智能制造趋势下，以基于传感器监测解译的人工智能平台加强机器预测性

智能制造的大趋势下，电机依然是这个传统行业的核心设备，经过200多年的发展，它已经成为现代工业制造、生产和生活中不可或缺的基础核心。据Marketsand Markets统计，2019年全球电机市场的规模为1220亿美元，到2026年将会达到1691亿美元。尤其在工业领域下，电机的存量市场数量相当巨大。工业负荷70%的用电负荷是电机，但是大量电机设备的状态信息是脱离于“网络”之外的，脱离了生产者、销售者、维护者甚至某种程度上使用者也不完全掌握。

为工业设备开发准确、可靠的状态监控解决方案需要综合考虑技术和设计因素。如何捕获关键信号并将其转换为可行的见解，从而实现诊断和预测性维护解决方案一直是ADI公司在探索的重要方向，并且ADI也一直是这个领域的领导者和先驱者，ADI相关技术和解决方案近年来的进展值得业内学习和参考。

基于传感器信号采集分析的工业设备状态监测

ADI一直在探索基于状态的监控，实现早期检测和实时诊断机器和系统的异常情况。识别并隔离这些问题后，就有机会优化替换件库存、安排停机时间以进行计划中的维护并进行运行时工艺过程调整，从而延长设备的有效使用寿命。

无论是电机和泵，还是轴承和编码器，振动、电流和温度都是深入了解设备健康状况的关键信号。振动测量还可进一步隔离机械噪声和电气噪声，从而提供额外的数据，改善机器的诊断。此外，高速操作（例如生产铣削或切割）过程中增高的振动水平可能损坏关键材料并降低精度。检测不规则缺陷的宽带宽低噪声传感器可提供实时数据作为反馈并进行机器控制。

初始磨损迹象通常会产生高频噪声，而这种噪声只能用宽带宽低噪声振动传感器或加速度计检测到。使用宽带宽可以早期检测到由于小金属碎片撞击而导致的轴承初始磨损。轴对准的微小变化或电机座的不平衡需要使用低噪声稳定加速度计进行检测，该加速度计可检测影响电机性能的微小机械位移。高速操作（例如生产铣削或切割）过程中增高的振动水平可能损坏关键材料并降低精度。检测不规则缺陷的宽带宽低噪声传感器可提供实时数据作为反馈并进行机器控制。ADcmXL3021是一个完整的振动监测系统。

打造专业传感和解译平台，让机器性能可预测

随着工业4.0的推进，人们慢慢的对在终端中广泛部署工业物联网系统寄予厚望，希望它们能带来更大的灵活性和更高的生产率，从而彻底改变工业领域的运营。遗憾的是，终端传感器网络和机器学习很大程度上未能在行业中普及，虽然一些实创公司取得了一定成功，但缺乏规模化的能力，大数据拥护者成功的在更高水平上聚合了数据，但往往缺乏关键领域的专业知识，更不用说从终端获取优质可信的数据了。所以，针对终端传感器网络和机器学习缺少的是一个能够发挥作用的平台。

OtoSense是一款人工智能驱动的传感和解译平台，可以使用智能手机应用在几分钟内完成配置和安装，按照学习过程创建一个模型，然后将其用作连续监控开始时的参考点。在这个平台中，每个电机模型都位于云中，因此，当检测到电子或机械故障时，会向手机应用发送通知，所有警报都提供1到10的故障等级，并且在通知中包含要采取的操作和采取操作的时间，它能够准确检测所有的重要故障，包括电力系统、定子绕组、转子、平衡、轴承、失调、冷却系统或夹具松动等，所有数据通信都通过一个先进的软件框架架构来安全管理。

OtoSense平台可以在离线或在线状态下实时检测声音振动或终端上的一维时间序列，它既可以在本地运行，也可以在云中运行。开始时，终端检测设备附装到机器上，数据发送到服务器，托管OtoSense的服务器构建一个异常模型，用于检测异常，这种初始模型被推送到无法检测异常信号的终端设备上，这个时候需要引入有经验的本地专家，让他们教授系统学习。

例如，当终端设备检测到异常振动信号时，会将其发送回本地服务器，这可能只是一台笔记本电脑或一台平板电脑，平台询问本地专家关于异常事件的情况，专家会根据他们多年使用该机器的经验，进行异常确认并将情况报告给服务器，然后，在下一次发生这种事件时平台就可以自动进行识别。在OtoSense平台上，还有一种更快的方法，就是允许专家在声音振动图上标记目标事件，事件识别和异常模型被发送至终端设备，随着时间推移终端设备就会变得更加智能，并保留人类领域专家提供的知识。

传感器边缘端+智能分析平台，智造的未来模板

如何保证设备系统低故障甚至无故障运行，减少因此带来的时间成本和经济成本的损失，成为全球智能制造业需要解决的问题。而随着维修理论和相关技术的发展，基于状态的监测被认为是解决上述问题最佳途径。电机“预测性维护”可以让电机的寿命提高10%左右，让有能力提供良好服务、统一体验的设备服务商和制造商提升产品体系。ADI的OtoSense使状态监控技术取得巨大飞跃，该平台可以自行检测异常，并通过与领域专家交互不断学习，以便及早识别并预测故障，从而避免发生代价高昂的停机、损坏或重大故障。该平台为各类工厂应用带来新的状态监控机会，同时最大程度降低了集成到现有以及新工厂设备的复杂性。

OtoSense平台的优势在于对于各自领域的本地人类专家，可以为他们提供视觉模型创建工作间，以便他们改进或开发自己的模型。同时，OtoSense每天会高效地向这些本地领域专家“学习”，了解任意数量的机器，使自己逐渐成为一名专家，通过开发一种自动感知机器运行状况的方法监控机器的运行性能。可以这么说，ADI的OtoSense技术正在规范总结这些辛苦积累的专业知识，并扩大引擎监控的范围，使之成为真正由数据驱动的操作而非主观评估。