Fabryka zintegrowanych bezprzewodowych czujników IIoT do monitorowania stanu
Dom / Produkt / Bezprzewodowy czujnik monitorowania temperatury / Bezprzewodowy zintegrowany czujnik temperatury i wibracji
O nas
ASY Electronics (JiaXing) Co.,Ltd.
ASY Electronics (JiaXing) Co.,Ltd.

ASY Electronics to Chiny Niestandardowe Fabryka zintegrowanych bezprzewodowych czujników IIoT do monitorowania stanu i Producenci bezprzewodowych zintegrowanych czujników temperatury i drgań, przedsiębiorstwo high-tech specjalizujące się w przemysłowym Internecie rzeczy (IoT), dążące do budowy opartej na danych, wysoce zintegrowanej i przyszłościowej inteligentnej fabryki. Naszymi kluczowymi kompetencjami są „wykrywanie danych” i „inteligentna łączność”, a dzięki samodzielnie opracowanemu sprzętowi warstwy brzegowej i rozwiązaniom integracji danych zapewniamy przedsiębiorstwom produkcyjnym kompleksowe rozwiązania — od monitorowania stanu urządzeń i precyzyjnego zarządzania energią po optymalizację procesów produkcyjnych. Umożliwiamy przedsiębiorstwom transformację cyfrową i inteligentną. Oferujemy Czujnik konserwacji predykcyjnej na sprzedaż.

Certyfikat uznania
  • Honor
  • Honor
  • Honor
  • Honor
  • Honor
  • Honor
Wiadomości
Bezprzewodowy zintegrowany czujnik temperatury i wibracji Wiedza branżowa

Dlaczego należy monitorować jednocześnie temperaturę i wibracje

W maszynach wirujących — silnikach, pompach, skrzyniach biegów, sprężarkach — temperatura i wibracje są ściśle powiązanymi wskaźnikami usterek. Łożysko we wczesnych stadiach zużycia zazwyczaj wytwarza sygnaturę podwyższonych wibracji na długo przed zarejestrowaniem jakiejkolwiek anomalii termicznej. I odwrotnie, niewystarczające smarowanie lub przeciążenie często objawia się najpierw jako miejscowy wzrost temperatury, zanim oscylacje mechaniczne osiągną wykrywalny poziom. Monitorowanie tylko jednego wymiaru oznacza akceptację znacznego martwego punktu w zasięgu wykrywania usterek.

Zastosowanie oddzielnych czujników do każdego pomiaru pogłębia ten problem: koszty instalacji i okablowania rosną, rozmieszczenie czujników różni się w zależności od jednostki, a znaczniki czasu rzadko są ustawione wystarczająco dokładnie, aby zapewnić wiarygodną analizę korelacji. A Bezprzewodowy zintegrowany czujnik temperatury i wibracji eliminuje te problemy poprzez umieszczenie obu kanałów pomiarowych w jednym węźle, gwarantując zsynchronizowane w czasie gromadzenie danych ze wspólnego punktu mocowania i czyniąc korelację międzyparametrową możliwością praktyczną, a nie teoretyczną.

Z diagnostycznego punktu widzenia połączenie to umożliwia rozpoznawanie wzorców, których nie jest w stanie zapewnić żaden kanał samodzielnie. Jednoczesny wzrost amplitudy drgań i temperatury obudowy jest silnym wskaźnikiem zbliżającej się awarii łożyska. Wzrost wibracji przy stabilnej temperaturze może wskazywać na niewyważenie lub niewspółosiowość. Wzrost temperatury przy płaskich wibracjach często sugeruje problem z elektryką lub smarowaniem. Połączenie dwóch sygnałów na poziomie czujnika sprawia, że ​​zautomatyzowana, oparta na regułach klasyfikacja usterek jest możliwa do zastosowania na hali produkcyjnej.

Inteligentne algorytmy analizy: wyjście poza rejestrowanie surowych danych

Surowe strumienie wibracji i temperatury charakteryzują się dużą głośnością i hałaśliwością. Przesyłanie każdej próbki łączem bezprzewodowym wymaga dużej przepustowości i często jest niepotrzebne. Bardziej wartościowa architektura umieszcza inteligencję przetwarzania sygnału na krawędzi — wewnątrz samego węzła czujnika — więc w górę strumienia przesyłane są tylko obliczone cechy i zdarzenia anomalii. Takie podejście przyjmuje współczesność Zintegrowany bezprzewodowy czujnik IIoT do monitorowania stanu urządzenia, które osadzają algorytmy specyficzne dla domeny bezpośrednio w oprogramowaniu sprzętowym.

Typowe obliczenia w węźle obejmują:

  • Statystyka w dziedzinie czasu — prędkość skuteczna, przyspieszenie szczytowe i współczynnik szczytu, które są wrażliwe na zdarzenia impulsowe, takie jak odpryski łożysk i uszkodzenia zębów przekładni.
  • Rozkład na dziedzinę częstotliwości — Analiza widmowa oparta na FFT w celu identyfikacji charakterystycznych częstotliwości defektów związanych z uszkodzeniami bieżni wewnętrznej, zewnętrznej i elementów tocznych.
  • Analiza kopert — demodulacja pasm rezonansowych o wysokiej częstotliwości w celu wykrycia sygnatur uszkodzeń o niskiej energii, które w przeciwnym razie byłyby maskowane przez szum mechaniczny tła.
  • Modelowanie trendów termicznych — wykrywanie szybkości wzrostu i ostrzeganie o odchyleniach od linii podstawowej w celu odróżnienia nagrzewania operacyjnego od skoków termicznych związanych z awarią.

ASY Electronics integruje te warstwy analityczne bezpośrednio ze sprzętem czujników, umożliwiając klasyfikację usterek i ocenę ważności, zanim dane opuszczą sprzęt. Rezultatem jest radykalne zmniejszenie ruchu sieciowego i narzutu na przetwarzanie w chmurze, przy jednoczesnej poprawie czasu reakcji generowania alertów — to kluczowa zaleta w środowiskach, w których opóźnienia w wykrywaniu usterek przekładają się bezpośrednio na straty w produkcji lub ryzyko bezpieczeństwa.

Rozważania dotyczące architektury bezprzewodowej w zastosowaniach przemysłowych

Wybór protokołu bezprzewodowego dla sieci monitorowania stanu nie jest decyzją czysto techniczną — wiąże się z kompromisami między zasięgiem, przepustowością danych, zużyciem energii, współistnieniem z istniejącą infrastrukturą zakładu i długoterminową możliwością konserwacji. Każda z typowych opcji wdrożeń przemysłowych IIoT ma różne profile:

Protokół Typowy zasięg Żywotność baterii Najlepsze dopasowanie
Bluetooth 5.x/BLE Do 100 m (LOS) Miesiące – lata Gęste obszary maszynowe, siatka oparta na bramkach
LoRa/LoRaWAN 1–15 km Lata Duże obiekty, próbkowanie o niskiej częstotliwości
ISA100.11a / WirelessHART 50–100 m na przeskok Lata (mesh) Przemysł przetwórczy z istniejącą infrastrukturą HART
Zastrzeżone sub-GHz 200 m–2 km Lata Środowiska RF o wysokim poziomie szumów, sieci dedykowane
Porównanie popularnych protokołów bezprzewodowych stosowanych w przemysłowych sieciach czujników monitorujących stan.

Oprócz wyboru protokołu często niedoceniane są rozmieszczenie anten i planowanie gęstości bramek. Metalowe obudowy, ramy silników i gęste rurociągi powodują znaczne zacienienie RF. Ustrukturyzowane badanie lokalizacji — pomiar RSSI w strefie docelowej przed ostatecznym ustaleniem pozycji bramek — jest warunkiem wstępnym niezawodnego działania sieci w większości środowisk produkcyjnych. Adaptacyjna moc transmisji i przeskakiwanie częstotliwości to dodatkowe funkcje, które warto potraktować priorytetowo w przypadku ustawień o wysokich zakłóceniach.

Operacjonalizacja konserwacji predykcyjnej: od danych z czujników do decyzji dotyczących konserwacji

Wdrażanie a Czujnik konserwacji predykcyjnej sieć jest konieczna, ale niewystarczająca do funkcjonowania programu konserwacji predykcyjnej. Łańcuch wartości rozciąga się od gromadzenia danych aż po decyzję dotyczącą konserwacji, na którą podejmuje się działania we właściwym czasie. O tym, czy wdrożenie czujnika przełoży się na wymierną poprawę czasu pracy, czy też pozostanie niewykorzystanym strumieniem danych, decyduje kilka czynników operacyjnych.

Ustalenie linii bazowej to pierwszy krytyczny krok. Progi alarmowe powinny wynikać z prawidłowych wartości bazowych specyficznych dla sprzętu, a nie ogólnych wartości branżowych. Wymaga to okresu rozruchu — zwykle od dwóch do czterech tygodni normalnej pracy — podczas którego rejestrowane są dane z czujników i obliczane są statystyczne wartości bazowe dla każdego zasobu, prędkości roboczej i stanu obciążenia. Ogólne progi stosowane w różnych typach sprzętu często powodują albo nadmierne fałszywe alarmy, albo przeoczone błędy.

Przepływy pracy selekcji alertów należy zdefiniować przed wygenerowaniem alertu. Kto otrzymuje powiadomienie o usterce o wadze 1? Jaka jest ścieżka eskalacji, jeśli w zdefiniowanym oknie nie zostanie podjęta żadna akcja? W jaki sposób alerty są kierowane do systemu CMMS w celu utworzenia zlecenia pracy? Bez tych przepływów pracy nawet dokładne wykrywanie usterek nie zapobiegnie nieplanowanym przestojom, ponieważ reakcja organizacji jest zbyt powolna lub niespójna.

Ciągłe udoskonalanie modelu zamyka pętlę sprzężenia zwrotnego. Każda potwierdzona diagnoza błędu — niezależnie od tego, czy była zgodna z przewidywaniami algorytmicznymi — zapewnia oznaczone dane szkoleniowe. Z biegiem czasu umożliwia to dostosowanie modeli klasyfikacji usterek do określonej populacji maszyn, środowiska operacyjnego i trybów awarii, które mają największe znaczenie dla instalacji. Obiekty, które inwestują w tę dyscyplinę sprzężenia zwrotnego, konsekwentnie osiągają znacznie niższy odsetek wyników fałszywie dodatnich i krótszy czas realizacji wykrywania usterek w porównaniu do tych, które korzystają ze statycznych, gotowych do użycia konfiguracji progowych. ASY Electronics wspiera ten model operacyjny poprzez swoją platformę brzegową sprzętu i integracji danych przemysłowych, umożliwiając pełny przepływ pracy w ramach konserwacji predykcyjnej, a nie tylko warstwę gromadzenia danych.