度感測器就是要選擇的工具。當放置在設備或機器外部時，則是檢測空氣傳播的噪音。為了此用途，市面上已有具有特定頻率範圍的微機電 (MEMS) 麥克風感測器可供採用，例如意法半導體 (ST) 和英飛凌 (Infineon) 的感測器產品。由於它們通常帶有吸收聲波和降低聲壓的開口，因此要採取特殊的措施，才適合在潮濕或多灰塵的環境中使用。
無線電技術通常較便宜、較靈活，也較耐用。新的 LTE 類別適用於「不使用資料收集器」的感測器，或經由邊緣運算進行強大資料壓縮、僅需要將少量資料傳送到網際網路的資料收集器。它們無需單獨的閘道就可建立從感測器到雲的直接網際網路連接，並將測量數值傳送到雲。最新的 LTE 類別 NB-IoT 和 M1 (LTE M1 或 LTE-M) 非常適合預測性維護等需要在「隔離」情況下傳送少量資料的應用。
一旦從感測器傳送出資料後，最棘手的任務就是資料分析。當滾子軸承的頻率發生變化時，這意味著甚麼？這是否有發生故障的風險，是否只是生產過程改變了，還是機器要在週末停止運作？或者是一個要對這種變化負責的干預因素？哪些偏差仍屬於正常波動？最後：發生損壞的機率有多高，何時必須介入干預？這將導致特定的設定檔，其相應的參數和閾值儲存在軟體中。
延伸閱讀：
《要如何成功實施預測性維護？》
http://compotechasia.com/a/tech_applicati…/…/0708/42272.html
(點擊內文標題即可閱讀全文)
#儒卓力Rutronik #Nordic #nRF52840 #nRF91 #意法半導體ST #英飛凌Infineon
nrf91 在 nrf91-mdm-dfu/setup.py at master - GitHub 的推薦與評價
Contribute to NordicPlayground/nrf91-mdm-dfu development by creating an account on GitHub. ... <看更多>