ເມນູເນື້ອຫາ
●ຄວາມເຂົ້າໃຈ Edge Computing ແລະ IoT ໃນ CNC Milling
●ອົງປະກອບຫຼັກຂອງ Edge-Enabled IoT Frameworks
●ການປະຕິບັດການບໍາລຸງຮັກສາທີ່ຄາດເດົາ: ຂັ້ນຕອນແລະຄ່າໃຊ້ຈ່າຍ
●ຕົວຢ່າງຂອງໂລກທີ່ແທ້ຈິງແລະໄຊຊະນະ
ແນະນຳ
ຮູບຕົວເຈົ້າເອງຢູ່ເທິງພື້ນໂຮງງານ, ອ້ອມຮອບດ້ວຍສຽງຂອງຫຼາຍແກນCNC millingເຄື່ອງຈັກສ້າງແຜ່ນໃບຄ້າຍຄື turbine aerospace, camshafts ລົດຍົນ, ຫຼືການປູກຝັງທາງການແພດທີ່ມີຄວາມແມ່ນຍໍາ incredible. ເຄື່ອງຈັກເຫຼົ່ານີ້ແມ່ນຫົວໃຈຂອງການຜະລິດທີ່ທັນສະໄຫມ, ແຕ່ເມື່ອພວກເຂົາທໍາລາຍ - ເວົ້າວ່າ, ເຄື່ອງມືຈະຫມົດໄປຫຼື spindle ເລີ່ມສັ່ນ - ສິ່ງຕ່າງໆກໍ່ແພງຢ່າງໄວວາ. ການຢຸດເຮັດວຽກສາມາດມີຄ່າໃຊ້ຈ່າຍຫຼາຍພັນຄົນຕໍ່ຊົ່ວໂມງ, ບໍ່ໃຫ້ເວົ້າເຖິງຊິ້ນສ່ວນທີ່ຖືກຂູດຂີ້ເຫຍື້ອຫຼືເສັ້ນຕາຍທີ່ພາດໂອກາດ. ນັ້ນແມ່ນບ່ອນທີ່ການຮັກສາການຄາດເດົາໄດ້ກ້າວເຂົ້າສູ່, ໂດຍໃຊ້ເຊັນເຊີ IoT ແລະຄອມພິວເຕີ້ຂອບເພື່ອຈັບບັນຫາກ່ອນທີ່ມັນຈະກ້ຽວວຽນອອກຈາກການຄວບຄຸມ. ແທນທີ່ຈະແກ້ໄຂສິ່ງຕ່າງໆຫຼັງຈາກທີ່ພວກເຂົາແຕກຫັກຫຼືແລກປ່ຽນຊິ້ນສ່ວນໃນຕາຕະລາງທີ່ເຄັ່ງຄັດ, ທ່ານກໍາລັງຢູ່ຂ້າງຫນ້າຫນຶ່ງຂັ້ນຕອນ, ເຮັດໃຫ້ເຄື່ອງຈັກເຮັດວຽກແລະງົບປະມານ intact.
Edge computing ຫມາຍເຖິງການປະມວນຜົນຂໍ້ມູນທັນທີຢູ່ໃນເຄື່ອງ, ບໍ່ໄດ້ສົ່ງມັນໄປບາງເຄື່ອງແມ່ຂ່າຍຫ່າງໄກ. ມັນໄວ, ປອດໄພ, ແລະບໍ່ອຸດຕັນເຄືອຂ່າຍຂອງທ່ານ. IoT, ໃນທາງກົງກັນຂ້າມ, ຄືກັບການໃຫ້ເຄື່ອງຈັກຂອງທ່ານເປັນລະບົບປະສາດ, ເຊັນເຊີຕິດຕາມທຸກການສັ່ນສະເທືອນ, ອຸນຫະພູມ, ຫຼືແຮງ, ໃຫ້ຄວາມເຂົ້າໃຈກັບລະບົບປະສາດສະຫຼາດ. ຮ່ວມກັນ, ພວກມັນເປັນຕົວປ່ຽນເກມສໍາລັບເຄື່ອງ CNC, ຈຸດທີ່ມີບັນຫາເຊັ່ນ: ເຄື່ອງມືຈືດໆຫຼືການສັ່ນສະເທືອນກ່ອນທີ່ມັນຈະທໍາລາຍຊິ້ນວຽກ 10,000 ໂດລາ.
ໃນບົດຄວາມນີ້, ຂ້ອຍຈະບອກທ່ານກ່ຽວກັບວິທີການທີ່ເຕັກໂນໂລຢີເຫຼົ່ານີ້ເປັນທີມເພື່ອເຮັດໃຫ້ໂຮງງານ CNC ຫຼາຍແກນ humming. ພວກເຮົາຈະກວມເອົາເທກໂນໂລຍີຕົວມັນເອງ - ເຊັນເຊີ, ອຸປະກອນຂອບ, ການໄຫຼເຂົ້າຂອງຂໍ້ມູນ - ແລະຂຸດຄົ້ນຕົວຢ່າງທີ່ແທ້ຈິງ, ເຊັ່ນ: ໂຮງງານທາງອາກາດຫຼືຮ້ານຂາຍອຸປະກອນການແພດ, ດ້ວຍຕົວເລກທີ່ຍາກໃນຄ່າໃຊ້ຈ່າຍແລະການປະຫຍັດ. ຂ້າພະເຈົ້າໄດ້ອີງໃສ່ບາງການຄົ້ນຄວ້າທີ່ຫນັກແຫນ້ນເພື່ອພື້ນຖານນີ້, ແຕ່ຂ້ອຍຈະຮັກສາມັນປະຕິບັດ: ສິ່ງທີ່ທ່ານຕ້ອງການເພື່ອເລີ່ມຕົ້ນ, ຄ່າໃຊ້ຈ່າຍແນວໃດ, ແລະຄໍາແນະນໍາເພື່ອຫຼີກເວັ້ນການເຈັບຫົວ. ບໍ່ວ່າເຈົ້າເປັນວິສະວະກອນຊັ້ນຮ້ານ ຫຼືຜູ້ຈັດການທີ່ເບິ່ງເສັ້ນທາງລຸ່ມ, ນີ້ແມ່ນກ່ຽວກັບການເຮັດໃຫ້ເຄື່ອງຂອງເຈົ້າເຮັດວຽກໄດ້ສະຫຼາດຂຶ້ນ.
ຄວາມເຂົ້າໃຈ Edge Computing ແລະ IoT ໃນ CNC Milling
Edge Computing ທັງຫມົດກ່ຽວກັບຫຍັງ?
Edge computing ແມ່ນຄ້າຍຄືການວາງ mini-brain ຕໍ່ໄປກັບເຄື່ອງ CNC ຂອງທ່ານ. ແທນທີ່ຈະສົ່ງຂໍ້ມູນທຸກບິດ - ການສັ່ນສະເທືອນ, ອຸນຫະພູມ spindle, ທ່ານຕັ້ງຊື່ມັນ - ກັບເຄື່ອງແມ່ຂ່າຍຄລາວເຄິ່ງຫນຶ່ງໃນທົ່ວໂລກ, ທ່ານຈັດການມັນຢູ່ທີ່ນັ້ນ. ຄິດວ່າຄອມພິວເຕີຂະໜາດນ້ອຍທີ່ແຂງກະດ້າງໃສ່ໂຮງສີ, ເຮັດໃຫ້ຕົວເລກແຕກໄວເທົ່າກັບເຄື່ອງຕັດໂລຫະ. ມັນໄວກວ່າ, ລາຄາຖືກກວ່າໃນແບນວິດ, ແລະຮັກສາຂໍ້ມູນຂອງທ່ານໄວ້ຢ່າງແຫນ້ນຫນາ, ເຊິ່ງມັນສໍາຄັນໃນເວລາທີ່ທ່ານກໍາລັງຂັດສິ່ງທີ່ລະອຽດອ່ອນເຊັ່ນ: ຊິ້ນສ່ວນໃນອາວະກາດ.
ເອົາຮ້ານອາວະກາດເຮັດໃບພັດ turbine. ການຕັດບໍ່ດີອັນໜຶ່ງສາມາດຖິ້ມຂີ້ເຫຍື້ອສ່ວນໜຶ່ງມູນຄ່າ 15,000 ໂດລາ. ດ້ວຍການຄິດໄລ່ຂອບ, ເຊັນເຊີຈະຮັບການສັ່ນສະເທືອນທີ່ແປກໆ ແລະລະບົບທຸງເຄື່ອງມືທີ່ສວມໃສ່ໃນວິທີທີ່ແຕກຕ່າງ, ຢຸດເຄື່ອງກ່ອນທີ່ຈະເກີດໄພພິບັດ. ຖ້າເຈົ້າກຳລັງອາໄສຄລາວ, ຂໍ້ມູນນັ້ນຈະເດີນທາງໄປ-ກັບ-ບາງທີ ຫຼືສອງວິນາທີ-ເຊິ່ງຟັງຄືສັ້ນ ແຕ່ບໍ່ແມ່ນເວລາທີ່ໃບມີດຢູ່ໃນຄວາມສ່ຽງ. ນອກຈາກນັ້ນ, ການປຸງແຕ່ງໃນທ້ອງຖິ່ນຫມາຍຄວາມວ່າບໍ່ມີບັນຫາທາງອິນເຕີເນັດສາມາດເຮັດໃຫ້ເຈົ້າສັບສົນໄດ້.
IoT: ເຮັດໃຫ້ເຄື່ອງຈັກສົນທະນາ
IoT ແມ່ນສິ່ງທີ່ເຊື່ອມຕໍ່ຈຸດຕ່າງໆ. ທ່ານມີເຊັນເຊີຢູ່ໃນໂຮງງານຂອງທ່ານຕິດຕາມສິ່ງຕ່າງໆເຊັ່ນຄວາມໄວ spindle, ແຮງຕັດ, ຫຼືອຸນຫະພູມ coolant. ຂໍ້ມູນເຫຼົ່ານັ້ນເຂົ້າໄປໃນອຸປະກອນຂອບທີ່ກໍາລັງເບິ່ງບັນຫາ - ເຊັ່ນ: ແບກເລີ່ມຕົ້ນທີ່ຈະປະຕິບັດຫຼືເຄື່ອງມືທີ່ຈະ snap. ມັນບໍ່ແມ່ນພຽງແຕ່ຂໍ້ມູນດິບ; ສູດການຄິດໄລ່ອັດສະລິຍະຊອກຫາຮູບແບບທີ່ຮ້ອງວ່າ "ແກ້ໄຂຂ້ອຍດຽວນີ້."
ຈິນຕະນາການວ່າໂຮງງານຜະລິດລົດຍົນໄດ້ກົ້ມຂາມຂາມອອກ. ເຊັນເຊີຈັບ vibes spindle, ແລະລະບົບຂອບຄາດຄະເນຄວາມລົ້ມເຫຼວຂອງ bearing ກ່ອນທີ່ມັນຈະ tank ການຜະລິດ. ໂຮງງານແຫ່ງໜຶ່ງທີ່ຂ້າພະເຈົ້າໄດ້ອ່ານກ່ຽວກັບການຫຼຸດເວລາຫວ່າງ 20% ດ້ວຍວິທີນີ້, ປະຢັດໄດ້ 50,000 ໂດລາຕໍ່ປີຕໍ່ເຄື່ອງຈັກ. ແຕ່ມັນບໍ່ແມ່ນການແລ່ນເຮືອທີ່ລຽບງ່າຍ. ທ່ານຕ້ອງເລືອກເຊັນເຊີທີ່ຖືກຕ້ອງ - ເວົ້າ, ເຄື່ອງວັດແທກຄວາມເລັ່ງສໍາລັບການສັ່ນສະເທືອນຫຼື thermocouples ສໍາລັບຄວາມຮ້ອນ - ເຮັດໃຫ້ມັນຂຶ້ນ, ແລະໃຫ້ແນ່ໃຈວ່າພວກເຂົາບໍ່ choke ກັບ coolant ຫຼືຝຸ່ນໂລຫະ. ມັນໃຊ້ເວລາການວາງແຜນ.
ເປັນຫຍັງການດູແລຮັກສາແບບຄາດເດົາແມ່ນເປັນເລື່ອງໃຫຍ່
ການບໍາລຸງຮັກສາໂຮງຮຽນເກົ່າແມ່ນຄ້າຍຄືກັບການຄາດເດົາວ່າລົດຂອງທ່ານຕ້ອງການປ່ຽນນໍ້າມັນ. ເຊັກຕາມກຳນົດເວລາ—ແລກປ່ຽນເຄື່ອງມືທຸກໆ 100 ຊົ່ວໂມງ—ເສຍເງິນຖ້າເຄື່ອງມືດີ. ລໍຖ້າການທໍາລາຍຂອງຮ້າຍແຮງກວ່າເກົ່າ; ເຈົ້າຕິດຢູ່, ຊິ້ນສ່ວນຖືກທໍາລາຍ, ແລະທຸກຄົນຄຽດ. ການຮັກສາການຄາດເດົາໃຊ້ຂໍ້ມູນເພື່ອເວົ້າວ່າ, "Hey, ປ່ຽນແທນອັນນີ້ດຽວນີ້," ເມື່ອມັນຕ້ອງການ.
ໃນຮ້ານ milling implants ທາງການແພດ, ເຊັ່ນ: ຂໍ້ຕໍ່ຫົວເຂົ່າ titanium, ເຄື່ອງມືທີ່ບໍ່ດີສາມາດຫມາຍຄວາມວ່າເປັນ $20,000 ຄວາມຜິດພາດ. ສະຖານທີ່ຫນຶ່ງໄດ້ໃຊ້ IoT ເພື່ອຈັບມືສົນທະນາກ່ອນເວລາ, ຕັດການຢຸດທີ່ບໍ່ໄດ້ວາງແຜນໄວ້ 15% ແລະປະຫຍັດ 100,000 ໂດລາຕໍ່ປີ. ພວກເຂົາໃຊ້ເຊັນເຊີສຽງ ແລະການວິເຄາະຂອບເພື່ອປະຕິບັດໄດ້ໄວ. ມັນບໍ່ແມ່ນວິເສດ — ມັນເປັນການຟັງເຄື່ອງຈັກຂອງທ່ານແລະການສະແດງກ່ອນທີ່ພວກເຂົາເຈົ້າຮ້ອງ.
ເຄັດລັບ: ບໍ່ດໍາລົງໃນຕາບອດ. ລອງໃຊ້ເຊັນເຊີໃນເຄື່ອງໜຶ່ງກ່ອນ, ບາງທີການຕັ້ງຄ່າ $1,000 ພ້ອມກັບເຄື່ອງກວດຈັບການສັ່ນສະເທືອນ ແລະກ່ອງຂອບລາຄາຖືກຄືກັບ Raspberry Pi. ທົດສອບມັນເປັນເວລາຫນຶ່ງເດືອນ. ຖ້າມັນຊ່ວຍປະຢັດການແບ່ງສ່ວນຫນຶ່ງ, ທ່ານກໍາລັງລ່ວງຫນ້າແລ້ວ.
ອົງປະກອບຫຼັກຂອງ Edge-Enabled IoT Frameworks
ເຊັນເຊີ: ຕາ ແລະຫູ
ເຊັນເຊີແມ່ນບ່ອນທີ່ມັນເລີ່ມຕົ້ນທັງຫມົດ. ສໍາລັບໂຮງງານ CNC, ທ່ານກໍາລັງຊອກຫາຢູ່ໃນ:
- ເຊັນເຊີການສັ່ນສະເທືອນ (accelerometers): Spot tool wear ຫຼື bearing ບັນຫາ. ປະມານ $100–$500 a pop.- ເຊັນເຊີອຸນຫະພູມ (thermocouples): ຮັກສາແຖບໃສ່ spindle ຫຼືຄວາມຮ້ອນ coolant. $50–$200.- ເຊັນເຊີບັງຄັບ: ຈັບໃນເວລາທີ່ເຄື່ອງມືມີຄວາມຫຍຸ້ງຍາກ. $500–$1,000.- ເຊັນເຊີສຽງ: ໄດ້ຍິນສຽງເວົ້າ ຫຼືສຽງແຕກຂອງຜູ້ອື່ນ. $200–800 $.
ໃນອາວະກາດ, ໂຮງງານແຜ່ນໃບຄ້າຍຄື turbine ອາດຈະຕົບສີ່ accelerometers ສຸດ spindle, grabbing ຂໍ້ມູນ 1,000 ເທື່ອຕໍ່ວິນາທີ. ການຄົ້ນຄວ້າໂດຍ Luo ແລະທີມງານຂອງລາວໄດ້ສະແດງໃຫ້ເຫັນວ່າບັນຫານີ້ຈັບໄດ້ 95% ຂອງບັນຫາການສວມໃສ່ເຄື່ອງມືໃນຕອນຕົ້ນ, ຊ່ວຍປະຫຍັດ 200,000 ໂດລາຕໍ່ປີໃນເວລາຢຸດເຮັດວຽກ. ບັນຫາແມ່ນ, ເຊັນເຊີບໍ່ສາມາດທໍາລາຍໄດ້ - ຄວາມເຢັນແລະຊິບສາມາດທໍາລາຍພວກມັນໄດ້ຖ້າທ່ານບໍ່ລະມັດລະວັງ.
ຮ້ານຂາຍ camshaft ລົດຍົນໄດ້ໃຊ້ຈ່າຍ 5,000 ໂດລາຕໍ່ເຊັນເຊີຕໍ່ເຄື່ອງຈັກແລະໄດ້ທໍາລາຍເຖິງແມ່ນໃນຫົກເດືອນໂດຍການຫລີກລ້ຽງຄວາມລົ້ມເຫລວໃຫຍ່ສອງຄັ້ງ. ຄໍາແນະນໍາ: ໄດ້ຮັບເຊັນເຊີ IP68-rated; ພວກເຂົາຫົວເຍາະເຍີ້ຍນ້ໍາແລະຂີ້ຝຸ່ນ. ກວດເບິ່ງພວກມັນເປັນປະຈໍາເດືອນເພື່ອໃຫ້ແນ່ໃຈວ່າພວກມັນບໍ່ໄດ້ເລື່ອນການປັບທຽບ.
ອຸປະກອນຂອບ: ສະໝອງ
ອຸປະກອນ Edge ແມ່ນກ້າມເນື້ອທີ່ເຮັດໃຫ້ການຍົກລະດັບຫນັກ - ຄິດວ່າເຄື່ອງຄອມພິວເຕີອຸດສາຫະກໍາຫຼືຫົວຫນ່ວຍຫນາແຫນ້ນເຊັ່ນ NVIDIA Jetson, ແລ່ນ $500–5,000. ພວກເຂົາວິເຄາະຂໍ້ມູນເຊັນເຊີຢູ່ໃນຈຸດ, ໂດຍໃຊ້ສູດການຄິດໄລ່ເພື່ອລາຍງານບັນຫາ. ຮູບແບບການຮຽນຮູ້ຂອງເຄື່ອງຈັກອາດຈະປຽບທຽບການສັ່ນສະເທືອນກັບພື້ນຖານ "ສຸຂະພາບ" ແລະສຽງຮ້ອງເມື່ອສິ່ງທີ່ເບິ່ງໄປ.
ຮ້ານປູກຝັງທາງການແພດໄດ້ໃຊ້ອຸປະກອນແຂບທີ່ມີເຄືອຂ່າຍ neural ເພື່ອວິເຄາະສັນຍານສຽງ, ຄາດຄະເນຄວາມລົ້ມເຫຼວຂອງເຄື່ອງມືທີ່ມີຄວາມຖືກຕ້ອງ 90%, ອີງຕາມການສຶກສາຂອງ Verma. ລາຄາ 10,000 ໂດລາຕໍ່ເຄື່ອງຈັກໃນການຕິດຕັ້ງ, ແຕ່ພວກເຂົາຕັດຂີ້ເຫຍື້ອ 30%, ປະຫຍັດ 150,000 ໂດລາຕໍ່ປີ. hitch ໄດ້? ອຸປະກອນ Edge ບໍ່ແມ່ນຊຸບເປີຄອມພິວເຕີ. ເຈົ້າຕ້ອງຫຼຸດຕົວແບບຂອງເຈົ້າໜ້ອຍລົງເພື່ອບໍ່ໃຫ້ພວກມັນຊັກ.
ເຄັດລັບ: ເອົາຕົວແບບທີ່ໄດ້ຮັບການຝຶກອົບຮົມລ່ວງຫນ້າຈາກສະຖານທີ່ເຊັ່ນ TensorFlow Lite ເພື່ອປະຫຍັດເວລາ. ງົບປະມານ $2,000–$10,000 ຕໍ່ເຄື່ອງສຳລັບຮາດແວ, ຂຶ້ນກັບວ່າເຈົ້າໄດ້ແຟນຊີຫຼາຍປານໃດ.
ການເຊື່ອມຕໍ່: ຮັກສາມັນຮ່ວມກັນ
IoT ຕ້ອງການທໍ່ສົ່ງແຂງ-ອີເທີເນັດ, Wi-Fi, ບາງທີ 5G- ເພື່ອຍ້າຍຂໍ້ມູນຈາກເຊັນເຊີໄປຫາອຸປະກອນຂອບ ແລະບາງຄັ້ງກໍເປັນຄລາວສຳລັບການເກັບຮັກສາໄລຍະຍາວ. Edge computing ຮັກສາການເຮັດວຽກສ່ວນໃຫຍ່ໃນທ້ອງຖິ່ນ, ແຕ່ທ່ານອາດຈະສົ່ງແນວໂນ້ມເພີ່ມຂຶ້ນສໍາລັບການວິເຄາະ. ຄວາມປອດໄພຂອງຂະຫນາດໃຫຍ່; ໂຮງງານ hacked ສາມາດຖົ່ມຊິ້ນສ່ວນທີ່ບໍ່ດີອອກຫຼືປິດທັງຫມົດ.
ໃບ milling ພືດ aerospace ໄດ້ ນໍາ ໃຊ້ ອຸ ປະ ກອນ ຂອບ ສໍາ ລັບ ການ ແຈ້ງ ເຕືອນ ທັນ ທີ ທັນ ໃດ ແລະ ຟັງ ສໍາ ລັບ ຂໍ້ ມູນ ປະ ຫວັດ ສາດ. ລາຄາ 15,000 ໂດລາຕໍ່ເຄື່ອງໃນການຕິດຕັ້ງ, ແຕ່ມັນຫຼຸດລົງຄ່າໃຊ້ຈ່າຍໃນການບໍາລຸງຮັກສາ 25%. ການຄົ້ນຄວ້າຂອງ Patel ພົບວ່າການຕັ້ງຄ່າຂອບແບບນີ້ໄວກວ່າ 40% ຫຼາຍກວ່າ cloud-only. ບັນຫາແມ່ນ, ເຄືອຂ່າຍທີ່ອ່ອນແອຫຼືການຕັ້ງຄ່າທີ່ບໍ່ດີສາມາດເຮັດໃຫ້ເຈົ້າຊ້າລົງ.
ເຄັດລັບ: ໃຊ້ MQTT ຫຼື OPC UA ສໍາລັບການໂອນຂໍ້ມູນທີ່ປອດໄພ—ພວກມັນມີນໍ້າໜັກເບົາ ແລະແຂງ. ໃຊ້ຈ່າຍ $1,000 ໃສ່ firewall ຕໍ່ເຄື່ອງເພື່ອບໍ່ໃຫ້ແຮກເກີອອກ.
ການປະຕິບັດການບໍາລຸງຮັກສາທີ່ຄາດເດົາ: ຂັ້ນຕອນແລະຄ່າໃຊ້ຈ່າຍ
ຂັ້ນຕອນທີ 1: ຄິດອອກສິ່ງທີ່ແຕກ
ທໍາອິດ, ເບິ່ງຢ່າງຫນັກແຫນ້ນຢູ່ໃນໂຮງງານຂອງເຈົ້າ. ແມ່ນຫຍັງທີ່ລົ້ມເຫລວຫຼາຍທີ່ສຸດ? ຮ້ານຄ້າອາວະກາດຈັດການກັບເຄື່ອງນຸ່ງຫົ່ມທີ່ກິນ 5,000 ໂດລາຕໍ່ອຸ້ຍ. ໂຮງງານຜະລິດລົດຍົນກ່າວວ່າການສັ່ນສະເທືອນ spindle ເຮັດໃຫ້ເກີດ 60% ຂອງການເຈັບຫົວຂອງພວກເຂົາ. ຂຸດເຂົ້າໄປໃນບັນທຶກຂອງເຈົ້າເພື່ອຮູ້ວ່າແມ່ນຫຍັງ.
ຄ່າໃຊ້ຈ່າຍ: $1,000–$5,000 ສໍາລັບມືອາຊີບໃນການວິເຄາະຫຼືເຮັດມັນໃນເຮືອນ. ເຄັດລັບ: ສຸມໃສ່ເຄື່ອງທີ່ມີລາຄາຖືກທີ່ສຸດຂອງທ່ານທໍາອິດ, ສຽງດັງທີ່ສຸດສໍາລັບ buck ຂອງທ່ານ.
ຂັ້ນຕອນທີ 2: ເລືອກແລະສະຖານທີ່ເຊັນເຊີ
ຈັບຄູ່ເຊັນເຊີກັບບັນຫາຂອງທ່ານ. ໂຮງງານປູກຝັງທາງການແພດອາດຈະຕ້ອງການເຊັນເຊີສຽງ ແລະບັງຄັບສໍາລັບການສົນທະນາຂອງເຄື່ອງມື, ປະມານ 2,000 ໂດລາ. ການຕິດຕັ້ງພວກມັນໃຊ້ເວລາຫນຶ່ງຫຼືສອງມື້, $500–1,000 ໃນແຮງງານ.
ວຽກງານຂອງ Luo ສະແດງໃຫ້ເຫັນເຊັນເຊີສັ່ນສະເທືອນຕັດເຄື່ອງມືລົ້ມເຫລວ 20%, ລາຄາ 3,000 ໂດລາຕໍ່ເຄື່ອງ. ເຄັດລັບ: ຝຶກອົບຮົມລູກເຮືອຂອງເຈົ້າກ່ຽວກັບການວາງເຊັນເຊີ—ການຕິດຕັ້ງທີ່ຂີ້ຕົວະຫມາຍເຖິງຂໍ້ມູນທີ່ບໍ່ດີ.
ຂັ້ນຕອນທີ 3: ຕັ້ງຄ່າອຸປະກອນຂອບ
ໄດ້ຮັບອຸປະກອນຂອບທີ່ເຫມາະກັບຄວາມຕ້ອງການຂອງທ່ານ. A $1,000 Jetson Nano ເຮັດວຽກສໍາລັບການຕິດຕາມກວດກາ camshaft ງ່າຍດາຍ; ຍານອາວະກາດອາດຈະຕ້ອງການ PC 5,000 ໂດລາ. ການຕັ້ງຄ່າຊອບແວ—ການຂຽນລະຫັດ ແລະແບບການຝຶກອົບຮົມ—ແລ່ນ $5,000–$20,000.
ການສຶກສາຂອງ Verma ໄດ້ເຫັນການກະໂດດຂອງ 15% uptime ກັບອຸປະກອນແຂບ, ລາຄາ 10,000 ໂດລາຕໍ່ໂຮງງານ. ເຄັດລັບ: ໃຊ້ແພລດຟອມ open-source ເຊັ່ນ EdgeX Foundry ເພື່ອບັນທຶກການເຂົ້າລະຫັດ.
ຂັ້ນຕອນທີ 4: Hook It Up ແລະທົດສອບ
ເຊັນເຊີສາຍໄປຫາອຸປະກອນຂອບແລະໃຫ້ມັນ whirl. ວາງແຜນໃນອາທິດໜຶ່ງ ຫຼື ສອງອາທິດເພື່ອແກ້ໄຂຄວາມເຄັ່ງຕຶງ, ເຊັ່ນ: ສັນຍານເຕືອນທີ່ບໍ່ຖືກຕ້ອງ. ຮ້ານຂາຍໃບເຕີຍ turbine ໄດ້ໃຊ້ເວລາ 3,000 ໂດລາການທົດສອບແຕ່ໄດ້ຊ່ວຍປະຢັດ $50,000 ການຈັບບັນຫາ spindle ຕົ້ນ.
ເຄັດລັບ: ຮັກສາແຜນການບໍາລຸງຮັກສາເກົ່າຂອງທ່ານດໍາເນີນການໃນລະຫວ່າງການທົດສອບດັ່ງນັ້ນທ່ານບໍ່ໄດ້ຖືກປະໄວ້ຫ້ອຍຖ້າຫາກວ່າບາງສິ່ງບາງຢ່າງ flops.
ຂັ້ນຕອນທີ 5: ມ້ວນມັນອອກ
ເມື່ອເຄື່ອງໜຶ່ງແຂງ, ຂະຫຍາຍໃຫຍ່ຂຶ້ນ. ຮ້ານຂາຍລົດຍົນແຫ່ງໜຶ່ງໃຊ້ເງິນ 100,000 ໂດລາຕໍ່ເຄື່ອງ 10 ເຄື່ອງ ແລະໄດ້ຢຸດເຊົາໃນເວລາ 18 ເດືອນໂດຍມີການຢຸດລົດໜ້ອຍລົງ 30%. ການຄົ້ນຄວ້າຂອງ Patel ກ່າວວ່າການກໍານົດມາດຕະຖານຂອງໂປໂຕຄອນຕັດຄ່າໃຊ້ຈ່າຍໃນການປັບຂະຫນາດ 10%.
ຄໍາແນະນໍາ: ຂຽນລົງທຸກຂັ້ນຕອນ. ມັນຈະເຮັດໃຫ້ການເພີ່ມເຄື່ອງຈັກງ່າຍຂຶ້ນ. ງົບປະມານ $10,000–$20,000 ຕໍ່ເຄື່ອງສໍາລັບ deal ເຕັມ.
ຕົວຢ່າງຂອງໂລກທີ່ແທ້ຈິງແລະໄຊຊະນະ
ຍານອາວະກາດ: Turbine Blades
ແຜ່ນໃບຄ້າຍຄື turbine milling ແມ່ນສະເຕກສູງ, ຫນຶ່ງທີ່ບໍ່ດີຂອງjohnny-come-lately ມີລາຄາ $ 10,000 – $50,000. ຮ້ານຄ້າໄດ້ນໍາໃຊ້ເຊັນເຊີ IoT ແລະການວິເຄາະຂອບເພື່ອຈັບການສວມໃສ່ຂອງເຄື່ອງມື, ກໍານົດ 90% ຂອງບັນຫາໃນຕອນຕົ້ນ. ການຕິດຕັ້ງແມ່ນ 20,000 ໂດລາຕໍ່ເຄື່ອງ, ແຕ່ພວກເຂົາປະຫຍັດໄດ້ 300,000 ໂດລາຕໍ່ປີ. ວິທີການປະສົມຂອງ Luo - ຂອບສໍາລັບຄວາມໄວ, cloud ສໍາລັບແນວໂນ້ມ - ເຮັດໃຫ້ມັນເຮັດວຽກ.
ຊະນະ: 25% ຫນ້ອຍຂູດ. ອຸປະສັກ: ຄ່າໃຊ້ຈ່າຍລ່ວງໜ້າ ແລະ ການຕິດຕັ້ງທີ່ຫຍຸ້ງຍາກ.
ຍານຍົນ: Camshafts
ໂຮງງານ Camshaft ແລ່ນຮ້ອນແລະຫນັກ, ມີເວລາຢຸດຢູ່ທີ່ 5,000 ໂດລາຕໍ່ຊົ່ວໂມງ. A ໂຮງງານ Detroit ໄດ້ນໍາໃຊ້ເຊັນເຊີການສັ່ນສະເທືອນແລະອຸປະກອນແຂບ, ຕັດ breakdowns 20%. ລາຄາ $15,000 ຕໍ່ເຄື່ອງ, ຈ່າຍຄືນໃນຫນຶ່ງປີ. ການສຶກສາຂອງ Verma ກ່າວວ່າການແຈ້ງເຕືອນຂອບແມ່ນໄວກວ່າ 50%.
ຊະນະ: ຜົນຜະລິດຫຼາຍກວ່າ 15%. Hurdle: ເຊັນເຊີສວມໃສ່ໄວ.
ການແພດ: ການຝັງເຂັມ
Titanium implants ບໍ່ສາມາດມີຂໍ້ບົກພ່ອງ. ຮ້ານຄ້າໄດ້ໃຊ້ເຊັນເຊີສຽງ ແລະ AI edge, ຫຼຸດລົງ 30%. ລາຄາ 12,000 ໂດລາ ຕໍ່ເຄື່ອງ, ປະຢັດໄດ້ 200,000 ໂດລາ ຕໍ່ປີ. ການຕິດຕັ້ງ IoT ຂອງ Patel ຮັກສາສິ່ງທີ່ເຄັ່ງຄັດ.
ຊະນະ: ຄຸນະພາບດີກວ່າ. Hurdle: ການຝຶກອົບຮົມຄົນອື່ນໆກ່ຽວກັບເຕັກໂນໂລຢີໃຫມ່.
ສິ່ງທ້າທາຍໃນການສັງເກດເບິ່ງ
ຂໍ້ມູນຫຼາຍເກີນໄປ, ສັນຍານເຕືອນຫຼາຍເກີນໄປ
ອຸປະກອນ Edge ບໍ່ສາມາດກືນຂໍ້ມູນທີ່ສິ້ນສຸດ, ແລະແບບບໍ່ດີຮ້ອງ wolf ເລື້ອຍໆເກີນໄປ. ຮ້ານອາວະກາດໄດ້ເຜົາໄຫມ້ $10,000 ກ່ຽວກັບການປຸກທີ່ບໍ່ຖືກຕ້ອງກ່ອນທີ່ຈະແກ້ໄຂການຕັ້ງຄ່າຂອງເຂົາເຈົ້າ. ທີມງານຂອງ Luo ໄດ້ຍູ້ລະບົບສູດການຄິດໄລ່ທີ່ງ່າຍກວ່າເພື່ອຮັກສາສິ່ງຕ່າງໆໃຫ້ດີ.
ເຄັດລັບ: ເນັ້ນໃສ່ສັນຍານຫຼັກ, ເຊັ່ນ: ການສັ່ນສະເທືອນ, ບໍ່ແມ່ນທຸກໆ blip.
ມັນບໍ່ແມ່ນລາຄາຖືກ
ການໃຊ້ຈ່າຍ $10,000–$20,000 ຕໍ່ເຄື່ອງເຮັດໃຫ້ຮ້ານນ້ອຍໆຢ້ານ. ເຊັນເຊີການຊິງຄ໌ ແລະຂໍ້ຂອບແຂບໄດ້ໄປເຖິງໂຮງງານ camshaft ເປັນເວລານຶ່ງອາທິດ. Verma ແນະນໍາລະບົບ modular ເພື່ອຜ່ອນຄາຍຄວາມເຈັບປວດ.
ເຄັດລັບ: ເຊົ່າເຄື່ອງມືເພື່ອກະຈາຍຄ່າໃຊ້ຈ່າຍ, ແລະໄດ້ຮັບ IoT pro ສໍາລັບການໄປທໍາອິດ.
ແຮກເກີຮັກເຄື່ອງຈັກເຊື່ອມຕໍ່
IoT ເປີດປະຕູສູ່ບັນຫາ. ຮ້ານແພດແຫ່ງໜຶ່ງໄດ້ມີການຢ້ານແຣນຊອມແວ, ມີຄ່າໃຊ້ຈ່າຍ 5,000 ໂດລາເພື່ອແກ້ໄຂ. ຄໍາແນະນໍາຂອງ Patel: ຮັກສາຂໍ້ມູນທີ່ສໍາຄັນອອກຈາກຄລາວ.
ເຄັດລັບ: ເຂົ້າລະຫັດທຸກສິ່ງທຸກຢ່າງແລະນໍາໃຊ້ $1,000 firewall ຕໍ່ເຄື່ອງ.
ຕໍ່ໄປແມ່ນຫຍັງ?
ເທັກໂນໂລຢີນີ້ກຳລັງເລີ່ມຕົ້ນ. 5G ທີ່ໄວກວ່າສາມາດເຮັດໃຫ້ລະບົບຂອບແມ່ນ snappier, ຈັດການຕົວແບບທີ່ໃຫຍ່ກວ່າ. ການຮຽນຮູ້ສະຫະພັນ—ການແລກປ່ຽນຄວາມສະຫຼາດທົ່ວພືດໂດຍບໍ່ມີການເປີດເຜີຍຂໍ້ມູນ — ແມ່ນສະແດງໃຫ້ເຫັນຄໍາຫມັ້ນສັນຍາ. ໄປຕາມເສັ້ນທາງ, ໃຫ້ຮູບພາບໂຮງງານ CNC ທີ່ມີຄວາມເປັນຈິງເສີມການຊີ້ນໍາການສ້ອມແປງຫຼືໄມ້ທ່ອນທີ່ຮັບປະກັນ blockchain.
ຈິນຕະນາການຮ້ານອາວະກາດບ່ອນທີ່ edge AI ບໍ່ພຽງແຕ່ຈຸດໃສ່ເຄື່ອງມື, ແຕ່ປັບຄວາມໄວ spindle ສໍາລັບການເພີ່ມປະສິດທິພາບ 10%. ຫຼືໂຮງງານ camshaft ໂດຍໃຊ້ຝາແຝດດິຈິຕອລ - ເຄື່ອງໂຄນເຄື່ອງ virtual - ເພື່ອທົດສອບການແກ້ໄຂໂດຍບໍ່ຕ້ອງສໍາຜັດກັບປະຕູ. ນັ້ນບໍ່ໄກປານໃດ—ຄິດວ່າຫ້າຫາສິບປີ.
ສະຫຼຸບ
Edge computing ແລະ IoT ກໍາລັງປ່ຽນເກມສໍາລັບCNC milling, ໃຫ້ທ່ານຈັບບັນຫາກ່ອນໄວອັນຄວນແລະຮັກສາສາຍເຄື່ອນທີ່. ຈາກການປະຫຍັດ $300,000 ໃນແຜ່ນໃບຄ້າຍຄື turbine ເປັນ $150,000 ໃນການປູກຝັງ, ຕົວເລກບໍ່ໄດ້ນອນ - ການຢຸດເຊົາຫນ້ອຍ, ຄວາມຜິດພາດຫນ້ອຍ, ນາຍຈ້າງມີຄວາມສຸກ. ມັນບໍ່ດີເລີດ: ຄ່າໃຊ້ຈ່າຍກັດ, ການຕັ້ງຄ່າແມ່ນ fiddly, ແລະທ່ານຕ້ອງໄດ້ປິດລົງຄວາມປອດໄພ. ແຕ່ເລີ່ມຕົ້ນຂະຫນາດນ້ອຍ, ທົດສອບຢ່າງລະມັດລະວັງ, ແລະຂະຫນາດທີ່ສະຫລາດ, ແລະທ່ານຈະເຫັນຜົນຕອບແທນ.
ເລື່ອງຈາກອາວະກາດ, ລົດຍົນ, ແລະຮ້ານການແພດສະແດງໃຫ້ເຫັນສິ່ງທີ່ເປັນໄປໄດ້ - ປະຫຍັດຈິງ, ຜົນໄດ້ຮັບທີ່ແທ້ຈິງ. ການຄົ້ນຄວ້າຈາກຄົນອື່ນໆເຊັ່ນ Luo, Verma, ແລະ Patel ສະຫນັບສະຫນູນມັນ, ຊີ້ໃຫ້ເຫັນສິ່ງທີ່ເຮັດວຽກແລະສິ່ງທີ່ຈະຫລີກລ້ຽງ. ເບິ່ງໄປຂ້າງໜ້າ, ເຄືອຂ່າຍທີ່ໄວຂຶ້ນ ແລະເທັກໂນໂລຍີທີ່ອ່ອນກວ່າຄືຝາແຝດດິຈິຕອລ ຈະເຮັດໃຫ້ໂຮງສີບໍ່ພຽງແຕ່ມີຄວາມໜ້າເຊື່ອຖື ແຕ່ມີຄວາມສະຫຼາດ. ສໍາລັບວິສະວະກອນຢູ່ໃນພື້ນເຮືອນ, ການໂທແມ່ນຈະແຈ້ງ: ຂື້ນກັບຂອບແລະ IoT, ຫຼືເຈົ້າຈະຖືກກວາດເອົາຊິບໃນຂະນະທີ່ຄົນອື່ນແລ່ນໄປຂ້າງຫນ້າ.
ຖາມ-ຕອບ
ຖາມ: ຂ້ອຍຈະຂາຍນາຍຈ້າງຂອງຂ້ອຍແນວໃດໃນການໃຊ້ຈ່າຍໃຫຍ່ສໍາລັບ IoT ແລະ edge tech?
ສະແດງເງິນໃຫ້ເຂົາເຈົ້າ. ການຕິດຕັ້ງ $15,000 ສາມາດປະຫຍັດ $50,000–200,000 ຕໍ່ປີໂດຍການຫຼີກລ້ຽງການຢຸດເຮັດວຽກ ແລະພາກສ່ວນທີ່ບໍ່ດີ, ຄືກັບຮ້ານຂາຍລົດຍົນ. ລອງໃຊ້ມັນໃນເຄື່ອງດຽວກ່ອນ—ຂໍ້ມູນຈິງຊະນະການຂາຍທຸກຄັ້ງ.
ຖາມ: ວິທີໃດທີ່ງ່າຍທີ່ສຸດທີ່ຈະເຮັດໃຫ້ເກີດບັນຫານີ້?
ການຕົບມືໃສ່ເຊັນເຊີໂດຍບໍ່ມີການປັບພວກມັນ. ການປັບທຽບບໍ່ດີຫມາຍເຖິງຂໍ້ມູນຂີ້ເຫຍື້ອ — ປຸກຜິດພາດຫຼືບັນຫາພາດໄປ. ຮ້ານນຶ່ງເສຍເງິນ 5,000 ໂດລາ ໄລ່ຜີ. ໃຊ້ເວລາມື້ຫນຶ່ງເພື່ອທົດສອບດ້ວຍເຄື່ອງມືທີ່ສວມໃສ່ເພື່ອເຮັດໃຫ້ພື້ນຖານທີ່ຖືກຕ້ອງ.
ຖາມ: ຮ້ານຂະຫນາດນ້ອຍສາມາດ swing ນີ້?
ທັງໝົດ. ເລີ່ມຕົ້ນດ້ວຍຊຸດ $2,000—ເຊັນເຊີການສັ່ນສະເທືອນ ແລະກ່ອງຂອບລາຄາຖືກ. ຮ້ານການແພດຂະຫນາດນ້ອຍຊ່ວຍປະຢັດ $20,000 ຕໍ່ປີຕໍ່ເຄື່ອງ. ຮາດແວໃຫ້ເຊົ່າຊ່ວຍໃຫ້ກະເປົາເງິນຂອງເຈົ້າມີຄວາມສຸກ.
ຖາມ: ຂ້ອຍຈະຢຸດແຮກເກີຈາກການ messing ກັບໂຮງງານຂອງຂ້ອຍໄດ້ແນວໃດ?
ເຂົ້າລະຫັດຂໍ້ມູນ ແລະໃຊ້ໂປຣໂຕຄໍ MQTT ຫຼື OPC UA. ຮ້ານແພດແຫ່ງໜຶ່ງໄດ້ຫຼີກລ່ຽງບັນຫາດ້ວຍໄຟວໍ 1,000 ໂດລາ ແລະເກັບຮັກສາການວິເຄາະຢູ່ໃນທ້ອງຖິ່ນ. ອັບເດດຊອບແວເລື້ອຍໆ ແລະສົ່ງຂໍ້ມູນທ່າອ່ຽງທີ່ໜ້າເບື່ອໄປຫາຄລາວເທົ່ານັ້ນ.
ຖາມ: ເທກໂນໂລຍີຂອງຂ້ອຍຕ້ອງຮຽນຮູ້ຫຍັງແດ່ສໍາລັບການນີ້?
ເອກະສານອ້າງອີງ
IoT ແລະລະບົບການຮັກສາການຄາດເດົາທີ່ອີງໃສ່ການຮຽນຮູ້ເຄື່ອງຈັກສໍາລັບມໍເຕີໄຟຟ້າ
Noor A. Mohammed, Osamah F. Abdulateef, Ali H. Hamad
ວາລະສານຂອງລະບົບວິສະວະກໍາ ແລະອັດຕະໂນມັດ
2023
ຜົນການຄົ້ນຫາທີ່ສໍາຄັນ: ແບບ Random Forest ບັນລຸຄວາມຖືກຕ້ອງ 94.3% ໃນການຄາດຄະເນຄວາມລົ້ມເຫຼວຂອງມໍເຕີ
ວິທີການ: ເຊັນເຊີ fusion ຂອງຂໍ້ມູນການສັ່ນສະເທືອນ, ປັດຈຸບັນ, ແລະອຸນຫະພູມ
ອ້າງອີງ: Mohammed et al., 2023, ໜ້າ 651-656
https://doi.org/10.18280/jesa.560414
Edge Computing-Based Proactive Control Method ສໍາລັບອຸປະກອນອຸດສາຫະກໍາ
ຜູ້ຂຽນທີ່ບໍ່ເປີດເຜີຍຊື່
ບົດລາຍງານວິທະຍາສາດທໍາມະຊາດ
2024
ການຄົ້ນພົບທີ່ສໍາຄັນ: ຮູບແບບ SMOTE-XGboost ປັບປຸງການຈັດປະເພດຄວາມບໍ່ສົມດຸນ F1-score ໂດຍ 37%
ວິທີການ: ການຕິດຕັ້ງຂອບໃນສາຍການຜະລິດແຜ່ນເບກ
ການອ້າງອີງ: ທໍາມະຊາດ, 2024, ຫນ້າ 1-9
https://doi.org/10.1038/s41598-024-51974-z
ເວລາປະກາດ: 14-04-2025



