Styring af et komplekst elektrisk, mekanisk, kemisk system (eller en blanding heraf) kræver sensorer og processeringskraft til kontrol samt systemovervågning.
Traditionelt omfatter Industrial Control Systems optimeret brug af PLC- eller SCADA-systemer, der er oprettet til styring af præcis den planlagte opgave: En stabiliserende kontrolsløjfe og dataindsamling for operatører til at overvåge udstyrets tilstand.
Installation af kontrolsystemer er ofte en væsentlig del af den samlede investering til produktionsudstyr, og man vælger derfor ofte komponenter til sensorer, signal- og behandlingselementer ud fra et omkostningsperspektiv. De teoretiske principper for optimering af kontrolsystemer foreslår endvidere en beskeden samplingshastighed beregnet ud fra resonansfrekvensen af det system der skal styres.
Men for mange systemer er der betydningsfuld information skjult hvis man analyserer en orden højere i de direkte data. Eksempel: En roterende spindel måles til den direkte styring og stabilitet af omdrejninger i et tidsinterval, men de højere harmoniske ordener kan detektere hvis vibrationsmønsteret ændrer sig over tid. En væskes tryk måles til at styre f.eks. en kemisk proces, men en højere målefrekvens kan afsløre kavitation eller beskadigende stødbølger, der formerer sig i hele systemet.
Under systemdesign er udviklingsingeniører opmærksomme på individuelle bidragsydere til vibrationer eller chokfænomener, men i senere driftsscenarier er denne specialviden muligvis ikke tilgængelig og den daglige slitage kan igangsætte vibrationer, der stiger over tid, og som kan skabe dyre skader inden fejlen detekteres.
Derfor kan det anbefales at tilføje sensorer i stand til at optage 2. orden og højere harmoniske svingninger af det direkte signal, der bruges til den umiddelbare kontrol. Til hastighedsstyring af en spindel er en simpel omdrejningstæller tilstrækkelig til feedback kontrollen, men ved at anvende en mikrofon til optagelse af højere harmoniske svingninger vil der blive givet detaljer om hele systemets velbefindende, når resonansmønsteret ændrer sig over tid.
Derudover kan man vælge en micro-controller, der er i stand til at optage og analysere signalerne og sende dem til machine learning (formentlig i skyen) til at logge og registrere først og fremmest de regelmæssige såvel som skiftende mønstre over tid. Prisen på sensorer og processorer samt datatransmissionsomkostninger er støt faldende, hvorimod de samlede omkostninger ved komplekse systemer og produktivitetstab, hvis det fejler, stiger.
Derfor bliver forebyggende metoder og processer til beskyttelse, kontrol og styring af maskiner stadig vigtigere for virksomheder og samfund.
Skab ny forretning og opnå lavere risiko
Den svenske kuglelejeproducent SKF er vokset med 50% ved at danne en særlig enhed af vibrationseksperter, som i sidste ende ved mere end deres kunder om, hvordan lejer, akslerne de stabiliserer og de omkringliggende maskiner opfører sig. Ved at optage de højere harmoniske svingninger af maskinens vibrationer kan de forudse, hvornår og hvordan det vil gå i stykker, og ved at sende serviceteknikere inden en kritisk fejl, undgår kunden strukturelle skader og produktivitets-tab.
Prædiktiv vedligeholdelse (predictive maintenance) er et serviceområde, som man som virksomhed gradvist opbygger ved at optage og analysere de skjulte mønstre af en kontinuerlig strøm af data som langsomt degenererer over tid. Og omkostningerne ved at reparere systemet - beregnet ud fra udstyrsomkostninger, produktionstab eller endog en uoprettelig menneskelig skade vil i høj grad afhænge af tiden i forvejen, defekten blev påvist og fejlrettelsen initieret.
Mere information
Læs mere om hvordan Glaze med vores Azure IoT cloud platform kan hjælpe jer med predictive maintenance på www.beacontower.io og ring gerne til Managing Partner Jakob Appel på +45 26 17 18 58.