什么是工业边缘计算,它如何使制造业受益?
具有高速通信能力的廉价传感器——被称为物联网(IoT)设备——导致了数据采集的爆炸式增长。然而,除非对数据进行分析以产生有用的操作,否则数据几乎没有价值。许多物联网传感器和设备将数据发送到云端进行处理。边缘计算是基于云计算的处理的一个替代方案,可以在几个方面给制造业带来好处。
什么是边缘计算?
想象一个由传感器和计算机组成的网络,向中央服务器发送数据并接收指令。简单地说,这就是互联网的组织方式。在这个网络的“边缘”是与物理硬件交互的物联网设备。泵、马达、轧机、机器人和包装机只是可能连接在工业物联网(IIoT)。
这些机器中的每一台都可以将数据流送回中央服务器。这可能包括生产统计数据,如周期时间或操作条件,如温度和振动。检查系统可能正在传输图像进行分析和存储。这些数据可以帮助运营商监控性能并识别改进机会,但有两个限制:延迟和带宽。
延迟是发送和接收数据时发生的延迟。它的变化很大,使得云系统无法进行实时控制。
带宽是从设备到服务器的“管道”的容量。随着越来越多的工业物联网设备被添加到系统中,采样率不断提高,传输的数据量也不断增加。在某个点上,“管道”变得满了,任何额外的数据都会被延迟。
在讨论工业物联网时,边缘计算指的是在机器或设备上执行数据处理。在某些情况下,这可能需要一台机器上的计算机,但更现代的工业物联网设备具有边缘计算能力。传输的数据量减少了,因为任何需要立即响应的事情都直接在机器上处理。
边缘计算如何使制造业受益
边缘计算在制造业中的使用案例包括:
- 测量和检验
- 生产计划与控制
- 过程控制与优化
- 预见性维护
在测量和检验应用中,边缘计算允许数据分析和对任何观察到的问题的即时响应。例如,厚度测量系统可以检测到漂移,并在轧机或涂层过程中实施纠正措施。
基于图像的缺陷检测系统越来越多地使用人工智能(AI)来发现错误或过度的可变性。这以前需要服务器的计算资源,但越来越多的边缘计算物联网设备可以在机器上执行这一任务。边缘计算使机器不必向服务器报告生产数据的各个方面。相反,工业物联网设备可能只在超过限制时报告趋势。
一些制造过程有大量的变量,这使得保持产品一致性成为一个挑战。工业物联网边缘设备可以监控粘度、流速和温度等参数,并使用AI优化输入以实现输出目标。
边缘计算最大和最成熟的应用可能是在预见性维护.这解决了制造业中最大的挑战之一:如何消除计划外停机。
边缘计算和预测维护
许多制造商将反应性维护和预防性维护结合起来,以最大限度地提高设备的可用性,同时试图最小化成本。在停机成本(产量损失、质量问题、延迟交货、加班)并不过高的情况下,被动维护——运行机器直至故障,然后进行维修——是一种有效的策略。然而,当停机严重影响业务性能时,预防性维护是常态。
预防性维护包括定期让机器停止服务,更换部件和调整以使其在规格范围内运行。这种策略的风险在于进行了比防止故障所需的更多的维护,但却没有进行正确的维护。
预见性维护提供了一个选择。通过使用IIoT传感器边缘计算能力可以监测生产设备上的生命体征——相当于检查心率和血压——它可以在磨损或故障影响生产之前检测并做出反应。
可以监测的“生命体征”包括:
- 温度
- 振动
- 电流消耗
- 液面
- 流率
- 噪音
- 速度和周期时间
这种类型的监控可以应用于离散零件和过程制造。车削和铣削中心、机器人、集成装配和包装线都是很好的预测性维护候选者,混合、反应、加工、固化和涂层过程也是如此。
无论在何处应用预测性维护,其好处包括:
- 提高设备的可用性
- 防止计划外故障和微小停机
- 减少过程和产品的可变性
- 更好的安全
向ATS咨询全面维护方案
作为领先的供应商基于技术的工业维护ATS了解工业物联网在有效的预测性维护中发挥的作用。结果是明显可衡量的,包括减少计划外停机时间和提高生产率。联系我们今天我们将了解如何帮助您提高维护操作的有效性。