Öngörülü bakım: Ekipman çalışma süresini ve maliyet tasarrufunu en üst düzeye çıkarın
Tahmine dayalı bakım; toplam sahip olma maliyetini en aza indirirken ekipman performansını, canlı kullanım süresini ve kullanım süresini en üst düzeye çıkarmanıza yardımcı olarak ekipman sağlığını sürekli olarak gerçek zamanlı olarak değerlendirir.
Predictive maintenance nedir?
Tahmine dayalı bakım, kurumsal varlıklarınızın size ne söylemeye çalıştığını duymaya önem veren bir bakım yaklaşımıdır. Fabrikalarınızdaki makineler, kamyon filonuz, endüstriyel ekipmanınız yıllardır sizinle konuşuyorlar. Eğer yakından dinleyebiliyorsanız, makinelerinizin ne zaman bozulacağını ve neleri daha uzun ve daha sorunsuz çalıştırmaları gerektiğini anlayabilirsiniz.
Öngörülü bakım, işletmenizin ekipman arızalarını öngörmesine ve ne zaman ve nerede hemen gerekli olduğunu planlamasına olanak sağlar. Varlıklarınızı çok ileri itmeden ve maliyetli kırılımları riske atmadan zirve performansıyla çalıştırmak için gereken bilgilerle sizi destekler.
Predictive maintenance tanımı
Tahmine dayalı bakım, IoT özellikli kurumsal varlıkları birbirine bağlayarak, gelişmiş analitikleri ürettikleri gerçek zamanlı verilere uygulayarak ve uygun maliyetli, verimli bakım protokollerini bilgilendirmek için ilişkili içgörüleri kullanarak ekipman arızasını ve kesinti süresini önlemeye çalışır.
Tahmine dayalı bakım bugün neden bu kadar önemli?
Tahmine dayalı bakım, maliyetli ve arızalı ekipman arızasına öncülük ederek şirketlere zaman ve para tasarrufu sağladığından önemlidir. Ürünün kullanılabilirliğine yönelik tüketici talebi arttıkça, tahmine dayalı bakım programlarına sahip organizasyonlar aksama yaşamadan üretim yapabilirler. Sonuç, devam eden müşteri sadakati, daha yüksek gelir ve rekabet avantajının artırılmasıdır.
Akıllı öngörülü bakım çözümleri, varlık bakımına ne zaman ihtiyaç duyulacağını, maliyet verimliliğini artırmaya ve karmaşık kurumsal varlık yönetimi gereksinimlerini kolaylaştırmayı öngörür. Basitçe ifade etmek gerekirse, tahmini bakım teknolojisi kullanmak işletmenizin zamandan, paradan ve yordamsal baş ağrılarından tasarruf etmesine yardımcı olur.
Tahmine dayalı bakım nasıl çalışır?
Tahmine dayalı bakım ve onarım, ekipman arızasına yol açmadan önce olası sorunları tahmin etmek için ekipman verilerini gerçek zamanlı olarak yakalayıp analiz ederek çalışır.
Bu sürecin ilk adımı, ekipman koşulları hakkında bilgi aktaran ağa bağlı IoT sensörlerinden gerçek zamanlı verilerin ve bilgilerin toplanmasını içerir. Ardından bu veriler kolayca erişilebilecek, işlenebilecek ve analiz edilebilecek şekilde saklanmalı ve yönetilmelidir. Verilere yararlı ve eyleme geçirilebilir bir hikaye anlatmak için yapay zeka (AI) ve makine öğrenmesi teknolojileri uygulandığında "tahmine dayalı" bileşen devreye girer.
Öngörülü bakım mimarisinin ve bir Endüstriyel IoT (IIoT) ağının dört temel aşaması vardır:
Tahmini bakım ve onarım süreci
- Titreşim, sıcaklık, nem, basınç, gürültü ve daha fazlası gibi makine özelliklerini izleyebilen sensörlerden veri toplama
- Bu verilerin ağ genelinde gerçek zamanlı olarak merkezi bir iş sistemine aktarılması
- Faydalı ve ilgili içgörüleri ortaya çıkarmak için yapay zeka ve öğrenen makineler gibi akıllı teknolojileri bu verilere uygulama
- Otomatik bir yanıt veya insan müdahalesi yoluyla bu öngörülere dayalı olarak hızlı bir şekilde harekete geçme
Öngörülü bakım teknolojilerini kullanma
Koşul izleme
Öngörülü bakım, makineleri ve yazılımları akıllı bir IoT ağına birleştiren siber fiziksel sistemler aracılığıyla yapılabilir. Böyle bir ağ oluşturmak için, izlenmesi gereken duran varlık koşullarını tanımlayarak başlayın.
Varlık koşullarını tanımlamak için gerekli analiz görsel, işitsel, termal veya genellikle bu ölçütlerin bir bileşimi olabilir. Bu noktada, takılacak doğru sensörlerin ve izleme araçlarının belirlenmesine odaklanılmaktadır:
Titreşim analizi: Titreşim desenlerindeki küçük değişiklikler dengesizlik veya yanlış hizalamayı gösterirken, yüksek titreşim seviyeleri bekleyen sorunları gösterebilir. Titreşim analizi başarısızlığın erken uyarılarını verebilir ve özellikle dengesizliği, yanlış hizalamayı, mekanik gevşekliği veya yıpranmış ya da hasarlı parçaları tespit etmede yararlıdır.
Ses ve ultrasonik analiz: Normal çalışma altında, çoğu sistem sabit ses desenleri yaratır. Referans ses desenindeki değişiklikler giysi veya diğer bozulma türlerini gösterebilir. Ultrasonik analizler yüksek frekanslı sesleri (buhar veya hava sızıntıları ile üretilenler gibi) denetlenebilir menzile çevirerek sistemin genel sağlığı hakkında da bilgi verebilir.
Kızılötesi analiz: Ultrasonik analizde olduğu gibi, termografi de sıcaklık değişimlerini görünür bir spektruma çevirmek için kızılötesi analizi kullanarak gizli olanı ortaya çıkarır. Normal operasyonel sıcaklıklarda ince değişiklikler bile sorun çıkarılması konusunda uyarabilir.
Sıvı analizi: Akışkan seviyelerini ve sıcaklığı basitçe izlemenin ötesinde, sıvıların fiziksel ve kimyasal analizi mekanik bileşenlerin durumu hakkında değerli bilgiler verebilir. Kolambaçlarda ve yağlayışlardaki bozulma hızını tespit ederek, bu içgörüleri garanti eder etmez önleyici adımlar atılabilir.
Diğer: Diğer öngörülü bakım teknolojileri çeşitli benzersiz endüstriyel ihtiyaçlar için özelleştirilmiştir. Bunlar arasında lazer hizalama, elektriksel devre izleme, çatlak tespiti, arıza algılama, korozyon izleme, elektriksel direnç değişiklikleri ve diğer endüstriye özgü aşınma ya da bozulma ölçme araçları sayılabilir.
Temel öngörülü bakım teknolojileri
Yukarıdaki ölçütler oluşturulduktan sonra uygun sensörler ve monitörler kurulup bulut bağlantılı bir IoT ağı aracılığıyla en yaygın olarak kurumsal kaynak planlama (ERP) sistemi olan merkezi bir iş sistemine bağlanmalıdır. Son olarak, verileri analiz etmek ve toplanan verilere ilişkin eyleme dönüştürülebilir öngörüler ve öneriler sunmak için yapay zeka odaklı çözümler mevcut olmalıdır.
IoT ağı: Kurumsal varlıklar sensörler, işleme kabiliyeti ve diğer teknolojilerle zenginleştirildiğinde, genellikle bulut bağlantısı aracılığıyla merkezi bir iş sistemine veya bir iş sisteminden veri gönderip alabilir. Bu, bir IoT ağından oluşur ve tahmini bakım ve onarım stratejisinin altını çizer.
IoT ağ geçitleri: Birçok eski varlık mükemmel şekilde çalışır ancak analog teknolojileri dijital entegrasyondan öncedir. Bu makineler, operasyonel durumlarında gerçek zamanlı veri toplamak ve aktarmak için kameralar, mikrofonlar ve termometreler içerebilen IoT ağ geçidi cihazlarına takılabilir.
Bulut bağlanabilirliği: Bulut bağlantısı, bilgisayar sistemi kaynaklarının talep üzerine kullanılabilirliğini sağlar. Birden fazla endüstriyel varlıktan oluşan bir IoT ağında, çok konumlu veri merkezlerinin tek bir veri tabanına ve sisteme entegre edilmesi kritik önem taşır.
Modern veritabanı ve ERP: Eski disk tabanlı veritabanları , Büyük Veri ve karmaşık veri kümelerinden oluşan hacimsel ve doğrusal olmayan verileri yönetmek için iyi donanıma sahip değildir. Dahası, tahmine dayalı bakım, söz konusu verilerle ilgili gelişmiş analitikler gerçekleştirmek için yapay zeka ve öğrenen makineleri kullanır. Tüm bu süreç, hızlı, duyarlı ve neredeyse sonsuz ölçeklenebilir bellek içi bir veri tabanı ile modern bir AI-destekli ERP tarafından en iyi şekilde sunulur.
Yapay zeka ve makine öğrenmesi: Makine öğrenmesi, verileri analiz etmek ve anlamak için algoritmaların kullanıldığı bir yapay zeka alt kümesidir. Sezgisel bakım çözümleri, kurumsal varlıkların operasyonel verilerini sıralamak, anlamak ve öğrenmek için yapay zekaya ve makine öğrenmesine bağlıdır. Ayrıca eyleme geçirilebilir öneriler ve öngörüler de oluşturabilirsiniz.
Gelişmiş analitik: Yapay zeka ve makine öğrenmesi gücü gelişmiş analitiği. Yöneticiler, değerlendirilecek nitelikleri ve koşulları ve istenen analitik sonuçları belirlemelidir. Bu sayede gelişmiş analitikleri bilgilendiren algoritmalar olabildiğince anlayışlı ve eyleme geçirilebilir olacak şekilde programlanabilir ve verilerden ve yeni deneyimlerden zaman içinde en iyi şekilde öğrenilebilir.
Dijital ikizler: Dijital ikizler, gerçek bir fiziksel varlığın sanal olarak yeniden oluşturulmasıdır. Yöneticiler dijital ikizler oluşturarak, maliyetli bir makine veya cihazda gerçek hayattan zarar görme riski olmadan her türlü olası operasyonel senaryoyu ziyaret edebilir. Bu, makine öğrenmesi ve yapay zeka araçlarının hiç gerçekleşmemiş deneyimlere dahil edilmesine ve bunlardan ders almasına izin vererek tahmine dayalı bakımı geliştirmeye yardımcı olur.
Öngörülü bakım ve onarıma karşı önleyici bakım
Bu bakım modelleri arasındaki fark, bakım ve onarım görevlerinin nasıl yürütüldüğü değil, ne zaman yürütüldüğüne çok fazla yer veriyor.
Bakım: Geçmişteki performans ile mühendis ve operatörlerin bilgi ve tecrübeleriyle bilgilendirilen bakım. Rutin, dönemsel, planlanan veya zaman temelli bakım içerir. Genellikle kırılmaları önlese de kesin olmayabilir, bu da gerekli olmadan önce pahalı bakıma veya bakım sürecinde fark edilmeyen zayıflıklara yol açabilir. Koruyucu bakım önceden belirlenmiş zamanlarda olur, çoğu zaman önceden uzun olur.
Öngörülü bakım: IoT ağları tüm işletme varlıklarını canlı bir ekosisteme entegre ettiğinde mümkün hale getirilen bakım. Verilerin gerçek zamanlı olarak iletilebilmesi ve analiz edilebilmesi, canlı varlık durumunu izleme (takvimler yerine) bakım protokollerinin temelini oluşturan anlamına gelir . Tahmine dayalı bakım, tam olarak ne zaman ve nerede gerekli olduğu konusunda gerçek zamanlı olarak gerçekleşir.
Diğer varlık bakım teknikleri
Reaktif bakım
Bakım, ani arıza veya ekipman arızasına yanıt olarak gerçekleştirildi. Bu bakım türü genellikle plansızdır ve kesinti süresinin ve masrafların artmasına neden olabilir.
Planlanabilir bakım ve onarım
Ekipmandaki bir hatayı veya arızayı düzeltmek için bakım gerçekleştirildi. Bir sorun tanımlandıktan sonra genellikle bu tür bir bakım gerçekleştirilir ve başka sorunların oluşmasını önlemeye yardımcı olabilir.
Reçeteli bakım ve onarım
Belirli bir ekipman parçası için üreticinin tavsiyelerine veya yönergelerine göre belirlenen bakım ve onarım. Bu bakım türü, üreticinin bakım ve onarım görevleri için öngörülen termin planına bağlıdır.
Koşul temelinde bakım
Bakım, önceden belirlenmiş bir termin planı yerine ekipman koşulu temelinde gerçekleştirilir. Bu bakım türü, müdahalenin ne zaman gerekli olduğunu belirlemek için izlemeyi ve kontrolü kullanır. Gereksiz bakım görevlerini azaltmaya ve kesinti süresini en aza indirmeye yardımcı olsa da koşul temelli bakım son derece manuel ve zaman alıcıdır.
Güvenilirlik merkezli bakım ve onarım
Ekipmanın güvenilirliğine ve önem derecesine göre görevleri önceliklendiren bakım. Bu yaklaşım, ekipman güvenilirliğini ve verimliliğini en üst düzeye çıkarmak için en önemli bakım görevlerini belirlemeye odaklanır.
Varlık bakımının gelişimi
Aşağıdaki grafik (Deloitte'den uyarlanmıştır) endüstriyel devrimler boyunca teknolojik yeteneklerin ilerlemesini ve bunun bakım stratejileri ve ekipman etkinliği üzerindeki etkisini göstermektedir.
50-70
Tahmine dayalı bakım örnekleri işlemde
Petrol ve gaz sektörü: Petrol sondajı varlıklara devasa giysiler koyuyor ve başarısızlık durumunda büyük risk ve tehlikeye yol açabiliyor. Petrol sıcaklığını ve sondaj ekipmanlarındaki vites kutularının hızını izleyerek, öngörülü bakım, güvenliği büyük ölçüde artırdı ve bakım maliyetlerini %38'e kadar düşürdü.
Otomotiv endüstrisi: Montaj hatlarında, spot-kaynak silahları günde yaklaşık 15.000 spot weld gerçekleştirir. Tüm dünyadaki kaynak silahlarını bağlayarak ve operasyonel verilerini toplayan oto üreticileri milyonlarca veri noktası toplayarak bu varlıkların durumu ve durumu üzerinde eşi görülmemiş tahmin doğruluğuna yol açabilir.
Ev aletleri imalatı: Kurutucuların üretiminde davul dönmesinin titreşim ölçümleri, arızanın ya da kırılmanın öngörülmesine yardımcı olmuştur. Bu tahmini bakım uygulaması, üretim hatalarını %33 oranında azaltmış ve tüketici bakım maliyetlerini %27 oranında azaltmıştır.
Demiryolu varlık yönetimi: Boş bir alan potansiyel gecikmeye ve hatta raydan çıkmalara yol açan bir hat altında geliştiğinde "Voyuklar" meydana gelir. Son yenilik, raylar üzerinde yuvarlanırken bir takım değişkenleri izleyen kablo tabanlı sistemlere yol açtı. Bu, geçersiz algılamanın artmasına ve müşteri güvenliğinde genel bir artışa neden oldu.
Çelik endüstrisi: Demir işlemede kullanılan soğuk haddeleme ekipmanında titreşim, dönel hız ve elektrik akımının (amperes) gerçek zamanlı okunuşlarını toplamak için anomali tespiti kullanılmaktadır. Bu uygulama, ekipman ömründe %60'lık bir iyileşmeye yol açmış ve kesinti ve gecikmeler nedeniyle kayıpları büyük ölçüde azaltmıştır.
Tahmini bakım programlarının avantajları
Öngörülü bakım sistemlerinin uygulanması, birden fazla sektörde etkileyici sonuçlara yol açmıştır. Deloitte'den 2022 bir rapor, sayısız gelişmeye işaret ediyor. Bunlar arasında kesinti süresinde %15'e varan azalma, işgücü verimliliğinde %20'ye varan bir artış ve stok düzeylerinde daha az ihtiyaç duyulan %30'luk bir azalma vardır.
Kurumlar, yapay zeka ve entegre ERP gibi teknolojiler sayesinde gerçekten işe yarayan tahmine dayalı bakım çözümlerinin avantajlarını ortaya koyuyor. Bunlar şunları içerir:
Tüm operasyonunuz genelinde daha iyi görünürlük: Saha varlıkları ve diğer saha dışı ekipmanlara yönelik daha fazla görünürlük sayesinde OEM'ler ve üçüncü taraf hizmet sağlayıcıları daha bilinçli hizmetler ve daha fazla değer sağlayabilir.
Bakım masraflarını ve gelişmiş varlık performansı: Kesintisiz süreyi en aza indirerek sezgisel bakım size para kazandırır ve yaşam sürelerini uzattığınızda bile mevcut varlıklardan daha fazla yararlanmanıza yardımcı olur.
Daha güçlü ekipler: Veri bilimi ve gerçek zamanlı analizlerle donatılmış ekipler; varlık operatörleriniz, hizmet sağlayıcılarınız ve tedarik zinciri yöneticileriniz itfaiye ekiplerinden planlamacılara ve stratejistlere geçiş yapabilir.
Genel tahmine dayalı bakım zorluklarının üstesinden gelmek
Bu bölümde yaygın öngörücü bakım ve onarım zorlukları vurgulanır ve bunların üstesinden gelinmesine yönelik stratejiler ele alınır.
Veri kalitesi ve kullanılabilirliği: Tahmine dayalı bakım büyük ölçüde yüksek kalitede ve yeterli geçmiş verilere dayanır. Yetersiz veri kalitesi veya yetersiz veri, yanlış tahminlere yol açabilir. Veri kalitesinin sağlanmasına yardımcı olmak için en iyi uygulama, temel paydaşlar tarafından desteklenen bir veri yönetişimi programı oluşturmaktır.
IoT bağlantısı: Bağlı bir IoT ağı kurmak için veri göllerine bağlanabilen ve düz dosya biçimlerinde veri iletebilen sensörler içeren akıllı ekipman ve uç cihazlar gereklidir. Herhangi bir IoT veri kaynağına sorun olmadan bağlanabilmeniz için bağlantı senaryolarınızı basitleştirmeyi vurgulayın.
IoT cihaz yönetimi: Siber saldırılara ilişkin açıkları en aza indirmek için IoT ağ cihazlarını yönetmek cihaz güvenliğine odaklanmayı gerektirir. Aynı zamanda cihazlarda birlikte çalışabilirliği teşvik etmek ve gerektiği şekilde ölçeklendirmek istiyorsunuz. Doğru dengeyi yakalamak için, gömülü gelişmiş cihaz yönetimini ve güçlü bağlantı özelliklerini destekleyen modern varlık performans yönetimi çözümlerini benimsemek en iyisidir.
Veri entegrasyonu: IoT sensörleri, eski sistemler ve bakım kayıtları gibi çeşitli kaynaklardan alınan verilerin entegre edilmesi karmaşık ve zaman alıcı olabilir. Veri entegrasyonu ihtiyaçlarınızı desteklemek için önceden oluşturulmuş bağlayıcılar içeren kapsamlı bir kitaplığa sahip güçlü, kurumsal düzeyde bir entegrasyon platformu arayın.
Sensör veri karmaşıklığı: IoT sensör verilerinin anlaşılması zor olabilir, genellikle güvenilirlik mühendislerine engel sunan özel veri bilgilerine ihtiyaç duyar. Teknik olmayan hedef kitlelerin anlayabileceği ve manipüle edebileceği verileri diskalifiye edebilen varlık performans yönetimi çözümleri arayın.
Algoritma seçimi: Öngörülü bakım için doğru algoritmaların seçilmesi başarı için anahtardır. Makine ve iş ihtiyaçlarınız için en uygun algoritmaları seçmek üzere belirli kullanım durumlarını ve verilerin özelliklerini dikkatlice değerlendirdiğinizden emin olun.
Bakım stratejisi entegrasyonu: Öngörülü bakımın uygulanması için mevcut bakım stratejilerine ve iş akışlarına entegre edilmesi gerekir. Değişim ve organizasyonel atalet direnci başarılı uygulamayı engelleyebilir. Başarılı olmak için güçlü liderlik, yönetici desteği, net iletişim ve profesyonel değişim yönetimi gereklidir.
Üç basit adımda tahmini bakım programı uygulama
- Hedefleri tanımlama ve kapsamı belirleme: Her varlık için hangi izleme koşullarının doğru olduğunu belirleyerek başlayın. Örneğin kızılötesi termografi en iyi hava veya buhar sızdırabilen ekipmanlarda kullanılırken titreşim analizi dönen ekipmanlarda en iyi şekilde kullanılır, ancak yavaş dönen ekipmanlar değildir (5 rpm'den az). Petrol analizi ve akustik analiz yavaş dönen ekipmanlar için daha iyidir. Ayrıca çabalarınızın kapsamını belirlediğinizden emin olun. Örneğin, özel varlıkları izleyecek misiniz yoksa daha kapsamlı bir kapsam için çabalıyor musunuz?
- Uygun IoT sensörlerini kurun: İzlenen her varlık için en uygun analiz türlerine dayalı IoT sensörlerini kurun ve ardından veri toplamaya başlayın. Bu sensörlerin; maliyet, zaman ve insan kaynaklı hataları azaltmak için genellikle varlık performans yönetimi çözümlerine entegre edilmiş gibi veri işleme sistemlerine bağlı olduğundan emin olun.
- Protokolleri kur: Anormallik algılamalarına etkili bir şekilde yanıt vermek için varlıkların verimli bir şekilde onarıldığından ve çalışma süresi hedefleriyle uyumlu şekilde onarıldığından emin olmak için protokoller kurun. Bu protokoller otomatik, manüel veya her ikisinin bir karışımı olabilir.
Tahmine dayalı bakım çözümleri ile tedarik zincirinizi dönüştürün
Birçok işletme, işletmelerinin diğer alanlarını modernleştirmesine rağmen varlık bakım stratejilerini on yıllardır değiştirmedi. Uzun süre değişen süreçler zorluyor ve ekiplerinizden alış veriş yapmak zor olabilir. En başarılı işletme dönüşümü planları, ekiplerinizi sürece dahil etmeye ve siloları ayırmaya yardımcı olmak için iyi bir iletişim ve değişim yönetimi stratejisi ile başlar. Benzersiz ihtiyaçlarınız için hangi araçların ve çözümlerin en iyi şekilde kullanılacağı hakkında daha fazla bilgi edinmek ve yol haritanız ile dijital dönüşüm yolculuğunuz ile size yön vermek için yazılım satıcınızla görüşün.
Öngörülü bakım çözümlerini keşfedin
Modern tahmine dayalı bakım araçlarıyla varlık performansınızı en üst düzeye çıkarın.
Yapay zeka ile varlık, güvenilirlik ve güvenlik sağlama
Demir yolları ve diğer varlık açısından yoğun sektörlerde güvenilirliği artırmak, operasyonları optimize etmek ve maliyetleri düşürmek için yapay zeka destekli görsel denetimin nasıl kullanılabileceğini öğrenin.