O monitoramento baseado em estado (CbM) ajuda a prevenir falhas de dispositivos por meio de manutenção preditiva, mas projetar um sistema eficaz normalmente requer integração otimizada de detecção de precisão, cadeias de sinal de baixo ruído, gerenciamento de energia e conectividade sem fio. Estas são características complexas que podem atrasar a implementação do CbM e aumentar os custos. Os projetistas também reconhecem as vantagens da análise de inteligência artificial (IA) de ponta, mas isso também torna o CbM mais complexo. Precisamos encontrar uma solução mais direta e eficaz.
Este artigo primeiro apresenta brevemente os sensores de proximidade e, em seguida, apresenta as soluções plug and play da Analog Devices. Esta solução permite a implantação imediata de CbM sem fio com recursos de IA de ponta.
A Importância do Monitoramento do Estado
O tempo de inatividade não planejado continua sendo um grande desafio na manutenção da alta eficiência operacional dos equipamentos. Uma vez que ocorre uma falha inesperada em equipamentos críticos, ela pode levar à paralisação de toda a linha de produção, à interrupção da cadeia de fornecimento e a serviços de manutenção caros. Os métodos de manutenção tradicionais incluem reparação passiva após uma falha ou manutenção periódica rigorosa, mas estes métodos têm as suas desvantagens: a manutenção passiva pode levar a tempos de inatividade dispendiosos, enquanto a manutenção periódica pode aumentar os custos de recursos ao substituir desnecessariamente componentes ainda em funcionamento.
A adoção do CbM permite a implementação de métodos de manutenção preditiva mais econômicos. Ao monitorar vibração, temperatura, corrente ou outros indicadores de desempenho, os operadores do equipamento podem identificar sinais de alerta de degradação do desempenho dos componentes antes que ocorram falhas. Essa abordagem baseada em dados pode reduzir o tempo de inatividade não planejado, prolongar a vida útil do equipamento e reduzir o custo total de propriedade.
Apesar das inúmeras vantagens do CbM, a sua implementação pode ficar paralisada devido aos seus requisitos complexos e à necessidade de conhecimentos interdisciplinares. Para os campos industrial e automotivo, superar esses desafios é um grande desafio na aplicação bem-sucedida da manutenção preditiva baseada em CbM.
Desafios e exigências trazidas pelo monitoramento estadual
Para aproveitar totalmente as vantagens potenciais do CbM, as soluções CbM devem operar de forma confiável em ambientes industriais e automotivos adversos, ao mesmo tempo em que conduzem análises oportunas com base em dados de medição precisos. Contudo, mesmo durante a operação normal do equipamento monitorado, estas condições operacionais específicas podem sujeitar o equipamento de medição a enormes pressões ambientais e mecânicas. Motores industriais, sistemas de transmissão e equipamentos rotativos pesados podem expor continuamente dispositivos de monitoramento a vibrações, choques, temperaturas extremas e altos níveis de interferência eletromagnética (EMI).
Para obter uma manutenção preditiva confiável, os sensores de vibração nos dispositivos CbM devem ser capazes de detectar alterações mais sutis, que geralmente são os primeiros indícios de desequilíbrio do eixo, desalinhamento ou desgaste do rolamento. Para garantir a medição de vibração de alta precisão sob condições ambientais adversas, é necessário um subsistema de aquisição de sinal de sensor de alta largura de banda e baixo ruído, que pode manter um desempenho estável em ambientes de trabalho adversos.
Como núcleo do método CbM, a análise de vibração estabelece a base para a identificação de padrões que podem distinguir entre operação normal e sinais precoces de falha. No passado, os sistemas de sensores de vibração transmitiam os resultados das medições para um host central ou recursos de nuvem para análise. No entanto, as soluções avançadas de CbM começaram a deslocar cada vez mais as capacidades de análise para o limite. Ao analisar dados dentro ou perto do sistema de sensores, os resultados podem ser obtidos no menor tempo possível e reduzir o tráfego em redes industriais e automotivas sensíveis ao tempo.
Especificamente, a inferência de IA de ponta baseada em modelos de redes neurais convolucionais (CNN) pode fornecer interpretação em tempo real das mudanças de vibração. No entanto, usar CNN para inferência requer uma quantidade significativa de computação, tornando mais complexo atingir os objetivos de CbM sem exceder as limitações de potência, tamanho ou custo do sistema.
Com o uso crescente de CbM em dispositivos rotativos, dispositivos remotos ou móveis, e a impraticabilidade das conexões com fio, minimizar o consumo de energia tornou-se mais urgente. Para atender aos requisitos de conexão sem fio nessas situações, o Bluetooth de baixa energia (BLE) pode atingir a combinação necessária de distância de transmissão, potência e confiabilidade em comparação com outras tecnologias de conexão opcionais (Tabela 1).
No entanto, assim como o processamento de IA de ponta, o desafio que enfrentamos é encontrar uma solução de conectividade BLE que possa operar normalmente dentro das limitações de energia dos sistemas de sensores sem fio. Na verdade, garantir uma vida útil prolongada da bateria continua a ser um desafio para qualquer projetista de sistemas de sensores sem fio. No entanto, isto é particularmente importante em aplicações industriais e automotivas, onde os sensores podem ser difíceis de alcançar. Em sistemas CbM que requerem inferência CNN, o gerenciamento de bateria e energia está se tornando cada vez mais importante. O desafio nesse sentido é como coordenar vários reguladores de tensão, sequenciadores e sistemas de carregamento para reduzir o consumo de energia e, ao mesmo tempo, garantir uma operação estável.
O kit de avaliação fornece uma solução CbM sem fio integrada com funcionalidade de IA de ponta
O kit EV-CBM-VOYAGER4-1Z Voyager 4 da Analog Devices fornece uma plataforma completa de monitoramento de vibração alimentada por bateria para avaliação contínua da tecnologia CbM ou implantação imediata em aplicações de manutenção preditiva, abordando vários desafios enfrentados ao implantar CbM sem fio com recursos de IA de ponta. Este kit adota um suporte vertical (Figura 1, superior), fixando firmemente a placa de circuito impresso principal (placa PC) de um lado e a bateria do outro lado para eliminar o impacto de ambientes agressivos. A placa do circuito de potência e o sensor estão localizados na parte inferior do suporte, próximo à fonte de vibração a ser monitorada. Para facilitar a implantação, os componentes de suporte vertical são colocados dentro de uma capa protetora de alumínio com diâmetro de 46 mm e altura de 77 mm (Figura 1, parte inferior). A parte superior da capa protetora está equipada com uma capa de acrílico ABS, que pode ser usada para conexão BLE.