6 pytań dotyczących wdrożenia strategii predykcyjnego utrzymania ruchu

2020-11-27 11:31:30

Uwaga dyrektorów ds. produkcji i specjalistów utrzymania ruchu, kieruje się od kilku lat w stronę strategii predykcyjnego utrzymania ruchu, jako optymalnego rozwiązania i alternatywy dla dotychczas wykorzystywanych metod konserwacji. Dzisiaj, ze strony osób odpowiedzialnych za optymalizację procesów w przedsiębiorstwach padają pytania już nie o to czy warto wdrożyć PdM, ale jakie warunki należy spełnić, aby strategia przyniosła maksymalne korzyści.  Odpowiadamy na 6 kluczowych pytań dotyczących wdrożenia PdM, zadawanych przez osoby decyzyjne i techniczne.

  1. Pełny wgląd w pracę maszyn i reagowanie na niepożądane zdarzenia. Czy rozwiązania wdrażane przez ReliaSol uwzględniają  różnorodne maszyny znajdujące się w moim przedsiębiorstwie?

Rozwiązania z obszaru predykcyjnego i preskrypcyjnego utrzymania ruchu sprawdzają się w przedsiębiorstwach, w których prawidłowa praca maszyn jest kluczowa dla ich funkcjonowania. W czasie Industry 4.0 i postępującej automatyzacji przemysłu, oczywistym wydaje się fakt, że powyższe stwierdzenie dotyczy przypuszczalnie większości  działających na rynku firm produkcyjnych. Strategia PdM ma zastosowanie w szerokiej gamie branż, na różnorodnych, istotnych dla procesu, instalacjach i maszynach. Rozwiązania PdM  z sukcesem wdrażane są na piecach przemysłowych, turbinach, reaktorach, zbiornikach, sprężarkach, agregatach chłodniczych, parownikach i wielu innych.

Rozwiązania wdrażane przez ReliaSol wykorzystują zarówno algorytmy oparte o Uczenie Maszynowe (Machine Learning - ML) jak i ‘klasyczne’ algorytmy diagnostyczne, bazujące na analizie statystycznej i analizie drgań (czasowej i widmowej). Odpowiednio dobrane algorytmy pozwalają na uwzględnienie zarówno instalacji małoskalowych (np. instalacje w dużych zakładach chemicznych, wielkie piece) jak i maszyn podstawowych dla każdego procesu (np. maszyn wirujących). Dzięki szerokiej gamie stosowanych technologii i współpracy z partnerami, jesteśmy w stanie stworzyć model diagnostyczny dla prawie każdego urządzenia, uwzględniając zarówno jego technologię jak i potrzebę biznesową.

  1. Zaawansowane analizy. Mamy Condition Monitoring -  dlaczego mielibyśmy wdrażać Predictive Maintenance?

Condition monitoring to monitorowanie stanu i parametrów pracy maszyn i urządzeń, zwykle za pomocą dedykowanych czujników i narzędzi monitorujących. Condition monitoring, na podstawie ustalonych progów (bazujących na modelach fizycznych uszkodzeń) identyfikuje uszkodzenie na wczesnym etapie, tak aby działania naprawcze można było przeprowadzić, zanim wystąpi awaria.

Predykcyjne utrzymanie ruchu (Predictive Maintenance) wykorzystuje dane pochodzące z systemów monitorowania stanu (Condition Monitoring), ale idzie także o krok dalej i dzięki zastosowaniu zaawansowanej analityki uwzględnia także, między innymi, szeroki zakres danych procesowych.  Na podstawie aktualnych informacji  przy użyciu odpowiednio skonstruowanego modelu predykcyjnego, istnieje możliwość estymacji prawdopodobieństwa awarii maszyny w wybranym horyzoncie czasowym (zanim dojdzie do awarii). Informacja taka może następnie zostać wykorzystana do podejmowania optymalnych decyzji dotyczących zarządzania majątkiem.

Podsumowując - systemy monitorowania stanu są wartościowym, a w niektórych sytuacjach wręcz obowiązkowym elementem, pozwalającym na skuteczną eksploatację maszyn i urządzeń. Aby jednak w pełni wykorzystać potencjał danych, należy wzbogacić te systemy o zaawansowaną analitykę  oraz modele predykcyjne - z takiego połączenia otrzymamy właśnie Predykcyjne utrzymanie ruchu. Chcesz więcej informacji o tym dlaczego warto wdrażać rozwiązania z obszaru PdM? Kliknij w ten link https://reliasol.ai/pl/analityka-predykcyjna-4-najczesciej-zadawane-pytania/

  1. Dane to kapitał. Jakie dane są niezbędne do wdrożenia rozwiązania RSIMS opartego na sztucznej inteligencji?

Sukces  przedsiębiorstw kryje się w danych. Gromadzenie i przetwarzanie danych pomaga w zdobyciu większej wiedzy na temat wielu obszarów aktywności firmy - procesie przemysłowym, produkcji, klientach i rynkach.

Dane wykorzystywane w budowie systemów predykcyjnych to nie tylko wszelkiego rodzaju pomiary (parametry procesu, nastawy, pomiary diagnostyczne i środowiskowe) ale też informacje o działaniach eksploatacyjnych (systemy CMMS czy ERP - wykonane naprawy, modernizacje itp). Niektóre algorytmy, przede wszystkim predykcyjne, wymagają także zarejestrowania ‘przykładów’ awarii. Przed rozpoczęciem budowy systemu warto wykonać audyt posiadanych danych - pozwoli to na znaczne przyśpieszenie tworzenia architektury systemu.

System predykcyjny składa się algorytmów o różnym stopniu złożoności - od prostych alarmów w przypadku przekroczenia progu, przez analizę widma drgań do zaawansowanych modeli matematycznych urządzeń (w tym opartych o sieci neuronowe). Różne algorytmy charakteryzują się różnym zapotrzebowaniem na dane. Choć dla prawie każdego przypadku da się zbudować skuteczny system diagnostyczny, to nie zawsze będzie możliwe stworzenie konkretnego typu algorytmów (np. algorytmów predykcyjnych).

Jeśli interesuje Cię praktyczna strona wdrożeń systemów PdM, poczytaj o danych tutaj: https://reliasol.ai/pl/analityka-predykcyjna-4-najczesciej-zadawane-pytania/
 

  1. Niezawodność i pewność predykcji. Jaką mam pewność skuteczności rozwiązania?

Już w ciągu kilku pierwszych miesięcy, pracy system pomógł w detekcji dwóch usterek oraz pozwolił na wykrycie anomalii w działaniu układu. Wdrożenie systemu predykcyjnego RSIMS wpłynęło na zmniejszenie kosztów awarii i serwisów.

Rozwiązanie jest w stanie przewidzieć do 100% awarii urządzeń monitorowanych przez system w horyzoncie czasowym 3-17 godzin. Jest to szybszy i dokładniejszy wgląd w pracę maszyn niż jakikolwiek inny system monitorowania

Jesteśmy skuteczni w działaniu!  Opinie naszych klientów potwierdzają, że system RSIMS stworzony  przez ReliaSol pomaga podjąć wyzwania stawiane przed osobami  odpowiedzialnymi za utrzymanie ruchu, kierowników produkcji, dyrektorów fabryk.

Dzięki projektom wdrożonym w  branżach, które borykały się z szeroką gamą problemów, posiadamy unikalne doświadczenie. Słuchamy naszych klientów i ściśle z nimi współpracujemy - co w efekcie przekłada się na dostarczanie rozwiązań spełniających ich autentyczne oczekiwania.

Za skutecznością rozwiązania RSIMS przemawiają liczby! Zrealizowaliśmy ponad 30 projektów, dla klientów z branży energetycznej, chemicznej, produkcyjnej, motoryzacyjnej, petrochemicznej . Opracowaliśmy ponad 2500 modeli predykcyjnych a - co najważniejsze - poziom skuteczności przewidywania awarii wynosi średnio 96%!

Wiedza naukowa wpływa na skuteczność działań! Korzystamy z najnowszych technik data science, a nasza wiedza uzupełniona jest znajomością przemysłu i procesów w nim zachodzących. Stale reagujemy na pojawiające się innowacje i trendy, co w połączeniu z naszym gruntownym podejściem naukowym i ciągłym doskonaleniem platformy sprawia, że jest ona zawsze aktualna i innowacyjna.

 

  1. Preskrypcja - gotowe scenariusze działania. Co to jest preskrypcja i czy RSIMS przeprowadza analizy preskrypcyjne?

Głównym celem RSIMS jest przetwarzanie danych, aby uzyskać wgląd w działanie maszyn, przeanalizować ich stan, przewidzieć niepożądane zdarzenia i znaleźć ich prawdopodobną przyczynę. Informacje tego rodzaju przynoszą wartość biznesową, którą wciąż jednak możemy zmaksymalizować. Aby podjąć optymalną decyzję biznesową użytkownik systemu, a w tym przypadku  osoba decyzyjna, musi być świadoma konsekwencji awarii (utracony zysk, kary, utrata reputacji itp.), musi  posiadać wiedzę czy i kiedy można wykonać prace konserwacyjne oraz jak to wszystko wpływa na operacje i wskaźniki biznesowe. W RSIMS można opracować i wdrożyć algorytmy analizy preskryptywnej czyli rozwiązania, które formułują optymalne rekomendacje. Tego rodzaju algorytmy podpowiadają użytkownikowi, że np. zamiast natychmiastowego zatrzymywania maszyny w celu uniknięcia awarii i wykonania czynności konserwacyjnych, lepszym rozwiązaniem byłoby zmniejszenie obciążenia maszyny, co wydłużyłoby czas jej działania i pozwoliłoby na ‘doczekanie’ to przestoju planowanego. W rezultacie takie rekomendacje maksymalizują pozytywny efekt biznesowy.

  1. Czy i dlaczego jest mi potrzebna sztuczna inteligencja w postaci systemu RSIMS?

Czy pełen wgląd w pracę maszyn umożliwi lepsze zarządzanie procesami zachodzącymi w Twoim przedsiębiorstwie oraz na sprawniejsze i bardziej świadome podejmowanie decyzji w obszarze utrzymania ruchu?

Czy awarie maszyny i instalacji mają, lub mogą mieć, negatywny  wpływ na funkcjonowanie Twojego przedsiębiorstwa? Czy w Twojej firmie zdarzały się nieplanowane przestoje, obniżenie jakości produktu lub przekroczenie dopuszczalnych emisji?

Czy ewentualna awaria może mieć drastyczne konsekwencje dla bezpieczeństwa ludzi oraz środowiska naturalnego?

Jeżeli na przynajmniej jedno z powyższych pytań odpowiadasz sobie twierdząco, to znaczy, że warto na poważnie przeanalizować implementację rozwiązania predykcyjnego utrzymania ruchu RSIMS.

Najmocniejszym argumentem jest przede wszystkim ten natury finansowej. Czy wiesz ile awaria może kosztować Twoją firmę? Jak kosztowna jest godzina/dzień/tydzień nieplanowanego przestoju...?

A czy wiesz po jakim czasie może zwrócić się inwestycja w system PdM? Już dzisiaj przekonaj się o skuteczności rozwiązania RSIMS!

Dlaczego Condition Monitoring nie wystarczy? W jaki sposób predykcja dostosowuje się do zmian w procesie eksploatacyjnym? O tym między innymi  w materiale ReliaSol dostępnym do pobrania (za darmo) pod tym linkiem https://reliasol.ai/pl/analityka-predykcyjna-4-najczesciej-zadawane-pytania/

Źródło: www.reliasol.ai

 

 

partnerzy
  • Cantoni
  • VIMS
  • GT85
  • Staubli
  • TEST Systemy Uszczelniajace
  • BTC AG
  • Elokon
  • EMTSystems
  • Conrad
  • Parker Hanifin
  • NSK
  • CC JENSEN
  • Colt International
  • AS Instrument
  • Cold Jet
  • NTN SNR
  • TQM Soft
  • HI VIB
  • Schmersal
  • Pilz
  • Tsubaki
  • SSI Schaefer
  • Hormann
  • Cert Partner
  • Lobo Solutions
  • Sternet
  • Tubes
  • Apator
  • ISL
  • Rittal
  • Albeco
  • Expo Silesia
  • ABUS
  • FESTO
  • Habasit
  • ZETO
  • Efaflex
  • Amargo
  • Lean Action Plan
  • Nowimex
  • EURO Pro Group
  • Berendsen
  • Ingersoll Rand
  • Orlen Oil
  • Heico
  • SEW Eurodrive
  • Elesa Ganter
  • Optibelt
  • Queris
  • Ecol
  • Finder
  • Karcher
  • Flir
  • Elmodis
  • Tribotec
  • Lotos Oil
  • MADevice
  • Exxon Mobil
  • BalticBerg
  • Hansford Sesnsors
  • Pruftechnik Wibrem
  • Protekt
  • IGUS
  • HF Inverter
ZNAJDŹ NAS: