工业物联网的万亿美元问题

制造过程中的停机成本

是的，此帖子的标题正确。2017 年，ARC 咨询集团估计，全球制造业每年的停机成本在 1 万亿美元左右。这是一大笔钱，换个角度来看，根据世界银行的数据，2019 年的全球 GDP 为 87.8 万亿美元。减少停机是工业物联网能够提供的颇有吸引力的成果之一，这不足为奇。

如何利用工业物联网减少制造停机？

在减少停机方面有哪些选择？经证明，预测性维护是一种经济高效的应用，可解决停机挑战并提供投资回报以证明项目的合理性。IoT Analytics 预测，在 2024 年，预测性维护市场将以 39% 的年复合增长率增长至 235 亿美元。 预测性维护如此具有吸引力的原因是它同时解决了两个关键问题。如果电机、泵和轴承等机械或组件一直运行直到出现故障，则设备可能会因故障而遭受更大的损失。此外，员工需要花费大量时间在现场更换部件，然后加班解决问题。所有这些都会增加计划外停机事件的最终成本，并造成生产损失。另一方面，如果由于太频繁或太早更换易损件而导致设备保养过度，则由于计划服务中断过于频繁，停机次数也会增加。在预测性维护中，算法使用从机器和组件收集的传感器数据提前向操作员发出未来故障状况的警告，从而在故障发生之前留出充足的时间来安排和计划维护。

无线工业物联网在预测性维护中的优势

预测性维护解决方案通常依赖于检测运行工业和商业生产化过程的电机、泵、轴承和其他设备的振动指纹异常。由于增加振动传感器的布线成本非常高，因此这些传感器通常利用无线通信和电池供电。我们为预测性维护解决方案开发人员提供了一些独特的优势。我们的产品包括行业领先的低功耗无线 SoC 和模块。使用内置的低功耗模式，传感器可以受益于快速唤醒时间和睡眠模式和活动模式之间的平衡时间。这种功耗优化可延长电池寿命，这意味着降低最终客户的总拥有成本 (TCO)，因为传感器在使用寿命期间所需的维护更少。

如何为您的应用选择最适合的无线网络？

部署预测性维护解决方案的环境差异很大。因此，解决方案开发人员应与我们这样的通信专家合作，在多个频段中支持各种无线技术。对于更长距离的需求，Wi-SUN、Mioty 或其他 1 GHz 以下选项等技术更适合。工厂或工厂内的本地网络可能受益于蓝牙和网状网络技术，或利用现有的双频 Wi-Fi 基础设施来连接传感器。

Embedded AI/ML 如何改变预测性维护？

人工智能和机器学习 (AI//ML) 已将其覆盖范围从需要大量计算资源的云级应用扩展到可在 Cortex-M 级微控制器上高效执行的应用。Silicon Labs 的 AI/ML 位合作伙伴已构建工具，允许预测性维护算法在几千字节的 RAM 内存上运行。边缘预处理意味着可以关闭本地无线电，直到出现需要向后台系统和操作员报告的异常情况。这样可以进一步节省宝贵的电池容量，提高总拥有成本。

如何开始使用无线工业物联网？

如果您想参与解决这个价值万亿美元的问题，可以从探索我们的EFR32xG24开发套件开始。该套件集成了无线通信与一系列传感器，包括加速度计和温度传感器，这些传感器在预测性维护应用中最为常见。您还可以浏览我们的设计网络，寻找合作伙伴，他们可以帮助您设计在我们的无线 SoC 和模块上运行的解决方案。最后，看看我们最近关于 Sensemore 的案例研究，该案例选择了我们预认证的蓝牙模块作为其预测性维护传感器。这一决定使他们能够快速推进开发工作，更快地进入市场。