Predykcyjne utrzymanie ruchu.

W ostatnich latach pojawiło się wiele ciekawych i obiecujących technologicznych trendów w świecie oprogramowania tj. IoT (Internet of Things), analiza „bigdata”, maszynowe uczenie, sztuczna inteligencja. Wiele z tych technologii zaczyna znajdować również swoje miejsce w systemach produkcyjnych. W tym świetle, rosnącym zainteresowaniem zaczynają cieszyć się rozwiązania zgodne z koncepcją Przemysłu 4.0 czy Inteligentnej Fabryki, które jeszcze do niedawna wydawały się jedynie śmiałą wizją przyszłości.

Jednymi z ultra nowoczesnych rozwiązań dla przemysłu są systemy przeznaczone do inteligentnej konserwacji predykcyjnej urządzeń i sprzętu (Predictive Maintenance skr. PdM).

Silna konkurencja oraz stale rosnące wymagania rynku wymuszają na producentach poszukiwanie coraz nowszych, bardziej innowacyjnych i efektywnych rozwiązań. W szczególności, że wykorzystywany park maszynowy jest coraz bardziej zautomatyzowany i technologicznie zaawansowany, co często przekłada się na bardzo wysokie koszty przestojów i napraw. Naturalnie więc szczególną rolę należy kłaść na efektywne zarządzanie awariami, lecz nie tylko by szybko na nie reagować, lecz również w duchu obecnych możliwości oprogramowania, przewidywać je i im przeciwdziałać zanim do nich dojdzie.

Predictive Maintenance (PdM), w przeciwieństwie do poprzednich podejść, jakim są reaktywne lub zapobiegawcze modele konserwacji sprzętu, opiera się na koncepcji przeprowadzenia konserwacji na podstawie przekrojowej analizy parametrów i danych urządzeń, wytwarzanych produktów oraz innych warunków produkcji.

Systemy PdM umożliwiają ocenę jakości obecnego stanu maszyn i urządzeń oraz prognozują go w przyszłości. Do tego celu wykorzystywane są algorytmy łączące bieżące dane maszyn, parametry systemu produkcyjnego, otoczenia (na przykład temperatury lub wilgotności), w odniesieniu do danych historycznych w warunkach prawidłowej pracy, jak i w stanie awarii, również z zastosowaniem modeli matematycznych. Najbardziej zaawansowane systemy predykcyjnej konserwacji wykorzystują algorytmy sztucznej inteligencji (AI) i uczenia maszynowego.

Niewątpliwą zaletą PdM jest możliwość rezygnacji z regularnego, okresowego wyłączania maszyn i urządzeń, umożliwiając serwisantom na planowanie prac gdy jest to naprawdę wymagane poprzez wczesne ostrzeganie o pogarszającym się stanie maszyn i urządzeń oraz jednocześnie wydłużenie żywotności ich komponentów. Technologia PdM wydaje się doskonałą strategią dla każdej firmy produkcyjnej poszukującej sposobów na ograniczenie nieplanowanych i planowanych przestojów maszyn czy zmniejszenia kosztów napraw.

Podstawę technologiczną w systemach predykcyjnej konserwacji jest zbiór czujników i elementów opomiarowania pozwalające na niezawodne zbieranie danych z maszyn i procesów. Przy projektowaniu systemu kluczowe znaczenie ma decyzja jakie dane powinny być zbierane oraz gdzie i jak je przechowywać i przetwarzać np. lokalnie lub w chmurze.

Systemy konserwacji predykcyjnej mają jednak również swoje wady. Do zaawansowanej analizy danych wymagane jest nie tylko nowoczesne oprzyrządowanie parku maszynowego ale również specjalistyczna wiedza i doświadczenie. Systemy te są również dosyć drogie w implementacji, dlatego należy starannie rozpatrzyć czy wdrożenie tego rozwiązania da odpowiedni stosunek korzyści do ponoszonych kosztów, w szczególności, że wiele systemów tego rodzaju opiera się na formule SAAS (Software as a service) i wymaga nie tylko nakładów związanych z wdrożeniem ale również regularnych opłat za użytkowanie.

 

Dodaj komentarz

Twój adres e-mail nie będzie opublikowany.

You may use these <abbr title="HyperText Markup Language">HTML</abbr> tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>

*