Finns det några lättillgängliga algoritmer för jämförelse av dubbel-sensorredundans som kan optimeras?

Inom industrisektorn finns det idag många etablerade, kommersiellt tillgängliga ramverk som lätt kan ändras och förbättras utan att behöva skapas från grunden. Tre typer av återanvändbara lösningar används vanligtvis:

1. Formsprutningsmaskiners grundläggande algoritmer, som är lättast att optimera

Nuförtiden är grundläggande dubbla-sensorjämförelser redan integrerade i populära formsprutningsmaskiner från tillverkare som Haitian, Fanuc och KraussMaffei, särskilt avancerade-modeller. Metoden "fast tröskel + enkel medelvärdesberäkning" används vanligtvis i dessa grundläggande versioner. Det finns bara två små ändringar som krävs för att uppgradera:

Tillåt användare att ändra tröskelparametrarna och ersätta det fasta tröskelvärdet med ett dynamiskt tröskelvärde som ändras baserat på steget i operationen;

För att eliminera omedelbara störningar, införliva avvikelsetrendbedömning och glidande fönsterfiltrering. Med otroligt låga modifieringskostnader kan detta sänka antalet falsklarm från över 20 % till cirka 5 %, vilket gör det lämpligt för att förbättra nuvarande utrustning.

2. Industriella sensorredundansbearbetningsmetoder som är öppen-källkod och som kan modifieras oberoende

Webbplatser med öppen-källkod som GitHub erbjuder sofistikerade ramverk för jämförelse av redundans för industriell temperatur/trycksensor. Till exempel har IndustrialSensorRedundancy-projektet inkorporerat grundläggande funktioner, inklusive anomalimärkning, avvikelsejämförelse och glidfiltrering.

Endast den viktade fusionslogiken och de dynamiska tröskelvärdena för anpassningsprocesssteget behöver ändras för snabb utplacering i hot runner formsprutningsförhållanden. Majoriteten av koden är omedelbart återanvändbar, vilket sparar mer än 70 % av utvecklingsarbetet.

3. Ramar för allmänna prediktiva underhållsalgoritmer (lämpliga för avancerade intelligensscenarier)

Till exempel stöds dubbel-sensorredundansjämförelse av den redundansfel-toleranta algoritmen i Siemens S7-400F och APROL-ramverket för prediktivt underhåll från B&R, som också har integrerade verktyg för dynamisk avvikelseanalys och trendprediktion.

För direkt användning är det bara att ändra varningströskelvärdena och parametrar för åldrandebedömning för att uppfylla noggrannhetskraven för varmlöparen. Industriell verifiering av stabilitet har eliminerat behovet av att lösa underliggande logiska problem.

Bästa kostnads-effektivitet uppnås vanligtvis genom att ändra den grundläggande algoritmen som tillhandahålls av tillverkaren av formsprutningsmaskinen. Optimering kan åstadkommas genom att bara modifiera programvaruparametrar och logik; ingen ny hårdvara behövs.