Smart Condition Monitoring ofrece monitoreo de condición en tiempo real sin sensor de medición adicional.
Temas como mantenimiento predictivo y modelos predictivos basados en inteligencia artificial.
Estos son actualmente de gran interés en la ingeniería mecánica.
Pero muchos clientes no tienen una idea real del tipo de predicciones que se pueden hacer.
Todo lo que les interesa es monitorear máquinas y procesos.
Uno de los aspectos más destacados de Lenze es cómo se puede realizar el monitoreo inteligente de la condición, “Smart Condition Monitoring”.
La cual proporciona una amplia información sobre el “estado de salud” de las máquinas y plantas.
Sin la necesidad de tecnología de sensor adicional y costosa.
El monitoreo de condición y mantenimiento predictivo se tratan repetidamente como sinónimos, pero en realidad son dos conceptos muy diferentes.
El mantenimiento predictivo es la predicción de eventos o la probabilidad de eventos.
Este tipo de predicción podría usarse para planificar el reemplazo de una caja de cambio.
Para hacerlo a su debido tiempo antes de que la máquina o la planta se descomponga.
Los análisis basados en Machine Learning (ML) y AI pueden ayudar a identificar anomalías más rápido.
Condition Monitoring, sin tecnología de sensor adicional
El hecho de que el valor agregado ofrecido por Condition Monitoring no esté asociado con mayores costos de hardware.
Esto lo hace particularmente interesante para los OEM. Esto se debe a que no se necesitan sensores adicionales.
El truco con esta solución es extraer el valor agregado de la información de las fuentes de datos que ya están disponibles.
Lenze proporciona algoritmos probados previamente para diversas aplicaciones y ayuda a los ingenieros mecánicos.
Convirtiendo su experiencia en procesos y conocimiento.
Con de máquinas en un modelo de Monitoreo de condición que mejorará la eficiencia.
Ejemplo de un robot de 2 ejes
El proveedor de automatización demuestra este principio al mostrar dos enfoques diferentes en la feria.
Uno basado en el modelo donde valores reales que se miden, se comparan con la descripción matemática de la máquina.
Si se exceden ciertas tolerancias, esto se interpreta como una falla.
El otro enfoque está basado en datos.
Un algoritmo aprende el comportamiento del sistema y las influencias recíprocas de varios parámetros,
Los valores reales se comparan con la descripción aprendida para definir desviaciones.
Las anomalías se pueden detectar en ambos casos a través de los valores de corriente y par.
Ya sea a través de un aumento absoluto en el valor o por anomalías en el análisis de frecuencia.
El monitoreo de condición activa la alarma en ambos casos y muestra las causas en un tablero.
Sistema de control o nube
Los dos enfoques de Monitoreo de condición difieren no solo en términos de su concepto.
La pregunta sobre cómo se evalúan estos datos también tiene diferentes respuestas.
La evaluación basada en el modelo generalmente se lleva a cabo en el sistema de control.
Porque no requiere ninguna potencia informática significativa.
Los análisis de ML e IA utilizados para evaluaciones basadas en datos normalmente implementan como una aplicación en la nube.
La cartera de Lenze le da al OEM total libertad de elección.
Esto incluye una serie de PLC tridimensionales diferentes para el monitoreo de condición basado en modelos con Condition Monitoring.
La evaluación basada en datos también se puede llevar a cabo localmente si utiliza el potente controlador de gabinete c750.
Alternativamente, se puede proporcionar una ruta a la nube utilizando la puerta de enlace x500.
En combinación con la plataforma x4, los ingenieros mecánicos tienen una solución en la nube llave en mano.
Cubre no solo el monitoreo de condiciones sino también el mantenimiento remoto de la máquina y la gestión de activos fácil de usar.
Para más información sobre este monitoreo no dudes en contactar con nosotros.