英飞凌科技公司的专家称，机器维护有时看起来像是一门妖术。一台看似可靠的机器突然停止工作，尽管每个人都竭尽所能，却无法恢复原状。随之而来的是维护团队的成员，在胡须刮擦，在机器内部进行修整和几句鼓励之后，机器又重新焕发了生命。

现实往往更加务实。安排工作时间表以优化正常运行时间并在对制造的影响*小的时间内进行预防性维护。但是，有时维护工程师似乎“感觉”到了机器人和自动化设备的故障。

除了过程监控所需的传感器以外，传感技术的实施还能带来预测性维护方面的改进吗？

计划停机时间以改善正常运行时间

我们不太可能看到成排成排的非熟练工人来承担20世纪初常见的轻工业制造任务。如今的工厂已实现高度自动化，几乎不需要在制造过程中用人的手就能触摸产品。维护团队在使机器保持运转中起着关键作用，因为计划外的停机时间会迅速蚕食微薄的利润空间。

任何制造操作的核心都是维护，修理和操作（MRO）计划。通过仔细计划，可以安排预防性维护（PM），以使其对制造流程的影响*小。如果实施得当，PM计划可以延长所使用的机器和机器人的寿命。如果定期维护，机器人的寿命可以延长到20年，从而为组织提供出色的投资回报（RoI）。

机器人制造商（例如Yaskawa，Fanuc和Kuka）提供详细的PM计划。它们涵盖了一系列活动，从外观检查运动，电缆和线束到重复性检查，内存备份和润滑。这些计划的维护间隔可以达到大约4,000到10,000小时的运行时间。

（主要图片：工业机器人具有预防性维护计划。坚持该计划可导致20年的服务。）

当然，客户需求和PM计划不能总是彼此同步。机器人的负载，运动和速度可能导致或多或少的磨损，从而导致维护工作过于频繁或不够频繁。操作员培训也会对磨损产生影响。如果使用紧急停止按钮使机器人停止工作，而不是遵循制造商的关闭机制，则制动系统可能会过早磨损。

迄今为止，持续改进计划（CIP）已经成为减少不必要的停机时间同时实现计划中停机时间的主要方法。但是，即使这些达到了改进的成本超过潜在的节省成本的地步。

戈迪洛克斯区的维护

随着工业4.0的持续推出，工厂经理获得的有关其生产地点的数据越来越多。互联网络系统及其实现的数据共享可提供有关制造或过程状态的持续反馈。传感器主要专注于监视过程（例如温度，压力或体积）或安全性，无论阀门是否可操作或安全门是否已锁定。

来自这些传感器的存储数据也可以用于事后分析。如果清空油箱的时间在几周内逐渐花费更多时间，则可以使用此知识来确定油箱出口阀的改进计划维护计划。

我们的维护团队成员的优势之一是他们具有不可思议的能力，能够感知何时会出问题。人类会利用所有的感觉，而当一台机器听起来不太正确或看似有些颤抖时，他们的直觉就会发动。他们的直觉总是正确的，有时可以避免重大的停机和故障。否则由于计划外的维护而造成的财务损失。


可以使用具有工业接口（包括EtherCAT）的微控制器（例如XMC4000系列）将传感器数据融合在一起
在制造设备上附加传感器可以帮助改善预测性维护并非不可想象。这样做的目的是确保没有太多的预防性维护停机时间，也没有过多的意外停机时间-平衡应该是正确的。

这些传感器的目的是在运行过程中监视机器本身，以检测表明即将发生故障的变化。例如，通过同时监视电流消耗，温度，噪声和运动，可以避免机器人关节中与磨损相关的损坏。

如何应对挑战

数字传感器集成了许多信号调理，补偿和校准功能，使得这种概念的实现相对简单。

现有电流测量解决方案，已集成到小巧的包装中，可处理高达+/- 50A的交流或直流信号测量。高精度TLI4970就是这样一种设备，它在测量原理上采用了霍尔传感器技术，从而将一次导体与二次界面电气隔离。


TLI4970整合了所有必要的偏置，信号调理和转换功能，为主机微控制器留下了简单的SPI控制接口
作为无核测量解决方案，整体解决方案非常紧凑，并且比使用磁芯的开环系统更为**。初级导体（电流轨）集成到封装中，无需外部校准。它的输出也是高度线性的，没有磁滞，并且使用差分测量原理可以有效抑制杂散场。

在机器人关节运动检测领域，磁场测量解决方案可以利用巨磁阻（GMR）传感器的特性。这样的设备通过监视两个平面中的磁场来提供换向电动机的角度测量。该正弦和余弦输出将传递到数字信号处理模块，该模块使用三角ARCTAN2功能传递例如电机转子的真实360°角。

TLI5012B E1000就是这样的设备，它是预先校准的解决方案。集成的GMR传感器采用全桥结构实现，以确保可获得*大信号。这种设计还确保了各个传感器上的温度影响相互抵消。可以使用SPI兼容接口将其与微控制器连接，以访问所计算的测量值和配置寄存器。


TLI5012B E1000的GMR电阻的方向应使温度影响*小。然后将X和Y轴信号转换为360°角
许多传感器的另一个集成特征是温度测量模块。DPS310数字气压传感器等设备集成了温度感应功能，从而无需单独实现此功能。

可以通过使用微机电解决方案（例如MEMS麦克风）来集成紧凑的音频感应。它们与模数（ADC）转换器和数字信号处理集成在一起，也可以集成到数字数据收集流程中。IM69D130具有出色的灵敏度（+/- 1 dB）和平坦的频率响应，低频滚动频率为28 kHz。它的声学过载点为130 dB SPL，也适用于嘈杂的制造环境。


MEMS麦克风（例如IM69D130）可提供令人印象深刻的130dB SP声学过载点
要使用所有这些数据，需要实时收集和评估以突出潜在的机械故障。此外，集成需要以现有的Industry 4.0网络技术为基础。XMC4000系列之类的微控制器提供了与数字传感器技术进行通信所需的低级数字接口。此外，它们还支持集成到工业系统中所需的工业网络通信协议，例如EtherCAT。

XMC4000系列的核心是功能强大的ARM Cortex-M4F处理器，从而可以实现传感器融合应用程序。处理器对浮点计算和数字信号处理的支持也将有利于处理和评估传感器数据。紧凑的封装，例如薄型的VQFN和LFBGA，可确保在测量点上可以简单地集成传感和数据处理。


维护团队的目标是坐在Goldilocks区-计划内的停机时间过多与影响之间的*佳平衡
随着制造工厂以24/7全天候运行，此类传感器融合系统将生成大量数据。经过严格的审查，操作人员可能会确定所收集的某些数据中的异常情况。但是，在机器人处理大量负载和零件的情况下，要确定例如电流消耗的差异是否纯粹与负载相关或是否表明即将发生故障将具有挑战性。

人工智能可以提供新见解吗？

这是需要复制经验丰富的维护工程师的精髓的地方。它是叠加数据的组合，例如负载，声音，振动，加热和运动的知识，使他们能够感知即将发生的故障。这正好属于人工智能（AI）分析技术领域。


为了理解所生成的大量数据，可以使用人工智能技术检测随着时间的细微变化
AI都是关于模式识别的，通常跨不同来源的数据集。通过对时域中捕获的数据进行分析，再加上对正在执行的任务的了解，可以确定已知的良好健康状况。然后，AI将负责寻找与电流消耗增加或温度升高相关的声音或振动异常，这些异常可能表明即将发生故障。

工业4.0投资的进一步论证

这些见解可以导致预测性维护方面的显着改善，使团队可以对特定的机械或机器人关节进行**维护，从而将停机时间减少到所需的*低限度。也可以想到的是，该信息可以用于主动地进入紧急模式。这可能涉及放慢机器人的运动速度或降低负载以维持生产，直到出现下一个合适的维修时刻为止。

市场上有许多紧凑，低成本和高度集成的传感器，没有理由不考虑在工业机器人和自动化系统上实现自我监控功能。高性能微控制器也易于集成，提供了传感器融合功能，可以将多个数据段汇总到一个通用的时基上。

如果这样做有更多好处，则更容易证明对工业4.0实施进行投资或将现有设备升级到这些标准。随着AI的进步，通过这种方法生成的相关数据的泛滥将变得容易阻止和分析。如果增加了这些正常运行时间，并且可以实现更有效的基于数据的预测性维护，则实施这些维护的企业将有大量的业务利润和获利机会。