Smart Condition Monitoring - Cuando el accionamiento se convierte en sensor

Fecha de publicación
Cateogría del artículo Lenze
Visualizaciones del artículo Leído  619  veces

Smart Condition Monitoring ofrece una supervisión de parámetros de estado de máquina (Condition Monitoring) en tiempo real sin sensores de medición adicionales

Smart Condition Monitoring - Cuando el accionamiento se convierte en sensor

El mantenimiento y los modelos predictivos basados en la inteligencia artificial (IA) son actualmente asuntos de gran interés en la ingeniería mecánica. Aunque muchos de los clientes no tienen una idea real del tipo de predicciones que se pueden hacer, estando mayormente interesados en la monitorización de máquinas y procesos. Por ello desde Lenze pretenden mostrar cómo se puede implementar un Condition Monitoring inteligente que proporcione amplia información sobre el "estado de salud" de las máquinas e instalaciones sin necesidad de una tecnología de sensores adicional de alto coste.

Condition Monitoring y Mantenimiento Predictivo se utilizan a menudo como sinónimos, pero en realidad son dos conceptos muy diferentes. El mantenimiento predictivo es la predicción o probabilidad de eventos. Por ejemplo, si la probabilidad de que se produzca un fallo en un reductor dentro de las próximas 50 horas de operación es superior al 90 por ciento. Con tal predicción, se podría planificar el cambio del reductor a su debido tiempo antes de que la máquina o planta se averíe.

Condition Monitoring, por otro lado, es una etapa previa que permite una descripción más detallada del estado actual mediante la interpretación de los datos existentes. Esto requiere un profundo conocimiento de las máquinas y procesos para generar información significativa a partir de datos "desnudos". Los análisis basados en el aprendizaje automático (ML) y la IA pueden ayudar a identificar las anomalías más rápidamente.

Sin sensores adicionales

El hecho de que el valor añadido que ofrece el Condition Monitoring no esté asociado a mayores costes de hardware lo hace particularmente interesante para los Fabricantes de Maquinaria. Esto es debido a que no se necesitan sensores adicionales. Esto se debe a que no se utilizan sensores adicionales. Lo más destacado de la solución es que el valor añadido de la información puede extraerse de las fuentes de datos existentes. Lenze proporciona algoritmos probados previamente para diversas aplicaciones y ayuda a los ingenieros mecánicos a transformar su experiencia en procesos y su conocimiento de las máquinas en un modelo de Condition Monitoring que mejorará el rendimiento.

Ejemplo de un robot de 2 ejes

Por ejemplo, en nuestro módulo de exposición con un robot de dos ejes, Lenze demuestra este principio con dos enfoques diferentes. Uno de ellos está basado en un modelo, donde los valores reales medidos se comparan con los resultantes de una descripción matemática asumida de la máquina. Si se sobrepasan ciertas tolerancias, esto se interpreta como un fallo.

El otro enfoque se basa en datos. Un algoritmo aprende el comportamiento del sistema y la influencia mutua de parámetros como la velocidad, la aceleración, el par, la posición y el consumo de corriente. Los valores reales se comparan con esta descripción aprendida para definir las desviaciones.

En el módulo de exposición, por ejemplo, se simulan el aumento de la fricción en el husillo y el desgaste del accionamiento por correa. En ambos casos las anomalías pueden ser detectadas por medio de los valores de corriente y par, ya sea por incremento absoluto del valor o por anomalías en el análisis de frecuencia. En ambos casos, el sistema de Condition Monitoring activa una alarma y muestra las causas en el tablero de control.

¿Sistema de control o Nube?

Los dos enfoques de Condition Monitoring no sólo difieren conceptualmente. La cuestión de cómo se evalúan estos datos también tiene diferentes respuestas. La evaluación basada en el modelo suele tener lugar en el sistema de control, ya que no se requiere una gran potencia de cálculo. Los análisis de ML e IA utilizados para las evaluaciones basadas en datos se implementan normalmente como una aplicación en la Nube.

Con su cartera, Lenze ofrece al OEM una completa libertad de elección. Esto incluye una gama de PLCs de diferente tamaño para Condition Monitoring basado en modelos. El análisis basado en datos también puede realizarse localmente si se utiliza el potente Controlador c750. Alternativamente, el Gateway x500 abre el camino a la nube. En combinación con la plataforma x4, los fabricantes de maquinaria disponen de una solución Coud llave en mano que no sólo incluye Condition Monitoring, sino también el mantenimiento remoto de la maquinaria y la gestión de activos de fácil manejo.

Conclusión

Un Condición Monitoring eficiente se basa en la interpretación de la información existente. No se requieren sensores adicionales, siendo los dispositivos de la máquina los que funcionan como tales. Gracias a su amplia gama de automatización con hardware, software, aplicaciones de red y Cloud junto con los conocimientos adquiridos en este campo, Lenze puede ofrecer una amplia asistencia en la interpretación de los datos. Al mismo tiempo que el proveedor apoya a los fabricantes de equipos originales para que se conviertan en científicos de datos para sus máquinas.

Más información

/noticias/marcas/23-lenze