工业设备振动 - 基于振动的异常探测

概览概览

开发一种解决办法,监测半导体裂谷制造设施内机器人的健康状况,对工业设备进行振动异常探测。

建立参数,以便以最低限度的数据潜伏和保护IP敏感生产数据的方式对机器人故障进行有效和实时的远程监测和警报。

根据加速计信号的时间和频率域特性,采用统计过程控制方法实施不受监督的过程。

减少产量损失,因为随着时间推移,产量损失可以节省大量费用。

从振动信号中提取了15个频率和时间域特征——无论是好是坏——并生成了参数趋势可视化的方框图。

选定配置 下载下载参考实施和下列软件。

配置 下载

完成时间 :15-30分钟

语言:皮顿* 3.8

可用软件 :乌本图* 20.04

目标系统要求

乌本图* 20.04

第六至十一代 Intel核心TM 处理器

如何运作

工业设备振动异常探测:

帮助进行状况监测,避免制造工艺出现意外故障和中断。

根据使用统计过程控制方法监测的加速计信号的时间和频率域特性,提供了一种不受监督的方法。

从振动信号中提取了15个特征,使用户能够将特征与阈值进行比较,以响应确定特征满足阈值并发出警报。

提供高效和实时的远程监测和警报,在最低数据间隔和保护IP敏感生产数据的情况下,提醒机器人失灵。

下面的架构图显示如下:

Main.py是读取输入数据的中央 Python 脚本.csv和调用助手函数.so用于数据处理的文件 。

产出作为微软* Excel* 文件在产出目录中生成。

注:包件中所包含的.csv数据文档是使用CeberOptics* Wafersense* Auto振动系统* (AVS)和Parker* Lord* Microstrain* 振动传感器生成的,但参考实施可使用任何类型传感器的任何时间序列数据。

Figure 1: Architecture Diagram

开始

安装引用实施

选定配置 下载下载参考执行,然后按以下步骤安装。

配置 下载

打开一个新的终端, 转到下载的文件夹, 并打开 RI 软件包 。

unzip vibration_based_anomaly_detection.zip

跳转到振动_基于_anomaly_ 检测/ 目录 。

cd vibration_based_anomaly_detection/

更改可执行的边缘软件文件的权限 。

chmod 755 edgesoftware

在下面运行命令以安装“引用实施” 。

./edgesoftware install

安装期间, 您将被提示获取产品键。 产品键包含在您从英特尔收到的邮件中, 以确认您的下载 。
Figure 2: Product Key

安装完成后,您将会看到消息“包件完整包件装填”每个模块的安装状态。
Figure 3: Install Success

运行应用程序

转到工作目录 :

cd vibration_based_anomaly_detection/Intel_Vibration_Based_Anomaly_Detection_for_Industrial_Equipment_1.0.0/vibration_based_anomaly_detection/anomaly_detection 

设置 Python 虚拟环境 。 (这只在第一次运行此引用执行时才有必要 。) 命令将创建虚拟环境并安装必要的依赖性 。

source ./setup_env.sh

集集集集集集集Pythonpath 脉冲病算法二进制.so通过运行以下命令来激活虚拟环境。

source activate_env.sh

使用下面的命令运行引用应用程序。 此命令将读取所提供的. csv 数据文件, 并生成 Microsoft Excel* 图表 。

python3 main.py

解释和使用成果

应用程序分析振动传感器所有3个频道(轴)的正常(后修复)和异常(前修复)信号,产生4套输出文件,共12个文件。

注:包件中所包含的.csv数据文档是使用CeberOptics* Wafersense* Auto振动系统* (AVS)和Parker* Lord* Microstrain* 振动传感器生成的,但参考实施可使用任何类型传感器的任何时间序列数据。

应用程序从一个时间序列信号中提取了17个时间和频率域域特性,产生以下一组输出文件:

avs- boxplot. xlsx :
显示振动传感器所有3个频道正常(后修复)和异常(修复前修复)数据的6个最有区别的时间和频率域特性的框图。
此文件是为CeberOptics Wafersense AVS 和 Parker Lord Microstrain 振动传感器创建的。

avs- 频率绘图. xlsx:
显示频率频谱图和中位频率栏,以显示振动传感器所有3个频道的正常和异常数据。
此文件是为CeberOptics Wafersense AVS 和 Parker Lord Microstrain 振动传感器创建的。

s22482-1-01_avs_yaskawa_后修_arm-b.xlsxx:
显示从振动传感器所有3个频道提取的所有17个参数的运行窗口值。
此文件是为预反应状态创建的, 并为网络设备WaferSense AVS 和 Parker Lord Microstrain 振动传感器创建的。

s22482-1-01_avs_yaskawa_后补_arm-bgraphs.xlsx:
显示振动传感器所有三个频道的所有参数的绘图。
此文件是为预反应状态创建的, 并为网络设备WaferSense AVS 和 Parker Lord Microstrain 振动传感器创建的。

使用此应用程序,您可以运行一种单一的方法,检索一套详尽无遗的时间和频率域参数,并在正常和异常条件下评估其趋势和价值的变化。

概述和下一步步骤

您已经成功安装并运行了基于振动的工业设备异常检测。

工业设备使用以振动为基础的异常探测,用于:

根据振动信号对工业设备进行状况监测。

设备健康实时监测。

参数分析的好坏条件。

学习更多

继续学习,见以下指南和软件资源。

这些链接提供了从时域信号中提取的频率域参数的详情:

ScienceDirect Topics: Median Frequency 概览概览

Luscinia on Sourceforge.net: Mean Frequency

ScienceDirect Topics:Spectral Energy Distribution 概览概览

ScienceDirect Topics:Spectral Entropy 概览概览

排除故障

卸载参考实施软件包

要完全卸载软件包, 请使用命令 :

./edgesoftware uninstall -a

支助论坛支助论坛

若您无法解决问题,请联系支助论坛支助论坛. 

概览概览

开发一种解决办法,监测半导体裂谷制造设施内机器人的健康状况,对工业设备进行振动异常探测。

建立参数,以便以最低限度的数据潜伏和保护IP敏感生产数据的方式对机器人故障进行有效和实时的远程监测和警报。

根据加速计信号的时间和频率域特性,采用统计过程控制方法实施不受监督的过程。

减少产量损失,因为随着时间推移,产量损失可以节省大量费用。

从振动信号中提取了15个频率和时间域特征——无论是好是坏——并生成了参数趋势可视化的方框图。

选定配置 下载下载参考实施和下列软件。

配置 下载

完成时间 :15-30分钟

语言:皮顿* 3.8

可用软件 :乌本图* 20.04

目标系统要求

乌本图* 20.04

第六至十一代 Intel核心TM 处理器

如何运作

工业设备振动异常探测:

帮助进行状况监测,避免制造工艺出现意外故障和中断。

根据使用统计过程控制方法监测的加速计信号的时间和频率域特性,提供了一种不受监督的方法。

从振动信号中提取了15个特征,使用户能够将特征与阈值进行比较,以响应确定特征满足阈值并发出警报。

提供高效和实时的远程监测和警报,在最低数据间隔和保护IP敏感生产数据的情况下,提醒机器人失灵。

下面的架构图显示如下:

Main.py是读取输入数据的中央 Python 脚本.csv和调用助手函数.so用于数据处理的文件 。

产出作为微软* Excel* 文件在产出目录中生成。

注:包件中所包含的.csv数据文档是使用CeberOptics* Wafersense* Auto振动系统* (AVS)和Parker* Lord* Microstrain* 振动传感器生成的,但参考实施可使用任何类型传感器的任何时间序列数据。

Figure 1: Architecture Diagram

开始

安装引用实施

选定配置 下载下载参考执行,然后按以下步骤安装。

配置 下载

打开一个新的终端, 转到下载的文件夹, 并打开 RI 软件包 。

unzip vibration_based_anomaly_detection.zip

跳转到振动_基于_anomaly_ 检测/ 目录 。

cd vibration_based_anomaly_detection/

更改可执行的边缘软件文件的权限 。

chmod 755 edgesoftware

在下面运行命令以安装“引用实施” 。

./edgesoftware install

安装期间, 您将被提示获取产品键。 产品键包含在您从英特尔收到的邮件中, 以确认您的下载 。
Figure 2: Product Key

安装完成后,您将会看到消息“包件完整包件装填”每个模块的安装状态。
Figure 3: Install Success

运行应用程序

转到工作目录 :

cd vibration_based_anomaly_detection/Intel_Vibration_Based_Anomaly_Detection_for_Industrial_Equipment_1.0.0/vibration_based_anomaly_detection/anomaly_detection 

设置 Python 虚拟环境 。 (这只在第一次运行此引用执行时才有必要 。) 命令将创建虚拟环境并安装必要的依赖性 。

source ./setup_env.sh

集集集集集集集Pythonpath 脉冲病算法二进制.so通过运行以下命令来激活虚拟环境。

source activate_env.sh

使用下面的命令运行引用应用程序。 此命令将读取所提供的. csv 数据文件, 并生成 Microsoft Excel* 图表 。

python3 main.py

解释和使用成果

应用程序分析振动传感器所有3个频道(轴)的正常(后修复)和异常(前修复)信号,产生4套输出文件,共12个文件。

注:包件中所包含的.csv数据文档是使用CeberOptics* Wafersense* Auto振动系统* (AVS)和Parker* Lord* Microstrain* 振动传感器生成的,但参考实施可使用任何类型传感器的任何时间序列数据。

应用程序从一个时间序列信号中提取了17个时间和频率域域特性,产生以下一组输出文件:

avs- boxplot. xlsx :
显示振动传感器所有3个频道正常(后修复)和异常(修复前修复)数据的6个最有区别的时间和频率域特性的框图。
此文件是为CeberOptics Wafersense AVS 和 Parker Lord Microstrain 振动传感器创建的。

avs- 频率绘图. xlsx:
显示频率频谱图和中位频率栏,以显示振动传感器所有3个频道的正常和异常数据。
此文件是为CeberOptics Wafersense AVS 和 Parker Lord Microstrain 振动传感器创建的。

s22482-1-01_avs_yaskawa_后修_arm-b.xlsxx:
显示从振动传感器所有3个频道提取的所有17个参数的运行窗口值。
此文件是为预反应状态创建的, 并为网络设备WaferSense AVS 和 Parker Lord Microstrain 振动传感器创建的。

s22482-1-01_avs_yaskawa_后补_arm-bgraphs.xlsx:
显示振动传感器所有三个频道的所有参数的绘图。
此文件是为预反应状态创建的, 并为网络设备WaferSense AVS 和 Parker Lord Microstrain 振动传感器创建的。

使用此应用程序,您可以运行一种单一的方法,检索一套详尽无遗的时间和频率域参数,并在正常和异常条件下评估其趋势和价值的变化。

概述和下一步步骤

您已经成功安装并运行了基于振动的工业设备异常检测。

工业设备使用以振动为基础的异常探测,用于:

根据振动信号对工业设备进行状况监测。

设备健康实时监测。

参数分析的好坏条件。

学习更多

继续学习,见以下指南和软件资源。

这些链接提供了从时域信号中提取的频率域参数的详情:

ScienceDirect Topics: Median Frequency 概览概览

Luscinia on Sourceforge.net: Mean Frequency

ScienceDirect Topics:Spectral Energy Distribution 概览概览

ScienceDirect Topics:Spectral Entropy 概览概览

排除故障

卸载参考实施软件包

要完全卸载软件包, 请使用命令 :

./edgesoftware uninstall -a

支助论坛支助论坛

若您无法解决问题,请联系支助论坛支助论坛. 

审核编辑 黄宇