Čo je prediktívna údržba?
Táto webová stránka bola pre vás strojovo preložená. Spoločnosť SAP neposkytuje žiadne záruku v súvislosti so správnosťou alebo úplnosťou strojového prekladu. Originálnu anglickú webstránku nájdete pomocou mapy sveta v pravom hornom rohu tejto stránky.
Technológie prediktívnej údržby vám umožnia počuť, o čo sa vás snažia povedať vaše podnikové aktíva. Stroje vo vašich továrňach, vozový park nákladných vozidiel, vaše priemyselné vybavenie – rozprávajú sa s vami už roky. Povedali vám, kedy sa chystajú rozložiť a čo potrebujú na dlhší a plynulejší chod.
Prediktívna údržba umožňuje podnikom predvídať zlyhania a naplánovať údržbu v čase a tam, kde je to okamžite potrebné. Ozbrojuje podniky informáciami, ktoré potrebujú na to, aby sa presadili v špičke zo svojich cenných aktív, a napriek tomu si je istý, že ich príliš netlačia a riskujú nákladnú poruchu.
Definícia prediktívnej údržby: Prediktívna údržba sa snaží zabrániť zlyhaniu a výpadkom zariadenia prepojením podnikových aktív s podporou IoT, aplikovaním pokročilých analýz k dátam v reálnom čase, ktoré poskytujú, a využitím výsledných prehľadov na informovanie vzdelaných, nákladovo efektívnych a efektívnych protokolov údržby.
Prečo je prediktívna údržba taká dôležitá pre súčasné podniky?
Moderné podniky sú v čase bezprecedentných zmien a konkurencie. Amazon Efekt viedol k rýchlemu nárastu požiadaviek spotrebiteľov na kontrolu, personalizáciu a rýchlosť. Pohybujúca sa obchodná a politická klíma spôsobila, že mnohé spoločnosti majú problém udržať cenovo dostupné dodávateľské a výrobné vzťahy. A keďže čoraz viac podnikov prechádza digitálnou transformáciou, konkurencia rastie a priestor na chyby je čoraz menší. V dôsledku toho sa dnešní lídri podnikov snažia získať konkurenčnú výhodu prostredníctvom inteligentných riešení, ktoré predpovedajú, kedy je potrebná údržba aktív, pomáhajú zvyšovať nákladovú efektívnosť a zefektívňujú ich často zložité požiadavky na správu podnikových aktív.
Prípad
použitia švajčiarskych federálnych železníc
Vypočujte si, ako prediktívna údržba pomohla dosiahnuť prevádzkovú excelentnosť.
Aký je rozdiel medzi reaktívnou, preventívnou a prediktívnou údržbou?
Rozdiel v týchto troch modeloch údržby nespočíva ani tak v tom, ako sa vykonávajú úlohy údržby, ale kedy.
- Reaktívna údržba: Toto je v podstate akt, že nič nerobíme, kým sa niečo nezlomí. Ako stratégiu údržby sa to zvyčajne nepraktizuje veľkými spoločnosťami zo zrejmých dôvodov. Môže to však byť nezamýšľaný postup, ak sa niektoré časti a komponenty vynechajú z pravidelného striedania tradičných plánov údržby. Reaktívna údržba prebieha vždy po fakte.
- Preventívna údržba: Informuje o tom doterajší výkon a znalosti a skúsenosti inžinierov a operátorov. Zahŕňa rutinnú, periodickú, plánovanú alebo časovú údržbu. V skutočnosti často zabraňuje výpadkom, ale, bohužiaľ, môže byť nepresný, čo môže viesť k drahej údržbe ešte predtým, ako bude potrebná, alebo k nepozorovaným slabým miestam v procese údržby. Preventívna údržba prebieha v prednastavených časoch, často dlho vopred.
- Prediktívna údržba: Je to možné, keď siete Internet of Things (IoT) integrujú všetky aktíva podniku do živého ekosystému. Schopnosť prenášať a analyzovať dáta v reálnom čase znamená, že stav živých aktív – a nie kalendáre – sa stáva základom pre protokoly údržby. Prediktívna údržba prebieha v reálnom čase, presne vtedy a kde je potrebná.
Nasledujúci graf (upravený podľa Deloitte) zobrazuje pokrok technologických schopností počas priemyselných revolúcií a výsledný vplyv na stratégie údržby a účinnosť zariadení.
Ako funguje prediktívna údržba a analýza internetu vecí?
Prvý krok v procese prediktívnej údržby zahŕňa zber údajov a informácií v reálnom čase z pripojených aktív siete IoT v rámci celého podniku. Tieto dáta musia byť potom uložené a spravované tak, aby sa dali ľahko spracovať, získať prístup a analyzovať. „Prediktívny“ komponent vstupuje do hry, keď sa na údaje aplikujú technológie umelej inteligencie (AI) a strojového učenia, aby mohli zobrazovať užitočný a použiteľný príbeh.
Architektúra prediktívnej údržby a sieť priemyselného internetu vecí (IIoT) majú štyri základné etapy:
Proces prediktívnej údržby
- Snímanie a zhromažďovanie údajov pomocou technológií prediktívnej údržby (napríklad tepelné zobrazovanie alebo vibrácie)
- Prenos týchto údajov v reálnom čase v rámci siete do centrálneho podnikového systému
- Použitie inteligentných technológií, ako je analýza AI a strojového učenia, na tieto dáta, aby ste ich dostali k najužitočnejším a najrelevantnejším analýzam
- Prijímanie rýchlych opatrení na základe týchto prehľadov založených na údajoch na vytvorenie požadovaných protokolov údržby a reakcie (ľudských aj automatizovaných)
Monitorovanie podmienok aktív a využívanie technológií prediktívnej údržby
Prediktívna údržba sa umožňuje prostredníctvom počítačových fyzických systémov, ktoré pomáhajú integrovať stroje a podnikové aktíva do inteligentnej siete internetu vecí. Začína sa identifikáciou podmienok aktív, ktoré je potrebné monitorovať, potom vybavením snímačov a vytvorením siete internetu vecí a napokon zhromažďovaním a analýzou údajov z tejto siete, aby sa dosiahli uskutočniteľné zistenia a analýzy. Identifikácia týchto podmienok, ktoré sa majú monitorovať, je prvým rozhodujúcim krokom smerom k transformácii správy aktív podniku prostredníctvom prediktívnej údržby.
Podmienky monitorovania
Manažéri musia spočiatku stanoviť podmienky, ktoré je potrebné monitorovať pre každý stroj. Táto analýza môže byť vizuálna, sluchová, tepelná alebo – najčastejšie – kombinácia týchto kritérií a viac. Technologický krok v tomto bode spočíva v určení správnych snímačov a monitorovacích nástrojov, ktoré sa majú namontovať:
- Vibračná analýza: Malé zmeny vibračných vzorov môžu naznačovať nerovnováhu alebo nesprávne nastavenie, zatiaľ čo vysoké úrovne vibrácií môžu naznačovať hroziace nosenie alebo iné problémy. Vibračná analýza môže včas varovať pred poruchou a je obzvlášť užitočná pri zisťovaní nerovnováhy, nesprávneho nastavenia, mechanickej voľnosti alebo opotrebovaných alebo poškodených častí.
- Zvuková a ultrazvuková analýza: Pri bežnej prevádzke väčšina systémov vytvára stabilné zvukové vzory. Zmeny referenčného zvukového vzoru môžu naznačovať opotrebenie alebo iné druhy zhoršenia. Ultrazvukové analýzy môžu tiež poskytnúť informácie o celkovom zdravotnom stave systému tým, že prevedú vysokofrekvenčné zvuky (napríklad zvuky produkované parou alebo únikom vzduchu) do počuteľného rozsahu.
- Infračervená analýza: Tak ako pri ultrazvukovej analýze, aj termografia odkrýva skryté pomocou infračervenej analýzy na pretavenie zmien teploty do viditeľného spektra. Aj veľmi nepatrné zmeny bežných prevádzkových teplôt môžu varovať pred hroziacimi problémami.
- Analýza tekutín: Okrem jednoduchého monitorovania hladín a teploty môže fyzikálna a chemická analýza tekutín poskytnúť cenné informácie o stave mechanických zložiek. Pozorovaním rýchlosti degradácie v chladiacich látkach a mazivách je možné vykonať preventívne kroky hneď, ako si to tieto pohľady vyžadujú.
- Iné: Ďalšie technológie prediktívnej údržby sú špecializované na rôzne jedinečné priemyselné potreby. Zahŕňajú: laserové nastavenie, monitorovanie elektrického obvodu, detekciu prasklín, monitorovanie korózie, zmeny elektrického odporu a iné priemyselné prostriedky na meranie korózie alebo zhoršenia.
Technológie prediktívnej údržby
Po stanovení uvedených kritérií musia byť príslušné snímače a monitory namontované a pripojené k centrálnemu podnikovému systému, najčastejšie systému plánovania podnikových zdrojov (ERP), prostredníctvom cloudovej siete internetu vecí. Napokon, musia byť zavedené potrebné softvérové riešenia založené na AI na podporu rôznych algoritmov a analytických procesov potrebných na poskytnutie použiteľných prehľadov a odporúčaní zo zhromaždených údajov.
- Sieť internetu vecí: Keď sa aktíva podniku rozširujú o senzory, možnosti spracovania a iné technológie, sú schopné odosielať a prijímať údaje – zvyčajne prostredníctvom cloudovej konektivity – do a z centrálneho podnikového systému. To zahŕňa sieť internetu vecí a podporuje stratégiu prediktívnej údržby.
- IoT gateways: Mnohé staršie aktíva stále fungujú výborne, napriek tomu ich analógová technológia predchádza digitálnej integrácii. Tieto stroje môžu byť vybavené vstupnými zariadeniami IoT, ktoré môžu zahŕňať kamery, mikrofóny a teplomery na zhromažďovanie a prenos údajov v reálnom čase v ich prevádzkových stavoch.
- Cloudové pripojenie: Cloudové pripojenie poskytuje dostupnosť zdrojov počítačových systémov na požiadanie. V sieti internetu vecí, ktorá pozostáva z viacerých priemyselných aktív, je dôležité, aby sa multilokalizačné dátové centrá integrovali do jednej databázy a systému.
- Moderná databáza a ERP: Staršie diskové databázy nie sú dobre vybavené na spravovanie objemných a nelineárnych dát, ktoré obsahujú Big Data a komplexné množiny dát. Prediktívna údržba ďalej používa AI a strojové učenie na vykonanie rozšírenej analýzy takýchto dát. Tomuto procesu najlepšie poslúži moderné AI-power ERP s in-pamäťovou databázou, ktorá je rýchla, responzívna a takmer nekonečne škálovateľná.
- AI a strojové učenie: Pioneering počítačový vedec John McCarthy definuje AI ako „vedu a techniku výroby inteligentných strojov“. Strojové učenie je podmnožina AI, ktorá používa algoritmy na analýzu a pochopenie dát. Riešenia prediktívnej údržby závisia od AI a strojového učenia nielen na triedení, chápaní a učení sa z prevádzkových dát podnikových aktív, ale aj na extrapolácii týchto poznatkov pomocou použiteľných odporúčaní a štatistík.
- Pokročilá analýza: Rozšírená analýza výkonu AI a strojového učenia. Manažéri musia určiť atribúty a podmienky, ktoré sa majú posúdiť, a požadované analytické výsledky. Takto možno naprogramovať algoritmy, ktoré informujú o pokročilej analýze tak, aby boli čo najprehľadnejšie a najpoužiteľnejšie a aby sa časom čo najlepšie poučili z dát a nových zážitkov.
- Digitálne dvojčatá: Digitálne dvojča je len to: virtuálna rekreácia skutočného fyzického majetku. Vytvorením digitálnych dvojičiek môžu manažéri navštíviť akýkoľvek možný prevádzkový scenár hneď po dvojici – bez rizika skutočného poškodenia nákladného stroja alebo zariadenia v reálnom živote. Pomáha to rozšíriť prediktívnu údržbu tým, že umožňuje, aby nástroje strojového učenia a AI zahŕňali skúsenosti, ktoré sa nikdy ani nestali, a učia sa z nich.
Príklady prípadov použitia prediktívnej údržby
- Odvetvie ropy a zemného plynu: Ťažba ropy kladie na aktíva obrovské opotrebenie a môže viesť k veľkému riziku a nebezpečenstvu v prípade zlyhania. Prostredníctvom monitorovania zmien teploty oleja v reálnom čase a rýchlosti prevodoviek vo vrtných zariadeniach sa vďaka prediktívnej údržbe výrazne zvýšila bezpečnosť a znížili náklady na údržbu až o 38 %.
- Automobilový priemysel: Na montážnych linkách vykonávajú guľomety na zváranie škvŕn denne okolo 15 000 spotových zvarov. Spojením zváracích pištolí po celom svete a zhromažďovaním svojich prevádzkových údajov môžu výrobcovia automobilov zhromaždiť milióny dátových bodov, čo vedie k bezprecedentnej prediktívnej presnosti stavu a stavu týchto aktív.
- Výroba domácich spotrebičov: Vibračné merania rotácie bubna vo výrobnom procese sušičky pomohli predpovedať poruchu alebo poruchu. Táto aplikácia prediktívnej údržby odstránila výrobné chyby o 33 % a znížila náklady spotrebiteľov na údržbu o 27 %.
- Správa železničných aktív: „Voids“ vzniká vtedy, keď sa prázdny priestor vyvinie na trati vedúcej k potenciálnemu oneskoreniu alebo dokonca k vykoľajeniu. Nedávna inovácia viedla k systémom monitorovania na základe kabíny, ktoré dokážu odhaliť niekoľko premenných, keďže presúvajú koľajnice. To viedlo k zlepšeniu odhaľovania nečinnosti a celkovému zvýšeniu bezpečnosti zákazníkov.
- Oceliarsky priemysel: Detekcia anomálií sa používa na zhromažďovanie údajov o vibráciách, rýchlosti otáčania a elektrického prúdu (ampéry) v zariadeniach na valcovanie za studena používaných pri spracovaní ocele v reálnom čase. Táto aplikácia viedla k 60 % zlepšeniu životnosti zariadenia a k výraznému zníženiu strát v dôsledku výpadkov a oneskorení.
Výhody prediktívnej údržby
Implementácia systémov prediktívnej údržby viedla k pôsobivým výsledkom vo viacerých odvetviach.
Prediktívna údržba zvyšuje produktivitu o 25 %, znižuje výpadky o 70 % a znižuje náklady na údržbu o 25 %.
Je zaujímavé, že myšlienka prediktívnej údržby nie je ničím novým. Podniky sa už desaťročia usilujú o dosiahnutie väčšej predvídateľnosti pri údržbe majetku, ale nastal vzostup technológií ako AI a moderné ERP systémy, ktoré poskytujú kapacitu a funkčnosť potrebnú na dosiahnutie skutočne fungujúcich riešení prediktívnej údržby. Medzi ich výhody patria:
- Lepšia viditeľnosť v rámci celej vašej operácie: Zvýšená viditeľnosť terénnych a iných externých aktív. To umožňuje OEM a poskytovateľom služieb tretích strán ponúkať lepšiu hodnotu a informovanejšie služby.
- Zníženie nákladov na údržbu a zlepšenie výkonnosti aktív: Prediktívna údržba konzistentne vedie k lepšiemu využívaniu existujúcich zdrojov, zníženiu prestojov a predĺženiu životnosti cenných aktív.
- Posilnené tímy: Keď sú prevádzkovatelia aktív, poskytovatelia služieb a manažéri dodávateľského reťazca vyzbrojení dátovou vedou a analýzou v reálnom čase, môžu vypracovať harmonogramy údržby, ktoré fungujú – stávajú sa plánovačmi a stratégiami a nie hasičmi.
Ďalšie kroky na transformáciu logistického reťazca s riešeniami prediktívnej údržby
Mnohé podniky za desaťročia nezmenili svoje stratégie údržby majetku – napriek modernizácii iných oblastí svojho podnikania. Zmena dlhotrvajúcich procesov je náročná a môže byť ťažké získať od svojich tímov. Najúspešnejšie plány transformácie podniku začínajú dobrou komunikačnou stratégiou a stratégiou riadenia zmien – pomáhajú zaangažovať vaše tímy a rozbíjať zásobníky. Povedzte svojmu predajcovi softvéru, aby ste sa dozvedeli viac o tom, ktoré nástroje a riešenia budú najlepšie vyhovovať vašim jedinečným potrebám, a zviditeľnite sa s vašou cestovnou mapou a cestou digitálnej transformácie.
Preskúmať SAP Predictive Asset Insights
Maximalizujte svoj výkon aktív pomocou moderných nástrojov prediktívnej údržby.
SAP Insights Newsletter
Prihlásiť sa na odber dnes
Získajte kľúčové postrehy prihlásením sa na odber nášho newslettera.