ADI

作者:Marcus O’Sullivan

简介

电流检测电阻有多种形状和尺寸可供选择,用于测量诸多汽车、功率控制和工业系统中的电流。使用极低值电阻(几 mΩ或以下)时,焊料的电阻将在检测元件电阻中占据很大比例,结果大幅增加测量误差。高精度应用通常使用 4 引脚电阻和开尔文检测技术以减少这种误差,但是这些专用电阻却可能十分昂贵。另外,在测量大电流时,电阻焊盘的尺寸和设计在确定检测精度方面起着关键作用。本文将描述一种替代方案,该方案采用一种标准的低成本双焊盘检测电阻(4 焊盘布局)以实现高精度开尔文检测。图 1 所示为用于确定五种不同布局所致误差的测试板。

图 1. 检测电阻布局测试 PCB 板。

电流检测电阻

采用 2512 封装的常用电流检测电阻的电阻值最低可达 0.5mΩ,其最大功耗可能达 3 W。为了展现最差条件下的误差,这些试验采用一个 0.5 mΩ、3 W电阻,其容差为 1%(型号:ULRG3-2512-0M50-FLFSLT;制造商:Welwyn/TTelectronics)。

其尺寸和标准 4 线封装如图 2 所示。

图 2. (a) ULRG3-2512-0M50-FLFSLT 电阻的外形尺寸;(b) 标准 4 焊盘封装。

传统封装

对于开尔文检测,必须将标准双线封装焊盘进行拆分,以便为系统电流和检测电流提供独立的路径。图 3 显示了此类布局的一个例子。系统电流用红色箭头表示的路径。如果使用一种简单的双焊盘布局,则总电阻为:

为了避免增加电阻,需要把电压检测走线正确的布局到检测电阻焊盘处。系统电流将在上部焊点导致显著的压降,但检测电流则会在下部焊点导致可以忽略不计的压降。可见,这种焊盘分离方案可以消除测量中的焊点电阻,从而提高系统的总体精度。

图 3. 开尔文检测。

优化开尔文封装

图 3 所示布局是对标准双焊盘方案的一种显著的改进,但是,在使用极低值电阻(0.5 mΩ 或以下)时,焊盘上检测点的物理位置以及流经电阻的电流对称性的影响将变得更加显著。例如,ULRG3-2512-0M50-FLFSL 是一款固态金属合金电阻,因此,电阻沿着焊盘每延伸一毫米,结果都会影响有效电阻。使用校准电流,通过比较五种定制封装下的压降,可以确定最佳检测布局。

测试PCB板

图 4 展示在测试 PCB 板上构建的五种布局模式,分别标记为 A到 E。我们尽可能把走线布局到沿着检测焊盘延伸的不同位置的测试点,表示为图中的彩点。各个电阻封装为:

A. 基于 2512 建议封装的标准 4 线电阻(见图 2(b))。检测点对(X 和 Y)位于焊盘外缘和内缘(x 轴)。
B. 类似于 A,但焊盘向内延伸较长,以便更好地覆盖焊盘区(见图 2(a))。检测点位于焊盘中心和末端。
C. 利用焊盘两侧以提供更对称的系统电流通路。同时把检测点移动到更中心的位置。检测点位于焊盘中心和末端。
D. 与 C 类似,只是系统电流焊盘在最靠里的点接合。只使用了外部检测点。
E. A 和 B 的混合体。系统电流流过较宽的焊盘,检测电流流过较小的焊盘。检测点位于焊盘的外缘和内缘。

图 4. 测试 PCB 板的布局。

在模板上涂抹焊料,并在回流炉中使用回流焊接。使用的是ULRG3-2512-0M50-FLFSLT 电阻。

测试步骤

测试设计如图 5 所示。使 20 A 的校准电流通过各个电阻,同时使电阻保持在 25°C。在加载电流后 1 秒内,测量产生的差分电压,以防止电阻温度升高 1°C 以上。同时监控各个电阻的温度,以确保测试结果均在 25°C 下测得。电流为 20 A 时,通过 0.5 mΩ 电阻的理想压降为 10 mV。

图 5. 测试设置。

测试结果

表 1 列出了采用图 4 所示检测焊盘位置测得的数据。

表 1. 测得电压和误差

*无开尔文检测。对通过高电流主焊盘的电压进行测量,以展示与焊料电阻相关的误差。

观察结果

1. 由于结果的可比较性以及各电阻偏差都在容限范围之内,所以得出封装 C 和 D 的误差最少。封装 C 为首选封装,因为它不大可能导致与元件放置容限相关的问题。
2. 在每一种情况下,电阻外端的检测点提供的结果最准确。这表明,这些电阻是制造商根据电阻的总长度设计的。
3. 请注意,在未使用开尔文检测时,焊料电阻相关误差是 22%。这相当于约 0.144 mΩ 的焊料电阻。
4. 封装 E 展示了不对称焊盘布局的效应。回流期间,元件通过大量焊料才能焊盘。应避免这种封装。

结论

根据前面所示结果,最佳封装是 C,其预期测量误差小于 1%。该封装的建议尺寸如图 6 所示。

图 6. 最佳封装尺寸。

Analog Dialogue 46-06 Back Burner, June (2012) 3检测走线的布局也会影响测量精度。为了实现最高精度,应在电阻边缘测量检测电压。图 7 所示建议布局采用通孔,把焊盘外边缘布局到另一层,从而避免切割主电源层。

图 7. 建议 PCB 走线路由。

本文中的数据可能并不适用于所有电阻,而且结果可能因情况而异,具体取决于电阻的材质和尺寸。应该咨询电阻制造商。用户有责任确保封装的布局尺寸和结构均符合各项 SMT制造要求。对于因使用本封装而可能导致的任何问题,ADI概不负责。

作者简介

Marcus O’Sullivan [marcus.osullivan@analog.com]于 1999 年加盟ADI,目前是电源管理组的应用工
程师。他毕业于利默里克大学,获电子工程学士学位。

点击这里,获取更多工业自动化技术信息

围观 4
566

2019年的物联网市场将如何发展?我们将通过一系列不断扩展的物联网预测来回答这个问题。

似乎在每年年底时,总会有一些科技专家预测:未来一年将成为“物联网年”。不过在经历了连续几年的兴奋而非快速增长后,认为2019年也是如此的专家貌似少了很多。虽然这看起来像是一个索然无味的预测,但2019年对于物联网来说可能是喜忧参半。一方面,供应商正在努力使物联网更易于部署,这可以加速采用;另一方面,包括5G和区块链在内的能让物联网受益的并行技术,在未来一年中很可能仍不成熟。要了解关于2019年物联网预测的更多信息,请继续阅读:

多元化市场将刺激物联网增长

物联网市场有望继续扩大,市场也正逐步变得更容易驾驭。虽然在2018年,基于物联网的应用服务并不短缺,以帮助企业启动物联网项目,但对于许多最终用户来说,大规模部署物联网项目并随着时间推移进行管理仍然比较困难。Forrester预计,随着服务量的增加,明年情况将有所改善,以帮助最终用户“管理、监控和运营分散的物联网设备、网络和资产”。Forrester还预计,在制造、医疗、零售和公用事业领域部署物联网的公司将与供应商签订数亿美元的合同,以帮助他们“运营”物联网项目。

天线供应商Taoglas也有类似的物联网预测,Taoglas集团联合首席执行官德莫特•奥谢(DermotO'Shea)表示:“供应商将开始看到他们在物联网方面坚持不懈取的成果,从物联网初期就已经存在的供应商终于开始赚钱了”。

虽然物联网专家对2019年的物联网市场是稳定增长还是快速增长持有不同意见,但德莫特•奥谢(DermotO'Shea)仍处于乐观的阵营中。他表示:“2019年,我们将看到多年来预测的市场真正增长。” “原因?许多行业终于开始看到物联网应用的规模,而新的应用正在迅速扩张,无人能预测。”作为证据,他指出物联网天线的需求激增,他说:“虽然1万个单位的物联网天线曾经是一个大订单,但现在10万个单位的订单很常见。”

虽然在物联网采用的早期阶段,很难找到实现广泛应用的连网项目,但现在已经完全不一样了。智能音箱正在逐渐成为许多消费者的选择,而支持物联网的电动滑板车也正在快速增长。奥谢说:“街道照明、电表、以及其他公用事业和智慧城市应用也将在2019年呈指数级增长。预计在2010年下半年发生的物联网海啸从未实现过,但相反,一系列小浪潮将大大增加物联网部署数量。”

智能家居市场将会看到增长和多元化

在智能家居经过一段模糊的不确定时期之后,消费者提出了一些问题,比如:“我为什么想要一个连网的烤面包机”,消费者和供应商开始明白什么才是吸引人的智能家居技术。

特别是智能音箱功能非常强大,代表了热门的消费者技术。根据Business Insider的调查数据显示,亚马逊已经说服60%的vip会员购买至少一台Amazon Echo智能音箱,而且30%的非VIP会员也拥有亚马逊智能音箱。尽管亚马逊智能音箱的销量似乎接近饱和,但谷歌HOME智能音箱和语音助理的销量却在2018年的竞争中飙升。

ARM物联网服务集团战略副总裁Charlene Marini表示,所有迹象显示智能家居市场将继续增长。Marini预计“随着主流家用品牌消费者产品的扩展,物联网家用产品的可用性将会大大提高。”Marini表示,潜在的增长领域包括照明、灌溉、供暖和制冷,并补充说,这项技术将为日常工作带来更多的自动化。

ARM委托第三方针对2000名消费者进行的独立调查显示,在2018年底,智能科技的假日消费将强劲增长,54%的消费者预计在科技礼品上的消费将超过去年。

如果在智能家居技术上的假日消费支出确实激增,那么对整个2019年的市场可能会是一个福音。

5G将不会在2019年大踏步前进

毫无疑问,5G炒作正在升温。当5G技术广泛发挥作用时,无疑会对许多物联网部署带来福音。但到2018年12月为止,已经有迹象表明早期的5G实施不能满足其营销需求。据Verge报道称,最近在夏威夷举行的高通公司Snapdragon技术峰会上,这项技术的演示并不令人印象深刻。Verge高级新闻编辑Sean Hollister写道:在活动中演示的5G连接速度“并不像5G那样快”,它甚至比我家里的网络连接速度都要慢。

根据Taoglas首席执行官德莫特•奥谢(DermotO'Shea)的说法,5G将不会在2019年大踏步前进。他说:“许多引起轰动的5G公告都只是营销宣传,早期的5G部署是预先标准的,并且该领域太不成熟,无法清楚地预测该技术何时会达到主流部署”。虽然三星正在与Verizon和AT&T合作准备生产一款5G手机,但苹果可能会等到2020年才会这么做。

Gartner在2018年估计,5G的采用将在两到五年内达到主流采用。奥谢说:“在2019年,5G硬件将继续在基站站点安装,但软件根本没有准备好。支持5G的手机可能会在2019年中期准备就绪,但在其余部分到位之前,这并不代表任何东西。而物联网至少要到2020年才需要担心5G”。

更加集中化的区块链应用将会到来

就2018年领先的技术趋势而言,在2018年年初,区块链出现了某种繁荣,然后全年都在逐步降温。2018年8月,Gartner在一份报告中估计,这项技术正陷入幻灭的低谷,距离主流采用还有5到10年时间。

虽然区块链支持者的声音依然坚定地致力于这项技术最初的反权威承诺,但区块链开始看起来更像企业的商业工具。区块链得到了摩根大通和伯克希尔·哈撒韦等知名金融公司的大力支持。它还得到SAP、微软、Alphabet和Apple等科技公司的支持,以及壳牌、丰田和沃尔玛等其他著名公司的支持。此外,博世、富士通和大众等公司正在与以分布式分类账为主的IOTA基金会合作,共同探索商业区块链应用。有了这些公司的支持预示着该技术的长期商业潜力。

但是,正如《纽约时报》最近在一篇题为“区块链的希望和背叛”的文章中所描绘的那样,该技术作为分布式信任推动者的声誉正在逐渐消失,因为随着区块链采用的逐渐成熟,该技术正在变得更加集中化。一方面,基于集中式私有区块链的B2B分布式分类帐应用程序有所增长;另一方面,正如《纽约时报》所指出的,公共点对点应用程序“基于公共区块链网络——这些网络都是集中式的”。

随着可能出现的经济衰退,数字化转型将放缓

数字转换有一个令人不快的秘密,许多数字化转型工作未能兑现其改变客户体验并推动业务和运营效益的承诺。 据Forrester称,2018年,超过一半的数字化转型工作陷入停滞。同样,IDC去年指出,59%的组织处于“数字僵局”。

2019年“数字化转型”旗帜的作用还不确定。在过去几年里,这个流行语主要是关于高风险、高回报的项目,这些项目创造了全新的市场。常见的例子包括亚马逊将自己重塑为云计算领导者,苹果公司在数字音乐领域的开创性工作,Uber重新创造出租车体验以及Airbnb将私有财产改造成酒店等。

但随着经济衰退的恐惧逼近,2019年数字化转型可能会在运营效率方面更加保守,而在彻底转型方面则更少。包括美联储在内的10位经济学家预计2019年美国经济将以2.4%的低迷速度增长。Natixis美洲区首席经济学家约瑟夫·拉沃格纳(Joseph LaVorgna)等多位经济学家预测,2020年将出现经济衰退,因此许多企业可能会控制雄心勃勃的数字转型计划,并将注意力转移到短期投资回报的项目上。

陷入困境的实体零售行业的情况可能会有所不同,该行业正在被迫投资数字技术以与在线商家竞争。IDC预计到2019年底,将有一半以上的实体零售商部署数字核心平台。正如在我们接下来的文章所述,包括亚马逊和沃尔玛在内的零售巨头开始雄心勃勃地在实体店中部署数字技术,以帮助改善客户体验。

无人商店将开始迅速普及

我们可能处于在零售环境中广泛使用自动化的早期阶段,但这种转型正在加速。亚马逊已经在西雅图、芝加哥和旧金山开设了几家无收银台的Amazon Go 商店,而且还计划在伦敦再开一家。虽然为零售环境配备必要的传感器可能价值不菲,但在节省顾客时间方面,这显然有潜在的好处。沃尔玛也加入了这场游戏,并在得克萨斯州达拉斯开设了一家无收银员的“山姆会员商店”,顾客可以通过应用程序扫描并付款,而无须经过收银员或排队进行结账。零售商店中的顾客也可以使用应用程序中的商品导航功能,该功能将引导顾客找到购物清单上的商品。说到购物清单,商店的应用程序将使用机器学习来尝试预测消费者需要什么。沃尔玛在达拉斯的无人收银商店中的经验可以为更广泛使用该技术奠定了基础。同样,Venture Beat表示,亚马逊正在寻求在机场推出自己的无人商店,而Grubstreet报告说,亚马逊正在更大的零售环境中测试该技术。

虽然亚马逊自动跟踪顾客的购买情况令人印象深刻,但沃尔玛让顾客通过智能手机应用程序扫描购买情况的体验,也可以为其他零售商提供参考,让他们在大举投资传感器和计算机视觉技术以完全实现自动化这一过程之前效仿。

网络犯罪分子将加大基于机器学习的攻击

机器学习似乎在2018年几乎无处不在,而且大多数拥有数字项目的公司要么已经在使用机器学习,要么在计划启用机器学习。虽然机器学习在网络安全中的作用正在迅速加强,但人们也担心犯罪分子可能会利用机器学习来定位易受攻击的目标,并制定策略,使攻击更具破坏性。RiskIQ公司的首席技术官Adam Hunt预测犯罪分子也会加大对抗机器学习的使用,从而避免被机器学习模型发现。Adam Hunt在博客中写道:好人的机器学习模型需要快速发展,并通过整合基于实例的方法来应对这些威胁,这些方法使用的模型可以从提供频繁反馈的数据科学家那里逐步学习。

智能建筑领导者将专注于提高生产力

投资管理公司仲量联行(JLL)有一个经验法则,即3-30-300等式,该等式认为与商业建筑相关的每平方英尺成本大约是水电费3美元,租金30美元,工资300美元。迄今为止,许多智能建筑项目的主要重点是通过优化暖通空调和提高照明效率的技术来降低能耗和简化维护。ARM的物联网服务集团战略副总裁Charlene Marini预测,2019年的重点将转向提高生产力。她说:“智能建筑将越来越多地借助先进技术,如定位、计算机视觉和混合现实,朝着空间优化、安全/安保对象检测、寻路和资产跟踪的方向发展”。

智能音箱将在医疗机构中变得更加普遍

智能音箱可以为消费者提供一种异想天开的方式来了解天气、播放音乐和调节其连接的恒温器,但该技术在医院中有着更强的应用前景。传统上,护士响应患者要求调整照明、加热或制冷、并偶尔帮助控制房间内的电视,而智能音箱的使用可以使患者自己更容易执行此类任务。虽然智能音箱在该领域可能尚不普及,但IHS预测到2021年将有90万台智能音箱用于医疗保健机构。虽然《健康保险可携带性与责任法案》可能会为某些使用案例的采用设置障碍,但护士和医生也可以受益于智能音箱,智能音箱可以回答诸如同事或设备在医院中的问题。基本的语音听写软件已经可以帮助医生和护士在电子病历中输入临床记录,并且在2017年,Nuance Communications公司推出了具有这种功能的以医疗保健为主的智能音箱。随着时间推移,以临床医生为中心的智能音箱的功能集必然会增加。在重症监护室和手术室中,智能音箱可以通过减少使用物理触摸来控制医疗设备的需求,为护理人员提供一种最大限度减少感染的方法。

电动滑板车和电动自行车市场将继续保持快速增长

2018年出现的最令人惊讶和争议的技术之一是通过智能手机应用程序使用共享电动滑板车。几乎在一夜之间,电动滑板车出现在从柏林到旧金山的所有城市,引发了人们对它们造成混乱的愤怒。但是,根据Schaller Consulting的一项调查显示,在2018年结束时,连网电动滑板车以及连网的传统自行车和电动自行车看起来更像是一个更好的解决方案,可帮助交通拥堵的城市减少压力,而Uber或Lyft似乎在恶化交通。相比之下,电动滑板车和电动自行车理论上可以帮助许多城市利用自行车道利用率低的优势。但挑战依然存在,例如,共享的电动滑板车故障率极高,激发了商家对更耐用替代品的研究。尽管存在缺陷,但对许多城市来说,部署有序的共享电动滑板车车队似乎比部署新的或翻修现有的公共交通网络更容易。它们相对容易部署和为用户提供的便利性正在帮助推动技术投资。在2018年中期,该行业突然被估值达数十亿美元,预计对这项技术的兴趣以及对它的更多监管将持续到2019年。

个性化送货概念将逐渐流行

电子商务的普及使得许多消费者几乎在网上购买所有东西。但是这种受欢迎程度的激增也导致了所谓“门廊偷盗”现象上升,在这种情况下,小偷会将快递放在家门口的货物偷走。因此,在配送高价值货物时,快递公司会要求客户亲自到场签收包裹,以此来避免这种盗窃行为。然而,如果连续三次上门送货失败,客户必须自己抽出时间去当地仓库提货。

包括亚马逊在内的多家公司已经针对该问题推出了基于物联网的解决方案。亚马逊智能锁套件为消费者提供了在家中交付包裹的能力,该服务可以让消费者远程查看亚马逊送货员打开房门并将包裹放在屋内。

面部识别技术取得进展

近年来,面部识别技术获得了主流认可。诸如较新的iPhone或三星Galaxy手机等智能手机提供了用户面部解锁设备的功能。而华盛顿杜勒斯国际机场等机场正在利用该技术确认乘客的身份。

该技术也正在迅速扩展到监控应用。在某些国家,该技术在许多领域都是必不可少的,有助于巩固其统治权威,例如,利用这项技术跟踪敏感人士。《经济学人》指出,具有独裁倾向的国家也可以将这项技术用于类似的手段,同时也承认第一世界国家也有可能滥用这项技术。

在一份相关的报告中,美国特勤局正在白宫使用人脸识别系统扫描附近人的面部,以确定他们是否是“感兴趣的人”。正如美国ACLU最近写的那样,“在公共人行道上对美国人进行毫无理由的审查,已经跨越了重要界限,这有必要问一问该机构如何扩大面部识别的使用,以及它所引起的宪法问题。”

虽然围绕这项技术的相关隐私问题很明显,但它对已定义的应用程序的潜在好处也是如此。Gartner预计,与2018年相比,到2023年,支持人工智能的面部识别技术将使发达国家失踪人口减少80%。

这项技术的迅速发展引起了诸如AI Now这样团体的警告,AI Now是纽约大学附属研究院所,它与微软和谷歌有成员关系。AI Now认为:“政府需要通过扩大机构特定权力来监管AI(人工智能),以便按领域监督、审计和监控这些技术”。

随着这项技术侵犯隐私的影响变得越来越明显,预计这种不安情绪将在2019年开始上升。美国伊利诺伊州和得克萨斯州已经对面部识别应用有了一些限制。

另一个可能推动监管的因素是,一些面部识别系统也面临着不准确的问题,例如,一些系统在分析深色皮肤的人和女性时显示出较高的错误率。

随着面部识别技术的进步,它可能会越来越多地用于“根据面部图像或视频来检测个性、内心感受、心理健康和‘员工参与度’之类的事情”。AI Now报告的一部分这样写道:“这些主张并没有得到强有力的科学证据支持,并且正以不道德和不负责任的方式应用,这些方式常常让人想起颅相学和相术的伪科学。”

面部识别技术正受到越来越多的关注,这可能会刺激民主国家对其进行监管。这些努力是否在下一年成为法律还不太确定。

规范性维护的诉求增长

想象一下,您必须每天晚上从圣何塞开车到旧金山——在任何一个工作日。这两个城市相距50英里,晚上开车需要50分钟,但如果您下午4 : 40离开,而且根据地图数据测算,开车可能需要1小时40分钟到2小时40分钟。但是仅仅知道路程可能需要两个小时或更长时间可能不是最有用的信息。如果您的汽油不足怎么办?哪里有加油站,而且不会有交通堵塞?或者如果您饿了?哪里可能是避开交通拥堵的好地方,您打算在那里呆多久。想象一个应用程序,它能考虑到您所有的精确条件,并根据您的特定需求规范您可以采取的选择。

这个例子粗略地概述了规范性而非预测性分析的好处。在工业领域,预测性维护可帮助企业了解资产(设备)何时可能出现故障。而规范性维护更进一步,它可以通过一个或者多个动态指标显示每一个决策的结果。规范性维护的每个环节、每个步骤、每个流程、每个岗位,都有一定的规矩和标准,信息更具准确性,业务决策者可以直接使用。正如Frost&Sullivan解释的那样:“与预测性维护不同,规范性维护不仅仅局限于预测故障——它是一种战略性维护流程,允许在需要时应用解决方案。”

FogHorn首席技术官Sastry Malladi承认,对许多组织来说,采用预测性维护仍然是陌生的,早期采用者将在2019年接受规范性维护的概念。他说:“例如,电梯制造商希望解决日常问题,比如电梯门的摩擦。解决这一问题的预测性维护方法是使用边缘计算来分析传感器数据,然后制造商可以在异常影响电梯性能之前高效地安排维修服务。随着规范性维护的出现,在制造商出发维修电梯之前,他们将获得最需要维修区域的建议数据,并已经向维修人员核实了可用于维修的专业知识、工具和零件”。

本文转自:2019年物联网预测:减少炒作,更多务实

点击这里,获取更多IOT物联网设计信息

浏览 1 次
119

其实,智能制造也好,智能工厂也好,都有自己的实施条件和路径,没有捷径可走,行业不同、企业不同,道路都会不同。

一般来讲,以下十个路径方向是中国工业从制造迈向智造的必经之路,只不过对于不同的行业和不同的企业来说,由于市场需求模式不同、产品工艺不同、管理基础不同等,侧重点有所不同而已,但你总能从中找出几条通往智能制造的可行之路。

1、精益化

精益生产,最早就是面向多品种小批量的个性化需求而设计的,其两大支柱就是“准时化”与“智能自动化”。

至今为止,精益已经演变为一种涉及营销、研发、供应链、生产、流程乃至创业的全价值链的精益管理理念和方法,带动了全球产业的转型,从制造业到服务业,她所追求的“创造价值消除浪费”的思想、方法和工具促进了生产资源的优化配置,获得质量、效率和反应速度的快速提升。

根据企业的经验,只要企业坚持做下去,大部分都能获得50%甚至更高的提升空间。遗憾的是,精益在中国的大部分企业中并未得到有效实施,他们大多只是口头上说说,因为急功近利以及缺乏导入经验方法等,无法坚持下来半途而废。

智能制造不可能建立在这种低效的生产模式之上,精益是必须要走的第一步,而且是投资回报最高的一条路径。因为精益几乎不需要企业做出额外的投资,只是在现有基础上重新配置生产资源就可以获得超出想象的回报。

精益的成功实施并不难,关键在于领导的决心与管理层观念的转变。

2、标准化

标准化是自动化的基础,也是智能制造的前提。

国内企业感叹汽车行业的自动化程度之高,为何汽车这么复杂的产品都可以,而家电这种简单产品却不行,一个重要原因就是标准化。

汽车行业普遍采取的共用平台、通用零部件等策略极大地降低了产品成本。通过将原来的根据整车进行零部件生产改为根据零部件进行整车生产的方法,也就是说标准化的零部件实现批量生产,成功降低成本。

标准化当然也还包括标准化的作业流程和作业方式,有了标准化,自动化才能据此开发出来,比如自动焊接,自动装配,假设零部件千变万化,作业方式也不固定,自动化将很难实现,即使实现成本也很高。

3、模块化

汽车和电脑是最早实现模块化的行业,从模块化设计、模块化采购到模块化生产,模块化也是智能制造能否实现低成本满足个性化消费的关键所在。如果一旦实现,真正意义上个性化的产品将成为可能,比如手机,每个人的手机都可以独一无二,人们可以像拼装积木一样任意组合自己中意的手机。

模块化降低了从设计、采购到生产的复杂程度,标准化的接口和连接方式增加了通用性,降低了制造成本与周期,自动化生产、物流与信息沟通更加容易实现。如以前每个手机品牌的充电器都不同,一换手机全都扔掉,造成很大浪费,现在有了改进。

模块化实施起来相对较难,涉及到行业与企业标准,需要上下游企业共同参与,这是一项长期的工作,所以相互间构建精益的战略合作伙伴关系尤为重要。

4、自动化

自动化是智能制造中谈论得最多的,很多地方政府和企业形象地把其称之为“机器换人”,也做了不断的尝试,有成功也有失败。

企业可以通过自主创新,将原来原材料处理的离散型加工方式进行集成,把原来独立的工序通过自动化生产线连接在一起,实行精益式的连续生产,消除了中间环节的上下料、储存和搬运,生产速度和生产效率将提高。

自动化与信息化是实现智能制造投资最大的部分。企业在做自动化改造前千万要慎重,为什么要升级自动化?投资回报率是多少?自动化设备可靠性怎样?有何风险?能适应产品的升级换代吗?一定要想清楚,否则成本不降反升。

随着技术的进步和人力成本的提高,自动化是个不可逆转的趋势。对于不同的行业不同的企业,有的有成熟的自动化方案,有的则没有,企业需要结合自身情况来规划自动化方向。

5、服务化

中国目前拥有超过6亿的网民,7亿台智能终端,移动互联网的蓬勃发展加速了从制造向服务的转型。美国倡导的“工业互联网”将人、数据和机器连接起来,形成开放而全球化的工业网络,其内涵已经超越制造过程以及制造业本身,跨越产品生命周期的整个价值链,涵盖航空、能源、交通、医疗等更多工业领域。

此外,制造企业还可以通过设备的联网数据监测、分析和改善设备的设计与制造,提高产品可靠性和效率。

当然行业不同产品不同,可服务的内容也千差万别,互联网+模式下,传统企业需要不断创新商业模式找到一款适合自己的服务方式来打动客户。

6、个性化

过去30年,市场商品种类急剧膨胀了几十、上百倍,个性化消费的时代,每个人都可以拥有自己的博客、微博、微信等,传播自己的声音。

高品质、低成本的个性化实现首先取决于你的精益生产水平,也就是精益所倡导的“价值来自真正的顾客需求的拉动”。个性化实现其次取决于你的标准化和模块化的设计。高速发展的互联网等信息技术为其提供了支持,使得个性化实现变得容易。

就现阶段来说,个性化还是有限条件的个性化,无法做到完全的个性化,不管是汽车、电脑、手机还是服装等商品,个性化都是在一定范围内选择。

每个企业需要根据自己的精益化水平、标准化/模块化水平以及信息化水平来决定自己的个性化模式,并不是越个性化越好,它建立在一定的实施条件基础之上。也许未来3D打印和人工智能的发展能够为完全的个性化提供一种可能。

7、生态化

企业的竞争正在从单个企业之间逐渐向供应链之间乃至生态系统之间的竞争转变。凯文.凯利在《失控》中写道:“大企业之间的结盟大潮,尤其在信息和网络产业当中,是世界经济日益增长的共同进化的又一个侧面,与其吃掉对手或与之竞争,不如结成同盟——共生共栖…… 控制的未来是:伙伴关系、协同控制、人机混合控制,人类与我们的创造物一起共享控制权。”

8、全球化

在世界互联互通的今天,当你的企业做到一定规模,需要考虑全球化来配置资源,以提高效率降低成本。全球化资源包括市场资源、设计资源、采购资源和生产资源。

我国的“一带一路”战略就是寻找全球化的市场资源,输出我们的富余产能包括高铁技术等。设计资源则是在国外设立研发技术中心,开发贴近本土的产品或者弥补国内设计能力的不足,还可以形成全球24小时不间断产品开发,以缩短研发周期。

采购和生产资源是寻求品质更佳、成本更低的全球物资供应地,除了考虑采购和制造单价外,还需要考虑运输成本增加、供应链复杂化、供应链可视化、交货周期拉长、更高的库存、环保碳排放、质量稳定性、当地劳工政策以及汇率波动等问题。

9、数字化

数字化跟信息化密切相关,与自动化一样,这是智能制造转型投资最大的一块。随着信息技术的日新月异,一切皆可数字化,从人、产品到设备,实现万物相连。

产品可以通过PLM/ERP软件,从产品开发设计、物料采购到生产交付全过程实现数字化,每一张产品图纸、每一个物料信息、每一个生产工艺都被数字化连接在一起。

设备可以通过PLC、传感器等将运行数据传给MES、互联网等网络,所以GE可以通过飞机引擎传回的数据分析优化其运行参数降低燃油成本,谷歌可以实现汽车的无人驾驶。

这意味着在“工业4.0”时代,第一次有可能将资源、信息、物品和人通过数字化进行互联互通!这种沟通包括人与人、人与产品、人与机器、产品与机器、机器与机器之间的信息交换。

每个行业特征与企业基础不同,实现数字化的先后顺序也就不同。我认为对于那些流程型的制造行业,因为他们的制造模式大部分工序已经连接起来,并且自动化程度高,一些设备数据已经可以自动采集,数字化的难度相对较小。

而对于离散型的制造行业如机械装备、纺织服装、电子电器、家居用品等,由于制造工序、零部件都很分散,而且数量庞大,想实现连接确实困难,即使实现成本也会非常大。对于这些行业的可行做法是不要一步到位,逐步实现。先应用精益的连续生产技术将主要工序和物料相连。

由于技术的不成熟与投资的巨大,每个企业需要权衡导入的时机,同自动化一样,综合考虑投资回报、系统可靠性、信息安全风险、人才储备等问题。

10、智能化

智能化包含两个含义,一个是产品的智能化,另一个是制造过程的智能化。

首先说说产品的智能化。与消费品的智能化相比,工业品的智能化其实更为迫切。所有设备都需要加入智能控制模块,进行加工数据的自动采集、分析和控制,配备标准数据接口,可与企业MES系统或其他信息系统连接,这些工业大数据经过智能软件系统的运算分析将帮助提高运营效率,减少故障,降低能耗。

制造过程的智能化更加复杂,你需要完成以上所说的精益化、标准化、模块化、自动化以及数字化的转变,自动化与数字化的投资也会很大。

中国制造已经走过了30年的高速发展,成为世界第一制造大国,但真正能拿出去的世界级产品很少。未来30年,中国制造需要从重速度轻质量转变为重质量轻速度,需要在以上十大领域进行持续创新,从商业模式、技术以及管理方面实现向中国智造的转型。

本文转自:智能制造10步走!

点击这里,获取更多IOT物联网设计信息

围观 2
75

荣威智能MARVEL X领衔,ADI助力华域汽车24GHz毫米波雷达大规模量产

selina的头像

全球首款量产智能汽车荣威 MARVEL X 年初一经面市就引爆市场热点,被媒体称为全球第一款实现“特定场景无人驾驶”的量产车,突破性地采用了“最后一公里”自主泊车“黑科技”。这个功能的实现,离不开该车的一副“明目”——24 GHz毫米波雷达。据透露,MARVEL X的“明目”部分由国内汽车零配件龙头企业华域汽车技术中心提供,ADI 24 GHz 毫米波雷达解决方案是其中的关键“芯科技”。

24GHz 毫米波雷达技术因为其成熟性能和高性价比,越来越多地用于汽车、无人机、泛工业和消费类应用等大众市场应用。而对于高性能模拟技术独树一帜的 ADI,在雷达领域更是有超过 15 年的历史,其中 24GHz 车用毫米波雷达技术方案已经非常成熟,与诸多车企与 Tier1 开展了大量的合作。

在全球现今开发的所有汽车雷达模块中,ADI 技术已经占到 50%。ADI 同样在加强与中国本土主流厂商合作,帮助中国企业抢占智能驾驶落地的市场份额。—— ADI 公司中国汽车客户事业部 销售总监许智斌

三种方法教你用示波器快速捕获异常

selina的头像

万事开头难!当你想用示波器来分析问题时,你一定有想过,我要如何才能把问题抓下来?当然,只有抓下来之后,才能进行后面种种的分析,否则一切都是空谈。本文将带你用三种最好用的方法将异常抓下来。

一、滚动模式

滚动模式也许你很少用,但它却是分析问题最简单、最粗暴的方法。你仅仅要做的,就是确定异常多长时间会出现,采样率是否足够。如5秒内会出现的异常,设置滚动采集7s的数据后停止,在采样率足够的前提下,我相信问题已经逃不出你的手掌心了。

图1 滚动采集电压跌落波形

小结

滚动模式是“无死区”的,任何异常问题都可以抓下来,但前提是,采样率要足够高。如上图,采样率为50MHz,当异常的频率超过25MHz,就很难采集到准确的波形了。ZDS4000的滚动模式,支持最高500MHz的采样率,最长数据采集时间为7.2个小时(此时采样率为20KHz)。

Analog Devices, Inc. (ADI) 近日与Momenta联合宣布达成战略合作,双方在自动驾驶高精度地图领域展开紧密合作,共同推动自动驾驶安全落地。高精度地图能够为自动驾驶车辆提供准确、实时的信息,保障安全行驶,是实现自动驾驶不可或缺的一环。ADI与Momenta的首期合作已围绕高精度地图的建图与更新相关技术展开,ADI的惯导单元(IMU)已应用于Momenta L3级别面向高速公路的自动驾驶解决方案以及L4级别面向城市道路的自动驾驶解决方案。

相较成本更高的光纤惯导、激光陀螺仪等传感器方案,ADI的 IMU具有更为出色的性价比。在一些极端恶劣天气条件下或者没有GPS信号的情况下, IMU就成为自动驾驶重要的输入。

“ADI一直致力于开发对无人驾驶至关重要的高性能、高可靠性、安全技术,ADI的传感器向无人驾驶系统提供了高保真、高可靠性的导航和感知信号”,ADI公司自动驾驶和安全副总裁Chris Jacobs指出, “ADI IMU的高性能结合Momenta在软件算法领域的技术积累,双方通过此次合作共同为自动驾驶打造安全、可靠、可落地的解决方案。”

从高精地图的采集模式来看,众包制图因具有成本优势以及能够完成快速更新的特点而成为主流发展方向,尤其对于基础设施日新月异的亚洲市场。Momenta基于视觉的高精度语义地图具有可众包、精度高、更新快等特点。Momenta不仅拥有自己的制图车辆,而且可以利用在出租车、卡车、巴士等多种车辆实现规模化的众包部署, 打造“自动驾驶的大脑”。

Momenta CEO曹旭东表示:“高精度地图是自动驾驶安全落地的坚实保障。ADI在IMU等领域拥有非常深厚的积累,其提供的高性能、高精度的传感器技术将帮助Momenta搭建精准、可靠、能够实现快速更新的高精度地图。Momenta与ADI将共同携手为自动驾驶和汽车行业赋能。”

Momenta拥有世界顶尖的深度学习专家,如图像识别领域最先进的框架Faster R-CNN和ResNet的作者, ImageNet 2015、ImageNet 2017、MS COCO Challenge 2015等多项比赛冠军。团队成员主要来源于世界顶尖高校以及知名高科技公司,拥有深厚的技术积累、极强的技术原创力和丰富的行业经验。

ADI在MEMS惯性传感器设计上已经拥有超过30年的经验,其MEMS IMU 在航空电子设备和智能农业领域拥有很多成功案例,这些应用场景有着和自动驾驶一样的需求。且ADI的 IMU经过了市场广泛的检验,能在包括时变、撞击和震动以及各种温度条件、环境下保持诸如偏移、灵敏度、轴交叉灵敏度等关键参数稳定。

关于Momenta

Momenta成立于2016年,是世界顶尖的自动驾驶公司。Momenta致力于打造“自动驾驶的大脑”,其核心技术是基于深度学习的环境感知、高精度地图、驾驶决策算法。产品包括不同级别的自动驾驶方案,以及衍生出的大数据服务。Momenta已于2018年10月完成超2亿美元融资,估值超10亿美元,是中国自动驾驶领域的首家独角兽公司。更多信息请访问: www.momenta.ai

关于ADI公司

Analog Devices, Inc. 是全球领先的高性能模拟技术公司,致力于解决最棘手的工程设计难题。我们使客户能够利用无与伦比的技术进行检测、测量、供电、连接和解读,智能地在现实和数字领域之间架起桥梁,从而了解我们周围的世界。详情请浏览 www.analog.com/cn

点击这里,获取更多IOT物联网设计信息

围观 2
98

改善状态监测和诊断以及整体系统优化是当今使用机械设施和技术系统的一些核心挑战。该主题不仅在工业领域,而且在任何使用机器的地方都发挥着越来越大的作用。过去根据计划进行维修的机器,以及延迟维护意味着生产停机的风险。今天,来自机器的过程数据用于预测剩余的使用寿命。记录特别关键的参数,如温度,噪音和振动,以帮助确定最佳运行状态甚至必要的维护时间。这允许避免不必要的磨损并且可能在早期检测到可能的故障及其原因。在这种监测的帮助下,在设施可用性和有效性方面产生了相当大的优化潜力,带来了决定性的优势。例如,有了它,ABB1 可以将停机时间减少多达70%,将电机使用寿命延长30%,并在一年内将其设备的能耗降低多达10%。

这种预测性维护(PM)的主要元素,如技术术语所知,是基于状态的监测(CBM),通常是旋转机器,如涡轮机,风扇,泵和电动机。使用CBM,可以实时记录有关运行状态的信息。但是,没有做出关于可能的故障或磨损的预测。它们只是通过PM来实现,从而标志着一个转折点:借助更智能的传感器和更强大的通信网络和计算平台,可以创建模型,检测变化并对服务寿命进行详细计算。

要创建有意义的模型,有必要分析振动,温度,电流和磁场。现代有线和无线通信方法已经允许工厂或公司范围内的设施监控。通过基于云的系统产生额外的分析可能性,以便操作员和服务技术人员可以以简单的方式访问提供有关机器状况的信息的数据。然而,机器上的本地智能传感器和通信基础设施是所有这些额外分析可能性的基础所必不可少的。这些传感器应该如何看待,对它们施加哪些要求,以及关键特性是什么 - 本文将考虑这些和其他问题。

机器生命周期的表示

状态监测中最基本的问题可能是:在维护变得必要之前,我可以让机器运行多长时间?

一般来说,从逻辑上讲,越早进行维护就越好。但是,为了优化运行和维护成本或完全实现最大设施效率,需要熟悉机器属性的专家的知识。在电机分析中,这些专家主要来自轴承/润滑领域,经验表明这是最薄弱的环节。专家们最终决定相对于实际生命周期(参见图1)偏离正常状态是否应该导致修复甚至更换。

图1.机器的生命周期。

因此,仍未使用的机器最初处于所谓的保修阶段。可能无法排除生命周期早期阶段的失败,但这种情况相对较少,通常可以追溯到生产故障。只有在间隔维护的后续阶段才能开始由经过适当培训的服务人员进行有针对性的干预。它们包括在特定时间或在指定的使用时间之后独立于机器状况执行的例行维护,例如换油时的情况。这里间隔之间的失败概率也很低。随着机器寿命的增加,达到了状态监测阶段。从这一点开始,应该预期出现故障。图1显示了以下六个变化,从超声波范围内的变化水平开始(1),然后是振动(2)。通过润滑剂(3)的分析或通过温度的轻微升高(4),可以在以可感知的噪声(5)或热量产生(6)的形式发生实际故障之前检测到未决故障的第一迹象。振动通常用于识别老化。三台相同机器在其生命周期内的振动模式如图2所示。在初始阶段,所有机器都处于正常范围内。然而,从中年开始,振动根据负载或多或少地快速增加,然后指数地增加到寿命结束时的临界范围。一旦机器达到临界范围,就必须立即做出反应。通过润滑剂(3)的分析或通过温度的轻微升高(4),可以在以可感知的噪声(5)或热量产生(6)的形式发生实际故障之前检测到未决故障的第一迹象。振动通常用于识别老化。三台相同机器在其生命周期内的振动模式如图2所示。在初始阶段,所有机器都处于正常范围内。然而,从中年开始,振动根据负载或多或少地快速增加,然后指数地增加到寿命结束时的临界范围。一旦机器达到临界范围,就必须立即做出反应。通过润滑剂(3)的分析或通过温度的轻微升高(4),可以在以可感知的噪声(5)或热量产生(6)的形式发生实际故障之前检测到未决故障的第一迹象。振动通常用于识别老化。三台相同机器在其生命周期内的振动模式如图2所示。在初始阶段,所有机器都处于正常范围内。然而,从中年开始,振动根据负载或多或少地快速增加,然后指数地增加到寿命结束时的临界范围。一旦机器达到临界范围,就必须立即做出反应。振动通常用于识别老化。三台相同机器在其生命周期内的振动模式如图2所示。在初始阶段,所有机器都处于正常范围内。然而,从中年开始,振动根据负载或多或少地快速增加,然后指数地增加到寿命结束时的临界范围。一旦机器达到临界范围,就必须立即做出反应。振动通常用于识别老化。三台相同机器在其生命周期内的振动模式如图2所示。在初始阶段,所有机器都处于正常范围内。然而,从中年开始,振动根据负载或多或少地快速增加,然后指数地增加到寿命结束时的临界范围。一旦机器达到临界范围,就必须立即做出反应。

图2.振动参数随时间的变化。

CBM通过振动分析

诸如输出速度,齿轮比和轴承元件数量之类的参数对于分析机器振动模式是主要相关的。通常,由变速箱引起的振动在频域中被感知为轴速度的倍数,而轴承的特征频率通常不代表谐波分量。还经常检测到由于湍流和空化引起的振动。它们通常与风扇和泵中的空气和/或液体流连接,因此倾向于被认为是随机振动。它们通常是静止的,并且它们的统计特性没有变化。然而,随机振动也可以是循环平稳的,因此具有统计特性。它们由机器生成并定期变化,

传感器方向也起着关键作用。如果通过单轴传感器测量主要线性振动,则必须根据振动方向调整传感器。还有多轴传感器可以记录所有方向的振动,但单轴传感器由于其物理特性,噪声更低,力测量范围更大,带宽更大。

对振动传感器的要求

为了能够广泛使用振动传感器进行状态监测,有两个因素非常重要:低成本和小尺寸。在以前经常使用压电传感器的地方,如今越来越多地使用基于MEMS的加速度计。它们具有更高的分辨率,出色的漂移和灵敏度特性以及更好的信噪比,并且能够检测几乎低至直流范围的极低频振动。它们还非常省电,这也是电池供电无线监控系统的理想选择。与压电传感器相比的另一个优点是可以将整个系统集成在一个外壳(系统级封装)中。这些所谓的SiP解决方案正在通过整合其他重要功能而不断发展,形成智能系统:

集成的保护功能很重要,因为作用在传感器元件上的过大的力通常会导致传感器损坏甚至破坏。通过关闭其内部时钟并因此保护传感器元件,对可能的超范围的集成检测提供警告或停用陀螺仪中的传感器元件。SiP解决方案如图3所示。

图3.封装的MEMS系统(左侧)。

随着CBM领域的需求增加,对传感器的需求也在增加。对于有用的CBM,有关传感器测量范围(满量程范围或简称FSR)的要求已经部分大于±50 g。

因为加速度与频率的平方成比例,所以这些高加速力相对较快地达到。公式1证明了这一点:

变量a代表加速度,f代表频率,d代表振动幅度。因此,例如,对于1千赫振动,1μm的振幅已经产生的39.5加速度克。

关于噪声性能,这应该在尽可能宽的频率范围内,从近直流到中间两位数kHz范围内非常低,因此除了其他伪像之外,还可以在非常低的速度下检测到轴承噪声。然而正是在这里,振动传感器的制造商目前面临着巨大的挑战,特别是对于多轴传感器。只有少数制造商提供足够的低噪声传感器,带宽大于2 kHz,适用于多个轴。ADI公司(ADI)开发了ADXL356 / ADXL357 三轴传感器系列,尤其适用于CBM应用。它具有非常好的噪音性能和出色的温度稳定性。尽管它们的带宽有限为1.5 kHz(谐振频率= 5.5 kHz),但这些加速度计仍可在低速设备(如风力涡轮机)的状态监测中提供重要读数。

ADXL100x系列中的单轴传感器适用于更高带宽。它们在极低的噪声水平下提供高达24 kHz(谐振频率= 45 kHz)的带宽和高达±100 g的g范围。由于带宽高,可以使用该传感器系列检测旋转机器中发生的大多数故障(滑动轴承损坏,不平衡,摩擦,松动,齿轮缺陷,轴承磨损和气蚀)。

基于状态监测的可能分析方法

CBM中的机器状态分析可以使用各种方法完成。最常见的方法可能是时域分析,频域分析以及两者的混合。

1.基于时间的分析

在时域振动分析中,考虑有效值(均方根或简称有效值),峰 - 峰值和振动幅度(见图4)。

图4.谐波振动信号的幅度,有效值和峰峰值。

峰 - 峰值反映了电机轴的最大偏转,因此可以得出关于其最大负载的结论。相反,幅度值描述了发生振动的幅度并识别异常冲击事件。然而,不考虑振动事件期间的持续时间或能量以及因此的破坏能力。因此,有效值通常是最有意义的,因为它同时考虑了振动时间历史和振动幅度值。通过所有这些参数对电动机速度的依赖性,可以获得均方根振动的统计阈值的相关性。

这种类型的分析证明非常简单,因为它既不需要基本的系统知识,也不需要任何类型的光谱分析。

2.基于频率的分析

利用基于频率的分析,通过快速傅里叶变换(FFT)将时间上变化的振动信号分解成其频率分量。得到的幅度与频率的频谱图可以监测特定的频率成分及其谐波和边带,如图5所示。

图5.振动与频率的频谱图。

FFT是一种用于振动分析的普遍方法,尤其适用于检测轴承损坏。有了它,可以为每个频率分量分配相应的组件。通过FFT,可以滤除由滚动元件和缺陷区域之间的接触引起的某些故障的重复脉冲的主频率。由于它们的频率成分不同,可以区分不同类型的轴承损坏(外圈,内圈或滚珠轴承的损坏)。但是,为此需要有关轴承,电机和整个系统的精确信息。

另外,FFT过程要求在微控制器中重复记录和处理振动的离散时间块。虽然这需要比基于时间的分析稍微更多的计算能力,但它会导致更详细的损坏分析。

3.基于时间和频率的分析的组合

这种类型的分析是最全面的,因为它结合了两种方法的优点。时域中的统计分析提供了关于系统随时间的振动强度的信息,同时提供了它是否在允许范围内的信息。基于频率的分析能够以基频的形式监控速度,以及精确识别故障症状所需的其他谐波分量。

基频的跟踪尤其具有决定性,因为有效值和其他统计参数随速度而变化。如果统计参数与上次测量值发生显着变化,则必须检查基频,以避免可能的误报警。

随着时间的推移,各个测量值的变化对于所有三种分析方法是共同的。用于监视系统的可能方法可以包括首先记录健康状况,或者生成所谓的指纹。然后将其与不断记录的数据进行比较。在过度偏差或超过相应阈值的情况下,反应是必要的。如图6所示,可能的反应可能是警告(2)或警报(4)。根据严重程度,偏差也可能需要服务人员立即进行干预。

图6. FFT的阈值和反应。

CBM磁场分析

由于集成磁力计的快速发展,对电动机周围的杂散磁场的测量代表了另一种有希望的旋转机器状态监测方法。测量是非接触的; 也就是说,机器和传感器之间不需要直接连接。与振动传感器一样,磁场传感器有单轴和多轴版本。

对于故障检测,应在轴向(平行于电机轴)和径向(与电机轴成直角)测量杂散磁场。径向磁场通常被定子铁芯和电机壳体削弱。同时,它受到气隙中磁通量的显着影响。轴向磁场由鼠笼式转子中的电流和定子的端部绕组产生。磁力计的位置和方向对于测量两个场都是决定性的。因此,建议选择靠近轴或电机壳体的合适位置。由于磁场强度与温度直接相关,因此绝对有必要同时测量温度。因此,在大多数情况下,今天的磁场传感器包含集成的温度传感器。还应该忘记校准传感器以补偿其温度漂移。

与用于振动测量的情况一样,FFT用于基于磁场的电动机状态监测。然而,为了评估电动机状况,即使在几Hz到约120Hz范围内的低频也是足够的。线路频率明显突出,而低频分量的频谱在存在故障时占主导地位。

在鼠笼式转子中转子条损坏的情况下,滑移值也起决定性作用。它与负载有关,理想情况下在空载时为0%。在额定负载下,健康机器的额定负载在1%到5%之间,并在发生故障时相应增加。因此,对于CBM,应在相同的负载条件下进行测量,以消除负载依赖性的影响

预测性维护的现状

无论条件监控的类型如何,即使采用最智能的监控概念,也不能100%保证不会出现意外停机,故障或安全风险。这些风险只能减少。然而,越来越多的PM正在成为工业界的一个关键话题。它被视为未来生产设施可持续成功的明确先决条件。然而,为此,需要创新和快速发展 - 其技术必须部分确定。赤字主要存在于客户利益和成本的比较中。

然而,许多工业企业已经认识到PM作为成功因素的重要性,因此是未来业务的机会 - 而不仅仅是服务领域。尽管存在极大的挑战,特别是在数据分析领域,PM的技术可行性仍然很大。然而,PM目前正在机会主导地推动。预计未来的商业模式将主要由软件组件决定,硬件的增值份额将相继减少。总之,鉴于机器运行时间较长导致产量较高,今天对PM的硬件和软件的投资已经值得。

参考:

1 “ ABB Ability Smart SensorjetztfürdeneuropäischenMarktverfügbar ”。ABB,2017年4月。

作者:托马斯布兰德

托马斯·布兰德于2015年10月在慕尼黑的ADI公司开始了他的职业生涯,作为他的硕士论文的一部分。从2016年5月到2017年1月,他参加了ADI公司现场应用工程师的培训计划。之后于2017年2月,他担任现场应用工程师。在这个职位上,他主要负责大型工业客户。此外,他还专注于工业以太网的主题领域,并支持中欧的适当事务。

他在莫斯巴赫的合作教育大学学习电气工程,之后在康斯坦茨大学应用科学大学完成国际销售研究生课程。

围观 5
143

页面

订阅 RSS - ADI