Senspider

Senspider

Para saber mais entre em contato conosco!

 

O conceito de fábricas inteligentes não é algo novo, mas nos últimos anos, com o aprimoramento e a confiança nas soluções IoT (Internet of Things), algoritmos de Inteligência artificial e machine learning, tornou-se viável saber praticamente tudo o que se passa em um determinado processo produtivo.

Manutenção Preditiva com Edge Computing e IoT: Prevenção e redução de custos

Com essa visibilidade, é possível investir em uma outra forma de manutenção: a manutenção preditiva. Essa abordagem apresenta benefícios sobre a manutenção preventiva, destacando-se o menor custo a médio e longo prazo; a possibilidade de gerenciar o momento em que será necessário parar um processo; um melhor aproveitamento da vida útil do equipamento, prevenindo desgastes desnecessários gerados por um componente degradado e evitando interrupções repentinas na produção; entre outras inúmeras vantagens que irão refletir no aumento da produtividade.

Um dos equipamentos presentes em grande parte das instalações fabris é o motor elétrico, que assim como todo dispositivo com partes móveis, requer mais atenção na sua manutenção. Sendo assim, ter visibilidade da sua condição operacional é de extrema importância. Isto pode ser feito utilizando sensores de rotação, vibração e temperatura aliados a algoritmos de inteligência artificial para processamento dos dados coletados.

Sensores e Edge Computing

Com as informações fornecidas através dos sensores, este tipo de solução consegue determinar e informar se o motor está operando com frequências de vibração fora dos padrões, indicando assim a necessidade de manutenção. Esse método evita que o motor propague oscilações mecânicas indesejadas que possam prejudicar o restante do sistema, resultando em uma ocorrência menor de necessidade de manutenção nos demais componentes conectados a este motor.

Para implementar esse tipo de solução, que alia IoT com inteligência artificial, a topologia mais usual emprega um aquisitor analógico, que envia os dados de forma “crua” para que sejam processados em um servidor (nuvem). Essa topologia, no entanto, peca em alguns quesitos como a grande quantidade de dados transportados via rede, e no tempo de resposta para atuar em caso de alguma falha crítica. Outra maneira de se implementar esta solução é utilizando o conceito de Edge Computing, onde os dados são tratados no local de aquisição, sem passar pela rede, resultando em um menor tempo de resposta para atuação e em um menor volume de dados. 

Senspider: Terminal de aquisição e processamento de dados capaz de processar algoritmos de inteligência artificial e machine learning ideal para aplicações IoT Industrial.

A construção de uma solução de IoT, com Inteligência artificial e Edge Computing, frequentemente esbarra na falta de um hardware comercial robusto e com capacidade para processar o grande volume de dados que podem ser gerados. Pensando em suprir essa demanda criamos a Senspider, um dispositivo compacto que agrega as funcionalidades de aquisição e sensoriamento, com infraestrutura de hardware e software preparados para processar algoritmos de inteligência artificial e de machine learning, ao mesmo tempo que envia para um servidor os dados já processados.

Senspider: Aquisição, Sensoriamento e Processamento

Uma característica importante da Senspider é sua versatilidade. Por meio da composição de até quatro módulos de tratamento de sinal é possível atender uma variada gama de aplicações, permitindo a conexão de até oito diferentes sensores analógicos ao dispositivo. Estão disponíveis três diferentes cartões para tratamento de sinal, com os quais é possível atender a maioria das soluções em sensores industriais presentes no mercado. São eles:

  High-speed Vibration Card General Purpose Voltage/ Current Sensor Card Temperature Sensor Card
# of Channels 2 2 2
I/O Port 50Ω BNC-J AWG16-26 Single
Sensor Type Built-in Amplifier Voltage/Current Type J/K thermocouple, RTD, Thermistor
Voltage Range ±10.24, 5.12, 2.56, 1.28V ±10.24, 5.12, 2.56, 1.28V 0.1, 1
Others Power Supply to the sensor: On signal line Current Range: ±40.96, 20.48, 10.24, 5.1mA Data Format: ºC, ºF
Operational Conditions Temperature: -20ºC to + 60ºC
Humidity: 35% RH to 85% RH (No Condensation)

Para tratar e processar os dados obtidos, a Senspider possui um SoC com o FPGA Cyclone V aliado a um Cortex-A9 de 925MHz, e 3GB de memória RAM, além de 13GB de memória não volátil. Esse hardware tem como sistema operacional um Linux embarcado. 

O sistema conta com uma interface de configuração através de uma porta serial, pela qual é possível ajustar parâmetros de conectividade, como endereço IP, e parâmetros da própria aquisição. Também é possível configurar o equipamento através da rede ethernet, por ssh. Concluída a configuração, o sistema já permite enviar dados para um sistema remoto, para um supervisório, e/ou para a nuvem, sem esforço adicional. 

Além disso, é oferecida uma API em Python para controle do fluxo de dados (envio e salvamento em banco de dados local). Com esta API também é possível implementar algoritmos de inteligência artificial para processar os dados e fazer inferências. Os resultados obtidos podem ser utilizados para acionar uma saída de alarme quando for detectada uma falha, através de um conector específico do equipamento, permitindo inclusive desligar imediatamente o equipamento que apresentou a falha. Também é possível transmitir via ethernet o resultado dessas inferências para um sistema remoto, sinalizando a falha (ou outro resultado calculado) a um operador ou sistema em outra localidade.

Na Prática: Case utilizando a Senspider

Um caso de aplicação da Senspider utilizando os três cartões em uma única solução foi realizado nas instalações da AISIN AW Industries, fabricante japonesa de componentes veiculares. A empresa não conseguia aumentar a eficiência da produção devido ao tempo de inatividade quando uma falha repentina acontecia na bomba hidráulica. Além disso, os colaboradores perdiam muito tempo todos os dias verificando visualmente as condições do equipamento.

Para diminuir os esforços da inspeção visual e paradas repentinas devido a danos no rolamento, entupimento de filtro ou na entrada de ar no sistema, foi implementado o sensoriamento completo em um motor hidráulico, utilizando sensores de vibração nos três eixos, de pressão na saída da bomba e de temperatura da carcaça. 

Vantagens e benefícios

Aliando todo esse sensoriamento a algoritmos de deep learning desenvolvido na Senspider foi possível determinar anormalidades no funcionamento do motor, quando comparado aos limites extraídos em um experimento de demonstração. A identificação de anormalidades em estágios iniciais permitiu o planejamento de uma parada para manutenção, além de evitar que outros equipamentos sofressem perdas devido à falha repentina do motor.

Sendo assim, o sistema de previsão de falhas do motor, que identifica com antecedência uma possível parada da fábrica, trouxe uma diminuição no tempo de inatividade do processo monitorado e do tempo gasto para realização de inspeções visuais na fábrica.

O conjunto de dados que a Senspider permite integrar e processar num único dispositivo resulta no aumento da eficiência do sistema, pois melhora muito todo o processo de produção através da visibilidade que proporciona. Sendo assim, é uma peça chave na implementação da manutenção preditiva, além de tornar as fábricas cada vez mais inteligentes.

O artigo técnico foi elaborado pelos engenheiros da Macnica DHW

Valter Toffolo, formado pela PUC do Rio Grande do Sul, no ano de 2010, no curso de Engenharia de Computação.

Franciele Nornberg, formada pelo Instituto Federal Sul-rio-grandense campus Pelotas, no ano de 2017, no curso Engenharia Elétrica.

Lucas Odair Silva, 9ª Fase da Engenharia Eletrônica pelo Instituto Federal de Santa Catarina (IFSC).

* O artigo foi publicado também no site: www.embarcados.com.br

 

Leia mais sobre a SENSPIDER:

Ebook Senspider

Detecte problemas na linha de produção antes deles ocorrerem

Características Senspider 

Descritivo Técnico