การทำ Predictive Maintenance ด้วย Machine Learning จากข้อมูลของแรงสั่นสะเทือน

การตรวจสอบสภาพการทำงานด้วยเซ็นเซอร์สั่นสะเทือนและ Machine Learning

สวัสดีครับ วันนี้เราจะมาแสดงการทำงานของแพลตฟอร์มการตรวจสอบสภาพการทำงาน (Condition Monitoring) โดยใช้เซ็นเซอร์สั่นสะเทือนและ Machine Learning

การตั้งค่าอุปกรณ์

เริ่มต้นด้วยการติดตั้งเซ็นเซอร์สั่นสะเทือนเข้ากับมอเตอร์ HVAC ในอาคาร จากนั้นนำเซ็นเซอร์เชื่อมต่อกับ IoT Gateway และ 4G Router เพื่อส่งข้อมูลเข้าสู่แพลตฟอร์มผ่าน AWS IoT Core

การทำงานของแพลตฟอร์ม

แพลตฟอร์มนี้สามารถแสดงข้อมูลการทำงานของมอเตอร์ เช่น การสั่นสะเทือนในทิศทางต่าง ๆ และอุณหภูมิของมอเตอร์แต่ละตัว ข้อมูลเหล่านี้จะถูกนำมาวิเคราะห์โดย Machine Learning Model เพื่อประเมินสภาพการทำงานและระบุปัญหาที่อาจเกิดขึ้น

การแสดงผลข้อมูล

ข้อมูลจากเซ็นเซอร์จะถูกแสดงเป็นกราฟและตัวชี้วัดต่าง ๆ ทำให้เราสามารถเห็นภาพรวมของสภาพการทำงานของมอเตอร์ หากมีมอเตอร์ที่มีสภาพไม่ดี ระบบจะแจ้งเตือนและให้คำแนะนำในการดำเนินการบำรุงรักษา

ข้อดีของแพลตฟอร์ม

• การตรวจสอบสภาพการทำงานแบบเรียลไทม์: ช่วยลดความเสี่ยงของการเสียหายอย่างไม่คาดคิด
• การวิเคราะห์ข้อมูลด้วย Machine Learning: ให้คำแนะนำที่แม่นยำในการบำรุงรักษา
• การลดค่าใช้จ่าย: ช่วยลดค่าใช้จ่ายในการบำรุงรักษาและการหยุดทำงานของเครื่องจักร

ตัวอย่างการใช้งาน

ตัวอย่างการใช้งานแพลตฟอร์มนี้สามารถดูได้ในวิดีโอสาธิต YouTube ซึ่งแสดงการตั้งค่า การเชื่อมต่อ และการวิเคราะห์ข้อมูลจากเซ็นเซอร์สั่นสะเทือนในมอเตอร์ HVAC

หากสนใจสามารถติดต่อฝ่าย Appomax ได้เลยครับ ขอบคุณครับ