【工业AI】利用AI 工具提升整体设备效率（OEE）

　　

　　AI工具为最终用户提供了分析从机器或生产线收集到的信息的能力，从而帮助企业优化运营效率。

　　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。

　　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。

　　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。

　　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）。

　　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。

　　运动控制系统中还可以添加各种其他类型的传感器，并由系统控制器进行监控。通过一套良好的AI算法，系统控制器可以利用这些数据,预测特定机器组件未来的故障，或监控机器的整体性能。

　　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）。

　　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。

　　信息的可用性很重要，但拥有一套能组织信息并提出改进措施的AI工具也同样重要。一些自动化供应商已经创建了可定制的AI工具箱，用于显示上述信息及与机器或生产线的效率和性能相关的统计数据。通常可以在设备的人机界面（HMI）上查看这些工具箱，也可以在世界上的任何地方，通过安全的网络连接查看。

　　基于AI的工具可以用于可视化单个机器、生产线或整个工厂的运营。它们可以提供资产管理信息、预测性维护计划、报警转发和数据管理。它们还可以通过OPC-UA或其它通用自动化协议与外部系统交换通信。这些工具拥有这些基本功能，但也具有高度的可定制性。

　　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。

　　▲本文来自于控制工程中文版杂志（CONTROL ENGINEERING China）2024年6月刊《技术文章》栏目：如何通过AI工具改善整体设备效率？