Silicon Labs(亦稱“芯科科技”)時刻關注物聯(lián)網市場需求并提供相應的無線連接解決方案，本文針對為工業(yè)物聯(lián)網(IIoT)領域中正在被熱烈討論的“預測性維護(Predictive Maintenance)”說明其應用需求，以及如何構建即插即用的無線解決方案。
為何需要預測性維護?
計劃外停機每持續(xù)一小時，制造商便會遭遇代價高達 260,000 美元的生產損失。即使是短暫的中斷也會延遲交付，降低客戶滿意度，最終對利潤產生負面影響。各類公司正不斷尋求解決方案，以避免低效的例行維護，從而保持競爭力，這使得用物聯(lián)網預測性維護取代傳統(tǒng)定期維護實踐的需求不斷增長。
預測性維護是什么?
預測性維護涉及使用各種互聯(lián)傳感器來監(jiān)測生產設備的狀況。換言之，它有助于制造商預測機器何時可能發(fā)生故障，以及在任何故障發(fā)生之前的最佳維護時間。
預測性維護的益處
通過主動修復設備，制造商可以節(jié)省數(shù)百萬美元，并提高運營效率。預測性維護使公司能夠預測設備健康狀況并延長使用壽命，同時提高產量并保證員工安全。
預測性維護的工作原理
狀態(tài)監(jiān)控傳感器可捕捉和收集關鍵設備的數(shù)據(jù)，獲得 360 度全方位的視角。溫度、振動、聲音、扭矩、電流、電壓和磁場信息等所有數(shù)據(jù)點都被發(fā)送到網絡邊緣或云進行計算。監(jiān)控系統(tǒng)生成數(shù)據(jù)閾值，在發(fā)現(xiàn)異常時發(fā)送警報。
在機器內集成無線連接功能，或使用傳感基礎設施改造現(xiàn)有設備可實現(xiàn)這一點。
Silicon Labs的工業(yè)物聯(lián)網預測性維護解決方案
Silicon Labs可提供具備出色射頻性能和功耗的無線 SoC 和模塊產品組合，賦能物聯(lián)網設備制造商，助其為工業(yè)客戶設計可靠的無線預測性維護解決方案。Silicon Labs采用機器學習 (ML) 技術，可在內存受限的遠程邊緣設備上實現(xiàn)復雜的運動檢測、聲音識別和圖像分類。
以下是開發(fā)無線設備的主要設計考慮因素，這些設備將需要在干擾較大的工業(yè)場所可靠運行。
1、提高射頻傳輸功率：工業(yè)環(huán)境對射頻傳播造成了許多障礙，包括電氣噪聲、金屬結構和旋轉設備等。傳輸功率因此成為了早期設計階段的關鍵考慮因素。Silicon Labs的無線硬件，如EFR32BG12藍牙SoC和BGM210P藍牙模塊，擁有出色的發(fā)射功率(20 dBm)和接收器靈敏度，助您開發(fā)可靠的 IIoT 無線設備。
2、避免誤報：任何網絡延遲都可能導致誤報，觸發(fā)不必要的維護請求。誤報會降低監(jiān)控系統(tǒng)的可信度，并導致維護資源分配低效而導致收入損失。Silicon Labs 通過高傳輸功率硬件和強大的軟件協(xié)議棧實現(xiàn)了可靠的網絡連接性能，確保數(shù)據(jù)能夠從互聯(lián)傳感器安全地傳輸?shù)街醒霐?shù)據(jù)存儲。
3、盡可能延長 IIoT 設備的電池壽命：大多數(shù)預測性維護無線方案都由電池供電，并部署在難以觸及的位置。這給開發(fā)人員帶來了新的挑戰(zhàn)。智能解決方案使用藍牙等節(jié)能的無線標準，能夠以最小的功率在較大的范圍內運行。再加上 Silicon Labs 的超低功耗無線芯片組，可實現(xiàn)能夠最大限度地延長電池壽命的解決方案。
如何在預測性維護中啟用機器學習 (ML)
在芯片上注入 ML 功能可使您的 IIoT 解決方案從工業(yè)環(huán)境中學習。根據(jù)收集的數(shù)據(jù)點，ML將基于操作模式檢測異常，并預測適當?shù)木S護時間。您可以將 ML 實施在不同的位置，但通過在本地計算數(shù)據(jù)，您可以確保決策更迅速、更節(jié)省能源。
（轉載）
