傳統維護一般是預防性或矯正性維護，通常會佔用很大一部分生產成本。現在，使用IIoT（工業物聯網）監測機器的健康狀態有助於實現預測性維護，讓產業人員能夠預測故障，從而大幅節省營運成本。

由於工業設備普遍數位化與互聯互通，工業4.0得以實現，且正在協助生產工具變革。它就像一個遊戲規則的改變者，讓生產鏈變得更加靈活，支持製造客製化產品，同時保持盈利。此外，數位化和工業物聯網連接對維護也大有裨益。使用感測器，尤其是加速度計之後，可以分析機器的運作狀態，而不是每隔一段時間更換磨損的零件。在預測性維護框架內，只有在出現某些早期預警症狀時，操作者才需要介入。這種針對機器健康狀況的分析被稱為基於狀態的監控 (CbM)，與基於通常非常保守的固定時間表的系統型維護系統相比，能夠控制維護成本。除了維修作業計畫更為靈活之外，還能在早期階段偵測出問題，讓 操作人員能夠據此安排機器的停機時間，比起生產線以外停機，這顯然要好得多。

製造商使用多種參數來確定啟動維護操作的時間，這些參數包括振動、雜訊、溫度測量等。 在可測量的物理量中，振動頻譜測量能夠針對旋轉機器（發動機、發生器等）中的問題的根源提供最多資訊。 異常振動可能是滾珠軸承故障、軸偏差、不平衡、過度鬆散等問題。 每個問題都有自己特有的癥兆，例如旋轉機器的振動源。

振動測量可以使用放置在被監測元件附近的加速度計進行。 這種感測器可以是壓電式，也可以是MEMS類型，後者更具優勢，不僅可以在低頻率狀態提供更好的回應，而且體積小巧。 

滾珠軸承發生故障時，每次滾珠碰觸到裂縫處，或者觸碰到內環或外環的缺陷位置，就會發生撞擊，引起振動，甚至導致旋轉軸輕微移位。 撞擊發生的頻率以轉動速度、滾珠的數量和直徑決定。 

但這不是全部！一旦故障出現，前面提到的撞擊有時會產生可聽見的聲音，即衝擊波，表現為低能量譜分量和相對較高的頻率，通常大於5 kHz，且總是遠超過基本的旋轉頻率。 只有低雜訊、高頻寬加速度計（例如ADI公司的ADXL100x）才能測量與首個故障信號相對應的頻譜線。 對於頻率回應較低或雜訊較高的產品無法感測到的問題，這些加速度計可以提供一些寶貴資訊。 隨著問題惡化，低能量譜分量不斷增加。 到了後期，用入門級加速度計就能檢測出振動，但到了此時，解決故障已經迫在眉睫，維護團隊需要在很短時間內做出反應。 為了避免猝不及防，使用低雜訊、高頻寬加速度計以在異常產生初期就進行檢測，可謂至關重要。 

圖1. 基於問題類型的頻譜特徵。 滾珠軸承故障的首個跡象發生在高頻頻譜。

除了ADXL100x系列加速度計 （ADXL1001/ADXL1002/ADXL1003/ADXL1004/ADXL1005）之外，ADI公司還提供許多其他加速度計，對於分析機器狀態非常有用。 在更嚴格的頻寬範圍內觀察發現，ADXL35x系列產品 （ADXL354/ADXL355/ADXL356/ADXL357） 具備低雜訊等級特性（雜訊低至20 μg/√Hz，頻寬為1500 Hz）。 與提供模擬輸出的ADXL100x系列產品不同，ADXL35x系列產品可以提供數位輸出，用於簡化與微控制器的介面。

供消費電子使用的入門級產品，例如ADXL34x （ADXL343/ADXL344/ADXL345/ADXL346） 或超低功耗ADXL36x （ADXL362/ADXL363） 加速度計並不具備足以滿足高品質預測性維護要求的頻寬或雜訊性能。 這些入門級產品不僅限制了現有設備的診斷能力，而且還極大地限制了用於開發未來診斷解決方案的數據的可用性。

但是，它們卻是測量機器活動的極佳選擇，例如，用於計算操作小時數，並在必要時啟動維護—不是預測性維護，而是預防性維護。 這些加速度計的功耗極低，因此可以通過能量採集器或通過電池供電。 

如果只是需要監測和測量機器的意外撞擊，ADXL37x系列產品 （ADXL372/ADXL375/ADXL377） 就是理想的選擇。 由於撞擊可能只會改變機器的精度或運行狀態，所以它可能會啟動某些功能，例如糾正性維護，以糾正可能出現的問題。 

如前所述，ADXL100x系列具有寬頻寬和低雜訊特點。 但是，它們採 用單軸，需要配備相關的處理電子設備。 為了簡化設計，ADI公司提供了一套完整的解決方案，採用 ADcmXL3021型號實施三軸 測量。 這款3.3 V電源電壓產品包括三個基於ADXL1002的測量鏈、一個溫度感測器、一個處理器和一個FIFO。 整個裝置封裝在一個鋁殼 （23.7 mm × 26.7 mm × 12mm） 內，可以即時安裝在旋轉機器上。 該產品的全尺寸為±50 g，具有僅 25 μg/√Hz的極 低雜訊水準和10 kHz頻寬，這些特點使其能夠在大量應用中捕捉振動特徵。

圖2. ADcmXL3021模組，非常適合用於實施預測性維護。

表1. ADcmXL3021和ADXL100x系列非常適合CbM應用。

訊號處理模組不僅包括一個具有32個係數的可配置FIR濾波器，還包括一個每軸2048個節點的FFT函數，可用於對振動進行頻譜分析。 再將以此方法計算得出的頻譜之每個頻率級別與可配置的警告閾值（每軸6個）進行對比。 如果頻譜元件過於密集，就會生成警報。

本產品可以通過SPI埠與主機處理器進行交互，提供訪問內部寄存器以及一組使用者可配置的函數的許可權，包括先進的數學函數，例如計算平均值、標準偏差、最大值、波峰因素和峰度（四階動力矩，支持測量振動的銳度）。

無線網路非常適合用於從振動感測器收集維護數據。 它的速度不需要多快，但必須夠穩定強健，能夠在通常非常嘈雜、且採用金屬結構、傳導性很差的工業環境中運行。 它還必須能夠從大量感測器收集數據，而這些感測器不一定非常靠近數據記錄器。 為了滿足這一需求，ADI公司推出 SmartMesh® IP 工業Mesh網路，該網路功耗低，且具有相當高的抗擾性。

最後一個標準對於維護模組非常重要，為其供電的能量採集器或鋰電池必須運行5到10年，中間不能更換。 SmartMesh IP網路基於6LoWPAN標準 （IEEE 802.15.4e），非常適合IIoT，且基於圍繞2.4 GHz傳輸的專有協定構建。 該解決方案包含 LTC5800 收發器或預認證的LTP590x模組，非常容易實施。
使用各種技術來保證傳輸可靠性大於99.999%，包括同步、通道跳變和時間戳，以及針對Mesh網路的動態重新配置，在訊號最強勁的地方僅使用RF路徑。

圖3. SmartMesh IP網路非常適合用於實施IIoT和預測性維護操作。

表2.糾正性、預防性和預測性維護的成本對比

使用各種技術來保證傳輸可靠性大於99.999%，包括同步、通道跳變和時間戳記，以及針對Mesh網路的動態重新配置，在信號最強勁的地方僅使用RF路徑。

目前市場上有多種振動分析技術。 除了數位濾波被用於克服流程本身或由機器的其他元件導致的寄生振動之外，還可使用數學工具進行輔助，例如ADcmXL3021中包含的工具（計算平均值、標準偏差、波峰因素、峰度等）。

分析可以在時域中進行，但頻率分析才是提供最多關於異常及異常原因的資訊的分析。 頻率分析甚至可用於計算被同化為信號頻譜中頻譜的倒譜（反向傅里葉變換被用於計算信號傅里葉變換的對數）。 但是，無論使用哪種分析方法，困難之處在於確定最佳警報閾值，以使維護操作既不會太早也不會太遲。 

可以採用一種方法替代傳統的警報閾值配置，即在故障識別流程中引入人工智慧。 在機器學習階段，雲資源被用於基於來自振動感測器的數據創建代表性的機器模型。 模型創建完成之後，可以下載至本地處理器。 使用嵌入式軟體不僅可以實時識別正在發生的事件，還可以識別瞬態事件，從而能夠檢測異常。

除了為預測性維護構建模型之外，人工智慧和雲端訪問還開啟了通向諸多可能性的大門。 將振動測量數據與來自其他感測器的數據（壓力、溫度、旋轉、功率等）相關聯，可以推斷出關於系統狀態的許多資訊，遠多於維護所需的數據量。 將基礎數據合併可以進一步優化設備模型，不僅可用於檢測機械故障，還能夠處理問題（例如，空輸送帶、內部沒有流液的泵、不含膏體的混合器等）。 因此，我們可以考慮設備製造商通過將設備供應、維護，以及對生產線的性能和問題實施的統計分析結合起來，為他們的最終客戶提供的多種服務。 配備了感測器模組之後，基本的馬達會成為大數據概念的主要參與者。

安馳科技｜ADI亞德諾半導體網站：https://anstekadi.com
安馳科技 LINE 官方帳號：https://lin.ee/5gcKNi7
安馳科技 Facebook 官方帳號：https://www.facebook.com/ANStek3528
安馳科技EDM訂閱 https://anstekadi.com/Home/EDM
申請樣品與技術支援：https://www.surveycake.com/s/dQ3Y2 
與我聯絡：Marketing.anstek@macnica.com