設備監控就是一非常典型的邊緣運算應用。設備停機對于工廠的損失是以每分鐘、每小時來計算,因此對于工廠端而言,必須在「分秒必爭」的狀態下掌握設備的運行狀態是否正常,往往等不起待數據傳回云端,再將異常結果傳回本地端的這個過程。
而將機器學習放到靠近資料源的設備前端來處里,卻可以省下資料往返云端的等待時間,讓異常事件預警更實時的反應,甚至于在無法確保有效網絡的情況下,也不用擔心監控系統停擺。對于連續性生產的工廠而言,設備就是工廠的生存命脈,一旦停機損失相當龐大,業者粗估許多大工廠每年因異常停機損失就高達700萬~800萬元,甚至上千萬元。
為了降低停機風險,象是瑞典百年老牌金屬刀工具制造商Sandvik Coromant就將過去以云端分析的模式改采邊緣運算的架構。微軟(Microsoft)執行長Satya Nadella則是在2017年Build開發者大會上,首度展示這項Sandvik Coromant運用Azure IoT Edge的成果。
Sandvik Coromant主要生產各種工具機零組件,由于金屬切割作業非常精密復雜,所以工廠內的生產設備造價動輒上百萬美元十分昂貴,因此Sandvik Coromant就在這些生產設備內裝置傳感器搜集資料來分析,以進行預防性維護。
過往Sandvik Coromant的做法是將資料上傳至云端進行分析,但后來發現光是資料往返再加上異常預警的反應時間平均要花上2秒,對制造現場來說還是太慢,且萬一與云端之間的網絡發生異常后果更嚴重,預估每小時將損失可能超過數百萬美元。
在Sandvik Coromant開始采用邊緣運算架構后,由于資料在本地端就可以直接進行處理、分析,因此也就加快了異常事件預警的反應時間,平均只須0.1秒就能反應,兩者相差了20倍。
在設備狀態監控的應用中采用邊緣運算架構,除了肩負在本地端扮演「末梢神經」,針對異常進行實時反饋降低延遲外,對于傳感器所采集到的海量數據,在資料預處理上更能凸顯其所帶來的價值。
馬達是多數機械設備的運轉核心,因此要判斷機械設備是否故障,可以透過對馬達的振動信號進行偵測。振動更是設備故障的主要表征之一,不同種類的故障,會在振動的信號上呈現不同的表現,只要加以對振動信號進行監測、分析和處理,就能夠隨時掌握設備的運行狀態是否正常,以及預測設備使用壽命等。
研華IoT嵌入式平臺事業群副理高信陽指出,為了偵測更細微的振動變化以達到零誤差的監測,有時候越昂貴的設備,或是牽涉到工安的機械運轉,就會采用采樣頻率更密集的高階傳感器來采集訊號,但通常這類訊號的資料量非常龐大。
比起非工業用途的環境傳感器可能每3分鐘才采集不到1KB的資料量,高階的振動傳感器每秒可達到56KB的數據量,在時間累積下,這對云端運算來說絕對是個沉重的負擔,因此最理想狀態是在本地端事先透過邊緣智能設備進行資料預處理,包括從訊號中篩選關鍵資料再上傳,或是在本地端進行原始資料的轉換。
更何況,設備狀態所產生的訊號并非單純的資料格式,因此在本地端的邊緣智能設備必須在第一步先進行資料格式的轉換。例如將原先不易看懂的原始資料(Raw Data)轉換為以時間與頻率為底的時頻圖分析,方便使用者在管理平臺上透過儀表板呈現更好閱讀的圖象跟波型變化,借以掌握更精確的馬達細部行為模式與狀態。
而通常設備狀態監控最有價值的部分就在于達到預防性維護。如果工廠累積一定的資料量時,后續就可以再利用這些時頻圖進行機器學習的建模,透過常態模型比對振動波形的變化,可以協助工廠找出如軸不對心或滾珠磨損等不同的故障形態,在問題擴大之前就提早解決,防患于未然,進一步從狀態監控進階到預防性維護。
在工廠內,邊緣智能設備能夠有效預防設備停機,更可以進一步成為工廠內OT與IT系統的銜接橋梁。研華IoT嵌入式平臺事業群經理王圣文表示,未來將有越來越多云端運算將部署在不同的自動化應用中,但當務之急是必須先集成各種工業平臺,讓自動化設備的管理更有效率。
象是在工廠自動化的核心技術中占有重要地位的運動控制,系針對機械運動的位置、速度等進行實時管理,使其按照預期的軌跡和規定的運動參數進行運動。此技術可應用在需要精準定位控制,或速度控制的產業機械如機器手臂,以及高精密度的各類CNC工具機。
傳統PLC控制器系以「控制」為核心,講求的是穩定與速度,雖然可靠性高,但在軟件功能及系統開放性方面受限,例如PLC沒有接口可以直接觀察,往往需要外接HMI或PC才能與PLC溝通。但由于架構不同,當使用者一方面希望達到PLC所帶來的實時控制效能,又希望能取得可視化的操作接口時,就必須額外花費一番工夫進行集成。
有賴于邊緣運算的帶動,諸多智能化的分析與管理將能夠更貼近本地端。例如在研華的設備實時管理解決方案里,便是在靠近本地端的邊緣設備上透過x86平臺搭配實時控制軟件,在Windows系統中透過雙核心處理另外搭建一個實時控制環境,對各種自動化設備進行實時性的溝通與控管。如此一來,使用者就可以在達到實時控制的要求下,又能同時以更好的使用者接口進行設備管理。
-
研華
+關注
關注
0文章
372瀏覽量
38746 -
邊緣運算
+關注
關注
2文章
42瀏覽量
7681
發布評論請先 登錄
相關推薦
邊緣芯片詳解
Cincoze德承DV-1100:邊緣運算新王者
德承工控DV-1100:短小精干的小鋼炮,邊緣運算的新王者!
![德承工控DV-1100:短小精干的小鋼炮,<b class='flag-5'>邊緣</b><b class='flag-5'>運算</b>的新王者!](https://file1.elecfans.com/web3/M00/01/C7/wKgZO2dX-k6AZIRHAAEy7okL8EI807.png)
邊緣網關的介紹
NPU在邊緣計算中的優勢
MCP6442 Microchip美國微芯 運算放大器450 nA, 9 kHz Op Amp
邊緣計算與邊緣設備的關系
實時數據處理的邊緣計算應用
圖像處理中的卷積運算
邊緣計算是什么意思?邊緣計算的應用
基于FPGA的實時邊緣檢測系統設計,Sobel圖像邊緣檢測,FPGA圖像處理
研華攜手群聯 共同打造邊緣運算與工控應用生成式AI平臺
![研華攜手群聯 共同打造<b class='flag-5'>邊緣</b><b class='flag-5'>運算</b>與工控應用生成式AI平臺](https://file1.elecfans.com/web2/M00/DC/4E/wKgaomYrdBmAGZa2AAKAdYB8-Lw012.jpg)
邊緣計算網關與邊緣計算的融合之道
![<b class='flag-5'>邊緣</b>計算網關與<b class='flag-5'>邊緣</b>計算的融合之道](https://file1.elecfans.com//web2/M00/C1/F9/wKgaomXcS9GAJJqYAADgy2-cZI8953.jpg)
評論