過程傳感器的未來：基于AI和預測維護
發布時間：2023-08-11 來源：控制工程網
圖片來源：AspenTech
人工智能和機器學習幫助用戶從過程傳感器收集更復雜的數據，以獲得更深入的見解。
數據無處不在，但它們是從何而來？第一個現代傳感器始于1860年，當時Wilhelm von Siemens使用了銅電阻器來測量溫度。根據這一想法，在1883年誕生了第一個恒溫器，這就是被普遍承認的第一個人造傳感器。
從那時起，我們看到這種設備大量涌現，尤其是在制造過程的測量和控制領域。隨著傳感器被應用于運輸和消費市場，傳感器的復雜程度及其定價發生了巨大變化。與此類似，它們在測量和控制過程中的部署性質也發生了變化，過去是在人為的計算或邏輯（如在比例、積分和導數（PID）控制）中對傳感器信號進行相當簡單的組合。
在此之后，是支持仿真和過程優化的計算機應用程序。過去幾年里，在人工智能（AI）和機器學習（ML）的驅動下，出現了具有高度技術能力的創新技術。其結果是在多個維度上對數據流進行更為復雜的合并，以及用時間來學習行為模式，而不是用基于工程第一原理和統計的計算數字模型來估計行為。程序正在由機器編寫，而不是人類。
01 基于AI技術的過程傳感器
物聯網（IoT）的出現催生了互聯事物的巨大增長。根據美國國家科學基金會（NSF）的數據，物聯網有望連接500億個智能設備和1萬億個傳感器。其中，傳感器和AI/ML技術最廣為人知的應用也許是在機動車輛中，尤其是電動汽車。例如，Tesla model 3 中的自動駕駛系統配置了8個攝像頭，12個超聲波傳感器和前向雷達，以讀取車道線并檢測附近的汽車。
過程制造行業一直在開發這種基于AI和ML中的傳感器的新用途，以更好地測量資產和過程的狀況，包括從機器及其周邊設備傳感器上收集的數據流中學習它們的明確行為。它可以取代舊的技術，從而實現更簡單、更快的部署，以及更高的準確性和結果，而不需要高強度的工程技能。最好的應用可以抽象數據科學，使工廠的普通工人在不需要大量學習的情況下就能實施復雜的策略。
從單點測量和簡單的邏輯表達式，轉變為每隔幾分鐘收集一次自動組合的數據流。使用AI/ML以多維/時序的方式來處理數據，可以開發出更多維度的行為模式，要遠遠高于人類所能感知到的。該技術非常清楚地看到了這些模式，以識別明確的行為，知道什么是正常的，什么是異常的，以及設備和過程退化的實際模式是什么：如果不加以管理，將會導致糟糕的結果，并可能導致資產故障。
02 制造業數據的關鍵性
現實情況是，這些部署都是數據驅動的解決方案。沒有數據就意味著沒有解決方案。這讓用戶想知道需要多少數據以及需要哪些數據？
以一個礦山的大型泥漿泵為例，該泵配備了4個傳感器來測量：輸入壓力、輸出壓力、流體溫度和電機電流。在這種情況下，通過預測性維護解決方案可以提前兩周獲悉電機將出現故障。
另一個例子，煉油廠的一個大型充油泵有50個傳感器，包括上游和下游的過程測量，還有位于機器上的、包括諸多振動傳感器在內的機械傳感器。在這種情況下，預測性維護解決方案提供了降級的即時通知，以及16周內即將發生故障的通知。
因此，基于ML的傳感器分析可以在只配置少數傳感器的情況下有效工作，如果使用更多和更高質量的傳感器，其準確性會有效得多，預警也會更早。由于最關鍵的資產通常已經配置了很多傳感器，因此很少需要添加新的傳感器。
從檢測到的傳感器數據也可以預測即將發生故障的模式。它與故障的根本原因和精確的故障模式有一一對應的關系，需要選擇合適的傳感器組，才能開發這些精確的模式。
在這種情況下，良好的傳感器選擇指南可以給出檢測特定故障（如泵或壓縮機上的軸承故障）所需的精確集合。持續監測所選的傳感器可以通知是否出現明顯的退化模式，并發出高級警告。
03 過程傳感器的未來
多年來，過程傳感器類型和可用性不斷變化。它從簡單的溫度、流量、壓力和液位傳感器開始。現在，有復雜的產品質量分析儀傳感器，如粘度、含水量、固體、顏色和重量，甚至在線質譜儀，可以提供完整的產品細分。所有這些，在過程和設備監控的預測分析中都很有用。
此外，新興的傳感器測量領域也可以提供額外的幫助。想想有經驗的運行人員，他們通過監聽設備發出的聲音，就可以對設備行為有深刻的理解。在人類聽覺范圍內、外的新型聲學傳感器也能有所幫助。麥克風安裝起來很便宜，而且不需要安裝在機器上。使用視頻和高性能圖形計算，來解釋氣體含量甚至氣味的高光譜成像應用也有所發展。
這種設備可以取代舊的分析儀，例如在熔爐和煙囪中，以查看和測量溫度和廢氣成分。另一種是解釋光纖電纜上的振動，比如承載電話的電纜，以檢測溫度、接近度和入侵者。電纜安裝是非侵入性的（只需要靠近），是檢測泄漏和盜竊的一個非常有價值的應用，在周界圍欄上，可以檢測到任何靠近的事物。
這些只是預測分析依賴復雜傳感器進行過程和設備監控的幾個例子。未來，這些傳感器的新用途將充滿潛力和令人興奮。（作者 | Mike Brooks）
關鍵概念：
■ 過程傳感器正在不斷發展，為過程和設備監控提供預測性分析。
■ 人工智能和機器學習幫助用戶從過程傳感器收集更復雜的數據，以獲得更深入的見解。
思考一下：
您工廠都采用了哪些先進的過程傳感器？