一次又一次，建筑物内的设备故障，如暖通空调、电梯、制冷和其他建筑系统，可能会导致严重的运行中断，导致维护成本增加和居住者的不适。预测性维护是避免意外停机的有效方法。实时监控设备状况，并在故障发生前安排维修。
预测性维护设备执行以下任务，从测量时刻一直到数据评估:
- 使用传感器收集数据。
- 适当时，聚合相关传感器数据。
- 数据处理:
- 边缘数据处理:在将数据转发到云平台等中央系统之前，可以对数据进行边缘处理，或者可以在边缘进行完全自主的评估。
- 向中央系统移交:微控制器技术可以将传感器收集的数据移交给中央建筑管理系统或外部云服务。
- 数据评估:最后，使用适当的软件工具评估数据，包括智能软件算法和预测性维护AI。这些元素可以在边缘上独立运行。
- 软件算法根据传感器数据比较被监控设备的实际状态值和目标状态值。任何异常都可以被检测到，并触发警报。因此，系统的状态被记录和监视。
- 预测性维护AI使用基于机器学习和大数据的模型评估相关数据。数据源可以是多方面的:电机、气流和成分、振动、温度等用于检测值之间的任何相关性。多亏了人工智能，我们可以预测是否以及何时会发生故障。这使得预测系统的未来状态成为可能。
智能建筑预见性维护的优势
智能建筑中的预测性维护提供了诸多优势，从消除不必要的维护任务到租户的舒适度和经济效率。
- 成本优化:预测性维护技术和设备需要初始投资。如果使用得当，预测性维护通过优化维护成本提供了有吸引力的投资回报率:避免了意外故障，操作可以继续而不中断。此外，在正确的时间采取维修措施，而不是过早或过于频繁地更换受影响的部件。根据美国能源部的数据，预测性维护可以将维护成本降低三分之一，并将计划外停机时间减少四分之三。
- 个别服务范围:由于智能建筑数据和建筑状况可以远程分析，所有维护和服务任务都可以外包给外部供应商作为远程监控工作。此外，各种智能维护设备和系统的制造商可以为他们的设备提供额外的服务。智能建筑的各种可能性让居民和业主完全专注于自己的目标。与此同时，在不中断建筑运营的情况下，整个建筑的服务工作都得到了有效的委托、规划和协调。
- 员工舒适:预测性维护的另一个优点是增加了所有居住者的舒适性和安全性。工作环境影响员工的满意度和集中精力的能力。定期维护暖通空调系统可提供稳定、良好的空气质量。这反过来又会影响员工的健康和工作效率。提高安全会减少工作场所的事故，增加员工的信任。
为了从这些优势中获益，必须在建筑物或工厂内满足某些先决条件。
- 正确安装设备:必须正确安装将被预测性维护监控的设备和建筑基础设施。否则，收集的数据可能是不正确的，可能导致不正确的评估结果，使预测的可靠性不可能。设备的分布也必须适合用例:只使用一个设备来监测每层楼的空气质量并没有真正的好处。
- 评估相关数据:在新建筑中集成传感器和微控制器很容易，因为智能建筑的整体概念早在建筑规划阶段就已经有可能了。另一方面，在现有的建筑中，用预测性维护技术取代现有技术需要更多的努力，因为不是所有的设备都可以同时更新。这使得有必要优先考虑与当前建筑维护计划相关的数据，并了解哪些数据是减少维护工作的关键，以便更新或同步相应的设备。
- 进一步的成本:尽管预测性维护可以降低维护和服务成本，但除了初始投资外，预测性维护还可以考虑运营成本，因为例如外包数据处理可能会产生新的持续成本。这些可能包括数据存储和中央系统的处理。
状态监测和预测性维护
典型的预测性维护示例包括HVAC机组，它在医疗保健和工业环境中可能是关键任务。经验表明，暖通风机、电机和压缩机是最容易发生故障的部件。有关气流、电流消耗、声音和振动的信息可以帮助了解机组是否平稳运行或是否可能很快发生故障。利用英飞凌的产品，可以监控以下关键参数:
- 基于XENSIV DPS368气压传感器的压缩机气流测量
- 基于XENSIV TLI4971电流传感器的风机和压缩机电流测量
- 电机位置传感采用XENSIV TLI493D-A2B6三维磁传感器
- 采用XENSIV IM69D130 MEMS传声器进行机组声音异常检测
- 用XENSIV TLE4997E线性霍尔传感器测量直线振动
- 使用XENSIV TLE4964-3M霍尔传感器进行开启和关闭盖子检测
- 速度和方向测量采用XENSIV TLI4966G双霍尔传感器
- 数据处理与XMC4700或PSoC 6
- 使用OPTIGA Trust M进行安全连接和身份验证
获取英飞凌传感器和物联网产品组合的全面概述，以准确可靠的数据收集和处理，用于状态监测和预测性维护:https://www.infineon.com/predictivemaintenance
留下回复