古语云“上医治未病，下医治已病”，近年来随着智能可穿戴设备的普及以及健康保健意识的增强，预防性健康管理越来越被公众所重视，“治未病”理念已深入人心。设备如人，传统运维是“反应式”的发现故障再进行处理，如今同样需要“治未病”的预测性维护（PdM），在故障发生前做出预警和判断，避免安全隐患，减少停机时间。
根据IOT Analytics数据显示，2021年全球预测性维护市场规模为69亿美元，2026年则有望达到282亿美元。“蓬勃发展之下，作为工业互联网部署落地的应用样板工程，预测性维护有望成为IIoT（工业物联网）杀手级应用之一，特别是传感器技术与人工智能算法的赋能，使其实用性大大增强，预测准确度也大幅提升，ADI智能电机传感器解决方案（Smart Motor Senor， SMS）便是典型的预测性维护产品设计。” ADI SMS产品线应用工程师霍斌博士近日在接受采访时表示。
为“治未病”开良方，如何精准“把脉”电机健康？
工业制造设备正变得更高效与智能，但设备本身的维护工作却仍存巨大挑战，国际自动化学会ISA曾有数据显示，全球制造商每年因设备故障停机遭受的损失高达6470亿美元。电机被誉为“工业之母”，是现代工业动力来源主要的核心之一，因此针对电机的预测性维护是行业的重要课题，也是包括ADI在内的诸多头部技术供应商聚焦的热点技术。要实现预测性维护的广泛落地，这需要解决准确预测与有效诊断两大核心问题，而高精度实时数据采集硬件方案、先进的设备数字化模型与诊断算法都是刚需，传感技术的进步以及人工智能技术的引入加快发展进程。
“基于状态的设备监测，特别是实现数据诊断或可预测算法，跟设备本身有很大关系，不同电机的失效模式，与模型的数据匹配方法完全不一样。”霍斌举例说，“在工业电机中，轴承损坏是使用过程中的常见故障，在检测此类故障时多采用振动和声音传感器，而转子、绕组等方面的故障则多通过电流变压器在电机供电时进行检测。”
因此，在“把脉”电机工作状态是否健康时，需要大量有效数据的支持，如压力、振动、噪声、温度等。根据现有的研究与产品开发经验，振动＋温度检测的模式是能有效检测电机设备异常的高性价比方案，故障检测准确率也非常高，ADI推出的智能电机传感器解决方案便是专为三相鼠笼异步式电机设计，基于AI的高性能预测性维护平台。
据霍斌介绍，仅需4颗可更换的1．5V AA锂电池供电，SMS器件内部集成了ADI高性能传感器、精密转换器和信号链，能捕获电机的振动、温度、速度和磁通量等各种参数，在早期就能检测出电机异常状况，并通过Wi－Fi连接将这些数据安全地发送到后端云进行处理。云上运行并集成到Web应用中的人工智能引擎分析数据并监控电机的运行状况，使客户可以在手机移动应用程序或PC端网络仪表板上实现7x24小时电机状况监控。霍斌强调说：“SMS结合了ADI软件、硬件和电机领域的专业知识，为电机的预测性维护创建一种安全的可扩展产品，其设置安装简便、随时随地无需联线和停机，适用于室内外各种严酷的工业环境。”
