工业物联网应用模型与工控技术趋势分析在社会的推广与实践

工业物联网的应用模型与工控技术趋势分析在社会的推广与实践

工业物联网（Industrial Internet of Things，IoT）技术的发展为预测性维护提供了强大的支持。低成本智能传感器的面市提高了对设备监控水平，使得从事设备管理的人员能够更好地进行数据收集和分析，从而实现预测性维护。然而，对于许多开发人员来说，由于所需硬件和应用软件复杂性的问题，收集、结构化处理、传输、分析和应用这些数据以进行预测性维护仍然是一个挑战。

为了满足业界对于预测性维护兴趣的快速增长，半导体供应商正在推出结合了许多必需硬件和软件功能的一站式综合平台解决方案。这类平台使得工业应用开发人员可以更快速、高效地开发并运行预测性维护系统。

本文将探讨如何运用物联网概念来进行现代化的预测性维护，以及它如何能够大幅度改善流程和结果。此外，本文还将介绍STMicroelectronics公司提供的一种用于评估预测性维护功能并开发自己的应用程序所使用的硬件与软件。

从猜到看：多年来，工程师们通过振动分析等方法来检测机器中的问题。在过去，工程师依靠手持式分析仪或其他专用测试设备来收集和处理数据，以便对设备进行诊断。而现在，因为到了信息时代，我们可以使用低成本传感器对关键设备进行实时监控，从而获得详细数据流，这些都是以前无法想象的事情。

持续评估设备性能能力为工厂运营带来了重要优势。现在，可以使用本地或远程监控应用增强甚至取代计划的手动维修程序，这些计划可能在没有问题的情况下耗费精力，也可能因为反应过慢导致小问题升级成大故障。工厂操作人员不再被动地等待出现问题，而是通过基于传感器信息提前发现潜在的问题，并安排资源以最大限度降低对生产线影响，同时也能安全保护工人，还能根据这些数据改进流程和结果。

然而，对于振动分析这样的任务来说，不仅需要收集时域和频域两方面的振动数据，而且还需要创建一个平台以便以适当带宽和分辨率捕获这些数据，并检测受监控设备中潜在问题迹象。一台好的振动传感器不仅要坚固，以至于能承受突然冲击、强烈振动以及常见工业环境中的其他事件；同时，它还需要具有高灵敏度，以便即使是在正常工作条件下也能捕捉到超过早期传感器能力范围内的事务，如突发加速度或者长时间运行后产生的问题。

尽管来自运动传感器可靠的大量信息对于故障诊断至关重要，但除了振动之外，还有很多其他指标，比如功耗增加、噪声增强或温度变化，都表明“潜在到故障”(P-F)间隔时间缩短。这意味着我们可以通过利用不同的传感模态，在问题发生之前就发现它们，从而减少停机事故发生概率，并确保生产线保持连续运行状态，同时保障员工安全。

为了捕捉这些额外指标，我们需要至少具备能够捕获振动、音频、压力、温度及湿度等多种类型信号来源的心智设计。但是，将这些建立起来给那些试图创造一个既可靠又高效且经济合理解决方案的人带来了实际挑战—这通常会拖延实现更大目标进步速度。STMicroelectronics 提供了一套名为STEVAL-BFA001V1B 的完整参考设计/现成解决方案，该套件包括一块用于预知性的工业项目板及相关软件。这块板子包含了STM32F469微控制单元（MCU）、ISM330DLC运动计数模块以及HTS221温湿计，以及LPS22HBTR压力计、三种MEMS麦克风MP34DT05TR-A—所有这些都嵌入到了一个微型系统中，其中包括2MB闪存补充M95M01-DF 1 Mb EEPROM存储空间，为电源管理服务提供了开关稳压器L6984A 和LDK220 LDO 稳压器。此外，它还有M12连接端口支持IO-Link通信协议，以及扩展接口允许用户添加更多GPIO, ADC转换者, I2C串行接口等拓展组件。不过由于其尺寸相比普通M12电缆稍大，所以它并不像别人想象那么难以安装，只不过略显巨一点罢了。(图片来源：STMicroelectronics)