Insights Esenciales en el Campo Avanzado del Monitoreo de Condición

Nueva tecnología para monitorear, diagnosticar y predecir la salud de máquinas está surgiendo continuamente. Nuevos proveedores de IIoT parecen aparecer en el radar mensualmente. Las tecnologías de sensores aparecen con menos frecuencia pero nuevas opciones para medibles industriales comunes se han convertido en un área activa de inversión. Y, por supuesto, no puede perderse todas las nuevas afirmaciones, plataformas y herramientas en el mundo de la inteligencia artificial, que han emergido de una forma u otra.

Este artículo es una discusión continua de tecnología IoT, por un tecnólogo en un humilde intento de ayudar a informar, clarificar y desmitificar nuevos productos específicos para las industrias de monitoreo de condición y mantenimiento predictivo.

¿Más Allá de la Vibración?

La pregunta se ha hecho: ¿Por qué no hay más opciones de sensores inalámbricos para sensores industriales comunes como condición de aceite?

Es una pregunta justa. Parte de la respuesta radica en la disponibilidad de tecnologías de transductores de sensores centrales. La explosión en opciones de sensores inalámbricos para vibración ha sido habilitada no solo por mejoras en protocolos inalámbricos (como BLE), sino por acelerómetros MEMS a escala de chip de bajo costo que han mejorado el rendimiento de medición de vibración. MEMS ha ayudado a habilitar empresas con competencias en IoT pero menos experiencia en medición de vibración tradicional para entrar al mercado de monitoreo de condición industrial.

Aunque un avance de sensor para los diversos indicadores de aceite o lubricación saludable como la presencia de partículas o humedad, acidez, TAN/TBN, viscosidad, etc., pueda encontrarse en un laboratorio universitario, un estudio de sensores de monitoreo de condición de aceite comercialmente disponibles revela grandes envolventes consumiendo energía de fuentes de alimentación de nivel industrial (es decir, 10 a 30 VDC), que no son particularmente soportivas de transmisión inalámbrica.

Aun así, los proveedores de IIoT están intentando abordar necesidades de detección de la industria agregando topologías de 'hub' de sensores a su portafolio de productos de vibración inalámbrica. Estos hubs son básicamente puentes inalámbricos con puertos para aceptar entradas analógicas adecuadas para conectar y digitalizar salidas de sensores industriales comúnmente disponibles. Esta capacidad puede ayudar a expandir la suite de sensores disponibles para un sistema de monitoreo de condición.

Los hubs IIoT disponibles hoy pueden digitalizar señales de sensores proporcionales a temperatura y humedad de aceite, presión, sonda de temperatura, ultrasónico, corriente y rotación de máquina, que luego se transmiten y muestran a través de la misma red a aplicaciones en la nube o móviles que los sensores de vibración en el portafolio.

Figura 1. Hub inalámbrico de KCF Technologies (IZQUIERDA) ofrece puertos de sensor IEPE así como tacómetro, ultrasónico y calidad de aceite/humedad. Hub WIFI de Petasense (DERECHA) ofrece puertos que soportan ultrasónico, corriente, presión, vibración (triaxial e IEPE) y temperatura RTD.

Además, los proveedores de IIoT pueden verse ofreciendo herramientas para mantenimiento de lubricación, como recopilar datos de lubricación y notar acciones requeridas en paneles existentes junto a vibración.

Figura 2. Los servicios PdM orientados a lubricación de Ijssel's UpTimeWorks han desarrollado detección de vibración inalámbrica con datos disponibles junto a mantenimiento de aceite en los mismos paneles (IZQUIERDA). El dispensador de aceite OPTIME C1 recientemente lanzado de Schaeffler es capaz de conexión inalámbrica para monitoreo de nivel, comisionamiento NFC e información de tipo de aceite con datos disponibles a través de los mismos paneles que muestran datos transmitidos desde el sensor de vibración (DERECHA).

A pesar de estos desarrollos, parece claro que la recolección y análisis de muestras de aceite continuarán siendo servidos por expertos calificados, mientras sensores y herramientas IIoT se desarrollan para mejorar la eficiencia —muy como el estado del monitoreo de condición de vibración hoy.

El Papel de la IA — ¿Ya Estamos Ahí?

Es difícil abrir un sitio web o plataforma de redes sociales hoy sin ver un titular sobre inteligencia artificial (IA). Pero, ¿qué significa realmente esa frase en este punto, particularmente para la comunidad de mantenimiento industrial? Varios proveedores de IIoT que entraron al mercado de monitoreo de condición en los últimos cinco a diez años lo hicieron promoviendo fuertemente las capacidades de IA de su sistema de detección de vibración. ¿Ha sido esta capacidad el cambio de juego que muchos esperaban?

Para empezar, veamos un poco más profundamente las capacidades descritas por algunos proveedores, junto con algunos estudios de caso donde enfoques de ingeniería de datos han sido realmente aplicados a mantenimiento predictivo.

Figura 3. Proveedores inalámbricos ofreciendo alguna forma de diagnóstico basado en IA. IZQUIERDA a DERECHA – Symphony Industrial, Petasense, Nanoprecise y Augury.

Los enfoques basados en datos pueden diferenciarse del procesamiento clásico de señales de vibración en varios aspectos. Estadísticas básicas pueden aplicarse a una forma de onda de vibración para crear múltiples 'indicadores de condición', cada uno específicamente sensible a ciertos aspectos del comportamiento de la máquina.

La ingeniería de datos también intentará crear indicadores de salud pero desde múltiples fuentes de datos. Los diagnósticos serán efectivos en parte al revelar qué contribuyente fue más responsable del cambio en el indicador de salud general.

La colaboración entre expertos en la materia del activo e ingenieros de datos puede expandir la cobertura de fallas a anomalías más allá de las comunes en equipos rotativos. Buenos resultados también se han demostrado cuando enfoques de ingeniería de datos se aplican a señales de control de proceso existentes, sin nueva instrumentación aplicada.

Un espectro de vibración cuando es visto por un analista experimentado puede revelar mucho sobre el componente más débil de un motor o bomba, pero esta práctica diagnóstica altamente visual no se escala fácilmente. En contraste, un enfoque basado en datos para diagnóstico de máquinas es repetible y escalable.

Una vez debidamente entrenados, varios algoritmos de aprendizaje automático realizarán de la misma manera día tras día [1].

Figura 4. Un modelo de indicador de salud derivado de vibración, presión y volumen de flujo se usa para monitorear la salud de una bomba. Los indicadores contribuyentes dominantes indicarán una anomalía emergente diferente.

Vida de Batería, Al Frente y Centro

Una búsqueda web de literatura sobre vida de batería resulta en considerable discusión de EVs pero solo poca, escasa información sobre el papel y comportamiento de baterías para IIoT.

Las baterías en sí son dispositivos complejos que almacenan y entregan carga electroquímicamente, lo que no solo significa que la capacidad para entregar carga depende de condiciones ambientales como temperatura, sino que también depende de otros factores relacionados con la aplicación. Cada dueño de auto en el norte de Estados Unidos sabe que a las baterías no les gusta el clima frío. Pero, ¿cuánto saben sobre las formas en que la corriente de carga puede impactar la capacidad de la batería, o qué le pasa a la capacidad si se permite que la batería se muera completamente?

Revisando las especificaciones para productos de sensores de vibración inalámbricos y se vuelve claro que el rendimiento depende de condiciones operativas y la aplicación específica. Pero la interpretación de las condiciones a veces vagas aplicadas a la especificación de vida de batería puede no ser fácil.

Figura 5. La capacidad de una batería para entregar carga depende de condiciones operativas como temperatura y carga de corriente promedio. Criterios de medición para pruebas de batería como voltaje de corte o profundidad de descarga (DOD) también son clave para estimar capacidad. (Crédito de imagen: Saft Batteries)

En general, para aplicaciones IIoT, variables ambientales incluyen la distancia esperada de transmisión (potencia de radio), los muchos obstáculos metálicos en la instalación (retransmisión debido a errores de recepción), la eficiencia del protocolo de radio y la cantidad de datos transmitidos. La medición de vibración en particular es un medible no como todos los otros.

Analistas experimentados querrían analizar la forma de onda ellos mismos y para máquinas con tasas de rotación más lentas, esto puede significar medición de vibración de alta resolución con longitudes de muestra de segundos, resultando en muchos más datos transmitidos que solo la temperatura actual.

Como cabría esperar, la carga total sube con distancia de transmisión aumentada debido a más energía gastada en hacer la conexión al gateway y transmitir datos. Los sensores de vibración a menudo se configuran para transmisiones limitadas en un período de 24 horas, lo que también significa que el modo 'sleep' domina la corriente eléctrica consumida durante ese período. Este consumo mínimo de corriente incluye fuga de circuito, que en semiconductores aumenta con la temperatura.

Ambos efectos reducirán la vida de la batería al demandar más carga entregada para cada período de transmisión.

Datos de muestra de pruebas de campo de sensores de vibración inalámbricos mostrando la variabilidad de vida de batería de sensores inalámbricos pueden verse en los datos a continuación. La carga total consumida durante un período de 24 horas sobre varias condiciones revela un aumento en carga consumida con tanto distancia como temperatura de operación.

Figura 6. Algunos resultados preliminares de pruebas de campo de un puñado de sensores de vibración inalámbricos. La carga total consumida, como se esperaba, aumenta con tanto distancia de transmisión como temperatura de operación.

Resumen

La adición de capacidades IIoT a la caja de herramientas PdM ofrece al proveedor de servicios mediciones más frecuentes para monitorear de cerca máquinas que son inseguras o difíciles de acceder manualmente. Los datos recopilados vía IIoT también son más accesibles remota y convenientemente para análisis, y pueden alimentarse a plataformas avanzadas de procesamiento de datos para combinación con datos de otros sensores, resultando en una vista diagnóstica más comprehensiva.

Como con cualquier herramienta compleja, es virtualmente imposible entender cómo cualquiera de esta tecnología funcionará en su entorno sin un estudio piloto de algún alcance. Curar sistemas disponibles con un estudio en papel de especificaciones de sistema antes de comprar cualquier equipo puede ser una buena inversión, particularmente si no está muy familiarizado con las fortalezas y limitaciones de la nueva tecnología.

[1] Asumiendo que el modo de operación básico de la máquina no cambie. Condiciones consistentes son necesarias para un trending efectivo de indicadores de condición de vibración también.