传感器被公认为是工业数字战略的关键组成部分。事实上，多年来，部署越来越多的传感器来捕获越来越多的数据进行分析，一直是所有行业垂直领域制造商的主要建议。在资产状态监测（CM）和预测性维护（PM）应用中尤其如此，许多中型制造商的数字化转型之路并不遥远，但是他们往往负担不起安装越来越多昂贵的工业传感器。为了解决传感器成本问题，Lenze一直致力于教导客户如何从已经安装的设备中获取CM和PM应用程序的这些附加数据。
这款2轴机器人位于SPS 2019的Lenze展位上，用于展示基于模型和基于数据的方法来使用机器人驱动器中的数据进行状态监控。
在德国纽伦堡举行的2019年SPS（智能生产解决方案）活动上，Lenze创新主管Holger Borcherding博士指出，该公司正在帮助OEM和其他终端用户通过使用来自Lenze的预先测试的算法，从现有数据源中提取附加信息值，以帮助机械工程师将他们的工艺专长和机器知识转化为提高效率的状态监测模型。
Lenze以Lenze展位上的2轴机器人为例，展示了基于模型和数据的方法来使用机器人驱动器中的数据进行状态监控。在基于模型的示例中，将测量机器人控制器的实际值，并与Lenze对机器人的数学描述值进行了比较，如果超出某些公差，则被视为故障。在基于数据的示例中，Lenze开发的算法根据速度、加速度、扭矩、位置和电流消耗等参数的影响来学习机器人的行为。然后将实际值与描述值进行比较，以定义偏差。
在Lenze演示这两种方法的过程中，出现了诸如主轴摩擦增加和皮带传动磨损等问题。Borcherding说：“在这两种情况下，都可以通过电流和扭矩值来检测这些异常，无论是通过绝对值的增加还是通过频率分析中的异常。状态监视应用程序会在两种情况下都会发出警报，并在仪表板上显示原因。”
Borcherding解释说，基于模型的评估通常在控制系统上进行，因为它不需要任何显著的计算能力。然而，在基于数据的分析中使用Lenze的机器学习和人工智能技术通常需要在Lenze的x4云应用程序中进行计算，数据通过Lenze的x500网关发送。
Borcherding强调，根据现有数据的解释，有效的状态监测是可能的，“不需要额外的传感器技术，相反，机器的驱动器可以作为传感器工作。凭借我们的硬件、软件、网络、云应用和咨询专业知识的自动化产品组合，Lenze可以帮助制造商成为他们机器的数据科学家。”