Die Ingenieurin

Chris Murphy, Anwendungsingenieur, Analog Devices

In diesem Artikel wird erläutert, wie jüngste Fortschritte in der MEMS-Technologie Beschleunigungssensoren in den Vordergrund gerückt haben und mit piezoelektrischen Sensoren in zustandsbasierten Überwachungsanwendungen konkurrieren können. Wir werden auch besprechen, wie die neue Entwicklungsplattform genutzt werden kann, die all dies ermöglicht. Ein weiterer Artikel konzentriert sich auf das Software-Framework, das diese Entwicklungsplattform unterstützt, und darauf, wie es in gängige Datenanalysetools integriert werden kann, um Beispiele für maschinelles Lernen zu entwickeln, und wie es letztendlich auf verschiedenen Assets eingesetzt werden kann.

Bei der zustandsbasierten Überwachung (Condition Based Monitoring, CbM) werden Maschinen oder Anlagen mithilfe von Sensoren überwacht, um den aktuellen Gesundheitszustand zu messen. Predictive Maintenance (PdM) umfasst eine Kombination aus Techniken wie CbM, maschinellem Lernen und Analysen, um bevorstehende Wartungszyklen oder Ausfälle von Anlagen vorherzusagen. Angesichts des prognostizierten erheblichen Wachstums bei der Überwachung des Maschinenzustands weltweit ist es unerlässlich, die wichtigsten Trends zu kennen und zu verstehen. Immer mehr CbM-Unternehmen wenden sich an PdM, um ihr Produktangebot zu differenzieren. Wartungs- und Facility-Manager haben jetzt neue Möglichkeiten, wenn es um CbM geht, wie z. B. drahtlose Installationen und kostengünstigere Hochleistungsinstallationen. Während die meisten CbM-Systeminfrastrukturen unverändert bleiben, kann die neue MEMS-Technologie jetzt direkt in Systeme integriert werden, die traditionell von piezoelektrischen Sensoren dominiert werden oder aus Kostengründen bisher nicht überwacht wurden.

Bei einem typischen CbM-Signalkettendesign sind viele verschiedene technische Disziplinen erforderlich und Technologien zu berücksichtigen, die ständig verbessert und komplexer werden. Mittlerweile gibt es verschiedene Kundentypen mit Fachkenntnissen in bestimmten Bereichen wie Algorithmenentwicklung (nur Software) oder Hardwaredesign (nur Hardware), aber nicht immer in beiden Bereichen.

Entwickler, die sich auf die Entwicklung ihrer Algorithmen konzentrieren möchten, benötigen Datenseen mit Informationen, um Anlagenausfälle und Ausfallzeiten genau vorherzusagen. Sie wollen keine Hardware entwerfen oder Fehler bei der Integrität der Daten beheben. Sie wollen lediglich Daten verwenden, die bekanntermaßen hochpräzise sind. Ebenso benötigen Hardware-Ingenieure, die die Systemzuverlässigkeit erhöhen oder die Kosten senken möchten, eine Lösung, die sich problemlos in die bestehende Infrastruktur integrieren lässt, um einen Vergleich mit bestehenden Lösungen durchzuführen. Sie benötigen Zugriff auf die Daten in einem lesbaren Format, das einfach zu verwenden und zu exportieren ist, damit sie keine Zeit mit der Leistungsbewertung verschwenden.

Viele der Herausforderungen auf Systemebene können mit einem Plattformansatz gelöst werden – vom Sensor bis zur Algorithmenentwicklung – und so allen Kundentypen gerecht werden.

Die zustandsbasierte Überwachungsplattform CN0549 ist eine leistungsstarke, handelsübliche Hardware- und Softwarelösung, die ein hochauflösendes Streaming von Vibrationsdaten von einer Anlage in die Entwicklungsumgebung für Algorithmen/maschinelles Lernen ermöglicht. Die Plattform kommt Hardware-Experten zugute, da es sich um eine getestete und verifizierte Systemlösung handelt, die hochpräzise Datenerfassung, bewährte mechanische Kopplung mit der Anlage und einen leistungsstarken Breitband-Vibrationssensor bietet. Alle Hardware-Designdateien werden bereitgestellt und ermöglichen eine einfache Integration in das von Ihnen entworfene Produkt. CN0549 ist auch für SW-Experten attraktiv, da es die Herausforderungen der Hardware der Zustandsüberwachungssignalkette abstrahiert und es Softwareteams und Datenwissenschaftlern ermöglicht, direkt in die Entwicklung von Algorithmen für maschinelles Lernen einzusteigen. Zu den wichtigsten Funktionen und Vorteilen gehören:

Die CbM-Entwicklungsplattform besteht aus vier verschiedenen Elementen, die in Abbildung 1 dargestellt sind und die wir einzeln diskutieren, bevor wir uns die kombinierte Gesamtlösung ansehen.

Abbildung 1. Elemente der CbM-Entwicklungsplattform.

Sensoren mit größerer Bandbreite und geringerem Geräuschpegel ermöglichen eine frühere Erkennung von Fehlern wie Lagerproblemen, Kavitation und Zahneingriff. Es ist unbedingt erforderlich, dass die Datenerfassungselektronik die Genauigkeit der gemessenen Vibrationsdaten gewährleistet. Andernfalls können wichtige Fehlerinformationen verloren gehen. Durch die Wahrung der Genauigkeit der Vibrationsdaten können Trends früher erkannt werden, und wir können mit einem hohen Maß an Sicherheit eine vorbeugende Wartung empfehlen, wodurch unnötiger Verschleiß an mechanischen Elementen reduziert und zwangsläufig die Lebensdauer von Anlagen verlängert wird.

Piezo-Beschleunigungsmesser sind die leistungsstärksten Vibrationssensoren für die kritischsten Anlagen, bei denen die Leistungsanforderungen die Kosten überwiegen. Die CbM von Anlagen mit geringerer Kritikalität wurde traditionell aufgrund der hohen Kosten von Piezoinstallationen verhindert. MEMS-Schwingungssensoren, die jetzt in Bezug auf Rauschen, Bandbreite und g-Bereich mit Piezo-Sensoren vergleichbar sind, ermöglichen Wartungs- und Anlagenmanagern tiefere Einblicke in Anlagen mit geringerer Kritikalität, die zuvor durch einen Run-to-Failure- oder reaktiven Wartungsplan abgedeckt wurden. Dies ist vor allem auf die hohe Leistung und die geringen Kosten von MEMS zurückzuführen. Anlagen mit mittlerer bis geringer Kritikalität können nun kontinuierlich und kostengünstig überwacht werden. Unnötiger Verschleiß an Anlagen kann leicht erkannt und behoben werden, was dazu beiträgt, die Lebensdauer von Anlagen durch fortschrittliche Vibrationserkennung zu verlängern. Dies kann auch zur Gesamteffektivität der Anlage und zur Reduzierung von Maschinen- oder Prozessausfallzeiten beitragen.

Es gibt viele verschiedene Arten von Erfassungsmodalitäten, wenn es um CbM und PdM geht. Strommessung, Magnetsensorik, Durchflussüberwachung und viele andere machen die meisten Anwendungen aus. Die Vibrationsmessung ist die am häufigsten in CbM verwendete Methode, und Piezo-Beschleunigungsmesser sind die am häufigsten verwendeten Vibrationssensoren. In diesem Abschnitt werden wir untersuchen, wie sich die Vibrationssensorlandschaft aufgrund technologischer Fortschritte erweitert und wie sich dies auf die Anwendungsentscheidungsfindung auswirkt.

Piezo-Beschleunigungsmesser sind sehr leistungsstarke Sensoren, aber all diese Leistung erfordert viele Kompromisse bei der Konstruktion. Beispielsweise sind Piezo-Beschleunigungsmesser typischerweise auf den Einsatz in kabelgebundenen Installationen beschränkt, da sie übermäßig viel Strom verbrauchen können, physikalisch groß sein können (insbesondere dreiachsige Sensoren) und teuer sind. Wenn alle diese Faktoren kombiniert werden, ist es nicht praktikabel, Ihre gesamte Fabrik mit Piezosensoren auszustatten, weshalb sie überwiegend nur an kritischen Anlagen eingesetzt werden.

Bis vor Kurzem hatten MEMS-Beschleunigungsmesser keine ausreichend große Bandbreite, ihr Rauschen war zu hoch und die G-Bereiche waren für die Überwachung weniger kritischer Anlagen begrenzt. Jüngste Fortschritte in der MEMS-Technologie haben diese Einschränkungen überwunden und ermöglichen die MEMS-Schwingungsüberwachung sowohl von Anlagen im unteren Leistungsbereich als auch von Anlagen mit hoher Kritikalität. Tabelle 1 zeigt die wichtigsten erforderlichen Eigenschaften von Piezo- und MEMS-Sensoren für CbM-Anwendungen. Da MEMS-Beschleunigungsmesser physikalisch klein sind, jahrelang mit Batterien betrieben werden können und kostengünstig sind und eine vergleichbare Leistung wie Piezo-Sensoren aufweisen, werden sie schnell zum Sensor der Wahl für viele CbM-Anwendungen.

Die CbM-Entwicklungsplattform CN0549 ist mit MEMS- und IEPE-Piezo-Beschleunigungsmessern kompatibel, um einen Benchmark-Vergleich zwischen den Sensortypen zu ermöglichen.

Piezoelektrisch

MEMS

DC-Antwort

✓

Schocktoleranz

✓

Integrationsmöglichkeiten (3-Achsen, ADC, Alarme, FFT)

✓

Leistungsschwankungen über Zeit und Temperatur

✓

Energieverbrauch

✓

Körperliche Größe (kleiner ist besser)

✓

Selbsttest

✓

Kosten für ähnliche Leistung

✓

Lärm

✓

Bandbreite

✓

✓

Mechanische Befestigung

✓

✓

Industriestandard-Schnittstelle

✓

✓

g-Bereich

✓

✓

Verwendung von MEMS-Beschleunigungsmessern mit vorhandener IEPE-Infrastruktur

Wie in Tabelle 1 dargelegt, können MEMS-Beschleunigungsmesser jetzt im Vergleich zu Piezosensoren wettbewerbsfähige Spezifikationen und Leistung bieten. Können sie jedoch einen vorhandenen Piezosensor ersetzen? Damit Designer Piezo-Beschleunigungsmesser einfach evaluieren und durch MEMS-Beschleunigungsmesser ersetzen können, hat Analog Devices eine Schnittstelle entwickelt, die mit IEPE, der De-facto-Standard-Piezo-Sensorschnittstelle in CbM-Anwendungen, kompatibel ist.

Der in Abbildung 2 dargestellte CN0532 ist eine IEPE-Umwandlungsschaltung, die es einem MEMS-Beschleunigungsmesser ermöglicht, sich genauso nahtlos direkt an die IEPE-Infrastruktur anzuschließen wie jeder vorhandene IEPE-Sensor.

Abbildung 2. CN0532 MEMS IEPE-Konvertierungsschaltung.

Typischerweise verfügt ein einachsiger MEMS-Sensor über drei Ausgangsleitungen: Strom, Masse und Beschleunigungsausgang. Für die IEPE-Infrastruktur sind nur zwei erforderlich: Erdung auf einer Leitung und Strom/Signal auf der anderen Leitung. Dem Sensor wird Strom zugeführt, und wenn der Sensor Vibrationen misst, wird auf derselben Leitung eine Spannung ausgegeben.

Abbildung 3. Ein vereinfachtes Schema, das zeigt, wie ein MEMS-Sensor an die bestehende IEPE-Infrastruktur (Strom und Daten) angeschlossen werden kann.

Die CN0532-Leiterplatte wurde mit einer Dicke von 90 mil entwickelt, um die im Datenblatt angegebene Frequenzgangleistung des MEMS-Beschleunigungsmessers beizubehalten. Ein auf Bolzen montierbarer Würfel ermöglicht sofortiges Testen direkt nach dem Auspacken. Der Montagewürfel wurde zusammen mit der Leiterplatte, der Lötpaste usw. umfassend charakterisiert, um eine mechanische Übertragungsfunktion mit voller Bandbreite zu gewährleisten, die Sichtbarkeit eines breiten Spektrums von Fehlern innerhalb der Sensorbandbreite zu maximieren und so die Lebensdauer der Anlage durch die Möglichkeit zu verlängern Erfassen Sie diese Fehler. Diese Lösungen machen es CbM-Designern sehr einfach, MEMS-Beschleunigungsmesser an ihre Anlagen anzuschließen und nahtlos mit der vorhandenen Piezo-Infrastruktur zu verbinden.

Bei allen Hochfrequenz-Vibrationstests ist die Integrität des mechanischen Signalpfads sehr wichtig. Mit anderen Worten: Von der Quelle bis zum Sensor darf es weder zu einer Dämpfung (aufgrund von Dämpfung) noch zu einer Verstärkung (aufgrund von Resonanz) des Schwingungssignals kommen. In Abbildung 4 garantieren ein Aluminium-Montageblock (EVAL-XLMOUNT1), vier Schraubbefestigungen und eine dicke Leiterplatte eine flache mechanische Reaktion für den interessierenden Frequenzbereich. Das IEPE-Referenzdesign macht es Entwicklern sehr einfach, einen MEMS-Sensor anstelle eines Piezosensors zu implementieren.

Abbildung 4. Testaufbau zur Vibrationsmessung: Die EVAL-CN0532-EBZ-Platine wird mit einem EVAL-XLMOUNT1-Aluminiummontageblock an einem Rütteltisch befestigt.

Abbildung 5. Frequenzgang des EVAL-CN0532 im Vergleich zum ADXL1002-Datenblatt-Frequenzgang.

Wir wissen jetzt, dass MEMS-Sensoren anstelle von IEPE-Piezosensoren verwendet werden können. Wir haben auch gesehen, wie sie problemlos an Anlagen montiert werden können und gleichzeitig ihre Datenblattleistung beibehalten. Ein wichtiger Teil einer CbM-Entwicklungsplattform besteht darin, hochwertige Schwingungsdaten, egal ob MEMS-basiert oder piezobasiert, in der richtigen Umgebung zu sammeln. Als Nächstes werden wir uns mit der Erfassung von IEPE-Sensordaten und der Aufrechterhaltung der Daten höchster Genauigkeit befassen, um die bestmöglichen CbM-Algorithmen oder Algorithmen für maschinelles Lernen zu entwickeln. Dies wird durch ein weiteres unserer CbM-Referenzdesigns ermöglicht, das CN0540.

In Abbildung 6 sehen wir eine im Labor getestete und verifizierte IEPE-DAQ-Signalkette. Dieses Referenzdesign bietet die optimale analoge Signalkette für den Einsatz sowohl mit MEMS- als auch Piezo-Beschleunigungsmessern. Analog Devices konzentriert sich nicht nur auf MEMS-Beschleunigungsmesser-basierte Lösungen. Es ist wichtig zu bedenken, dass Piezo-Beschleunigungsmesser die höchste Leistung bieten und die am häufigsten verwendeten Vibrationssensoren sind; Daher sind Piezo-Beschleunigungsmesser ein Fokussensor für Präzisionssignalkettenangebote.

Die in Abbildung 6 gezeigte Schaltung ist eine Sensor-zu-Bit-Signalkette (Datenerfassung) für einen IEPE-Sensor, bestehend aus einer Stromquelle, einem Eingangsschutz, einer Pegelverschiebungs- und Dämpfungsstufe, einem Antialiasing-Filter dritter Ordnung und einem Analog-zu-Digital-Filter Wandlertreiber (ADC) und einen vollständig differenziellen ∑-Δ ADC. Entwickler von CbM-Systemen, die Piezo-Beschleunigungsmesser verwenden, benötigen eine leistungsstarke analoge Signalkette, um die Genauigkeit der Vibrationsdaten aufrechtzuerhalten. Entwickler können die Signalkettenleistung sofort bewerten, indem sie einfach ihren IEPE-Sensor oder den IEPE-Sensor CN0532 direkt an das DAQ-Referenzdesign CN0540 anschließen. Analog Devices hat dieses Design ausgiebig getestet und stellt Open-Source-Designdateien (Schaltpläne, Layoutdateien, Stücklisten usw.) zur Verfügung, die ein einfacheres Design in Endlösungen ermöglichen.

Die IEPE-Datenerfassungskarte CN0540 ist eine getestete und verifizierte analoge Signalkette zur Erfassung von Vibrationsdaten von IEPE-Sensoren mit einem Signal-Rausch-Verhältnis (SNR) von besser als 100 dB. Die meisten Lösungen auf dem Markt, die mit piezoelektrischen Sensoren kommunizieren, sind AC-gekoppelt und verfügen nicht über DC- und Sub-Hertz-Messfunktionen. CN0540 eignet sich für DC-gekoppelte Anwendungsszenarien, bei denen die DC-Komponente des Signals erhalten bleiben muss oder bei denen die Reaktion des Systems bis zu Frequenzen von 1 Hz oder niedriger beibehalten werden muss.

Das Referenzdesign für die Präzisionsdatenerfassung wurde mit zwei MEMS-Sensoren und drei Piezosensoren getestet, wie in Tabelle 2 gezeigt. Wir können sehen, dass der g-Bereich, die Rauschdichte und die Bandbreite jedes Sensors ziemlich unterschiedlich sind, ebenso wie der Preis. Dabei ist zu beachten, dass Piezosensoren nach wie vor das beste Rauschverhalten und die besten Bandbreiten für Vibrationen aufweisen.

Im Fall von CN0540 ist die Systembandbreite auf 54 kHz eingestellt, und die Signalkettenrauschleistung ist auf Sensoren ausgerichtet, die über diese Bandbreite einen Dynamikbereich von >100 dB erreichen können – zum Beispiel der Beschleunigungsmesser Piezotronics PCB Modell 621B40, der 105 dB bei 30 kHz erreicht. Der CN0540 wurde so konzipiert, dass er über zusätzliche Bandbreiten- und Präzisionsfähigkeiten verfügt, die über die aktuelle Leistung des Vibrationssensors hinausgehen, um sicherzustellen, dass er bei der Erfassung leistungsstarker Vibrationsdaten keinen Engpass darstellt. Es ist sehr einfach, MEMS mit piezoelektrischen Systemen auf demselben System zu vergleichen und zu vergleichen. Unabhängig davon, ob mit MEMS, Piezo oder beidem gearbeitet wird, bietet der CN0540 die beste Signalkettenlösung für die Datenerfassung und -verarbeitung, die zwangsläufig in eine eingebettete Lösung integriert werden kann.

Wenn wir sagen, dass MEMS eine vergleichbare Leistung zu viel geringeren Kosten bieten, können wir für den ADXL1002 ein SNR von 83 dB, aber über zehnmal geringere Kosten im Vergleich zu Piezosensoren sehen. MEMS haben sich mittlerweile als praktikable Alternative zu allen Piezosensoren mit Ausnahme der leistungsstärksten zu einem Bruchteil der Kosten etabliert.

Abbildung 6. CN0540: hohe Leistung, große Bandbreite, präzise Datenerfassung für IEPE-Sensoren.

Tabelle 2. MEMS- und piezoelektrische Sensoren mit entsprechenden Rauschdichtemessungen

Sensor

Reichweite (±g)

Ausgangsbereich Spitze-zu-Spitze (V)

Linearität (%FSR)

NSD

(µg/√Hz)

Flache Bandbreite (kHz)

Rauschen bei flacher Bandbreite (µg RMS)

Dynamikbereich bei flacher Bandbreite (dB)

ADXL1002

50

4

0,1

25

11

2622

82,60

ADXL1004

500

4

0,25

125

24

19365

85,32

Leiterplatte 621B40

500

10

1

10

30

1732

104,95

Leiterplatte 352C04

500

10

1

4

10

400

118,93

Leiterplatte 333B52

5

10

1

0,4

3

22

98,50

Sobald die hochgenauen Schwingungsdaten von der DAQ-Signalkette erfasst wurden, ist es wichtig, sie zu verarbeiten und in Echtzeit anzuzeigen und/oder an die maschinelle Lern- oder Cloud-Umgebung zu übertragen – dies ist die Aufgabe des eingebetteten Gateways.

Es werden zwei eingebettete Plattformen von Intel® (DE10-Nano) und Xilinx® (Cora Z7-07S) unterstützt, die Unterstützung für alle zugehörigen HDL, Gerätetreiber, Softwarepakete und Anwendungen umfassen. Auf jeder Plattform läuft das eingebettete ADI Kuiper Linux®, das Ihnen die Anzeige von Zeit- und Frequenzbereichsdaten in Echtzeit ermöglicht, Zugriff auf die in Echtzeit erfassten Daten über Ethernet bietet, Schnittstellen zu gängigen Datenanalysetools wie MATLAB oder Python bietet und sogar eine Verbindung herstellt mit verschiedenen Cloud-Computing-Instanzen wie AWS und Azure. Das eingebettete Gateway kann 6,15 Mbit/s (256 kSPS × 24 Bit) über Ethernet an das von Ihnen gewählte Algorithmus-Entwicklungstool übertragen. Zu den Hauptmerkmalen der eingebetteten Gateways gehören:

Das in Abbildung 7 dargestellte IIO-Oszilloskop ist eine kostenlose Open-Source-Anwendung, die mit ADI Kuiper Linux installiert wird und Ihnen hilft, Ihre Zeitbereichs- und Frequenzbereichsdaten schnell zu visualisieren. Es basiert auf dem Linux IIO-Framework und ist direkt mit den Linux-Gerätetreibern von Analog Devices verbunden, sodass Gerätekonfiguration, Lesen von Gerätedaten und visuelle Anzeigen in einem Tool möglich sind.

Abbildung 7. IIO-Oszilloskop, das eine FFT eines reinen 5-kHz-Tons zeigt.

Auch branchenübliche Tools wie MATLAB und Python werden vom ADI Kuiper Linux Image unterstützt. Unter Verwendung von Schnittstellenschichten, die mit dem IIO-Framework arbeiten, wurden IIO-Bindungen entwickelt, um Daten direkt in diese typischen Datenanalysetools zu streamen. Mithilfe dieser leistungsstarken Tools in Kombination mit den IIO-Integrationsframeworks können Designer Daten anzeigen und analysieren, Algorithmen entwickeln sowie Hardware-in-the-Loop-Tests und andere Datenmanipulationstechniken durchführen. Es stehen vollständige Beispiele zur Verfügung, mit denen Sie hochwertige Vibrationsdaten entweder an MATLAB- oder Python-Tools streamen können.

Es gibt fünf typische Schritte bei der Entwicklung von Algorithmen für maschinelles Lernen (ML) für PdM-Anwendungen, wie in Abbildung 8 dargestellt. Für die vorausschauende Wartung werden in der Regel Regressionsmodelle verwendet, um bevorstehende Ausfälle anhand von Klassifizierungsmodellen vorherzusagen. Sie erzielen eine bessere Leistung, wenn mehr Trainingsdaten in das Vorhersagemodell eingegeben werden können. Zehn Minuten Vibrationsdaten werden wahrscheinlich nicht alle Betriebseigenschaften erfassen, wohingegen 10 Stunden eine viel bessere Chance dazu haben – und das Sammeln von Daten über 10 Tage garantiert ein viel stärkeres Modell.

Abbildung 8. Schritte zur Entwicklung einer PdM-Anwendung.

Abbildung 9. Beispielanwendungsfall CN0549.

CN0549 bietet den Datenerfassungsschritt in einem benutzerfreundlichen System, mit dem wir Hochleistungsvibrationsdaten in die ML-Umgebung unserer Wahl streamen können.

Der MEMS-IEPE-Sensor ist mit einem mechanischen Montageblock ausgestattet, der eine nahtlose Montage eines MEMS-Sensors an einer Anlage oder einem Shaker ermöglicht. Beachten Sie, dass IEPE-Piezosensoren auch mit diesem System verwendet und problemlos an Anlagen, Schüttlern usw. angebracht werden können. Vor dem Streamen von Daten an die Datenanalysetools sollte die Sensorbefestigung überprüft werden, um sicherzustellen, dass keine unerwünschten Resonanzen auftreten. Mit dem IIO-Oszilloskop kann dies ganz einfach in Echtzeit überprüft werden. Sobald das System betriebsbereit ist, kann ein Anwendungsfall definiert werden, wie in Abbildung 9 dargestellt – zum Beispiel der gesunde Betrieb eines Motors bei 70 % Auslastung. Hochwertige Vibrationsdaten können dann an MATLAB oder Python-basierte Datenanalysetools wie TensorFlow oder PyTorch (und viele andere) gestreamt werden.

Es kann eine Analyse durchgeführt werden, um Schlüsselsignaturen und Merkmale zu identifizieren, die den Zustand dieses Vermögenswerts definieren. Sobald es ein Modell gibt, das einen fehlerfreien Betrieb definiert, können Fehler entweder erkannt oder simuliert werden. Schritt 4 wird wiederholt, um Schlüsselsignaturen zu identifizieren, die den Fehler definieren, und ein Modell wird abgeleitet. Fehlerdaten können mit den gesunden Motordaten verglichen und Vorhersagemodelle entwickelt werden.

Dies ist eine vereinfachte Übersicht über den ML-Prozess, der durch die CbM-Entwicklungsplattform ermöglicht wird. Das Wichtigste ist, dass diese Plattform sicherstellt, dass Vibrationsdaten höchster Qualität an die ML-Umgebung geliefert werden.

Ein weiterer Artikel mit dem Titel „Open-Source, wiederverwendbarer Software-Stack ermöglicht Echtzeitverarbeitung und Algorithmenentwicklung für CbM“ geht detailliert auf Software-Stack, Datenfluss und Entwicklungsstrategien ein und behandelt einige Beispiele, die sowohl Python als auch MATLAB aus dieser Perspektive verwenden des Datenwissenschaftlers oder Entwicklers von Algorithmen für maschinelles Lernen. Es wird ein Überblick über die Softwareintegrationen sowie lokale und cloudbasierte Entwicklungsoptionen besprochen.

Chris Murphy ist Anwendungsingenieur beim European Centralized Applications Centre mit Sitz in Dublin, Irland. Seit 2012 arbeitet er für Analog Devices und bietet Designunterstützung für Motorsteuerungs- und Industrieautomatisierungsprodukte. Er verfügt über einen Master-Abschluss in Ingenieurwissenschaften in Elektronik durch Forschung und einen Bachelor-Abschluss in Ingenieurwissenschaften in Computertechnik. Er kann unter [email protected] erreicht werden.