Custom Wireless Temperature and Vibration Integrated Sensor Manufacturers

온도와 진동을 함께 모니터링해야 하는 이유

회전 기계(모터, 펌프, 기어박스, 압축기)에서 온도와 진동은 깊이 결합된 결함 표시기입니다. 마모 초기 단계의 베어링은 일반적으로 열 이상이 등록되기 훨씬 전에 높은 진동 신호를 생성합니다. 반대로, 부적절한 윤활이나 과부하는 기계적 진동이 감지 가능한 수준에 도달하기 전에 국지적인 온도 상승으로 먼저 나타나는 경우가 많습니다. 한 가지 차원만 모니터링한다는 것은 결함 감지 범위에서 상당한 사각지대를 수용한다는 의미입니다.

각 측정마다 별도의 센서를 배포하면 이 문제가 더욱 복잡해집니다. 설치 및 케이블 연결 비용이 배가되고, 센서 배치가 장치마다 다르며, 타임스탬프가 신뢰할 수 있는 상관 분석을 위해 정확하게 정렬되는 경우가 거의 없습니다. 에이 무선 온도 및 진동 통합 센서 단일 노드에 두 측정 채널을 함께 배치하여 공통 장착 지점에서 시간 동기화된 데이터 수집을 보장하고 교차 매개 변수 상관 관계를 이론이 아닌 실용적인 기능으로 만들어 이러한 문제를 제거합니다.

진단 관점에서 볼 때 이 조합을 사용하면 두 채널 모두 단독으로 제공할 수 없는 패턴 인식이 가능합니다. 진동 진폭과 케이스 온도의 동시 급등은 베어링 고장이 임박했음을 나타내는 강력한 지표입니다. 안정된 온도에서 진동이 증가하면 불균형이나 정렬 불량이 발생할 수 있습니다. 균일한 진동과 함께 온도가 상승하면 전기 또는 윤활 문제를 암시하는 경우가 많습니다. 센서 수준에서 두 신호를 융합하면 자동화된 규칙 기반 오류 분류가 공장 현장에서 처리 가능해집니다.

지능형 분석 알고리즘: 원시 데이터 로깅을 넘어

원시 진동 및 온도 흐름은 볼륨이 크고 잡음이 많습니다. 무선 링크를 통해 모든 샘플을 전송하는 것은 대역폭 집약적이며 종종 불필요합니다. 보다 가치 있는 아키텍처는 센서 노드 자체 내부의 엣지에 신호 처리 인텔리전스를 배치하므로 계산된 특징과 이상 이벤트만 업스트림으로 전송됩니다. 이것이 현대가 취하는 접근 방식이다. 상태 모니터링을 위한 통합 무선 IIoT 센서 도메인별 알고리즘을 펌웨어에 직접 내장하는 장치입니다.

일반적인 노드 내 계산에는 다음이 포함됩니다.

• 시간 영역 통계 — 베어링 파손 및 기어 톱니 손상과 같은 충격적인 이벤트에 민감한 RMS 속도, 최대 가속도 및 파고율입니다.
• 주파수 영역 분해 — FFT 기반 스펙트럼 분석을 통해 내부 레이스, 외부 레이스 및 롤링 요소 결함과 관련된 특징적인 결함 빈도를 식별합니다.
• 봉투 분석 - 배경 기계적 소음에 의해 가려지는 저에너지 결함 신호를 감지하기 위한 고주파 공명 대역의 복조.
• 열 추세 모델링 — 작동 온난화와 결함 관련 열 편위를 구별하기 위한 상승률 감지 및 기준선 편차 경고.

ASY Electronics는 이러한 분석 계층을 센서 하드웨어에 직접 통합하여 데이터가 장비를 떠나기 전에 오류 분류 및 심각도 채점을 수행할 수 있습니다. 그 결과, 네트워크 트래픽과 클라우드 처리 오버헤드가 크게 감소하는 동시에 경고 생성의 응답성이 향상됩니다. 이는 결함 감지의 대기 시간이 생산 손실이나 안전 위험으로 직접적으로 전환되는 환경에서 중요한 이점입니다.

산업용 배포를 위한 무선 아키텍처 고려 사항

상태 모니터링 네트워크를 위한 무선 프로토콜을 선택하는 것은 순전히 기술적 결정이 아닙니다. 여기에는 범위, 데이터 처리량, 전력 소비, 기존 플랜트 인프라와의 공존 및 장기적인 유지 관리 가능성 간의 균형이 필요합니다. 산업용 IIoT 배포의 일반적인 옵션은 각각 고유한 프로필을 제공합니다.

프로토콜 선택 외에도 안테나 배치 및 게이트웨이 밀도 계획이 과소평가되는 경우가 많습니다. 금속 인클로저, 모터 프레임 및 조밀한 배관은 상당한 RF 그림자를 생성합니다. 게이트웨이 위치를 확정하기 전에 대상 구역 전체에서 RSSI를 측정하는 체계적인 현장 조사는 대부분의 제조 환경에서 안정적인 네트워크 성능을 위한 전제 조건입니다. 적응형 전송 전력 및 주파수 호핑은 간섭이 심한 설정에서 우선적으로 고려할 가치가 있는 추가 기능입니다.

예측 유지 관리 운영: 센서 데이터에서 유지 관리 결정까지

배포 예측 유지보수 센서 네트워크는 필요하지만 예측 유지 관리 프로그램이 작동하기에는 충분하지 않습니다. 가치 사슬은 데이터 수집부터 적시에 실행되는 유지 관리 결정까지 확장됩니다. 여러 가지 운영 요소에 따라 센서 배포가 측정 가능한 가동 시간 개선으로 전환되는지 아니면 활용도가 낮은 데이터 스트림으로 남아 있는지가 결정됩니다.

기준선 확립 첫 번째 중요한 단계입니다. 경고 임계값은 일반적인 업계 값이 아닌 장비별 정상 기준에서 파생되어야 합니다. 이를 위해서는 센서 데이터가 기록되고 자산별, 작동 속도별, 부하 조건별로 통계 기준이 계산되는 시운전 기간(일반적으로 정상 작동 시 2~4주)이 필요합니다. 서로 다른 장비 유형에 적용되는 일반 임계값은 과도한 오탐지나 오류 누락을 발생시키는 경우가 많습니다.

경고 분류 워크플로 경고가 생성되기 전에 정의해야 합니다. 심각도 1 오류 알림은 누가 받나요? 정의된 기간 내에 아무런 조치도 취하지 않은 경우 에스컬레이션 경로는 무엇입니까? 작업 주문 생성을 위해 경고가 CMMS로 어떻게 라우팅됩니까? 이러한 워크플로가 없으면 조직의 대응이 너무 느리거나 일관성이 없기 때문에 정확한 오류 감지조차 계획되지 않은 가동 중지 시간을 방지하는 데 실패합니다.

지속적인 모델 개선 피드백 루프를 닫습니다. 확인된 각 결함 진단(알고리즘 예측과 일치하는지 여부)은 레이블이 지정된 훈련 데이터를 제공합니다. 시간이 지남에 따라 이를 통해 결함 분류 모델을 공장에 가장 중요한 특정 기계 모집단, 작동 환경 및 고장 모드에 맞게 조정할 수 있습니다. 이 피드백 원칙에 투자하는 시설은 기본적으로 사용 가능한 정적인 임계값 구성을 실행하는 시설에 비해 상당히 낮은 오탐률과 보다 빠른 오류 감지 리드 타임을 일관되게 달성합니다. ASY Electronics는 엣지 하드웨어 및 산업 데이터 통합 ​​플랫폼을 통해 이 운영 모델을 지원하므로 단순한 데이터 수집 계층이 아닌 전체 예측 유지 관리 워크플로우를 가능하게 합니다.