บทนำ Analisador LAMAR
การรักษามาตรฐานความน่าเชื่อถือในระดับสูงของเครื่องกลึงที่ใช้กันอย่างแพร่หลายในอุตสาหกรรม สามารถสร้างความแตกต่างในการแข่งขันที่สำคัญได้ ในสถานการณ์นี้ การวิเคราะห์การสั่นสะเทือนมีความโดดเด่นในฐานะเทคนิคที่สามารถนำเสนอความน่าเชื่อถือนี้ และส่งเสริมการเติบโตของธุรกิจ การใช้การบำรุงรักษาเชิงคาดการณ์ช่วยให้คุณสามารถระบุปัญหาที่อาจเกิดขึ้นและวางแผนการแทรกแซงเพื่อแก้ไขความล้มเหลวได้ การวัดการสั่นสะเทือนโดยปกติจะทำโดยใช้เซ็นเซอร์วัดความเร่ง และสมาร์ทโฟนส่วนใหญ่มีเซ็นเซอร์นี้รวมอยู่ในฮาร์ดแวร์อยู่แล้ว ดังนั้น เมื่อพิจารณาถึงการใช้สมาร์ทโฟนที่เพิ่มขึ้น การใช้งานในการตรวจจับข้อผิดพลาดในเครื่องจักรแบบหมุนก็สามารถทำให้การวิเคราะห์การสั่นสะเทือนเป็นที่นิยมได้
อย่างไรก็ตาม งานวิจัยยังแทบไม่สำรวจการใช้สมาร์ทโฟนในการวิเคราะห์การสั่นสะเทือน โดยเฉพาะการตรวจจับข้อผิดพลาดในเครื่องจักรที่หมุนได้ การวิจัยนี้มีจุดมุ่งหมายเพื่อเติมเต็มช่องว่างนี้ โดยสำรวจศักยภาพของสมาร์ทโฟนในสาขานี้ วัตถุประสงค์ยังช่วยให้ผู้เชี่ยวชาญในอุตสาหกรรมปรับปรุงความน่าเชื่อถือของเครื่องจักรด้วยอุปกรณ์ราคาประหยัดอีกด้วย
ด้วยเหตุนี้ แอปพลิเคชัน "LAMAR Analyzer" จึงได้รับการพัฒนาสำหรับระบบ Android ทำให้สามารถทดสอบความมีชีวิตของสมาร์ทโฟนในการตรวจจับข้อผิดพลาดได้ ด้วยการใช้งานนี้ สัญญาณการสั่นสะเทือนจะถูกรวบรวมที่อัตราการสุ่มตัวอย่าง 500 เฮิร์ตซ์จากมอเตอร์ไฟฟ้าภายใต้สภาวะที่แตกต่างกัน 6 สภาวะ ซึ่งมีโหลดและวิกฤตที่แตกต่างกัน การใช้ตัวอย่าง 70% สำหรับการฝึกอบรมและ 30% สำหรับการทดสอบ ผลลัพธ์แสดงอัตราการลู่เข้า 40.6% และความแม่นยำ 96.6% ในการทำนายสภาพเครื่องยนต์
โซลูชันที่นำเสนอนำเสนอผลลัพธ์ที่น่าหวัง พร้อมศักยภาพในการปรับปรุง และปูทางสำหรับการพัฒนาโซลูชันในอนาคตที่ช่วยให้สามารถใช้สมาร์ทโฟนเพื่อระบุข้อผิดพลาดในเครื่องจักรแบบหมุนได้
อย่างไรก็ตาม งานวิจัยยังแทบไม่สำรวจการใช้สมาร์ทโฟนในการวิเคราะห์การสั่นสะเทือน โดยเฉพาะการตรวจจับข้อผิดพลาดในเครื่องจักรที่หมุนได้ การวิจัยนี้มีจุดมุ่งหมายเพื่อเติมเต็มช่องว่างนี้ โดยสำรวจศักยภาพของสมาร์ทโฟนในสาขานี้ วัตถุประสงค์ยังช่วยให้ผู้เชี่ยวชาญในอุตสาหกรรมปรับปรุงความน่าเชื่อถือของเครื่องจักรด้วยอุปกรณ์ราคาประหยัดอีกด้วย
ด้วยเหตุนี้ แอปพลิเคชัน "LAMAR Analyzer" จึงได้รับการพัฒนาสำหรับระบบ Android ทำให้สามารถทดสอบความมีชีวิตของสมาร์ทโฟนในการตรวจจับข้อผิดพลาดได้ ด้วยการใช้งานนี้ สัญญาณการสั่นสะเทือนจะถูกรวบรวมที่อัตราการสุ่มตัวอย่าง 500 เฮิร์ตซ์จากมอเตอร์ไฟฟ้าภายใต้สภาวะที่แตกต่างกัน 6 สภาวะ ซึ่งมีโหลดและวิกฤตที่แตกต่างกัน การใช้ตัวอย่าง 70% สำหรับการฝึกอบรมและ 30% สำหรับการทดสอบ ผลลัพธ์แสดงอัตราการลู่เข้า 40.6% และความแม่นยำ 96.6% ในการทำนายสภาพเครื่องยนต์
โซลูชันที่นำเสนอนำเสนอผลลัพธ์ที่น่าหวัง พร้อมศักยภาพในการปรับปรุง และปูทางสำหรับการพัฒนาโซลูชันในอนาคตที่ช่วยให้สามารถใช้สมาร์ทโฟนเพื่อระบุข้อผิดพลาดในเครื่องจักรแบบหมุนได้
เพิ่มเติม
