Multi-Axis CNC Milling Machines များ၏ ကြိုတင်ခန့်မှန်းထိန်းသိမ်းမှုအတွက် Edge-Computing-Enabled IoT Frameworks

အကြောင်းအရာ မီနူး

●နိဒါန်း

●CNC Milling တွင် Edge Computing နှင့် IoT နားလည်ခြင်း။

●Edge-Enabled IoT Frameworks ၏ အဓိက အစိတ်အပိုင်းများ

●ကြိုတင်ခန့်မှန်းထိန်းသိမ်းမှုကို အကောင်အထည်ဖော်ခြင်း- အဆင့်များနှင့် ကုန်ကျစရိတ်များ

●အစစ်အမှန်ကမ္ဘာနမူနာများနှင့်အနိုင်ရ

●စောင့်ကြည့်ရန် စိန်ခေါ်မှုများ

●နောက်တစ်ခုက ဘာလဲ။

●နိဂုံး

●အမေးအဖြေ

●ကိုးကား

 

နိဒါန်း

ဝင်ရိုးပေါင်းစုံ၏ ညည်းသံများဖြင့် ဝန်းရံထားသော စက်ရုံကြမ်းပြင်ပေါ်တွင် သင့်ကိုယ်သင် ပုံဖော်ပါ။CNC ကြိတ်ခြင်း။အာကာသတာဘိုင် ဓါးများ၊ မော်တော်ယာဥ် camshaft များ သို့မဟုတ် မယုံနိုင်လောက်အောင် တိကျမှုရှိသော ဆေးဘက်ဆိုင်ရာ အစားထိုးစက်များ။ ဤစက်များသည် ခေတ်မီကုန်ထုတ်လုပ်မှု၏ဗဟိုချက်ဖြစ်သည်၊ သို့သော် ပျက်သွားသောအခါတွင်၊ ကိရိယာတစ်ခု ပျက်သွားသည် သို့မဟုတ် ဗိုင်းလိပ်တံတစ်ခု တုန်ခါလာသည်—အရာများသည် စျေးကြီးမြန်သည်။ စက်ရပ်ချိန်သည် တစ်နာရီလျှင် ထောင်ပေါင်းများစွာ ကုန်ကျနိုင်ပြီး၊ ဖျက်သိမ်းထားသော အစိတ်အပိုင်းများ သို့မဟုတ် လွတ်သွားသော သတ်မှတ်ရက်များကို ဖော်ပြခြင်းမပြုပါ။ အဲဒါကို ထိန်းချုပ်မှုကနေ ရုန်းမထွက်ခင် ပြဿနာတွေကို ဖမ်းဆုပ်နိုင်ဖို့ IoT အာရုံခံကိရိယာတွေနဲ့ edge computing ကို အသုံးပြုပြီး ကြိုတင်ပြင်ဆင်ထိန်းသိမ်းမှုတွေ လုပ်ဆောင်ပါတယ်။ အစိတ်အပိုင်းများကို ပြတ်တောက်ပြီးနောက် သို့မဟုတ် တင်းကျပ်သောအချိန်ဇယားဖြင့် လဲလှယ်ပြီးနောက် အရာများကို ပြုပြင်မည့်အစား၊ သင်သည် ရှေ့တစ်လှမ်းတိုးကာ စက်လည်ပတ်နေပြီး ဘတ်ဂျက်များကို နဂိုအတိုင်းရှိနေစေမည်ဖြစ်သည်။

Edge computing ဆိုသည်မှာ ဝေးလံသော ဆာဗာသို့ မပို့ဘဲ စက်တွင် မှန်ကန်သော ဒေတာကို စီမံဆောင်ရွက်ပေးခြင်း ဖြစ်သည်။ ၎င်းသည် မြန်ဆန်၊ လုံခြုံပြီး သင့်ကွန်ရက်ကို ပိတ်ဆို့ခြင်း မရှိပါ။ အခြားတစ်ဖက်တွင်၊ IoT သည် သင့်စက်များကို အာရုံကြောစနစ်—တုန်ခါမှုတိုင်း၊ အပူချိန် သို့မဟုတ် တွန်းအားတိုင်းကို ခြေရာခံသည့်အာရုံခံကိရိယာများပေးကာ စမတ်အယ်ဂိုရီသမ်များအတွက် ထိုးထွင်းသိမြင်မှုများကို ကျွေးမွေးခြင်းနှင့်တူသည်။ ၎င်းတို့သည် CNC ကြိတ်ခွဲခြင်းအတွက် ဂိမ်းပြောင်းလဲမှုတစ်ခုဖြစ်ပြီး၊ ၎င်းတို့သည် $10,000 workpiece ကို မပျက်စီးမီ တောက်ပြောင်သောကိရိယာ သို့မဟုတ် တုန်လှုပ်နေသည့်အရာများကဲ့သို့ ပြဿနာများကို တွေ့ရှိနိုင်သည်။

ဤဆောင်းပါးတွင်၊ ဝင်ရိုးပေါင်းစုံ CNC စက်များ ဆူနေအောင် ဤနည်းပညာများ ပေါင်းစပ်ပုံအား ကျွန်ုပ် လမ်းညွှန်ပေးပါမည်။ ကျွန်ုပ်တို့သည် နည်းပညာကိုယ်တိုင်—အာရုံခံကိရိယာများ၊ အနားသတ်ကိရိယာများ၊ ဒေတာစီးဆင်းမှုများ—နှင့် ကုန်ကျစရိတ်နှင့် ချွေတာမှုဆိုင်ရာ ခက်ခဲသောကိန်းဂဏန်းများနှင့်အတူ အာကာသဆိုင်ရာစက်ရုံများ သို့မဟုတ် ဆေးဘက်ဆိုင်ရာစက်ပစ္စည်းဆိုင်များကဲ့သို့ တကယ့်ဥပမာများကို တူးဖော်ပါမည်။ ဒါကို အခြေခံဖို့ ခိုင်မာတဲ့ သုတေသနအချို့ကို ကျွန်တော် မှီခိုပြီးပါပြီ၊ ဒါပေမယ့် အဲဒါကို လက်တွေ့ကျအောင် ထိန်းထားပါ့မယ်- သင်စတင်ရန် လိုအပ်သည့်အရာ၊ ကုန်ကျစရိတ်နှင့် ခေါင်းကိုက်ခြင်းများကို ရှောင်ရှားရန် အကြံပြုချက်များ။ သင်က ဆိုင်ကြမ်းပြင်အင်ဂျင်နီယာတစ်ယောက်ပဲဖြစ်ဖြစ် အောက်ခြေလိုင်းကို စောင့်ကြည့်နေတဲ့ မန်နေဂျာပဲဖြစ်ဖြစ်၊ ဒါက သင့်စက်တွေကို ပိုစမတ်ကျကျ အလုပ်လုပ်စေခြင်းနဲ့ ပတ်သက်တယ်။

CNC Milling တွင် Edge Computing နှင့် IoT နားလည်ခြင်း။

Edge Computing အကြောင်းအားလုံးကဘာလဲ။

Edge computing သည် သင်၏ CNC စက်ဘေးတွင် သေးငယ်သော ဦးနှောက်ကို ထားရှိခြင်းနှင့် တူပါသည်။ ဒေတာနည်းနည်းချင်းစီ—တုန်ခါမှုပွားများ၊ ဗိုင်းလိပ်တံအပူချိန်များ—ကမ္ဘာတစ်ဝှမ်းရှိ cloud server သို့ တစ်ဝက်တစ်ပျက်ပို့ဆောင်မည့်အစား ၎င်းကို သင်ကိုင်တွယ်ဖြေရှင်းသည်။ စက်က သတ္တုကို ဖြတ်လိုက်သည်နှင့်အမျှ ဂဏန်းများကို မြန်မြန်ဆန်ဆန်ကြိတ်ကာ ခဲထားသော ကွန်ပျူတာလေးကို စဉ်းစားကြည့်ပါ။ ၎င်းသည် bandwidth တွင်ပိုမိုမြန်ဆန်ပြီး၊ စျေးသက်သာပြီး အာကာသယာဉ်အစိတ်အပိုင်းများကဲ့သို့ အရေးကြီးသည့်အရာများကို ကြိတ်ခွဲသည့်အခါတွင် အရေးကြီးသည့်အချက်မှာ သင်၏ဒေတာကို လော့ခ်ချကာ တင်းကျပ်စွာ သိမ်းဆည်းထားသည်။

တာဘိုင် ဓါးသွားများပြုလုပ်သော အာကာသယာဉ်ဆိုင်ကို သွားပါ။ မကောင်းတဲ့ဖြတ်ချက်တစ်ခုက ဒေါ်လာ ၁၅၀၀၀ တန်တဲ့အပိုင်းကို အမှိုက်ပစ်နိုင်ပါတယ်။ edge computing ဖြင့်၊ အာရုံခံကိရိယာများသည် ထူးဆန်းသောတုန်ခါမှုများကို ကောက်ယူပြီး စနစ်သည် ပျက်နေသောကိရိယာကို စက္ကန့်ပိုင်းအတွင်း အလံပြပြီး သဘာဝဘေးအန္တရာယ်မကျရောက်မီ စက်ကို ရပ်တန့်စေပါသည်။ အကယ်၍ သင်သည် cloud ကို အားကိုးနေပါက၊ ထိုဒေတာသည် အသွားအပြန်ခရီး—တစ်စက္ကန့် သို့မဟုတ် နှစ်ကြိမ်—ဖြစ်နိုင်သည်—ထိုအရာသည် တိုတောင်းသော်လည်း ဓားသွားပေါက်နေချိန်မဟုတ်ပေ။ ထို့အပြင်၊ ဒေသတွင်း စီမံဆောင်ရွက်မှုသည် အင်တာနက် ဖြတ်တောက်မှုများကြောင့် သင့်အား စိတ်အနှောင့်အယှက် ဖြစ်စေမည်မဟုတ်ပါ။

IoT- စက်များ စကားပြောခြင်း ပြုလုပ်ခြင်း။

IoT သည် အစက်များကို ချိတ်ဆက်ပေးသည်။ spindle speed၊ cutting force သို့မဟုတ် coolant temp ကဲ့သို့သော အရာများကို ခြေရာခံသည့် သင်၏ကြိတ်တွင် အာရုံခံကိရိယာများ ရှိပါသည်။ ၎င်းတို့သည် ပြဿနာအတွက် စောင့်ကြည့်နေသည့် အနားသတ်ကိရိယာတစ်ခု—စတင်လုပ်ဆောင်ရန် ဝက်ဝံ သို့မဟုတ် လျှပ်တစ်ပြက်လုပ်တော့မည့် ကိရိယာတစ်ခုကဲ့သို့ဖြစ်သည်။ ၎င်းသည် ဒေတာအကြမ်းသက်သက်မဟုတ်ပါ။ စမတ်ကျသော အယ်လဂိုရီသမ်များသည် “ငါ့ကို အခုပြင်ပါ” ဟု အော်နေသော ပုံစံများကို ရှာဖွေသည်။

camshaft များကို တွန်းထုတ်နေသော မော်တော်ကားစက်ရုံကို စိတ်ကူးကြည့်ပါ။ အာရုံခံကိရိယာများသည် spindle vibes များကိုဖမ်းယူပြီး edge system သည် ၎င်းမှထုတ်လုပ်ခြင်းမပြုမီတွင် bearing ချို့ယွင်းမှုကို ခန့်မှန်းပေးသည်။ ကျွန်တော်ဖတ်ဖူးတဲ့ စက်ရုံတစ်ရုံမှာ စက်ရပ်ချိန် 20% လျော့ချပြီး စက်တစ်လုံးကို တစ်နှစ် ဒေါ်လာ 50,000 ချွေတာပါတယ်။ ဒါပေမယ့် အားလုံးက ချောမွေ့နေတာတော့ မဟုတ်ပါဘူး။ မှန်ကန်သော အာရုံခံကိရိယာများ—ဆိုပါက၊ တုန်ခါမှုအတွက် အရှိန်မြှင့်ကိရိယာများ သို့မဟုတ် အပူအတွက် သာမိုကော့ပလီများ—တို့ကို ကြိုးဖြင့် ကြိုးတပ်ကာ အအေးခံရည် သို့မဟုတ် သတ္တုဖုန်မှုန့်များ စုပ်မမိစေရန် သေချာစေပါ။ အဲဒါက အစီအစဥ်လိုတယ်။

Predictive Maintenance သည် အဘယ်ကြောင့် ကြီးမားသောသဘောတူညီချက်ဖြစ်သနည်း။

ကျောင်းဟောင်း ပြုပြင်ထိန်းသိမ်းမှုသည် သင့်ကားဆီ လဲလှယ်ရန် လိုအပ်သည့်အခါ ခန့်မှန်းချက်နှင့် တူပါသည်။ စီစဉ်ထားသော ချက်လက်မှတ်များ—နာရီ 100 တိုင်း ကိရိယာများ လဲလှယ်ခြင်း—ကိရိယာ အဆင်ပြေပါက ငွေဖြုန်းတီးသည်။ ပြိုကွဲမှုကို စောင့်ဆိုင်းခြင်းသည် ပိုဆိုးသည်။ သင်ပိတ်မိနေတယ်၊ အစိတ်အပိုင်းတွေပျက်စီးပြီးလူတိုင်းစိတ်ဖိစီးနေကြတယ်။ ကြိုတင်ပြင်ဆင်ထိန်းသိမ်းမှုသည် လိုအပ်သည့်အခါတွင် "ဟေး၊ ဤအရာကို အစားထိုးပါ" ဟုပြောရန် ဒေတာကို အသုံးပြုသည်။

တိုက်တေနီယမ်ဒူးဆစ်များကဲ့သို့ ဆေးဘက်ဆိုင်ရာ အစားထိုးပစ္စည်းများကို ကြိတ်ခွဲသည့်ဆိုင်တွင်၊ မကောင်းသောကိရိယာသည် ဒေါ်လာ 20,000 အမှားဟု ဆိုလိုနိုင်သည်။ တစ်နေရာတည်းတွင် ကိရိယာစကားပြောဆိုခြင်းကို စောစီးစွာဖမ်းရန် IoT ကိုအသုံးပြုပြီး ကြိုတင်စီစဉ်ထားခြင်းမရှိဘဲ ရပ်နားထားမှုများကို 15% ဖြတ်တောက်ကာ တစ်နှစ်လျှင် $100,000 ချွေတာပါသည်။ ၎င်းတို့သည် မြန်ဆန်စွာလုပ်ဆောင်ရန်အတွက် အသံအာရုံခံကိရိယာများနှင့် edge ခွဲခြမ်းစိတ်ဖြာမှုများကို အသုံးပြုခဲ့သည်။ အဲဒါက မှော်ဆန်တာမဟုတ်ဘူး—မင်းရဲ့စက်တွေကို နားထောင်ပြီး မအော်ခင်မှာ သရုပ်ဆောင်ခြင်းအကြောင်းပါ။

အကြံပြုချက်- မျက်မမြင်တွင် ငုပ်မနေပါနှင့်။ စက်တစ်လုံးတွင် အာရုံခံကိရိယာများကို ဦးစွာစမ်းကြည့်ပါ၊ တုန်ခါမှုမော်နီတာများနှင့် Raspberry Pi ကဲ့သို့သော စျေးပေါသော အစွန်းအကွက်များပါသည့် ဒေါ်လာ 1,000 စနစ်ထည့်သွင်းမှုဖြစ်နိုင်သည်။ တစ်လလောက် စမ်းသပ်ကြည့်ပါ။ ပြိုကွဲမှုတစ်ခုကို ကယ်တင်နိုင်ရင် သင်ဟာ ရှေ့ရောက်နေပါပြီ။

Edge-Enabled IoT Frameworks ၏ အဓိက အစိတ်အပိုင်းများ

အာရုံခံကိရိယာများ- မျက်လုံးနှင့် နားများ

အာရုံခံကိရိယာများသည် ၎င်းအားလုံးစတင်သည့်နေရာဖြစ်သည်။ CNC စက်များအတွက်၊ သင်ကြည့်ရှုနေသည်

- တုန်ခါမှုအာရုံခံကိရိယာများ (accelerometers): အစက်အပြောက်ကိရိယာ ဝတ်ဆင်ခြင်း သို့မဟုတ် ဝက်ဝံပြဿနာများ။ ပေါ့ပ်တစ်ခုလျှင် $100–$500 ခန့်ရှိသည်။- အပူချိန်အာရုံခံကိရိယာများ (သာမိုကွိုင်များ)- ဗိုင်းလိပ်တံ သို့မဟုတ် အအေးခံအပူတွင် တဘ်များထားပါ။ $50–$200.- အတင်းအာရုံခံကိရိယာများ- ကိရိယာတစ်ခု ရုန်းကန်နေချိန်တွင် ဖမ်းပါ။ $500–$1,000.- အသံအာရုံခံကိရိယာများ- တွတ်ထိုးသံများကြားခြင်း သို့မဟုတ် အခြားသူများကို လွမ်းဆွတ်သံများ အက်ကွဲစေခြင်း။ $200–$800။

အာကာသယာဉ်တွင်၊ တာဘိုင်ဓားစက်တစ်ခုသည် ဗိုင်းလိပ်တံတစ်ခုပေါ်၌ အရှိန်မြှင့်စက်လေးခုကို ထိပြီး တစ်စက္ကန့်လျှင် အကြိမ် ၁၀၀၀ ဒေတာကို ဖမ်းယူနိုင်သည်။ Luo နှင့် သူ၏အဖွဲ့မှ သုတေသနပြုချက်အရ ကိရိယာဝတ်ဆင်မှုပြဿနာများ၏ 95% ကို စောစီးစွာတွေ့ရှိခဲ့ပြီး စက်ရပ်ချိန်၌ တစ်နှစ်လျှင် ဒေါ်လာ 200,000 သက်သာစေသည်။ ပြဿနာမှာ၊ အာရုံခံကိရိယာများသည် ဖျက်ဆီး၍မရပါ—အအေးခံခြင်းနှင့် ချစ်ပ်ပြားများသည် သင်သတိမပြုပါက ၎င်းတို့ကို ပျက်စီးစေနိုင်သည်။

မော်တော်ယာဥ် camshaft ဆိုင်တစ်ခုသည် စက်တစ်ခုလျှင် အာရုံခံကိရိယာများအတွက် $5,000 သုံးစွဲခဲ့ပြီး ကြီးမားသောကျရှုံးမှုနှစ်ခုကို ရှောင်ရှားခြင်းဖြင့် ခြောက်လအတွင်းပင် ပျက်သွားခဲ့သည်။ အကြံပြုချက်- IP68 အဆင့်သတ်မှတ်ထားသော အာရုံခံကိရိယာများကို ရယူပါ။ ရေနှင့် ဖုန်မှုန့်တို့ကို ရယ်မောကြ၏။ စံကိုက်ညှိခြင်းမှ မရွေ့ကြောင်းသေချာစေရန် ၎င်းတို့ကို လစဉ်စစ်ဆေးပါ။

အနားသတ်ကိရိယာများ- ဦးနှောက်

Edge ကိရိယာများသည် လေးလံသော ကြွချီခြင်းကို လုပ်ဆောင်နေသော ကြွက်သားများဖြစ်သည်—စက်သုံး PC များ သို့မဟုတ် NVIDIA Jetson ကဲ့သို့ ကျစ်လစ်သော ယူနစ်များ တွေးခေါ်ကာ $500 မှ $5,000 အထိရှိသည်။ ၎င်းတို့သည် အာရုံခံကိရိယာ အချက်အလက်များကို ခွဲခြမ်းစိတ်ဖြာရန် အယ်ဂိုရီသမ်များကို အသုံးပြု၍ ပြဿနာကို အလံတင်သည်။ စက်သင်ယူမှုပုံစံသည် တုန်ခါမှုများကို "ကျန်းမာသော" အခြေခံမျဉ်းတစ်ခုနှင့် နှိုင်းယှဉ်ကာ အရာများ ပျောက်ကွယ်သွားသည့်အခါ အော်ဟစ်နိုင်သည်။

Verma ၏လေ့လာမှုအရ ဆေးဘက်ဆိုင်ရာ implant ဆိုင်တစ်ဆိုင်သည် acoustic signals များကိုခွဲခြမ်းစိတ်ဖြာရန် neural network ပါသောအနားသတ်ကိရိယာကိုအသုံးပြုပြီး tool ချို့ယွင်းမှုကို 90% တိကျစွာခန့်မှန်းနိုင်ခဲ့ကြောင်း Verma ၏လေ့လာမှုအရသိရသည်။ စက်တစ်လုံးလျှင် ဒေါ်လာ ၁၀,၀၀၀ ကုန်ကျသော်လည်း ၎င်းတို့သည် တစ်နှစ်လျှင် ဒေါ်လာ ၁၅၀,၀၀၀ ချွေတာပြီး ၃၀ ရာခိုင်နှုန်း အပိုင်းပိုင်းဖြတ်တောက်ထားသည်။ အထစ်အငေါ့မရှိ? Edge စက်များသည် စူပါကွန်ပျူတာများမဟုတ်ပါ။ မင်းရဲ့မော်ဒယ်တွေကို ပါးလွှာအောင်ချဖို့ လိုပါတယ်။

အကြံပြုချက်- အချိန်ကုန်သက်သာစေရန် TensorFlow Lite လိုနေရာများမှ ကြိုတင်လေ့ကျင့်ထားသော မော်ဒယ်များကို ရယူပါ။ သင်မည်မျှနှစ်သက်သည်ပေါ်မူတည်၍ ဟာ့ဒ်ဝဲအတွက် စက်တစ်လုံးလျှင် $2,000 မှ $10,000 ဘတ်ဂျက်။

ချိတ်ဆက်မှု- အားလုံးအတူတကွ ထိန်းသိမ်းပါ။

IoT သည် အာရုံခံကိရိယာများမှ ဒေတာများကို အနားသတ်ကိရိယာများသို့ ပြောင်းရွှေ့ရန်နှင့် တစ်ခါတစ်ရံတွင် ရေရှည်သိုလှောင်ရန်အတွက် cloud တစ်ခုဖြစ်သည့် အီသာနက်၊ Wi-Fi၊ ဖြစ်နိုင်သည့် 5G—သို့ IoT လိုအပ်ပါသည်။ Edge computing သည် အလုပ်အများစုကို local တွင် ထိန်းသိမ်းထားသော်လည်း ခွဲခြမ်းစိတ်ဖြာရန်အတွက် လမ်းကြောင်းများကို အထက်သို့ ပို့ပေးနိုင်သည်။ လုံခြုံရေးက ကြီးမားတယ်။ ဖောက်ထွင်းခံရသော ကြိတ်စက်သည် မကောင်းသော အစိတ်အပိုင်းများကို စွန့်ထုတ်နိုင်သည် သို့မဟုတ် လုံးဝပိတ်ပစ်နိုင်သည်။

အာကာသယာဉ်စက်ရုံမှ ကြိတ်ခွဲဓါးသွားများသည် ချက်ချင်းသတိပေးချက်များနှင့် သမိုင်းအချက်အလက်အတွက် cloud တစ်ခုအတွက် အနားသတ်ကိရိယာများကို အသုံးပြုခဲ့သည်။ စက်တပ်ဆင်ရန် $15,000 ကုန်ကျသော်လည်း ပြုပြင်ထိန်းသိမ်းခ 25% ကို လျှော့ချလိုက်သည်။ Patel ၏ သုတေသနပြုချက်အရ ဤကဲ့သို့သော အနားသတ်တပ်ဆင်မှုများသည် cloud-သီးသန့်ထက် 40% ပိုမိုမြန်ဆန်ကြောင်း တွေ့ရှိခဲ့သည်။ ပြဿနာမှာ၊ အားနည်းသောကွန်ရက်များ သို့မဟုတ် မှားယွင်းသောဖွဲ့စည်းပုံများသည် သင့်အား နှေးကွေးစေနိုင်သည်။

အကြံပြုချက်- လုံခြုံသောဒေတာလွှဲပြောင်းမှုအတွက် MQTT သို့မဟုတ် OPC UA ကိုသုံးပါ—၎င်းတို့သည် ပေါ့ပါးပြီး ခက်ခဲသည်။ ဟက်ကာများကို ရှောင်ရှားရန် စက်တစ်ခုလျှင် firewall တစ်ခုအတွက် $1,000 သုံးစွဲပါ။

ကြိုတင်ခန့်မှန်းထိန်းသိမ်းမှုကို အကောင်အထည်ဖော်ခြင်း- အဆင့်များနှင့် ကုန်ကျစရိတ်များ

အဆင့် 1- မည်သည့်အရာများ ပျက်သွားသည်ကို ပုံဖော်ပါ။

ပထမဦးစွာ သင့်စက်များကို အပြင်းအထန်ကြည့်ရှုပါ။ ဘယ်အရာက အပျက်ဆုံးလဲ။ Aerospace ဆိုင်များသည် ကိရိယာတန်ဆာပလာများ ၀တ်ဆင်ခြင်း နှင့် ပတ်သက်သည် ။ မော်တော်ကားစက်ရုံများက spindle vibrations သည် ၎င်းတို့၏ ခေါင်းကိုက်ခြင်း၏ 60% ကို ဖြစ်စေသည်ဟု ဆိုသည်။ ဘာလဲဆိုတာသိဖို့ မင်းရဲ့မှတ်တမ်းတွေကို တူးပါ။

ကုန်ကျစရိတ်- $1,000–$5,000 ကျွမ်းကျင်သူတစ်ဦးအတွက် ခွဲခြမ်းစိတ်ဖြာရန် သို့မဟုတ် ၎င်းကို အိမ်တွင်း၌ ပြုလုပ်ရန်။ အကြံပြုချက်- သင့်စျေးအကြီးဆုံးစက်များကို ဦးစွာအာရုံစိုက်ပါ—သင့်အတွက် အကြီးမားဆုံးသော ပေါက်ကွဲသံများ။

အဆင့် 2- အာရုံခံကိရိယာများကို ရွေးပြီး နေရာချပါ။

သင့်ပြဿနာများအတွက် အာရုံခံကိရိယာများကို ချိတ်ဆက်ပါ။ ဆေးဘက်ဆိုင်ရာ implant ကြိတ်စက်တစ်ခုသည် ကိရိယာစကားပြောရန်အတွက် အသံပိုင်းဆိုင်ရာနှင့် အတင်းအာရုံခံကိရိယာများ လိုအပ်နိုင်သည်၊ စုစုပေါင်း $2,000 ခန့် လိုအပ်ပါသည်။ ၎င်းတို့ကို တပ်ဆင်ခြင်းသည် တစ်ရက် သို့မဟုတ် နှစ်ရက်၊ အလုပ်ကြမ်းအတွက် $500 မှ $1,000 ဖြစ်သည်။

Luo ၏အလုပ်သည် တုန်ခါမှုအာရုံခံကိရိယာများသည် စက်တစ်ခုလျှင် $3,000 ကုန်ကျပြီး ကိရိယာချို့ယွင်းမှုကို 20% ဖြတ်တောက်ကြောင်းပြသခဲ့သည်။ အကြံပြုချက်- အာရုံခံကိရိယာနေရာချထားမှုတွင် သင့်အဖွဲ့သားများကို လေ့ကျင့်ပါ—အညံ့စားထည့်သွင်းမှုများသည် မကောင်းသောဒေတာကို ဆိုလိုသည်။

အဆင့် 3- Edge စက်များကို စနစ်ထည့်သွင်းပါ။

သင့်လိုအပ်ချက်များနှင့်ကိုက်ညီသော အနားသတ်ကိရိယာကို ရယူပါ။ $1,000 Jetson Nano သည် ရိုးရှင်းသော camshaft စောင့်ကြည့်ခြင်းအတွက် လုပ်ဆောင်သည်။ အာကာသယာဉ်သည် ဒေါ်လာ ၅၀၀၀ PC လိုအပ်နိုင်သည်။ ဆော့ဖ်ဝဲထည့်သွင်းခြင်း—ကုဒ်နှင့် လေ့ကျင့်ရေးမော်ဒယ်များ—ဒေါ်လာ 5,000 မှ $20,000 ရရှိသည်။

Verma ၏လေ့လာမှုတွင် edge devices များနှင့်အတူ uptime 15% ခုန်တက်သည်ကိုတွေ့မြင်ရပြီး mill တစ်ခုလျှင် $10,000 ကုန်ကျသည်။ အကြံပြုချက်- ကုဒ်ရေးခြင်းကို သက်သာစေရန် EdgeX Foundry ကဲ့သို့သော ပွင့်လင်းသောအရင်းအမြစ်ပလပ်ဖောင်းများကို အသုံးပြုပါ။

အဆင့် 4: ၎င်းကိုချိတ်ပြီးစမ်းသပ်ပါ။

အနားသတ်ကိရိယာများသို့ ဝါယာကြိုးဖြင့် အာရုံခံကိရိယာများ ပတ်ချာလည်ပေးပါ။ မှားယွင်းသော နှိုးစက်များကဲ့သို့ နှိုးစက်များကို ဖယ်ရှားရန် တစ်ပတ် သို့မဟုတ် နှစ်ပတ်ကြာ စီစဉ်ပါ။ တာဘိုင်ဓါးဆိုင်တစ်ဆိုင်သည် ဒေါ်လာ ၃၀၀၀ စမ်းသပ်သုံးစွဲခဲ့သော်လည်း ဗိုင်းလိပ်တံပြဿနာကို စောစီးစွာဖမ်းမိရန် ဒေါ်လာ ၅၀၀၀၀ သက်သာခဲ့သည်။

အကြံပြုချက်- တစ်စုံတစ်ခု ပြုတ်ကျပါက သင့်အား စမ်းသပ်မှုများအတွင်း ပြုပြင်ထိန်းသိမ်းမှု အစီအစဉ်ဟောင်းကို ဆက်လက်လုပ်ဆောင်နေပါ။

အဆင့် 5: ၎င်းကို ထုတ်လိုက်ပါ။

စက်တစ်လုံး တောင့်တင်းလာတဲ့အခါ ပိုကြီးသွားတာပေါ့။ မော်တော်ယာဥ်ဆိုင်တစ်ဆိုင်သည် စက် ၁၀ လုံးအတွက် ဒေါ်လာ ၁၀၀,၀၀၀ သုံးစွဲခဲ့ပြီး စက်ရပ်ချိန် 30% လျော့နည်းကာ 18 လတွင်ပင် ပျက်သွားခဲ့သည်။ Patel ၏ သုတေသနပြုချက်အရ စံသတ်မှတ်ရေး ပရိုတိုကောများသည် အတိုင်းအတာ ကုန်ကျစရိတ်ကို 10% လျှော့ချပေးသည်ဟု ဆိုသည်။

အကြံပြုချက်- အဆင့်တိုင်းကို ချရေးပါ။ ၎င်းသည် စက်များကို ပိုမိုလွယ်ကူစွာ ပေါင်းထည့်နိုင်မည်ဖြစ်သည်။ စက်တစ်လုံးလျှင် $10,000 မှ $20,000 အထိ ကုန်ကျစရိတ် အပြည့်ရှိသည်။

အစစ်အမှန်ကမ္ဘာနမူနာများနှင့်အနိုင်ရ

အာကာသယာဉ်- Turbine Blades

ကြိတ်ခွဲတာဘိုင်ဓါးသွားများသည် လောင်းကြေးမြင့်သည်—မကောင်းတဲ့အစိတ်အပိုင်းတစ်ခုရဲ့ ဂျွန်နီ-လာ-လတ်တလောမှာ $10,000–$50,000 ကုန်ကျပါတယ်။ ဆိုင်တစ်ဆိုင်သည် ပြဿနာများ၏ 90% ကို စောစီးစွာ ဖမ်းရန် IoT အာရုံခံကိရိယာများနှင့် အနားသတ်ခွဲခြမ်းစိတ်ဖြာမှုတို့ကို အသုံးပြုခဲ့သည်။ စက်တစ်လုံးလျှင် $20,000 ဖြစ်သော်လည်း၊ တစ်နှစ်လျှင် $300,000 သက်သာသည်။ Luo ၏ ပေါင်းစပ်ချဉ်းကပ်မှု—အမြန်နှုန်းအတွက် အစွန်း၊ ခေတ်ရေစီးကြောင်းအတွက် cloud—၎င်းကို အလုပ်ဖြစ်စေခဲ့သည်။

Win- အပိုင်းအစ ၂၅% လျှော့နည်း။ အခက်အခဲ- ကြိုတင်ကုန်ကျစရိတ်နှင့် ခက်ခဲသော စနစ်ထည့်သွင်းမှု။

မော်တော်ကား- Camshafts

Camshaft စက်များသည် ပူပြီး လေးလံကာ စက်ရပ်ချိန် တစ်နာရီလျှင် ဒေါ်လာ ၅၀၀၀ ဖြစ်သည်။ ဒက်ထရွိုက်စက်ရုံတစ်ရုံသည် တုန်ခါမှုအာရုံခံကိရိယာများနှင့် အနားသတ်ကိရိယာများကို အသုံးပြုခဲ့ပြီး ပျက်စီးမှုများကို 20% ဖြတ်တောက်ခဲ့သည်။ စက်တစ်လုံးလျှင် $15,000 ကုန်ကျပြီး တစ်နှစ်အတွင်း ပြန်ပေးချေသည်။ Verma ၏လေ့လာမှုအရ edge သတိပေးချက်များသည် 50% ပိုမြန်သည်ဟုဆိုသည်။

Win- 15% ပိုထွက်ရှိခြင်း။ အတားအဆီး- အာရုံခံကိရိယာများ လျင်မြန်စွာ ကုန်ဆုံးခြင်း။

ဆေးဘက်ဆိုင်ရာ- အစားထိုး ကုသမှု

တိုက်တေနီယမ် တင်ပါးဆုံရိုး စိုက်ခြင်းများတွင် ချို့ယွင်းချက် မရှိနိုင်ပါ။ ဆိုင်တစ်ဆိုင်သည် အသံအာရုံခံကိရိယာများနှင့် edge AI ကိုအသုံးပြုပြီး အပိုင်းအစ 30% ကျဆင်းသွားသည်။ စက်တစ်လုံးလျှင် $12,000 ကုန်ကျပြီး တစ်နှစ်လျှင် $200,000 သက်သာသည်။ Patel ၏ IoT စနစ်ထည့်သွင်းမှုသည် အရာများကို တင်းကျပ်စွာ ထိန်းသိမ်းထားသည်။

Win: အရည်အသွေး ပိုကောင်းတယ်။ အခက်အခဲ- နည်းပညာအသစ်ဖြင့် လူများကို လေ့ကျင့်ပေးခြင်း။

စောင့်ကြည့်ရန် စိန်ခေါ်မှုများ

ဒေတာအလွန်အကျွံ၊ နှိုးစက်များလွန်းခြင်း။

Edge စက်များသည် အဆုံးမဲ့ဒေတာကို မျိုမချနိုင်သည့်အပြင် မော်ဒယ်ဆိုးများသည် ဝံပုလွေများကို မကြာခဏ အော်ဟစ်ကြသည်။ အာကာသယာဉ်ဆိုင်တစ်ဆိုင်သည် ၎င်းတို့၏ တပ်ဆင်မှုကို မပြုပြင်မီ မှားယွင်းသော အချက်ပေးသံများဖြင့် $10,000 မီးရှို့ခဲ့သည်။ Luo ၏အဖွဲ့သည် အရာခပ်သိမ်းကို ကောင်းမွန်နေစေရန် ရိုးရှင်းသော အယ်လဂိုရီသမ်များကို တွန်းအားပေးခဲ့သည်။

အကြံပြုချက်- တုန်ခါမှုပွားများကဲ့သို့ သော့ချက်အချက်ပြမှုများကို အာရုံစူးစိုက်ပါ။

စျေးမကြီးပါဘူး။

စက်တစ်လုံးလျှင် $10,000 မှ $20,000 အကုန်အကျခံပြီး ဆိုင်ငယ်များကို ကြောက်လန့်စေသည်။ အာရုံခံကိရိယာများနှင့် အစွန်းကွက်များကို ချိန်ကိုက်ခြင်းသည် ပတ်ရှပ်အပင်ကို တစ်ပတ်ကြာ ခလုတ်တိုက်သွားပါသည်။ Verma သည် နာကျင်မှုကို သက်သာစေရန် modular စနစ်များကို အကြံပြုခဲ့သည်။

အကြံပြုချက်- ကုန်ကျစရိတ်များကို ဖြန့်ကြက်ရန် ဂီယာကို ငှားရမ်းပြီး ပထမဆုံးသွားရန်အတွက် IoT ပရိုဂရမ်ကို ရယူပါ။

ဟက်ကာများသည် ချိတ်ဆက်ထားသော စက်များကို နှစ်သက်ကြသည်။

IoT သည် ပြဿနာအတွက် တံခါးဖွင့်ပေးသည်။ ဆေးဆိုင်တစ်ဆိုင်တွင် ဒေါ်လာ ၅၀၀၀ ကုန်ကျသည့် ransomware ကြောက်စရာတစ်ခုရှိသည်။ Patel ၏ အကြံပြုချက်- အရေးကြီးသောဒေတာကို cloud မှ သိမ်းဆည်းပါ။

အကြံပြုချက်- အရာအားလုံးကို ကုဒ်ဝှက်ပြီး စက်တစ်ခုလျှင် $1,000 firewall ကို အသုံးပြုပါ။

နောက်တစ်ခုက ဘာလဲ။

ဒီနည်းပညာက အခုမှစနေပါပြီ။ ပိုမြန်သော 5G သည် ပိုကြီးသော မော်ဒယ်များကို ကိုင်တွယ်ရာတွင် အနားသတ်စနစ်များကို ပိုမိုလျင်မြန်စေနိုင်သည်။ ဖက်ဒရယ်စနစ်ဖြင့် သင်ယူခြင်း—ဒေတာကို မဖော်ပြဘဲ အပင်များအနှံ့ ဉာဏ်ရည်ဉာဏ်သွေးများ မျှဝေခြင်း—သည် ကတိကို ပြသနေသည်။ လမ်းဘေးတွင်၊ ပိုမိုပြည့်စုံသောအဖြစ်မှန်လမ်းညွန်ပြုပြင်မှုများ သို့မဟုတ် blockchain လုံခြုံသောမှတ်တမ်းများပါရှိသော CNC စက်များကို ပုံဖော်ပါ။

edge AI သည် အစက်အပြောက်များ တပ်ဆင်ရုံသာမက 10% ထိရောက်မှုမြှင့်တင်ရန်အတွက် spindle အမြန်နှုန်းကို မြှင့်တင်ပေးသည့် edge AI အာကာသဆိုင်တစ်ဆိုင်ကို စိတ်ကူးကြည့်ပါ။ သို့မဟုတ် bolt ကိုမထိဘဲ ပြုပြင်မှုများကို စမ်းသပ်ရန်အတွက် ဒစ်ဂျစ်တယ်အမွှာများ— virtual machine clones—ကို အသုံးပြု၍ camshaft စက်ရုံ။ ဒါသိပ်မဝေးဘူး—ငါးနှစ်ကနေ ဆယ်နှစ်လောက်ထိ တွေးကြည့်ပါ။

နိဂုံး

Edge computing နှင့် IoT သည် ဂိမ်းကို ပြောင်းလဲနေသည်။CNC ကြိတ်ခြင်း။ပြဿနာများကို စောစီးစွာဖမ်းနိုင်စေပြီး လိုင်းကို ရွေ့လျားစေပါသည်။ Turbine blades များတွင် $300,000 ချွေတာပြီး implants တွင် $150,000 အထိ၊ နံပါတ်များသည် လိမ်ညာခြင်းမဟုတ်ပါ — အချိန်နည်းခြင်း၊ အမှားနည်းသော၊ ပျော်ရွှင်သောသူဌေးများ။ ၎င်းသည် မပြည့်စုံပါ- ကုန်ကျစရိတ် ကိုက်ခြင်း၊ တပ်ဆင်မှုများသည် ပေါ့ပေါ့ပါးပါးဖြစ်ပြီး လုံခြုံရေးကို သော့ခတ်ရန် လိုအပ်ပါသည်။ ဒါပေမယ့် အသေးအမွှားလေးစတင်ပါ၊ ဂရုတစိုက်စမ်းသပ်ပါ၊ ထက်မြက်တဲ့အတိုင်းအတာနဲ့ စကေးကိုသင်မြင်ရပါလိမ့်မယ်။

အာကာသယာဉ်၊ မော်တော်ယာဥ်နှင့် ဆေးဆိုင်များမှ ဇာတ်လမ်းများသည် ဖြစ်နိုင်သည်များကို ပြသသည်—စစ်မှန်သော စုဆောင်းမှု၊ ရလဒ်အမှန်များ။ Luo၊ Verma နှင့် Patel ကဲ့သို့သော လူများထံမှ သုတေသနပြုချက်များသည် ၎င်းကို ကျောထောက်နောက်ခံပြုကာ အဘယ်အရာလုပ်ဆောင်ပြီး မည်သည့်အရာကို ရှောင်တိမ်းရမည်ကို ထောက်ပြသည်။ စောင့်မျှော်နေပါက၊ ပိုမိုမြန်ဆန်သောကွန်ရက်များနှင့် ဒစ်ဂျစ်တယ်အမွှာများကဲ့သို့ ပျော့ပျောင်းသောနည်းပညာများသည် ကြိတ်စက်များကို ယုံကြည်စိတ်ချရရုံသာမက တောက်ပစေမည်ဖြစ်သည်။ ကြမ်းပြင်ပေါ်ရှိ အင်ဂျင်နီယာများအတွက်၊ ဖုန်းခေါ်ဆိုမှုမှာ ရှင်းလင်းပြတ်သားသည်- edge နှင့် IoT ဖြင့် သင်္ဘောပေါ်တက်ပါ၊ သို့မဟုတ် အခြားသူများ ပြိုင်နေချိန်တွင် သင်က ချစ်ပ်များကို ကောက်နှုတ်နေမည်ဖြစ်သည်။

အမေးအဖြေ

မေး- IoT နှင့် edge tech အတွက် ကြီးကြီးမားမား သုံးစွဲခြင်းအတွက် ကျွန်ုပ်၏သူဌေးကို မည်သို့ရောင်းရမည်နည်း။

သူတို့ကို ပိုက်ဆံပြပါ။ $15,000 စနစ်ထည့်သွင်းခြင်းသည် မော်တော်ယာဥ်ဆိုင်များကဲ့သို့ အချိန်စက်ရပ်ခြင်းနှင့် မကောင်းတဲ့အစိတ်အပိုင်းများကို ရှောင်ရှားခြင်းဖြင့် တစ်နှစ်လျှင် $50,000 မှ $200,000 သက်သာစေနိုင်ပါတယ်။ ၎င်းကို စက်တစ်ခုတည်းတွင် ဦးစွာ စမ်းသုံးကြည့်ပါ—အစစ်အမှန်ဒေတာသည် အချိန်တိုင်း အရောင်းအ၀ယ်ကို ကျော်တက်သည်။

မေး- ဒါကို အလွယ်ဆုံးနည်းက ဘာလဲ။

၎င်းတို့ကို ချိန်ညှိခြင်းမပြုဘဲ အာရုံခံကိရိယာများကို လက်ဖြင့်ရိုက်ပါ။ စံကိုက်ချိန်ညှိမှု မကောင်းပါက အမှိုက်ဒေတာ—နှိုးစက်အမှား သို့မဟုတ် လွတ်သွားသော ပြဿနာများကို ဆိုလိုသည်။ ဆိုင်တစ်ဆိုင်က သရဲတွေကို လိုက်ဖမ်းတဲ့ ဒေါ်လာ 5,000 ဖြုန်းတီးခဲ့ပါတယ်။ သင့်အခြေခံလိုင်းမှန်စေရန် ဟောင်းနွမ်းနေသောကိရိယာဖြင့် စမ်းသပ်ရန် တစ်ရက်အချိန်ယူပါ။

မေး- ဆိုင်သေးသေးလေးတွေက ဒါကို လွှဲလို့ရလား။

လုံးဝ $2,000-တုန်ခါမှုအာရုံခံကိရိယာများနှင့်စျေးပေါသောအနားသတ်သေတ္တာဖြင့်စတင်ပါ။ ဆေးဆိုင်ငယ်များသည် စက်တစ်လုံးလျှင် တစ်နှစ်လျှင် ဒေါ်လာ ၂၀,၀၀၀ သက်သာသည်။ ဟာ့ဒ်ဝဲငှားရမ်းခြင်းက သင့်ပိုက်ဆံအိတ်ကို ပျော်ရွှင်စေပါသည်။

မေး- ဟက်ကာများသည် ကျွန်ုပ်၏စက်များနှင့် မရောထွေးစေရန် မည်သို့တားဆီးမည်နည်း။

ဒေတာကို ကုဒ်ဝှက်ပြီး MQTT သို့မဟုတ် OPC UA ပရိုတိုကောများကို အသုံးပြုပါ။ ဆေးဆိုင်တစ်ဆိုင်သည် $1,000 firewall ဖြင့် ပြဿနာကို ရှောင်တိမ်းခဲ့ပြီး ခွဲခြမ်းစိတ်ဖြာမှုများကို ဒေသတွင်းတွင် သိမ်းဆည်းထားသည်။ ဆော့ဖ်ဝဲလ်ကို မကြာခဏ အပ်ဒိတ်လုပ်ပြီး ပျင်းစရာကောင်းသော ခေတ်ရေစီးကြောင်းဒေတာကိုသာ cloud သို့ ပေးပို့ပါ။

မေး- ဒီအတွက် ကျွန်တော့်ရဲ့ နည်းပညာတွေ ဘာတွေ သင်ယူဖို့ လိုအပ်လဲ။