軟件定義的工廠使制造商能夠快速響應市場趨勢并減少計劃外停機時間，從而提高工廠的生產(chǎn)力。

在工業(yè)4.0時代保持競爭力意味著制造商必須足夠靈活，以設計選擇，并能夠改變生產(chǎn)工藝，以滿足不同的客戶偏好或獨特的要求。與此同時，保持這種水平的工廠控制是一個挑戰(zhàn)，因為即使是看似微小的重新配置工廠設備-一些看似無害的事情，如更換一個傳感器的名義上等效的東西-可以有重大的后果。這兩個問題的答案是通過軟件控制實現(xiàn)更大的靈活性，從而實現(xiàn)軟件定義的工廠。

我們目前的問題是，制造設備的設計還沒有處理我們今天看到的高水平的產(chǎn)品差異。產(chǎn)品質量是另一個需要考慮的重要因素，特別是在工業(yè)4.0時代，預測性維護可以優(yōu)化流程并最大限度地提高機器壽命。為了在未來的智能工廠中實現(xiàn)更高的靈活性，本文探討了軟件定義工廠的潛力，該工廠將可重構性與增強的準確性和精度以及高級診斷相結合。

邊緣測量的優(yōu)勢

現(xiàn)代工廠的主流趨勢是數(shù)字化，但我們?nèi)匀簧钤谝粋€模擬世界中，其所有物理特性，如溫度和壓力，必須首先獲得這些信息，然后才能進一步處理。一般來說，模擬信號越接近數(shù)字信號，測量就越精確。這是因為它消除了長電纜可能引入的寄生電阻、電容和電感，從而影響測量精度。

滿足測量和處理需求的最可靠方法是模擬前端（AFE），用于在邊緣精確捕獲模擬數(shù)據(jù)。

AFE位于測量特定形式能量的模擬傳感器和處理傳感器數(shù)據(jù)的數(shù)字等效的微控制器之間。它執(zhí)行多種功能，例如放大微弱信號，過濾掉不需要的噪聲，從一種信號類型轉換為另一種信號類型，并監(jiān)控信號的性能漂移。

盡管隨著時間的推移，工廠變得越來越智能，但一個簡單的傳感器故障可能會造成嚴重破壞。

如果我們考慮其中一個傳感器發(fā)生故障的情況，它會停止向可編程邏輯控制器（PLC）發(fā)送信號。

顯而易見的做法是停止機器并更換傳感器，但我們都知道，最近，我們有很多供應短缺。如果這個特殊的傳感器是back-ordered？生產(chǎn)可能會停止數(shù)周，而與停工相關的成本也很高。根據(jù)福布斯的數(shù)據(jù)，工業(yè)制造商每年因計劃外停機而損失高達500億美元。

避免這種長時間停機的一個可能的解決方案是，傳感器制造商向工廠提供類似的傳感器，但它可能具有不同的輸出。如果是這種情況，維護團隊將不得不更換PLC和/或遠程模擬輸入模塊。

縱觀整個工廠車間，對于使用的每種傳感器類型，都可能有多個AFE版本。市場上的大多數(shù)AFE都接受某種類型的模擬輸入，例如電壓、電流或電阻，并將其傳輸?shù)綌?shù)字世界。

例如，AFE可以被設置為接收來自溫度傳感器的輸入，其在大多數(shù)情況下是非常小的電壓，以將模擬信號轉換為數(shù)字信號。另一個AFE可以被配置為接收電壓輸入，該電壓輸入可以跨越20 V，這是與測量溫度傳感器的小電壓的AFE完全不同的場景。

通用AFE的優(yōu)勢

為了解決每次都必須更換AFE的問題，業(yè)界開發(fā)了通用AFE，可以接受來自各種不同傳感器類型的模擬輸入。因此，如果通用AFE在某一天測量電壓，傳感器出現(xiàn)故障，但替代傳感器具有電流輸出，則AFE可以被編程為測量電流。

下一個合乎邏輯的步驟是創(chuàng)建一個軟件可配置的通用AFE。恩智浦的N-AFE就是一個例子與目前可用的其他通用AFE相比，它還集成了系統(tǒng)中的所有分立元件，例如保護和信號調(diào)理，以及一系列診斷功能。由于它是軟件可配置的，維護工程師只需更換傳感器并通過用戶界面遠程重新配置模擬輸入模塊，從而消除了更換整個測量單元所需的時間。

在集成了通用AFE的系統(tǒng)中，PLC的作用擴展到包括通過與內(nèi)部診斷和編程終端通信在這些操作之前、期間和之后執(zhí)行安全檢查，以確保一切順利運行。

保持質量

產(chǎn)品質量是工業(yè)世界的另一個重要元素，特別是在工業(yè)4.0時代。除了降低系統(tǒng)解決方案的復雜性和物料成本外，恩智浦的N-AFE還更加精確。

所有測量都傾向于相對于內(nèi)部基準進行，該基準集成在AFE內(nèi)。對于市場上的大多數(shù)器件，所引用的規(guī)格是相對于“理想”基準電壓源，不一定考慮隨時間的漂移和滯后。但是，恩智浦的通用AFE將內(nèi)部基準電壓源存儲在非易失性存儲器中。如果內(nèi)部基準電壓與存儲值不一致，則可以進行補償，從而保持AFE的精度和準確度。

制造商正在轉向預測性維護，以優(yōu)化流程并最大限度地提高機器壽命。這旨在提高生產(chǎn)效率，同時簡化制造基礎設施管理。例如，當電機中的軸承開始出現(xiàn)故障時，電流的信號會發(fā)生變化，盡管變化非常微妙。

傳感器數(shù)據(jù)準確性的提高以及一系列診斷和異常檢測功能將可視性和洞察力提升到了新的水平，從而改善了預防性維護機制。此外，在問題發(fā)生之前識別問題可以提高工廠的安全性和效率，并提高安全性。

通過適當?shù)奶幚砟芰?a target="_blank">人工智能算法和模型，機器操作員可以更好地判斷軸承是否惡化到影響產(chǎn)品質量的程度。例如，在制藥行業(yè)，測量中非常小的變化可能會影響藥丸的正確劑量。

審核編輯 黃宇