Czy są jakieś łatwo dostępne algorytmy porównywania redundancji-z dwoma czujnikami, które można zoptymalizować?

W sektorze przemysłowym istnieje obecnie wiele ustalonych, dostępnych na rynku ram, które można łatwo zmieniać i ulepszać bez konieczności tworzenia od podstaw. Powszechnie stosowane są trzy rodzaje roztworów wielokrotnego użytku:

1. Podstawowe algorytmy wtryskarek, które są najłatwiejsze do optymalizacji

Obecnie podstawowe możliwości porównywania-z dwoma czujnikami są już zintegrowane z popularnymi wtryskarkami takich producentów jak Haitian, Fanuc i KraussMaffei, zwłaszcza z modelami-z najwyższej półki. W tych wersjach podstawowych zazwyczaj stosowana jest metoda „stały próg + proste uśrednianie”. Aby dokonać aktualizacji, potrzebne są tylko dwie małe zmiany:

Zezwalaj użytkownikom na zmianę parametrów progowych i zastąpienie stałego progu progiem dynamicznym, który zmienia się w zależności od etapu operacji;

Aby wyeliminować natychmiastowe zakłócenia, należy uwzględnić ocenę trendu odchyleń i filtrowanie okna przesuwnego. Dzięki niewiarygodnie niskim kosztom modyfikacji może to obniżyć wskaźnik fałszywych alarmów z ponad 20% do około 5%, co czyni go odpowiednim do ulepszania obecnego sprzętu.

2. Metody przetwarzania z redundancją czujników przemysłowych, które są-otwartym źródłem i można je niezależnie modyfikować

Witryny typu open-, takie jak GitHub, oferują zaawansowane platformy do porównywania nadmiarowości przemysłowych czujników temperatury/ciśnienia. Na przykład projekt IndustrialSensorRedundancy uwzględnił podstawowe funkcje, w tym etykietowanie anomalii, porównywanie odchyleń i filtrowanie przesuwne.

W celu szybkiego wdrożenia w warunkach formowania wtryskowego gorącymi kanałami należy zmienić jedynie logikę ważonego stapiania i progi dynamiczne etapu procesu adaptacji. Większość kodu nadaje się do natychmiastowego ponownego wykorzystania, co pozwala zaoszczędzić ponad 70% wysiłku programistycznego.

3. Ramy ogólnych algorytmów konserwacji predykcyjnej (odpowiednie dla scenariuszy zaawansowanej inteligencji)

Na przykład porównanie redundancji-dwóch czujników jest natywnie obsługiwane przez algorytm-tolerujący błędy redundancji w czujniku Siemens S7-400F oraz platformę konserwacji predykcyjnej APROL firmy B&R, która zawiera również zintegrowane narzędzia do dynamicznej analizy odchyleń i przewidywania trendów.

W przypadku bezpośredniego użycia wystarczy zmodyfikować progi ostrzegawcze i parametry oceny starzenia, aby spełnić wymagania dotyczące dokładności czujnika gorącego kanału. Przemysłowa weryfikacja stabilności wyeliminowała potrzebę rozwiązywania podstawowych problemów logicznych.

Największą efektywność kosztową-zwykle osiąga się poprzez zmianę podstawowego algorytmu dostarczonego przez producenta wtryskarki. Optymalizację można osiągnąć po prostu modyfikując parametry oprogramowania i logikę; nie jest potrzebny nowy sprzęt.