نرم افزار پایش هوشمند صنعتی

فهرست مطالب
مقدمه ای بر پایش هوشمند صنعتی
پایش هوشمند نقش اصلی را در کنترل هوشمند فرآیندهای تولید ، نگهداری و تعمیرات و کنترل کیفیت را ایفا می کند. فن آوری های پیشرفته جمع آوری داده ها، مانند حسگرها، به طور گسترده ای برای تسهیل جمع آوری داده ها در زمان واقعی استفاده شده است. استفاده از نرم افزارهای پایش هوشمند صنعتی یکپارچه با سنسورها در نظارت هوشمند فرآیندهای فوق الذکر و تصمیمگیری هوشمند در صنعت کنونی در حال توسعه می باشد.
تصمیم گیری هوشمند این یکپارچگی را در سراسر شبکه عامل از طریق جریان اطلاعات و سخت افزار و نرم افزار تسهیل می کند.
کسب و کارها از با استفاده از این نرم افزارها و سخت افزارها به یک کسب و کار هوشمند به دلیل بهبود کیفیت محصول و پاسخگویی به تقاضای مشتری با هزینه عملیاتی کمتر تبدیل می شوند.
تاریخچه پایش صنعتی
نظارت بر وضعیت یک ماشین در فرآیند تولید ، نگهداری و تعمیرات برای تشخیص عیب به طور سنتی به صورت دستی در خیلی از کارخانجات انجام می شود که منجر به ناکارآمدی عملیاتی و نقص قابل توجهی در جریان اطلاعات می شود. با ورود نرم افزارهای موبایل متصل به سرورها مانند اپلیکیشن کنترلر هوشمند صنعتی امر پایش و نظارت بر تجهیزات در یک مرحله نسبتا” پیشرفته در شرف انجام می باشد و کارخانجات از آن بهره می برند و حال آنکه تصمیمگیری هوشمند در سیستم های مدرن، نیاز به فن آوریهای پیشرفته جمعآوری دادهها مانند اینترنت اشیا صنعتی یعنی استفاده از سنسورهای متصل به هم در اینترنت را دارد. ما همه با پایش از طریق PLC آشنایی داریم. این کنترل کننده منطقی قابل برنامه ریزی برای نظارت بر عملیات داخلی، مانند کنترل توالی، زمان بندی و شمارش، بدون تعاملات انسانی می باشد. PLC ها قابل اعتماد، همه کاره و ساده برای پیاده سازی هستند و پیشرفت چشمگیری در صنعت داشته اند. PLCها در موتورها را برای جلوگیری از خرابی سخت افزار و نرم افزار از طریق نظارت بر سرعت و کارایی بکار می برند. ارجاع به شبکههای عصبی نظارت بر برنامههای PLC و پیشبینی خطاهای PLC، که قابلیتهای تشخیص خطا درنگهداری و تعمیرات و کاهش زمان توقف خط تولید را دارد بهبود میبخشد. علیرغم محاسن، رویکردهای مبتنی بر PLC نمیتوانند جزئیاتی را در مورد وضعیت یک ماشین یا موارد خاص بدون کمک حسگرها ارائه دهند. امروزه سیستمهای پایش هوشمند صنعتی متشکل از نرم افزارهای کنترلی متصل به سنسورها و تحلیل دیتا های آن ها و هسته تصمیم گیری برای کنترل خودکار فرآیندها و بهبود عملکرد تجهیزات پا به عرصه صنعت گذاشته اند.
روش نوین در ثبت وضعیت تجهیزات
نظارت بر وضعیت ماشین آلات با جنبه های نگهداری این دستگاه ها بر اساس وضعیت حال و گذشته دستگاه سروکار دارد. به منظور اطلاع از وضعیت دستگاه، حسگرهایی در اطراف دستگاه نصب میشوند تا بتوان اطلاعات مربوط به وضعیت سلامت دستگاه را جمعآوری، تجزیه و تحلیل کرد و در مورد نگهداری و تعمیرات مناسب یا اقدامات اصلاحی تصمیمگیری کرد تا دستگاه قادر به انجام آن باشد. مطابق با اهداف طراحی اصلی آن در یک کارخانه بدون پروتکل مناسب برای نگهداری و تعمیرات دستگاه، نتیجه نهایی می تواند خسارت نهایی برای کارخانه باشد. نگهداری و تعمیرات ماشین آلات به نوع دستگاه، شدت عیوب ماشین آلات و عواقب پایین دستی که ممکن است بر عملکرد کلی کارخانه داشته باشد بستگی دارد. نگهداری و تعمیرات وضعیت ماشین آلات طرحی است که در آن نگهداری و تعمیرات مناسب بر اساس وضعیت دستگاه انجام می شود. در حین کار، دستگاه ها اطلاعات یا سیگنال هایی را به صورت نویز، لرزش، دما، وضعیت روغن روان کننده، کیفیت و کمیت جریان موتور کشیده شده و مواردی از این قبیل منتشر می کنند. این سیگنال ها از دستگاه با نصب مبدل هایی برای اندازه گیری پارامترهای مکانیکی دستگاه به دست می آید. سیگنال های به دست آمده معمولا آنالوگ هستند و همیشه وجود دارند. به منظور ایجاد اطلاعات معنی دار از این سیگنال ها، سیگنال ها توسط مبدل های آنالوگ به دیجیتال به حوزه دیجیتال تبدیل می شوند. داده های دیجیتال گسسته مربوط به سیگنال آنالوگ به دست آمده در رایانه ها تجزیه و تحلیل می شود. نرم افزار هایی برای ذخیره و مدیریت کارآمد بر نظارت بر وضعیت ماشین آلات طراحی شده که از تجمیع داده های مختلف و با استفاده از الگوریتمهای توسعه یافته برای تشخیص عیب در دستگاه ها استفاده می نماید. پس از تشخیص عیب در ماشین آلات، می توان اقدامات اصلاحی را آغاز کرد تا دستگاه عمر مفید طولانی داشته باشد و کارخانه بهره وری بالایی داشته باشد.
تحولات به طور مستمر در تمام جنبه های فوق در حال انجام است. در اکثر دستگاهها در سراسر جهان، وضعیت دستگاه از طریق اندازهگیری ارتعاش کنترل میشود. در بیشتر موارد، ارتعاشات با استفاده از شتابسنجهای پیزوالکتریک تماسی اندازهگیری میشوند. برای اندازه گیری ارتعاشات غیر تماسی، سیستم های مبتنی بر لیزر در دسترس هستند که می توانند ارتعاش عرضی و چرخشی دستگاه دوار را اندازه گیری کنند. سایش و زباله های رسوب شده در روغن روان کننده یک دستگاه برای ترکیب شیمیایی آنها همراه با تجزیه و تحلیل روغن مورد تجزیه و تحلیل قرار می گیرد. تجزیه و تحلیل زبالههای سایش و روغن معمولاً در آزمایشگاههای شخص ثالث اختصاصی انجام میشود، اگرچه برخی از تجزیه و تحلیلهای درجا با شمارشگر ذرات دستی انجام میشود تا تخمینی از اندازه و غلظت ذرات باقیمانده سایش معلق در روغن روانکننده داشته باشد.
اجزا یک سیستم پایش هوشمند صنعتی
سیستم سایبری _ فیزیکی
به عنوان یکی از توانمندسازهای اصلی در هوشمندسازی می توان از سیستمهای سایبری-فیزیکی با اتصال دنیای مجازی و اطلاعاتی با محیط فیزیکی که عملیات در آن انجام میشود نام برد، این سیستم به تسهیل هوشمندسازی فرآیندها کمک میکند. سیستمهای سایبری-فیزیکی پشتیبانی تصمیمگیری را با شناسایی کاستیها، تنظیم پارامترهای عملیاتی، و به طور کلی، انعطافپذیری عملیاتی ارائه میکنند. ارتباط موثر بین ماشینها و تصمیمگیری هوشمند، اصل اصلی استفاده کامل از سیستمهای فیزیکی-سایبری در سیستمهای هوشمند است.
عملیات خودکار نیازمند شفافیت فرآیند است که با نظارت مؤثر بر وظایف و ادغام انسان، ماشین، مواد و روشها درگیر میشود. در این شرایط، جمع آوری داده های بلادرنگ از شبکه عامل، ارائه بازخورد مبتنی بر تحلیل و قابلیت محاسباتی برای تنظیم ویژگی های عملیاتی، به اصطلاح نظارت هوشمند ضروری است. تصمیمگیری هوشمند نیازمند دسترسی بلادرنگ به دادههای عملیاتی و چارچوبهای تحلیل محاسباتی کارآمد است که با استفاده از روشهای سنتی جمعآوری دادهها قابل اجرا نیستند.
هنگامی که یک ناهنجاری توسط حسگرها تشخیص داده شد، علل زمینهای باید بررسی شوند. صرف استفاده از رویکردهای مبتنی بر دادههای تاریخی ممکن است بر جنبههای حساس زمانی نظارت تأثیر منفی بگذارد و منجر به اتلاف منابع و مشکلات دیگر، مانند افزایش شکست پردازش، کیفیت پایین در تولید محصول شود. دریافت های عملیاتی حسگرها و ابزارهای پردازش سیگنال به ترتیب برای خواندن/جمعآوری دادههای ماشین و تجزیه و تحلیل آنها برای نظارت بلادرنگ سیستمهای تولیدی استفاده می شوند. سیستمهای تشخیص عیب بلادرنگ با موفقیت در صنایع در حال استفاده می باشند.
جمع آوری داده ها با استفاده از حسگرها
سنسورها را می توان به تهاجمی و غیرتهاجمی طبقه بندی کرد . حسگرهای مجاورتی، حسگرهای رادیواکتیو و حسگرهای بینایی نمونههای بارز حسگرهای تهاجمی هستند که امکان نظارت فوری و دقیق را فراهم میکنند. حسگرهای مجاورت فاصله بین لبه ابزار و محصول را کنترل می کنند.برای اندازه گیری سایش ابزار از حسگرهای رادیواکتیو استفاده شده است. حسگرهای چشمی برای اندازهگیری فاصله بین ابزارهای تولیدی و اهداف آنها استفاده شده است. دستگاههای سنجش غیرتهاجمی مانند حسگرهای لرزش، حسگرهای نیرو، و حسگرهای انتشار صوتی عمدتاً برای خواندن پارامترهای مرتبط با محصول و ابزارهای ماشینکاری طراحی شدهاند. سنسورهای ارتعاش برای تشخیص فرکانس تجهیزات استفاده می شود مثل سنسورهای ارتعاش که برای نظارت بر خستگی توربینهای بادی دریایی استفاده میشوند. از دیگر حوزه های کاربردی قابل توجه، امواج صوتی برای حس کردن تغییرات ولتاژ استفاده می شود که به طور قابل توجهی خطرات در اندازه گیری ولتاژ را کاهش می دهد. در نهایت، حسگرهای انتشار آکوستیک برای تشخیص عیب و طبقهبندی ماشینآلات بزرگ استفاده شدهاند.
تجزیه و تحلیل داده ها در نرم افزار و تصمیم گیری هوشمند
تجسم اطلاعات برای تجزیه و تحلیل عملکرد کارخانه به مدیران کمک می کند تا به طور مؤثر عملیات را از طریق فرمول بندی مجدد مسائل پیچیده در شاخص های ساده ، مانند در دسترس بودن تجهیزات و کیفیت محصول، نظارت کنند. تکنیک های مختلفی برای تجزیه و تحلیل داده های تولیدی جمع آوری شده، یعنی سیگنال های برگرفته از سنسورها ، توسعه یافته است. روشهای مختلف تجزیه و تحلیل سیگنالها یا سیگنالهای ویژه با فرکانس بالا که در یک دوره طولانی به آرامی تغییر میکنند. روش تحلیل سیستمهای خطی و موقعیتهای مولفههای فرکانس یک شکل موج پیوسته . روش تجزیه و تحلیل سیگنال دامنه زمانی روشهای تطبیق سیگنالها را با توجه به شباهتهای آنها که همه می توانند ماژول های یک نرم افزار پایش هوشمند صنعتی باشند.
صنایع شاهد رشد تصاعدی در پذیرش Industry 4.0 و فن آوری های توانمند آن بوده است. PLC ها به طور گسترده ای برای جمع آوری داده های عملیاتی مورد نیاز برای نظارت بر زمان واقعی فرآیندهای تولید پیاده سازی شده اند. با این حال، محیط، نوع تجهیزات، هزینه بر بودن، ناسازگاری با ماشین آلات و نرم افزارهای مختلف، قابلیت های عملیاتی PLC ها را محدود می کند.
برای کمک به تجزیه و تحلیل دادههای حسگرهای غیرتهاجمی برای نظارت هوشمند. چهار مرحله اصلی شامل حذف نویز، تقسیمبندی سیگنال، طبقهبندی حالت، و محاسبه در دسترس بودن فرآیندها ، تصمیمگیری هوشمند را در سیستمهای مختلف صنایع پیشرفته امکانپذیر میسازد.