เรียนรู้เกี่ยวกับ Predictive Maintenance ด้วย Machine Learning จากข้อมูลแรงสั่นสะเทือน ดูเทคโนโลยีการทำ Condition Monitoring ในโรงงานอุตสาหกรรม
สวัสดีครับ วันนี้เราจะมาแสดงการทำงานของแพลตฟอร์มการตรวจสอบสภาพการทำงาน (Condition Monitoring) โดยใช้เซ็นเซอร์สั่นสะเทือนและ Machine Learning
เริ่มต้นด้วยการติดตั้งเซ็นเซอร์สั่นสะเทือนเข้ากับมอเตอร์ HVAC ในอาคาร จากนั้นนำเซ็นเซอร์เชื่อมต่อกับ IoT Gateway และ 4G Router เพื่อส่งข้อมูลเข้าสู่แพลตฟอร์มผ่าน AWS IoT Core
แพลตฟอร์มนี้สามารถแสดงข้อมูลการทำงานของมอเตอร์ เช่น การสั่นสะเทือนในทิศทางต่าง ๆ และอุณหภูมิของมอเตอร์แต่ละตัว ข้อมูลเหล่านี้จะถูกนำมาวิเคราะห์โดย Machine Learning Model เพื่อประเมินสภาพการทำงานและระบุปัญหาที่อาจเกิดขึ้น
ข้อมูลจากเซ็นเซอร์จะถูกแสดงเป็นกราฟและตัวชี้วัดต่าง ๆ ทำให้เราสามารถเห็นภาพรวมของสภาพการทำงานของมอเตอร์ หากมีมอเตอร์ที่มีสภาพไม่ดี ระบบจะแจ้งเตือนและให้คำแนะนำในการดำเนินการบำรุงรักษา
ตัวอย่างการใช้งานแพลตฟอร์มนี้สามารถดูได้ในวิดีโอสาธิต YouTube ซึ่งแสดงการตั้งค่า การเชื่อมต่อ และการวิเคราะห์ข้อมูลจากเซ็นเซอร์สั่นสะเทือนในมอเตอร์ HVAC
หากสนใจสามารถติดต่อฝ่าย Appomax ได้เลยครับ ขอบคุณครับ
เรียนรู้วิธีการทำ monitor machine conditions ด้วย vibration analysis คู่มือวิเคราะห์การสั่นสะเทือนที่ละเอียดของเรา Part 1
การตรวจสอบสภาพการสั่นสะเทือนด้วยวิธีพื้นฐานในการประเมินสภาพของเครื่องจักร เรียนรู้เกี่ยวกับประโยชน์ของการอ่านการสั่นสะเทือน...
การบำรุงรักษาเชิงคาดการณ์ (Predictive Maintenance) เป็นวิธีการที่ใช้เทคโนโลยี IoT และการวิเคราะห์ข้อมูลเพื่อตรวจสอบและคาดการณ์ปัญหาของเครื่องจักร...