是驱动器，也是传感器

其时，诸如猜想性维护和依据人工智能（AI）的猜想模型等话题在机械工程设计范畴吸引了遍及重视。可是，不少客户关于可进行猜想的内容并没有切当的概念，而往往只关心监测设备和进程。

因此，伦茨在2019年纽伦堡SPS展会上，要点展现了如何不凭仗任何其他价格不菲的传感器技术，完成智能情况监测，然后供应有关机器和设备“健康情况”的多方面信息。

情况监测和猜想性维护常常被视为近义词，但事实上它们是两个天壤之别的概念。

猜想性维护是对工作或工作概率的猜想，例如在接下来的50个工时内，减速箱中发生缺点的概率是否会上升至90％以上。这一猜想可用于在机器或设备实践发生缺点之前及时计划减速箱的替换工作。

另一方面，情况监测这一预期阶段答应通过对可用数据的解读，来更详细地描绘其时情况。这要求对设备和工艺有较为深入的理解，才能从“根本”数据中生成有意义的信息。依据机器学习（ML）和AI的剖析有助于更快辨认失常。

无需凭仗传感器技术

由于情况监测供应的附加价值并不意味着更高的硬件成本，也不必凭仗其他传感器，因此颇受OEM喜爱。该解决计划的关键是从已然可用的数据源中提取附加信息值。伦茨可为各种使用供应通过猜想试的算法，并协助机械工程师将他们的工艺专业性和设备知识转化为情况监测模型，然后前进功率。

桁架机器人

作为自动化系统供应商，在此次SPS展会上，伦茨通过两种不同的办法对上述理念进行了演示。榜首种办法依据模型，即，通过将测得的实践值与料想的设备数学描绘中的值进行比较，假设差错超越必定的规划，该设备就可被认定为发生了缺点。可以通过检测电流和转矩肯定值的改变，以及实践值的频率剖析，来检测失常。

另一种方规律依据数据。即，某种算法可习得系统的运转情况，以及各种参数（例如速度、加速度、转矩、方位和电流耗费）之间的相互影响，然后可通过将这些实践值与习得的描绘进行比较，以界说差错。

此外，伦茨在此次展览会上还模拟了主轴上冲突和皮带传动磨损加重等问题。无论是通过值的肯定增加，仍是通过频率剖析中的失常，以上两种情况均可通过电流和转矩值来进行失常检测。在上述两种情况下，情况监测都会引发警报，并在看板上显现原因。

除了在概念上有所不同，以上两种情况监测办法涉及的数据点评办法也不尽相同。由于不需要过高的核算才能，依据模型的点评一般在操控系统中进行。用于依据数据的点评的ML和AI剖析一般作为云使用实施。

伦茨的产品组合可为OEM供应充沛的选择安闲。这包括用于依据模型的情况监测的许多不同的三维PLC。假设运用功能强大的c750柜式操控器，您也可在本地进行依据数据的点评。此外，您也可运用x500网关获得连接至云的路由。如与x4途径结合运用，机械工程师便可享受我们的交钥匙型云解决计划，该计划不只涵盖情况监测，还涵盖设备的长途维护和用户友爱型财物办理服务。

结论

伦茨高效的情况监测服务依据对现有信息的解读，无需凭仗其他传感器技术，而由设备上自带的装置充当传感器。凭仗其广泛的自动化产品组合（包括硬件、软件、网络和云使用程序），以及在该范畴积累的专业知识，伦茨可以在数据解读方面供应全方位的支撑，并协助OEM成为其设备的数据专家。

是驱动器，也是传感器

联系方式

工作时间