工业AI——利用 AI 工具提升整体设备效率（OEE）

图片来源：Yaskawa

　　在工业领域，人工智能（AI）的应用越来越普遍。从离散机器到整个生产线收集信息，并使用这些信息来优化运营性能、效率和一致性的能力，对于致力于提高整体设备效率（OEE）的制造企业来说是非常有帮助的。有效利用AI，可以成为释放制造设备潜力的一个非常有用的工具。

　　一些自动化公司正在其产品中内置AI功能，允许用户访问自动化产品自身及其所控制设备中的各种信息。这些信息对于诊断停机原因以及释放尚未开发的机器能力至关重要。

　　01 电机温度

　　伺服电机工作温度的变化，可以指示机器力学的变化。它只消耗满足应用需求所需的电流。伺服电机温度的升高（与电流消耗直接相关）通常可归因于机械传动部件的磨损。该信息由系统控制器捕获，并用于预防性维护：当机械部件的效率开始下降时，可及时对其进行润滑或更换。

　　02 振动检测

　　一些高端伺服产品将加速度传感器集成到伺服电机编码器组件的控制板中。在机器正常运行周期内，这类传感器可以检测电机振动。系统控制器可以监测这些振动随时间的变化，并建议可以采取的纠正措施。

　　系统控制器中的快速傅立叶变换（FFT）分析仪，可以直观地表示给定机器数据集中所存在的频率。每个机器轴的这些FFT数值，可用于识别机器力学随时间的特定变化。

　　03 运动轨迹文件信息

　　机器上的每个伺服轴都有一个独特的、针对每个应用进行了编程的运动轨迹。每个伺服轴的实际位置可以根据其运动轨迹进行跟踪，并且可以在机器调试时记录该数据（图1）。当检测到轴的实际位置在移动过程中发生变化时，系统控制器将识别出具体的差异（如过冲、欠冲、与指令位置的偏差较大等），并建议采取适当的措施。

▲图1：机器上的每个伺服轴都有一个为每个应用专门编程确定的运动轨迹。当检测到按照运动轨迹运行时轴的实际位置发生变化，系统控制器将识别特定偏差，并建议可以采取的适当措施。

　　例如，负载惯性的变化可能会影响指令移动过程中的实际位置。如果负载惯性随时间发生微小变化，就会影响系统的整体调整，并可能导致移动过程中性能的显著变化。这个问题可以通过调整特定的伺服调整参数和/或纠正负载惯性的变化来解决（即：可能在运行过程中移动的负载受到了干扰）。

　　04 健康状态监测仪

　　自动化设备关键磨损部件的寿命检测装置，可用于在故障发生之前预测故障。在可能导致生产线停机的灾难性故障之前更换部件，有助于优化机器运行。运动控制组件通常自带寿命检测装置，如图2所示。

▲Yaskawa SigmaWin+软件的健康状态监视器显示画面。

　　05 能源消耗

　　耗电量监测器可以识别单个机器或整个生产线的低效环节。该信息可用于调整机器周期，以将总的电力消耗最小化，或最大程度的将能量消耗集中到一天中能源价格较低的特定时间内（图3）。

▲Yaskawa SigmaWin+软件的耗电量监视器显示画面。

　　06 系统通信错误

　　复杂的运动控制系统允许监控每个电机编码器供电电源的低电压。系统因电噪声导致的电源尖峰可能导致位置数据瞬时丢失，进而可能对运动轨迹造成干扰。系统控制器可以检测电噪声何时被引入系统，以及该噪声如何影响运行。这些信息可用于故障排除、制定校正措施，使机器能够平稳运行。

　　系统控制器还可以检测来自所用确定性网络的错误和数据包丢失。持续的网络错误和信息丢失可能会导致制造设备出现各种问题。系统控制器的数据记录功能也可用于故障排除，以及时校正这些机器的问题。

　　07 用于组织和可视化数据的AI工具

　　当今自动化系统提供的丰富信息，加上用于组织和可视化数据的高度工程化工具，可以为机器制造商和机器用户带来巨大收益。当机器和生产线的反馈得到有效利用时，有助于企业实现机器吞吐量的增加、零件质量的提高、机器停机时间的减少和机器寿命的延长。

　　关键概念：

　　■ 如果有效利用，AI可以成为优化制造设备效率和性能的强大工具。

　　■ AI工具可用于组织和可视化数据，以便做出行动决策。

　　思考一下：

　　AI还可以用哪些其它指标来进行分析？

图说工控