在传感器技术的成本和可能应用的多样性意味着个人用户的直接经济优势通常不会立即显示出来。

在其工业4.0传感器技术指南中，VDMA为公司实践汇编了一本有价值的手册。本指南旨在向传感器系统的用户和制造商展示降低传感器成本的关键因素和方法。相关指导问题及工具箱也为此提供了支持。本指南由VDMA论坛工业4.0与卡尔斯鲁厄理工大学的WBK生产技术学院以及本项目附带的监督VDMA产业工作小组(由13个传感器的领先制造商和用户组成)共同合作完成。

Xeidana是一个用于质量监控的软件系统

本指南的主要倡议者之一是WBK的Jürgen Fleischer教授。“传感器是数字世界和现实世界的连接点，所以它是实施工业4.0的最重要环节之一。没有正确的传感器，所有更高级别的系统在数据解释方面都是盲目的。”Jürgen Fleischer教授说道。在关于那些数据能使用传感器进行收集并进行有利处理的问题上，他引用了KIT的项目：“在机床的启动部件中，可以收集数据以监督状态并优化操作。例如，在滚珠丝杠中，可以测量滚珠丝杠螺母的轴向力和摩擦力矩。通过将其与一个摩擦行为模型进行比较，就能得出并实现部件的正确润滑要求。通过这种自适应润滑，KIT试验中滚珠丝杠的使用寿命显著延长。

各种驱动部件，例如滚珠丝杠，可通过测量结构传递的声音进行监控。“这些信号在部件的使用寿命中会发生变化，因此可以得出关于磨损状态的结论。我们的目标是实现预测性的状态导向维护。”

在欧洲机床展中，WBK将展示一个摄像系统和机器学习算法的组合体，这是为监控滚珠丝杠的磨损而设计的。

展览会上演示了自适应润滑和状态监测的细节

软件帮助分析各种数据

通常，运用算法分析传感器数据并收集自动评估适用的质量相关特点需要花费大量时间。利用开姆尼斯弗劳恩霍夫机床和成型技术研究院(IWU)开发的Xeidana软件，用户可立刻获得一包能够覆盖从数据获取到自动化质量控制的任务的解决方案。科学家们还测量了部件的质量关键特点。例如，软件能够可靠实时地检测表面缺陷。下一步，计划将这些数据反馈到生产系统，以便在工艺参数开始转向危险方向时能及时采取纠正措施。

IWU传感器数据实时收集的更多示例是成型机工具中测量的力，例如按压、冲压和切割中的力。

对采集到的传感器数据的正确解释

关于是否需要收集传感器实时数据的决定取决于具体应用情况。“你可能会问实时在多大程度上是必要的。还有一个问题就是数据是如何同步的。但同样重要的是，要确定对该进程进行充分描述所需的采样率。”位于Roßdorf的 Consenses公司首席执行官Jörg Stahlmann博士解释说。该公司提供了工业测量技术和数字化解决方案。在这种背景下，合适的传感器的应用和发展以及对数据的解释组成了Consenses核心竞争力的一部分。“我们用3D步骤模型来了解我们客户的工程设计。这是必要的，能使传感器收集到的数据得到正确评估，再将它与预期力和温度流或运动学进行比较。如果要完全解释传感器数据，理解这些联系是非常重要的。”这是Jörg Stahlmann博士对Consenses一个程序的评论。

位于Roßdorf的Consensesgongsi公司的Jörg Stahlmann博士表示：“你可能会问实时在多大程度上是必要的。还有一个问题就是数据是如何同步的。但同样重要的是，要确定对该进程进行充分描述所需的采样率。”

Jürgen Fleischer教授强调说：“由于对部件、组件组装和机器的模拟，我们扩大了对生产装置中机械效应的理解。?我们利用这些知识来正确使用传感器，并有效地解释所收集到的数据。”

Karlsruhe WBK的Jürgen Fleischer教授表示：“由于对部件、组件组装和机器的模拟，我们扩大了对生产装置中机械效应的理解。我们利用这些知识来正确使用传感器，并有效地解释所收集到的数据。”

Jörg Stahlmann博士负责实时主题表示：“相信将‘实时’这一标签贴在数据上就意味着达到了最好的质量，绝对是错误的。通常，实时数据来自于最初收集数据以监控机器某些动作的控制系统。”这些信息一般不符合适当传感器数据的要求。因此，在每个具体情况下，在基本广泛分析或数据决策前，理解哪个信号是如何产生的是很重要的。Jürgen Fleischer教授举了一个不需要实时采集的例子：“对于状态导向维护，并不需要对数据的采集做出快速反应。这儿允许在收集数据几个小时后，再给出数据评估的结果。然而，对于使用中的传感器，其信号显示了巨大的动态波动，如结构传递的声音信号一样。记录这些信号需要高度的采样率特别是实时数据采集。这里，收集到的数据可以存储在一个缓冲器中，以便之后某个时间点对其进行整体评估。在这种情况下，还可以将数据输送到高性能服务器或进行评估。”

IWU成型机器的组长Thomas Päßler博士补充说：“除非有经济合理性，否则不需要实时性。例如，在长期趋势分析中，并不需要实时采集。这里不需要保存所有的数据，只需生成和存档个别参数。生产参数如产量或能量数据，可实时收集，但不必实时呈现。例如，对于能量数据，在某些情况下，每15分钟读取一次就足够了。此外，实时收集管理层所需的数据是毫无意义的，例如有关生产成本效益的某些参数，或在一个装置中生产的某一种组件的数量。”

开姆尼斯IWU的Thomas Päßler博士表示：“如果实时采集是防止硬件或工件损坏的唯一方法，那么它就是必不可少的。例如，如果工具断裂或轴承或框架组件等元件组上的应力过大，就需要实时采集。”

在《工业场所2025》一文中，生产技术学会(WGP)研究了合理和适当自动化的问题。作者写道：“有效的价值创造过程的设计应考虑到所有的技术选择。这就意味着选择最高级别的自动化并不总是必要或明智的。”

实时帮助 避免损坏

有一点很清楚：当涉及到保护机器、工具、工件或工艺稳定性问题时，实时传感器数据是必须的。Thomas Päßler博士对此声明：“如果实时采集是防止硬件或工件损坏的唯一方法，那么它就是必不可少的。例如，如果工具断裂或轴承或框架组件等元件组上的应力过大，就需要实时采集。为了提前确保不会产生浪费，最好也对输入工作材料的性能进行实时测量。”Jürgen Fleischer教授举了另一个实时采集的例子：“实时在生产过程中检测异常现象的能力可防止或限制损坏。例如，工具或数控程序中的错误会导致碰撞。若及时检测到这些，就能及时停止机器并将材料损坏降至最低。”

IWU的科学家将实时监控用于成型机上的应力、阀门和张力。然而，这种情况下，不对数据进行正常的单独评估。另一个步骤是将数据输入到Smart Stamp中，这是一个基于软件的分析模型。不同的数据在这里得以融合和分析。压力在其规范范围内工作吗?或者上部工具连接的活塞是否会发生危险性倾斜，从而导致工件无法理想成型或造成工具更快磨损?“虽然单个传感器数据本身往往没有意义，但这种问题可通过融合数据进行精确解决。”Thomas Päßler博士说。不可忽视的是，真正的传感器不能安装在机器的每个位置上——例如，不容易靠近的地方，或是安装需花费太多工作和费用的地方。因此，可能出现生产过程和机器状态的相关数据缺失的状况。IWU的解决方案是虚拟传感器。这是基于安装在机器不同位置的传感器。从它们的读数中，一个数字孪生作为一个虚拟传感器，计算出真实传感器可能在相关但不易接近的地方记录的读数。“一个例子是压力机框架的变形：这能通过这种虚拟传感器很好地表示出来。”Thomas Päßler博士说。“在欧盟iMain项目中，我们能够证明我们的虚拟传感器计算出的读数与真实传感器的读数非常一致。”

当涉及到保护机器、工具或工件时，需要实时传感器数据。