상태 기반 모니터링(CbM)은 예측 유지 관리를 통해 장치 오류를 방지하는 데 도움이 되지만 효과적인 시스템을 설계하려면 일반적으로 정밀 감지, 저잡음 신호 체인, 전원 관리 및 무선 연결의 최적화된 통합이 필요합니다. 이는 CbM 배포를 지연시키고 비용을 증가시킬 수 있는 복잡한 기능입니다. 설계자들도 엣지 인공 지능(AI) 분석의 장점을 인식하고 있지만 이로 인해 CbM이 더욱 복잡해집니다. 우리는 보다 직접적이고 효과적인 해결책을 찾아야 합니다.
이 기사에서는 먼저 근접 센서를 간략하게 소개한 다음 Analog Devices의 플러그 앤 플레이 솔루션을 소개합니다. 이 솔루션을 사용하면 엣지 AI 기능을 갖춘 무선 CbM을 즉시 배포할 수 있습니다.
상태 모니터링의 중요성
계획되지 않은 가동 중지 시간은 장비의 높은 운영 효율성을 유지하는 데 있어 여전히 주요 과제로 남아 있습니다. 중요 장비에 예상치 못한 장애가 발생하면 전체 생산 라인이 마비되고 공급망이 중단되며 유지 관리 비용이 많이 들 수 있습니다. 전통적인 유지 관리 방법에는 장애 후 수동적 수리 또는 엄격한 정기 유지 관리가 포함되지만 이러한 방법에는 단점이 있습니다. 수동 유지 관리는 비용이 많이 드는 가동 중지 시간을 초래하는 반면, 정기 유지 관리는 여전히 실행 중인 구성 요소를 불필요하게 교체하여 리소스 비용을 증가시킬 수 있습니다.
CbM을 채택하면 보다 비용 효율적인 예측 유지 관리 방법을 구현할 수 있습니다. 진동, 온도, 전류 또는 기타 성능 지표를 모니터링함으로써 장비 운영자는 오류가 발생하기 전에 구성 요소 성능 저하에 대한 경고 신호를 식별할 수 있습니다. 이러한 데이터 기반 접근 방식은 계획되지 않은 가동 중지 시간을 줄이고 장비 수명을 연장하며 총 소유 비용을 낮출 수 있습니다.
CbM의 수많은 장점에도 불구하고 복잡한 요구 사항과 학제간 전문 지식의 필요성으로 인해 배포가 중단될 수 있습니다. 산업 및 자동차 분야에서 이러한 과제를 극복하는 것은 CbM 기반 예측 유지 관리를 성공적으로 적용하는 데 있어 주요 과제입니다.
상태 기반 모니터링으로 인한 과제와 요구 사항
CbM의 잠재적 이점을 최대한 활용하려면 CbM 솔루션은 열악한 산업 및 자동차 환경에서 안정적으로 작동하는 동시에 정확한 측정 데이터를 기반으로 적시에 분석을 수행해야 합니다. 그러나 모니터링되는 장비가 정상적으로 작동하는 동안에도 이러한 특정 작동 조건으로 인해 측정 장비가 엄청난 환경적, 기계적 압력을 받을 수 있습니다. 산업용 모터, 전송 시스템 및 무거운 회전 장비는 모니터링 장치를 진동, 충격, 극한의 온도 및 높은 수준의 전자기 간섭(EMI)에 지속적으로 노출시킬 수 있습니다.
신뢰할 수 있는 예측 유지 관리를 달성하려면 CbM 장치의 진동 센서가 샤프트 불균형, 정렬 불량 또는 베어링 마모에 대한 가장 초기의 단서인 미세한 변화를 감지할 수 있어야 합니다. 열악한 환경 조건에서 고정밀 진동 측정을 보장하려면 열악한 작업 환경에서 안정적인 성능을 유지할 수 있는 고대역폭, 저잡음 센서 신호 수집 하위 시스템이 필요합니다.
CbM 방법의 핵심인 진동 분석은 정상 작동과 초기 고장 징후를 구별할 수 있는 패턴을 식별하기 위한 기반을 마련합니다. 과거에는 진동 센서 시스템이 분석을 위해 측정 결과를 중앙 호스트나 클라우드 리소스로 전송했습니다. 그러나 고급 CbM 솔루션은 점점 더 분석 기능을 엣지로 전환하기 시작했습니다. 센서 시스템 내부 또는 근처의 데이터를 분석함으로써 가능한 가장 짧은 시간에 결과를 얻을 수 있으며 시간에 민감한 산업 및 자동차 네트워크의 트래픽을 줄일 수 있습니다.
특히 CNN(컨벌루션 신경망) 모델을 기반으로 한 엣지 AI 추론은 진동 변화에 대한 실시간 해석을 제공할 수 있습니다. 그러나 추론을 위해 CNN을 사용하려면 상당한 양의 계산이 필요하므로 시스템 전력, 크기 또는 비용 제한을 초과하지 않고 CbM 목표를 달성하는 것이 더 복잡해집니다.
회전 장치, 원격 또는 모바일 장치에서 CbM 사용이 증가하고 유선 연결이 불가능해짐에 따라 전력 소비를 최소화하는 것이 더욱 시급해졌습니다. 이러한 상황에서 무선 연결 요구 사항을 충족하기 위해 저에너지 Bluetooth(BLE)는 다른 선택적 연결 기술과 비교하여 필요한 전송 거리, 전력 및 안정성 조합을 달성할 수 있습니다(표 1).
그러나 엣지 AI 처리와 마찬가지로 우리가 직면한 과제는 무선 센서 시스템의 전력 제한 내에서 정상적으로 작동할 수 있는 BLE 연결 솔루션을 찾는 것입니다. 실제로 배터리 수명 연장은 모든 무선 센서 시스템 설계자에게 여전히 어려운 과제입니다. 그러나 이는 센서에 접근하기 어려운 산업 및 자동차 애플리케이션에서 특히 중요합니다. CNN 추론이 필요한 CbM 시스템에서는 배터리 및 전원 관리가 점점 더 중요해지고 있습니다. 이와 관련된 과제는 안정적인 작동을 보장하면서 전력 소비를 줄이기 위해 여러 전압 조정기, 시퀀서 및 충전 시스템을 조정하는 방법입니다.
평가 키트는 에지 AI 기능을 갖춘 내장형 무선 CbM 솔루션을 제공합니다.
Analog Devices의 EV-CBM-VOYAGER4-1Z Voyager 4 키트는 CbM 기술의 지속적인 평가 또는 예측 유지 관리 애플리케이션의 즉각적인 배포를 위한 완전한 배터리 구동식 진동 모니터링 플랫폼을 제공하여 에지 AI 기능을 갖춘 무선 CbM을 배포할 때 직면하는 다양한 문제를 해결합니다. 이 키트는 수직 지지대(그림 1, 상단)를 채택하여 한쪽은 메인 인쇄 회로 기판(PC 보드)을, 다른 쪽은 배터리를 단단히 고정하여 열악한 환경의 영향을 제거합니다. 전원 회로 기판과 센서는 모니터링할 진동원에 가까운 지지대 하단에 위치합니다. 간편한 배포를 위해 수직 지지 구성 요소는 직경 46mm, 높이 77mm의 알루미늄 보호 커버 내부에 배치됩니다(그림 1, 하단). 보호 커버 상단에는 ABS 아크릴 커버가 장착되어 있어 BLE 연결에 사용할 수 있습니다.