El ingeniero

Chris Murphy, ingeniero de aplicaciones, dispositivos analógicos

Este artículo explica cómo los avances recientes en la tecnología MEMS han llevado a los sensores de acelerómetro al frente, compitiendo con los sensores piezoeléctricos en aplicaciones de monitoreo basadas en condiciones. También discutiremos cómo usar la nueva plataforma de desarrollo que hace que todo esto sea posible. Otro artículo se centrará en el marco de software que admite esta plataforma de desarrollo y cómo se puede integrar con herramientas populares de análisis de datos para desarrollar ejemplos de aprendizaje automático y, en última instancia, cómo se puede implementar en varios activos.

El monitoreo basado en la condición (CbM) implica monitorear máquinas o activos usando sensores para medir el estado actual de salud. El mantenimiento predictivo (PdM) implica una combinación de técnicas como CbM, aprendizaje automático y análisis para predecir próximos ciclos de mantenimiento de activos o fallas. Con un crecimiento significativo proyectado en el monitoreo del estado de las máquinas a nivel mundial, es imperativo conocer y comprender las tendencias clave. Cada vez más empresas de CbM recurren a PdM para diferenciar sus ofertas de productos. Los gerentes de mantenimiento e instalaciones ahora tienen nuevas opciones cuando se trata de CbM, como instalaciones inalámbricas e instalaciones de bajo costo y alto rendimiento. Si bien la mayor parte de la infraestructura del sistema CbM permanece sin cambios, la nueva tecnología MEMS ahora se puede integrar directamente en los sistemas tradicionalmente dominados por sensores piezoeléctricos o en aquellos que no se monitoreaban anteriormente debido a las barreras de costos.

En un diseño típico de cadena de señal CbM, se requieren muchas disciplinas de ingeniería diferentes y tecnologías a considerar, que mejoran constantemente y aumentan en complejidad. Ahora existen varios tipos de clientes con experiencia en áreas específicas, como el desarrollo de algoritmos (solo software) o el diseño de hardware (solo hardware), pero no siempre ambos.

Los desarrolladores que buscan centrarse en el desarrollo de sus algoritmos necesitan lagos de datos de información para predecir con precisión las fallas de los activos y el tiempo de inactividad. No quieren diseñar hardware ni solucionar problemas de integridad de los datos; solo quieren usar datos que se sabe que son de alta fidelidad. Del mismo modo, los ingenieros de hardware que buscan aumentar la confiabilidad del sistema o reducir los costos necesitan una solución que pueda conectarse fácilmente a la infraestructura existente, para compararla con las soluciones existentes. Necesitan acceso a los datos en un formato legible que sea fácil de usar y exportar, para que no pierdan el tiempo evaluando el desempeño.

Muchos de los desafíos a nivel de sistema se pueden resolver con un enfoque de plataforma, desde el sensor hasta el desarrollo algorítmico, que permite a todos los tipos de clientes.

La plataforma de monitoreo basada en condiciones CN0549 es una solución de hardware y software lista para usar de alto rendimiento que permitirá la transmisión de datos de vibración de alta fidelidad desde un activo al entorno de desarrollo de algoritmo/aprendizaje automático. La plataforma beneficia a los expertos en hardware, ya que es una solución de sistema probada y verificada que proporciona adquisición de datos de alta precisión, acoplamiento mecánico probado al activo y un sensor de vibración de banda ancha de alto rendimiento. Se proporcionan todos los archivos de diseño de hardware, lo que permite una fácil integración en el producto que diseñe. CN0549 también es atractivo para los expertos en SW, ya que abstrae los desafíos del hardware de la cadena de señal de monitoreo de condición y permite que los equipos de software y los científicos de datos se lancen directamente al desarrollo de algoritmos de aprendizaje automático. Las características y beneficios clave incluyen:

La plataforma de desarrollo de CbM consta de cuatro elementos diferentes que se muestran en la Figura 1, que analizaremos individualmente antes de ver la solución general combinada.

Figura 1. Elementos de la plataforma de desarrollo CbM.

Los sensores de ancho de banda más amplio y ruido más bajo permiten la detección temprana de fallas, como problemas de rodamientos, cavitación y engrane de engranajes. Es imperativo que cualquier electrónica de adquisición de datos mantenga la fidelidad de los datos de vibración medidos; de lo contrario, se puede perder información crítica sobre fallas. Mantener la fidelidad de los datos de vibración permite ver las tendencias antes y, con un alto grado de confianza, podemos recomendar el mantenimiento preventivo, lo que reduce el desgaste innecesario de los elementos mecánicos e inevitablemente extiende la vida útil de los activos.

Los acelerómetros piezoeléctricos son el sensor de vibración de mayor rendimiento utilizado en los activos más críticos donde los requisitos de rendimiento superan el costo. CbM de activos de menor criticidad ha sido tradicionalmente prohibido por el alto costo de las instalaciones piezoeléctricas. Los sensores de vibración MEMS, ahora comparables a los piezoeléctricos en cuanto a ruido, ancho de banda y rango g, permiten a los administradores de mantenimiento e instalaciones obtener conocimientos más profundos sobre los activos de menor criticidad que anteriormente estaban cubiertos por un programa de mantenimiento reactivo o de ejecución hasta la falla. Esto se debe principalmente al alto rendimiento y bajo costo de MEMS. Los activos de criticidad media a baja ahora se pueden monitorear continuamente de manera rentable. El desgaste innecesario de los activos se puede identificar y remediar fácilmente, lo que ayuda a prolongar la vida útil de los activos a través de la detección avanzada de vibraciones. Esto también puede contribuir a la eficacia general del equipo y a la reducción del tiempo de inactividad de la máquina o del proceso.

Hay muchos tipos diferentes de modalidades de detección cuando se trata de CbM y PdM. La detección de corriente, detección magnética, monitoreo de flujo y varias otras conforman la mayoría de las aplicaciones. La detección de vibraciones es la modalidad más común utilizada en CbM, y los acelerómetros piezoeléctricos son los sensores de vibraciones más utilizados. En esta sección, revisaremos cómo se está expandiendo el panorama de los sensores de vibración debido a los avances tecnológicos y cómo eso afecta la toma de decisiones de la aplicación.

Los acelerómetros piezoeléctricos son sensores de muy alto rendimiento, pero todo ese rendimiento requiere muchas compensaciones de diseño. Por ejemplo, los acelerómetros piezoeléctricos generalmente se limitan al uso en instalaciones cableadas porque pueden consumir un exceso de energía, pueden ser físicamente grandes (especialmente los sensores triaxiales) y son costosos. Cuando se combinan todos estos factores, no es práctico equipar toda la fábrica con sensores piezoeléctricos, razón por la cual se utilizan predominantemente solo en activos críticos.

Hasta hace poco, los acelerómetros MEMS no tenían anchos de banda lo suficientemente amplios, su ruido era demasiado alto y los rangos g estaban limitados para su uso en el monitoreo de activos menos críticos. Los avances recientes en las tecnologías MEMS han superado estas limitaciones, lo que permite el monitoreo de vibraciones MEMS de activos de bajo nivel e incluso de alta criticidad. La Tabla 1 muestra las características más importantes requeridas de los sensores piezoeléctricos y MEMS para aplicaciones CbM. Al ser físicamente pequeños, capaces de funcionar durante años con baterías y de bajo costo con un rendimiento comparable al piezoeléctrico, los acelerómetros MEMS se están convirtiendo rápidamente en el sensor elegido para muchas aplicaciones de CbM.

La plataforma de desarrollo CN0549 CbM es compatible con los acelerómetros piezoeléctricos MEMS e IEPE, para permitir una ruta de comparación comparativa entre los tipos de sensores.

Piezoeléctrico

MEMS

Respuesta de CC

✓

Tolerancia a los golpes

✓

Oportunidades de integración (3 ejes, ADC, alarmas, FFT)

✓

Variación del rendimiento con el tiempo y la temperatura

✓

El consumo de energía

✓

Tamaño físico (más pequeño es mejor)

✓

Autotest

✓

Costo por desempeño similar

✓

Ruido

✓

Banda ancha

✓

✓

Fijación mecánica

✓

✓

Interfaz estándar de la industria

✓

✓

granja

✓

✓

Uso de acelerómetros MEMS con infraestructura IEPE existente

Como se describe en la Tabla 1, los acelerómetros MEMS ahora pueden proporcionar especificaciones y rendimiento competitivos en comparación con los sensores piezoeléctricos, pero ¿pueden reemplazar un sensor piezoeléctrico existente? Para que los diseñadores evalúen y reemplacen fácilmente los acelerómetros piezoeléctricos con acelerómetros MEMS, Analog Devices diseñó una interfaz que es compatible con IEPE, la interfaz de sensores piezoeléctricos estándar de facto en aplicaciones CbM.

El CN0532, que se muestra en la Figura 2, es un circuito de conversión de IEPE que permite que un acelerómetro MEMS se conecte directamente a la infraestructura de IEPE de forma tan fluida como cualquier sensor de IEPE existente.

Figura 2. Circuito de conversión CN0532 MEMS IEPE.

Por lo general, un sensor MEMS de un solo eje tendría tres líneas de salida: potencia, tierra y aceleración. La infraestructura IEPE solo requiere dos: tierra en una línea y energía/señal en la otra línea. La corriente se entrega al sensor, y cuando el sensor mide las vibraciones, se emite un voltaje en la misma línea.

Figura 3. Un esquema simplificado que muestra cómo se puede conectar un sensor MEMS a la infraestructura IEPE existente (alimentación y datos).

El PCB CN0532 se diseñó con un grosor de 90 mils para mantener el rendimiento de respuesta de frecuencia de la hoja de datos del acelerómetro MEMS. Un cubo montable con pernos permite realizar pruebas inmediatas desde el primer momento. El cubo de montaje, junto con la placa de circuito impreso, la soldadura en pasta, etc., se han caracterizado ampliamente para garantizar una función de transferencia mecánica de ancho de banda completo, maximizando la visibilidad de una amplia gama de fallas dentro del ancho de banda del sensor y, por lo tanto, extendiendo la vida útil de los activos al tener la capacidad de capturar estas fallas. Estas soluciones hacen que sea muy fácil para los diseñadores de CbM adjuntar acelerómetros MEMS a sus activos, así como interactuar sin problemas con la infraestructura piezoeléctrica existente.

Para cualquier prueba de vibración de alta frecuencia, la integridad de la ruta de la señal mecánica es muy importante. En otras palabras, desde la fuente hasta el sensor, no debe haber atenuación (por amortiguamiento) ni amplificación (por resonancia) de la señal de vibración. En la Figura 4, un bloque de montaje de aluminio (EVAL-XLMOUNT1), cuatro montajes de tornillo y una PCB gruesa garantizan una respuesta mecánica plana para el rango de frecuencia de interés. El diseño de referencia de IEPE hace que sea muy fácil para los diseñadores implementar un sensor MEMS en lugar de un sensor piezoeléctrico.

Figura 4. Configuración de la prueba de medición de vibraciones: la placa EVAL-CN0532-EBZ conectada a una mesa vibradora mediante un bloque de montaje de aluminio EVAL-XLMOUNT1.

Figura 5. Respuesta de frecuencia del EVAL-CN0532 en comparación con la respuesta de frecuencia de la hoja de datos del ADXL1002.

Ahora sabemos que los sensores MEMS se pueden usar en lugar de los sensores piezoeléctricos IEPE. También hemos visto cómo se pueden montar fácilmente en activos manteniendo el rendimiento de su hoja de datos. Una parte importante de una plataforma de desarrollo de CbM es poder recopilar datos de vibración de alta calidad, ya sea basados ​​en MEMS o piezoeléctricos, en el entorno correcto. A continuación, analizaremos la adquisición de datos de sensores IEPE y el mantenimiento de los datos de mayor fidelidad para desarrollar los mejores algoritmos CbM o algoritmos de aprendizaje automático posibles. Esto lo permite otro de nuestros diseños de referencia CbM, el CN0540.

En la Figura 6, vemos una cadena de señal IEPE DAQ probada y verificada en laboratorio. Este diseño de referencia proporciona la cadena de señal analógica óptima para su uso con MEMS y acelerómetros piezoeléctricos. Analog Devices no solo se enfoca en soluciones basadas en acelerómetros MEMS. Es importante recordar que los acelerómetros piezoeléctricos ofrecen el mayor rendimiento y son los sensores de vibración más utilizados; por lo tanto, los acelerómetros piezoeléctricos son un sensor de enfoque para las ofertas de cadenas de señales de precisión.

El circuito que se muestra en la Figura 6 es una cadena de señal de sensor a bits (adquisición de datos) para un sensor IEPE que consiste en una fuente de corriente, protección de entrada, etapa de atenuación y cambio de nivel, un filtro antisolapamiento de tercer orden, un controlador de convertidor (ADC) y un ADC ∑-Δ totalmente diferencial. Los diseñadores de sistemas CbM que utilizan acelerómetros piezoeléctricos requieren una cadena de señal analógica de alto rendimiento para mantener la fidelidad de los datos de vibración. Los diseñadores pueden evaluar el rendimiento de la cadena de señal desde el primer momento simplemente conectando su sensor IEPE o el sensor IEPE CN0532 directamente al diseño de referencia DAQ CN0540. Analog Devices ha probado exhaustivamente este diseño y proporciona archivos de diseño de código abierto (esquema, archivos de diseño, lista de materiales, etc.) que permiten un diseño más sencillo en las soluciones finales.

La placa de adquisición de datos IEPE CN0540 es una cadena de señal analógica probada y verificada diseñada para adquirir datos de vibración del sensor IEPE, con una relación señal/ruido (SNR) superior a 100 dB. La mayoría de las soluciones que interactúan con sensores piezoeléctricos en el mercado están acopladas a CA, sin capacidades de medición de CC y subhercios. CN0540 es adecuado para escenarios de aplicaciones acopladas a CC, donde se debe preservar el componente de CC de la señal o donde se debe mantener la respuesta del sistema a frecuencias de 1 Hz o inferiores.

El diseño de referencia de adquisición de datos de precisión se probó con dos sensores MEMS y tres sensores piezoeléctricos, como se muestra en la Tabla 2. Podemos ver que el rango g, la densidad de ruido y el ancho de banda de cada sensor son bastante diferentes, al igual que el precio. Cabe señalar que los sensores piezoeléctricos aún tienen el mejor rendimiento de ruido y anchos de banda para vibración.

En el caso de CN0540, el ancho de banda del sistema se establece en 54 kHz, y el rendimiento del ruido de la cadena de señal está dirigido a sensores que pueden lograr un rango dinámico de >100 dB en ese ancho de banda; por ejemplo, el acelerómetro Piezotronics PCB Model 621B40, que logra 105 dB a 30 kHz. CN0540 fue diseñado para tener un ancho de banda adicional y capacidades de precisión más allá del rendimiento actual del sensor de vibración para garantizar que no será un cuello de botella para recopilar datos de vibración de alto rendimiento. Es muy fácil comparar y comparar MEMS frente a piezoeléctricos en el mismo sistema. Ya sea que trabaje con MEMS, piezoeléctrico o ambos, el CN0540 proporciona la mejor solución de cadena de señales para la adquisición y el procesamiento de datos, que inevitablemente se puede diseñar en una solución integrada.

Cuando decimos que los MEMS ofrecen un rendimiento comparable a un costo mucho menor, podemos ver una SNR de 83 dB para el ADXL1002, pero un costo 10 veces menor en comparación con los sensores piezoeléctricos. Los MEMS ahora se han establecido como una alternativa viable a todos los sensores piezoeléctricos, excepto a los de mayor rendimiento, a una fracción del costo.

Figura 6. CN0540: alto rendimiento, ancho de banda amplio, adquisición de datos de precisión para sensores IEPE.

Tabla 2. MEMS y sensores piezoeléctricos con las correspondientes medidas de densidad de ruido

Sensor

Rango (± g)

Rango de salida pico a pico (V)

Linealidad (%FSR)

NDS

(µg/√Hz)

Ancho de banda plano (kHz)

Ruido en ancho de banda plano (µg RMS)

Rango dinámico en ancho de banda plano (dB)

ADXL1002

50

4

0.1

25

11

2622

82.60

ADXL1004

500

4

0.25

125

24

19365

85.32

PCB 621B40

500

10

1

10

30

1732

104.95

PCB 352C04

500

10

1

4

10

400

118.93

PCB 333B52

5

10

1

0.4

3

22

98.50

Una vez que los datos de vibración de alta fidelidad han sido adquiridos por la cadena de señales DAQ, es importante procesarlos y verlos en tiempo real y/o transmitirlos al entorno de aprendizaje automático o en la nube; este es el trabajo de la puerta de enlace integrada.

Dos plataformas integradas son compatibles con Intel® (DE10-Nano) y Xilinx® (Cora Z7-07S), que incluyen soporte proporcionado para todos los HDL, controladores de dispositivos, paquetes de software y aplicaciones asociados. Cada plataforma ejecuta el ADI Kuiper Linux® incorporado, que le permite mostrar datos de dominio de tiempo y frecuencia en tiempo real, brinda acceso a los datos capturados en tiempo real a través de Ethernet, interactúa con herramientas populares de análisis de datos como MATLAB o Python, e incluso se conecta con varias instancias de computación en la nube como AWS y Azure. La puerta de enlace integrada puede transferir 6,15 Mbps (256 kSPS × 24 bits) a través de Ethernet a la herramienta de desarrollo de algoritmos que elija. Algunas de las características clave de las puertas de enlace integradas incluyen:

El osciloscopio IIO, que se muestra en la Figura 7, es una aplicación gratuita de código abierto que se instala con ADI Kuiper Linux y lo ayuda a visualizar rápidamente los datos del dominio del tiempo y del dominio de la frecuencia. Construido sobre el marco Linux IIO, interactúa directamente con los controladores de dispositivos de Analog Devices Linux, lo que permite la configuración del dispositivo, la lectura de datos del dispositivo y las pantallas visuales, todo en una sola herramienta.

Figura 7. Osciloscopio IIO que muestra una FFT de un tono puro de 5 kHz.

Las herramientas estándar de la industria, como MATLAB y Python, también son compatibles con ADI Kuiper Linux Image. Utilizando capas de interfaz que funcionan con el marco IIO, se han desarrollado enlaces IIO para transmitir datos directamente a estas herramientas típicas de análisis de datos. Los diseñadores pueden mostrar y analizar datos, desarrollar algoritmos, así como realizar pruebas de hardware en el bucle y otras técnicas de manipulación de datos utilizando estas poderosas herramientas en combinación con los marcos de integración de IIO. Hay disponibles ejemplos completos que le permiten transmitir datos de vibraciones de alta calidad a las herramientas MATLAB o Python.

Hay cinco pasos típicos en el desarrollo de algoritmos de aprendizaje automático (ML) para aplicaciones de PdM, como se muestra en la Figura 8. Para el mantenimiento predictivo, los modelos de regresión se utilizan normalmente para predecir las próximas fallas sobre los modelos de clasificación. Se desempeñan mejor cuando tienen más datos de entrenamiento para ingresar en el modelo predictivo. Es probable que diez minutos de datos de vibración no detecten todas las características operativas, mientras que 10 horas tienen muchas más posibilidades de hacerlo, y recopilar 10 días de datos garantizará un modelo mucho más sólido.

Figura 8. Pasos para desarrollar una aplicación PdM.

Figura 9. Ejemplo de caso de uso de CN0549.

CN0549 proporciona el paso de recopilación de datos en un sistema fácil de usar en el que podemos transmitir datos de vibración de alto rendimiento al entorno de aprendizaje automático de su elección.

El sensor MEMS IEPE se proporciona con un bloque de montaje mecánico, lo que permite un montaje perfecto de un sensor MEMS en un activo o agitador. Tenga en cuenta que los sensores piezoeléctricos IEPE también pueden usarse con este sistema y conectarse a activos, agitadores, etc. con facilidad. Antes de transmitir datos a las herramientas de análisis de datos, se debe verificar la conexión del sensor para asegurarse de que no haya resonancias no deseadas. Esto se puede verificar muy fácilmente en tiempo real usando el osciloscopio IIO. Una vez que el sistema está listo para funcionar, se puede definir un caso de uso, como se muestra en la Figura 9, por ejemplo, el funcionamiento saludable de un motor con una capacidad de carga del 70 %. Luego, los datos de vibración de alta calidad se pueden transmitir a MATLAB o herramientas de análisis de datos basadas en Python, como TensorFlow o PyTorch (y muchas otras).

Se puede llevar a cabo un análisis para identificar firmas clave y características que definen la salud de ese activo. Una vez que hay un modelo que define la operación saludable, las fallas pueden ser sembradas o simuladas. Se repite el paso 4 para identificar firmas clave que definen la falla y se deriva un modelo. Los datos de falla se pueden comparar con los datos del motor en buen estado y se pueden desarrollar modelos de predicción.

Esta es una descripción general simplificada del proceso de ML habilitado por la plataforma de desarrollo de CbM. La clave para recordar es que esta plataforma garantiza que se entreguen datos de vibración de la más alta calidad al entorno de ML.

Otro artículo titulado "La pila de software reutilizable y de código abierto permite el procesamiento en tiempo real y el desarrollo de algoritmos para CbM" entrará en detalles sobre la pila de software, el flujo de datos y las estrategias de desarrollo, así como también cubrirá algunos ejemplos usando Python y MATLAB desde la perspectiva del científico de datos o desarrollador de algoritmos de aprendizaje automático. Se discutirá una descripción general de las integraciones de software, así como las opciones de desarrollo locales y basadas en la nube.

Chris Murphy es ingeniero de aplicaciones en el Centro Europeo de Aplicaciones Centralizadas, con sede en Dublín, Irlanda. Ha trabajado para Analog Devices desde 2012, proporcionando soporte de diseño en control de motores y productos de automatización industrial. Tiene una maestría en ingeniería electrónica por investigación y una licenciatura en ingeniería informática. Se le puede contactar en [email protected].