A prediktív karbantartás magyarázata
A prediktív karbantartás (PDM) olyan karbantartás, amely figyeli a berendezés teljesítményét és állapotát normál működés közben a meghibásodások valószínűségének csökkentése érdekében. Állapotalapú karbantartásként is ismert, a prediktív karbantartást az ipari világban az 1990-es évek óta alkalmazzák.
a valóságban azonban a prediktív karbantartás sokkal régebbi, bár története hivatalosan nincs dokumentálva. A Control Engineering szerint ” a prediktív karbantartás (PDM) kezdete az lehetett, amikor egy szerelő először a csavarhúzó fogantyújához tette a fülét, megérintette a gép másik végét, és kijelentette, hogy úgy hangzik, mintha egy csapágy rosszul megy.”
a prediktív karbantartás célja az a képesség, hogy először (bizonyos tényezők alapján) megjósoljuk, hogy mikor fordulhat elő a berendezés meghibásodása, majd rendszeresen ütemezett és javító karbantartással megakadályozzuk a hibát.
prediktív karbantartás nem létezhet állapotfigyelés nélkül, amely a gépek folyamatos felügyeletét jelenti a folyamat körülményei között a gépek optimális használatának biztosítása érdekében. Az állapotfigyelésnek három aspektusa van: online, időszakos és távoli. Az online állapotfigyelés a gépek vagy gyártási folyamatok folyamatos felügyeletét jelenti, a kritikus sebességekről és a változó orsóhelyzetekről gyűjtött adatokkal (“forgó gépek Állapotfigyelése”, Istec International).
időszakos állapotfigyelés, amelyet rezgéselemzéssel érnek el,” betekintést nyújt a létesítmények rezgési viselkedésének megváltoztatásába”trendelemzéssel (“forgó gépek Állapotfigyelése”, Istec International). Végül, a távoli állapotfigyelés, amint a neve is sugallja, lehetővé teszi a berendezések távoli helyről történő megfigyelését, elemzésre továbbított adatokkal.
a prediktív karbantartási program létrehozása előtt a szervezetnek több lépést kell tennie, amelyek a következők:
-
az igények és a berendezések történetének elemzése
-
az összes rendelkezésre álló rekord áttekintése az állásidőről, a berendezés hibáiról, a veszteségekről (hozam és energia), a lehetséges szabályozási bírságokról és a munkahelyi biztonságról
-
meghatározások és fogalmak létrehozása, valamint a PdM esetének kialakítása
-
A főbb érdekeltek oktatása és a buy-in megszerzése
-
a berendezések leltárának kitöltése a berendezés jelenlegi állapotának értékelése
-
a program kezdeti megvalósításához szükséges berendezések kiválasztása
-
a rendszer részleteinek fejlesztése az egyes rendszereken és/vagy komponenseken
-
A meglévő megelőző vagy prediktív karbantartás értékelése
-
annak eldöntése, hogy mely rendszereket foglalja magában és mit vizsgáljon
-
A program kritikusságának meghatározása és a PDM frekvencia és ütemezés típusának meghatározása
-
a várható erőforrások értékelése és a személyzet szerepeinek és felelősségének hozzárendelése
-
A program megszervezése és integrálása a programba ütemezési rendszer
-
oktatása és megszerzése buy-in műveletek és karbantartás
-
korszerűsítése berendezések és képzés
-
számítógépes karbantartáskezelő rendszerek (CMMS) létrehozása
a megbízható üzem 2019-es prediktív karbantartási felmérésében megkérdezett karbantartó személyzet körülbelül 65 százaléka mondta, hogy prediktív karbantartást használ. Ha végrehajtják és végrehajtják, a prediktív karbantartás a sikeres karbantartási program sarokköve.
- A prediktív karbantartás és a megelőző karbantartás közötti különbség
- A prediktív karbantartás előnyei és hátrányai
- prediktív karbantartás vs. Hibák ellenőrzése
- A hibaellenőrzési technikák típusai
- fokozott szenzoros ellenőrzések
- kvantitatív vizsgálatok
- prediktív karbantartás mint hibaellenőrzési technika
- prediktív karbantartási technológiák
- infravörös termográfia
- Akusztikus monitorozás
- rezgéselemzés
- Olajelemzés
- egyéb technológiák
- A prediktív karbantartás üzleti esete
- prediktív karbantartási alkalmazások
- IIoT és PdM integráció
- prediktív karbantartás és befektetés megtérülése
A prediktív karbantartás és a megelőző karbantartás közötti különbség
bár sok karbantartási program mindkettőt használja, számos különbség van a prediktív karbantartás és a megelőző karbantartás között. A megelőző karbantartás magában foglalta a gépek ellenőrzését és karbantartását, függetlenül attól, hogy a berendezés karbantartásra szorult-e. Ez a karbantartási ütemterv Használati vagy időindítón alapul. Például egy fűtőegységet minden évben tél előtt szervizelnek, vagy egy autó 5000 mérföldenként ütemezett karbantartást igényel.
ezenkívül a megelőző karbantartás nem igényli az állapotfigyelő komponenst, mint a prediktív karbantartás. Mivel nem igényel állapotfigyelést, a megelőző karbantartási program nem jár annyi tőkebefektetéssel a technológiába és a képzésbe. Végül, sok megelőző karbantartási program kézi adatgyűjtést és elemzést igényel.
míg a megelőző karbantartást egy eszköz átlagos életciklusának felhasználásával határozzák meg, a prediktív karbantartást az egyes berendezések előre beállított és előre meghatározott körülményei alapján azonosítják, különböző technológiák felhasználásával. A prediktív karbantartás több emberbe, képzésbe és berendezésbe történő beruházást igényel, mint a megelőző karbantartás, de az idő-és költségmegtakarítás hosszú távon nagyobb lesz.
A prediktív karbantartás előnyei és hátrányai
mint említettük, a prediktív karbantartás előnyei költségmegtakarítás szempontjából hatalmasak, és magukban foglalják a tervezett állásidő minimalizálását, a berendezések élettartamának maximalizálását, az alkalmazottak termelékenységének optimalizálását és a bevételek növelését (Immerman, “a prediktív karbantartás hatása a gyártásra”). A prediktív karbantartás másik előnye, hogy képes átalakítani mind a karbantartó csapatot, mind a szervezetet, mivel a PdM bevezetése lehetővé teszi az eszközkezelők számára, hogy javítsák az eredményeket és jobban egyensúlyozzák a prioritásokat, például a jövedelmezőséget és a megbízhatóságot.
a prediktív karbantartás egyik fő hátránya a PdM-ütemterv értékeléséhez és végrehajtásához szükséges idő. Mivel a prediktív karbantartás összetett kezdeményezés, az üzem személyzetét ki kell képezni arra, hogy ne csak a berendezést használja, hanem az elemzéseket (vagy adatokat) is értelmezze.
míg sok szervezet úgy dönt, hogy a meglévő alkalmazottakat prediktív karbantartásra képzi, vannak olyan állapotfigyelő vállalkozók, akik a szükséges munkaerő elvégzésére és a létesítmény eredményeinek elemzésére szakosodtak. A képzési költségek mellett a prediktív karbantartás magában foglalja a karbantartási eszközökbe és rendszerekbe történő beruházást is. Ez a költség az idő múlásával csökkent a felhőalapú technológia bevezetésével.
prediktív karbantartás vs. Hibák ellenőrzése
egy ideje jelentős mennyiségű zavart okozott az adott hibamód jelenlétének megfelelő ellenőrzésének módja. El kell végeznem valamilyen érzékszervi vizsgálatot? El kell végeznem valamilyen mennyiségi ellenőrzést? Alkalmaznom kell egy vagy több állapotfigyelő technológiát? Alkalmaznom kell e technikák valamilyen kombinációját a hiba megtalálásának feltételes valószínűségének maximalizálása érdekében?
hogyan tudom azonosítani a kulcsfontosságú hiba jelenlétét oly módon, hogy maximalizáljam azt az időt, amelyet a tervezési részlegemnek a munkamódszerek kidolgozására, a munkarendek létrehozására, az alkatrészek megrendelésére, valamint a munka ütemezésére és befejezésére kell fordítania, mielőtt a hiba feltételes valószínűsége túl nagy lesz? Az ellenőrzések típusainak és azok egymást kiegészítő jellegének magyarázata nagyban hozzájárul ahhoz, hogy tisztázzuk, melyek a legmegfelelőbbek.
A hibaellenőrzési technikák típusai
az érzékszervi ellenőrzéseket régóta tekintik minden jó ellenőrzési program és karbantartási munka gerincének. Úgy vélték, hogy ha valakit elég gyakran küldenek a gépekkel kapcsolatos problémák megvizsgálására, az rengeteg idő alatt azonosítja a hibákat a nem tervezett állásidő enyhítése érdekében. Az ellenőr látást, hangot és érintést használ, hogy megállapítsa, változott-e valami az utolsó ellenőrzés óta. Minden változást egy kézműves rögzítene, jelentene és megvizsgálna a következő ütemezett leállás során.
bár óriási előnye van annak, ha valakit ellenőrzésekre küldünk, annyi lyuk van ebben a stratégiában, hogy soha nem szabad az ellenőrzési program gerincének tekinteni. Az érzékszervi vizsgálatok általában csak a legnyilvánvalóbb és legdrasztikusabb problémákat azonosítják. Az érzékszervi vizsgálat csak lehetetlen azonosítani a gépek korai, belső hibáit.
fokozott szenzoros ellenőrzések
fokozott szenzoros ellenőrzések töltik ki ezt a szürke zónát. Ezek mind szenzoros ellenőrzés, mind kvantitatív mérés, állapotfigyelési jellemzőkkel. Ezek az ellenőrzések olyan eszközöket használnak, mint a spot Radiométerek, Stroboszkópok, kézi vibrációs tollak és egyszerű ultrahangos mérők a P-F görbe további hibáinak kimutatására. Míg ezek az eszközök megsokszorozzák az emberi érzékek erejét, megvannak a korlátaik. Ezek az egyszerű eszközök lehetővé teszik a különböző hibamódok észlelését, de nem helyettesíthetik az átfogó állapotfigyelő programot.
kvantitatív vizsgálatok
A kvantitatív vizsgálatok hasznos információkkal szolgálhatnak, amikor adatokat kell generálni a trendekhez és a meghibásodási mód jellemző élettartamának meghatározásához. A mennyiségi ellenőrzéseknek valakinek meg kell mérnie valamit. A nagyon gyakori mennyiségi ellenőrzések közé tartozik a szivattyú tömítésének hőmérsékletének mérése vagy a szivattyú járókerékének hátlapjának hézagának mérése. Ezek a mérések adatokat szolgáltatnak a tervezőnek és a mérnöknek, és segítenek meghatározni a további karbantartási műveletek szükségességét.
megfelelő tervezés esetén a mennyiségi vizsgálati eljárás részletezi a határértékeket és általában a várt méréseket. Minden olyan ellenőrzésnek, amely megköveteli, hogy valaki mérjen valamit, rendelkeznie kell a minimális, maximális és tipikus értékekkel, feltételes feladatokkal, amelyek a határértékek túllépésére vonatkoznak. De a megfelelő ellenőrzési gyakorisággal végzett mennyiségi ellenőrzésnek ritkán lesz olyan mérése, amely meghaladja a határértékeket.
prediktív karbantartás mint hibaellenőrzési technika
állapotfigyelés, más néven prediktív karbantartás (PDM), az állapotalapú felügyeleti technológiák alkalmazása, statisztikai folyamatvezérlés vagy berendezés teljesítménye a korai felismeréshez és a berendezések hibáinak kiküszöböléséhez, amelyek nem tervezett leálláshoz vagy szükségtelen kiadásokhoz vezethetnek.
általánosságban elmondható, hogy ezt a berendezés normál működése közben kell elvégeznie, a folyamat megszakítása nélkül. Ezen eszközök célja (rezgéselemzés, infravörös termográfia, motoráramkör-elemzés stb.) a korábban rendelkezésre álló ellenőrzési módszerekkel nem talált hibák megtalálása, miközben a gép normál üzemmódban van.
a rendelkezésre álló technológia segítségével felmérheti az alkatrészek állapotát és az eddig észlelhetetlen hibák jelenlétét. Példa arra, hogy ezeknek az eszközöknek milyen előnye van a mennyiségi ellenőrzések vagy az érzékszervi vizsgálatok területén, a rezgéselemzés alkalmazása a gördülő elemcsapágy hibájának meghatározására.
korábban a szerelők és a malomépítők “emelési ellenőrzésekre” támaszkodtak, hogy meghatározzák a csapágyban lévő hézag mennyiségét. Sajnos ez a technika csak olyan csapágyhibákra érvényes, amelyek az anyag eltávolítását eredményezték a csapágy versenypályáiról; ez a csapágy nagyon rossz lenne, ha ezred hüvelyk játék lenne benne.
a felszín alatti kifáradás könnyen látható a rezgéselemzéssel, és a meghibásodás terjedésének ezen a pontján az anyag nem távolítható el a versenypályákról. Ez a prediktív karbantartási technológiák előnyeinek leggyakoribb példája.
vannak különböző típusú hiba ellenőrzési technikák, hogy lehet hozni, hogy viseli a gép, és mindegyiknek megvannak a maga előnyei és hátrányai. Ezek a technikák azonban nem helyettesítik egymást. Mindegyik meghatározza a hiba jelenlétét a P-F görbe mentén különböző helyeken, és ennek eredményeként mindegyik különböző időt ad a tervezési függvénynek a hibára való reagálásra.
a hibamódok, hatások és kritikussági elemzés (FMECA) segíthet meghatározni, hogy mely ellenőrzési technikákat kell alkalmazni, milyen gyakran és milyen mértékű redundanciával. Ne feledje, a trükk az, hogy egyensúlyba hozza a kockázatot a szigorúsággal. Az, hogy mekkora kockázatot hajlandó vállalni egy adott hibamóddal, azzal párosulva, hogy mennyit hajlandó fizetni az ellenőrzésért, meghatározza a megfelelő stratégiát.
prediktív karbantartási technológiák
ahogy a neve is sugallja, a prediktív karbantartás célja annak előrejelzése, hogy mikor van szükség karbantartásra. Bár nincs mágikus 8-Ball, számos állapotfigyelő eszköz és technika alkalmazható a meghibásodás hatékony előrejelzésére, valamint a horizonton történő karbantartásra vonatkozó fejlett figyelmeztetés biztosítására.
infravörös termográfia
roncsolásmentes vagy nem tolakodó tesztelési technológiaként ismert infravörös (IR) termográfiát a prediktív karbantartásban széles körben használják. Az infravörös kamerákkal a személyzet képes érzékelni a magas hőmérsékletet (más néven hotspotokat) a berendezésekben. A kopott alkatrészek, beleértve a hibásan működő elektromos áramköröket is, általában hőt bocsátanak ki, amely hotspotként jelenik meg a hőképen (“prediktív karbantartás”, sovány gyártási eszközök).
a hotspotok gyors azonosításával az infravörös vizsgálatok pontosan meghatározhatják a problémákat, és elkerülhetik a költséges javításokat és az állásidőt. Az infravörös technológiát “az egyik legsokoldalúbb prediktív karbantartási technológiának tekintik … a gépek egyes alkatrészeitől kezdve az üzemi rendszerekig, a tetőkig, sőt az egész épületekig” (Irányítástechnika). Az infravörös technológia további felhasználási területei közé tartozik a termikus anomáliák és a hővisszatartáson és/vagy átvitelen alapuló folyamatrendszerek problémáinak felderítése.
Akusztikus monitorozás
az akusztikus technológiákkal a személyzet szonikus vagy ultrahangos szinten képes érzékelni a berendezések gáz -, folyadék-vagy vákuumszivárgását. Olcsóbb, mint az ultrahangos technológia, a sonic technológia hasznos a mechanikus berendezéseken, de korlátozott a használata. Az ultrahangos technológia több alkalmazással rendelkezik, és megbízhatóbb a mechanikai problémák észlelésében.
Ez lehetővé teszi a technikus számára, hogy “hallja a súrlódást és a stresszt a forgó gépekben, amelyek előre jelezhetik a romlást, mint a hagyományos technikák” (“prediktív karbantartás”, Wikipedia) a műszerek használatával a 20-100 kilohertzes tartományban lévő hangok “hallási vagy vizuális jelekké konvertálására, amelyeket egy technikus hallhat/láthat. Ezek a magas frekvenciák pontosan azok a frekvenciák, amelyeket kopott és alátétcsapágyak, hibás elektromos berendezések, szivárgó szelepek stb.”(Wright ,” hogyan lehet kihasználni a több prediktív karbantartási technológiát”).
bár mind a szonikus, mind az ultrahangos tesztelés drága lehet, az akusztikus monitorozásnak van egy másik formája, amely meglehetősen megfizethető: a technikus füle. “Valami olyan egyszerű, mint az olajszivárgás vagy a furcsán hangzó sebességváltó észlelése, és gyakran vezet a katasztrofális meghibásodás megelőzéséhez, elkerülve a több tízezer dolláros veszteséget” (Wright, “hogyan lehet kihasználni a több prediktív karbantartási technológiát”).
rezgéselemzés
elsősorban nagy sebességű forgó berendezéseknél alkalmazzák, a rezgéselemzés lehetővé teszi a technikus számára, hogy kézi analizátorral vagy a berendezésbe beépített valós idejű érzékelőkkel figyelje a gép rezgéseit. A csúcsállapotban működő gép különleges rezgési mintázatot mutat. Amikor az olyan alkatrészek, mint a csapágyak és a tengelyek elkezdenek kopni és meghibásodni, a gép más rezgésmintát fog generálni. A berendezés proaktív figyelemmel kísérésével egy képzett technikus összehasonlíthatja a leolvasásokat az ismert meghibásodási módokkal annak meghatározása érdekében, hogy hol fordulnak elő problémák.
a rezgésanalízissel kimutatható problémák közé tartozik az eltérés, a hajlított tengelyek, a kiegyensúlyozatlan alkatrészek, a laza mechanikai alkatrészek és a motorproblémák.
a technikusok képzésének biztosítása létfontosságú lesz, mivel nehéz lehet megjósolni a gép meghibásodását a rezgéselemzés felhasználásával. Számos szervezet kínál mélyreható képzést, hogy felkészítse az egyéneket a rezgéselemzők tanúsítására. A rezgéselemzés használatának egyetlen hátránya a PdM programmal való megvalósításának költsége.
Olajelemzés
az Olajelemzés hatékony eszköz a prediktív karbantartásban. Ez lehetővé teszi a technikus számára, hogy ellenőrizze az olaj állapotát, és meghatározza, hogy vannak-e más részecskék és szennyeződések. Néhány olajelemzési teszt felfedheti a viszkozitást, a víz jelenlétét vagy a fémek kopását, a részecskeszámot, valamint a savszámot vagy a bázisszámot.
az olajelemzés egyik előnye, hogy a kezdeti teszt(ek) meghatározzák az új gép alapvonalát. Ha megfelelően történik, az olajelemzés számtalan eredményt hozhat, hogy elősegítse a prediktív karbantartás sikerét.
egyéb technológiák
ezekkel a technikákkal együtt a létesítmények más technológiákat is alkalmazhatnak, mint például a motorállapot-elemzés, amely részletezi a motorok működési és működési állapotát; és örvényáram-elemzés, amely azonosítja a cső falvastagságának változását a centrifugális hűtőberendezéseken és a kazánrendszereken belül. A boreszkóp-ellenőrzések, a CMMS, az adatintegráció és az állapotfigyelés szintén elősegíthetik a prediktív karbantartást. Bár számos különböző technológia segíti a PdM erőfeszítéseit, elengedhetetlen a megfelelő kiválasztása a siker biztosítása érdekében.
A prediktív karbantartás üzleti esete
a tőkebefektetések megtérülésének megvalósítása és a gépek maximális hatékonyságú működtetése érdekében a létesítményeknek nagyobb hangsúlyt kell fektetniük a prediktív karbantartásra. A Wall Street Journal szerint ” a nem tervezett állásidő az ipari gyártóknak becslések szerint évente 50 milliárd dollárba kerül. A berendezés meghibásodása okozza a nem tervezett állásidő 42 százalékát. A nem tervezett leállások túlzott karbantartást, javítást és berendezések cseréjét eredményezik.”
ahogy az üzemeltetést és a menedzsmentet a költségek csökkentése és a termelékenység növelése felé tolják, világossá válik a prediktív karbantartás szükségessége, mivel nehéz költséghatékony, hosszú távú döntéseket hozni egy létesítményről.
a prediktív karbantartás értéke költség-és/vagy időtakarékos megközelítésből származik, mivel a karbantartást csak szükség esetén hajtják végre. Tény, hogy több tanulmány az USA-BAN. Az Energiaügyi Minisztérium Szövetségi energiagazdálkodási programja megállapította, hogy egy megfelelően működő prediktív karbantartási program 30-40% – os megtakarítást biztosít a reaktív karbantartáshoz képest, és 8-12% – ot a megelőző karbantartáshoz képest.
ahhoz, hogy egy PdM stratégia sikeres legyen, több kritériumot kell figyelembe venni és teljesíteni. Először is, az elkötelezettségnek felülről lefelé kell származnia. Az egész szervezetnek el kell köteleznie magát amellett, hogy a prediktív karbantartást a szokásos ütemterv kötelező részévé tegye. Valamennyi folyamatüzemeltetőnek képzettnek kell lennie, és részt kell vennie a szükséges karbantartási ellenőrzések elvégzésében. Ezenkívül az egész szervezetnek meg kell értenie a rossz karbantartás tényleges költségeit és következményeit. Végül a PdM eljárásokat azonnal végre kell hajtani annak érdekében, hogy a szervezet elkezdhesse kihasználni az előnyöket.
míg sokan felismerik a prediktív karbantartás használatának fontosságát a magas dolláros gépek esetében, a PdM életképes a kisebb, mindennapi eszközök, például Kávéfőzők, nyomtatók, postaköltségmérők stb. A valóságban egy egész létesítmény profitálhat a prediktív karbantartás végrehajtásából.
prediktív karbantartási alkalmazások
a prediktív karbantartás legnagyobb alkalmazása a feldolgozóiparban található. Mivel a gyártóüzemek továbbra is szembesülnek a termelékenység növelésére irányuló kereslettel, számos karbantartási stratégiát dolgoztak ki és hajtottak végre. Ezek többsége azonban reaktív volt. Sok létesítmény rendelkezik gondolkodásmóddal: “ha nem tört el, ne javítsa ki.”Sajnos ez a gondolkodásmód hozzájárul a nem tervezett karbantartáshoz és az állásidőhöz.
amint azt korábban tárgyaltuk, a létesítmények az 1990-es évek elején kezdték meg a prediktív karbantartás végrehajtását. akkoriban “az adatokat generáló érzékelők rendelkezésre állásának hiánya, valamint az adatok összegyűjtésére és elemzésére szolgáló számítási erőforrások hiánya megnehezítette a PdM megvalósítását” (“prediktív karbantartás a gyártás áttekintésében”, Microsoft Azure).a dolgok internete (IoT), a gépi tanulás, a felhőalapú számítástechnika és a nagy adatelemzés bevezetésével a feldolgozóipar előrelépett a prediktív karbantartás megvalósításában, ami megnövekedett üzemidőt és minőségellenőrzést, a karbantartási útvonalak optimalizálását, a munkavállalók biztonságának javítását és a nagyobb termelékenységet eredményezte. Mivel a gyártók szűk árrésekkel és időkeretekkel dolgoznak, a nem tervezett leállások gondolata nemkívánatossá vált. A prediktív karbantartás megoldást kínálhat.
a PdM egy másik alkalmazása a vasúti ágazatban van, különösen mivel a vasúti ipar digitális átalakulásához kapcsolódik. Mivel a vonatok magas kezdeti beruházással rendelkeznek, nagy hangsúlyt fektetnek arra, hogy a lehető leghosszabb ideig üzemben tartsák őket. A prediktív karbantartás lehetővé teszi a vasúttársaságok számára, hogy a lehető legtöbbet hozzák ki vonatflottájukból olyan technológiák és szoftverek segítségével, amelyek csökkentik az üzemeltetési költségeket és meghosszabbítják a flotta élettartamát.
a vasúti szektorban a prediktív karbantartást használják a lineáris, helyhez kötött és mobil eszközök problémáinak felderítésére; javítani kell a biztonságot és a vágányüregek észlelését a vezetőfülkén alapuló ellenőrző rendszerek révén; és azonosítani kell a vágányeszköz típusát, amely alatt az üresség található, valamint jelezni kell az üresség súlyosságát.
a MaintWorld egyik cikke szerint “a jövőben a megbízható vasúti karbantartás várhatóan az intelligens közlekedési rendszerekre és az összekapcsolt megoldásokra, például a prediktív karbantartásra és az integrált biztonsági eszközökre támaszkodik a kritikus kérdések, például a biztonság, a késések és az Általános rendszerkapacitás javítása érdekében “(Peycheva,”a vasút intelligens A prediktív karbantartással és az Ipar 4.0 CMMS”).
míg a karbantartási rendszerek korszerűsítése hagyományosan lassú, az olaj-és gázipar a prediktív karbantartás fő támogatójává válik. Az olaj-és gázipari vállalatok naponta hatalmas mennyiségű adatot gyűjtenek szenzorokon – különösen vezeték nélküli szenzorokon-keresztül a világ olajmezőin. Ahogy az olaj-és gázipari műveletek összetettebbé válnak, a berendezések állapotának láthatósága nehezebbé válik, különösen távoli, tengeri és mélytengeri helyeken.
egy 2015-ös fehér könyvben, a MapR Technologies Inc. “az olaj-és gázipari vállalatoknak nagy lehetőségük van a hatékonyság növelésére és a működési költségek csökkentésére a jobb eszközkövetés és a prediktív karbantartás révén.”a prediktív karbantartás versenyelőnynek tekinthető az olaj-és gázipari vállalatok, valamint a kapcsolódó szolgáltató vállalkozások számára, különösen a recesszió idején, amikor a szervezetek arra kényszerülnek, hogy megtalálják a hatékonyabb és eredményesebb munkát. Természetesen a prediktív karbantartás nem csak a gyártásra, a vasútra, valamint az olaj-és gáziparra vonatkozik. Más alkalmazásokban a PdM-et használják:
-
segítsen megelőzni a közüzemi leállásokat a közüzemi hálózatokat feltérképező Drónok és érzékelők segítségével
-
A gőzvezeték hőmérséklet-csökkenésének észlelése, jelezve a lehetséges nyomásszivárgást
-
rögzítse a megnövekedett hőmérsékletet az elektromos panelekben az alkatrészhibák megelőzése érdekében
-
mérje meg a kínálati és a keresleti oldali teljesítményt egy közös kapcsolási ponton az energiafogyasztás ellenőrzésére
-
keresse túlterhelés elektromos panelek
-
azonosítani motor áramerősség tüskék vagy túlmelegedés a rossz csapágyak vagy szigetelési meghibásodások
-
egy vagy több fázis harmonikus torzításából, túlterheléséből, degradációjából vagy meghibásodásából eredő háromfázisú teljesítmény-egyensúlyhiányok
IIoT és PdM integráció
a sikeres prediktív karbantartási program egyik legfontosabb – ha nem a legfontosabb – tényezője az ipari tárgyak internete (IIoT) használata és integrálása. A Deloitte jelentése szerint ” a dolgok internete (IoT) talán a PdM puzzle legnagyobb darabja … az IoT a gépek fizikai tevékenységeit digitális jelekké alakítja olyan érzékelők segítségével, mint a hőmérséklet, a rezgés vagy a vezetőképesség … miután a fizikai tevékenységeket érzékelőkön keresztül digitális jelekké alakították át, feldolgozzák, összesítik és elemzik. A sávszélesség és a tárolás megfizethetőségével hatalmas mennyiségű adat továbbítható, hogy ne csak teljes képet kapjon egyetlen üzem eszközeiről, hanem egy teljes termelési hálózatról is” (Coleman et al., “Predictive Maintenance and the Smart Factory”).
a siker érdekében a prediktív karbantartás olyan érzékelőkre támaszkodik, amelyek különböző forrásokból, például CMMS-ből és kritikus berendezések érzékelőiből származó adatokat gyűjtenek és elemeznek. Ezen adatok felhasználásával az IIoT képes ” fejlett előrejelzési modelleket és analitikai eszközöket létrehozni a hibák előrejelzésére és proaktív kezelésére. Emellett idővel az új gépi tanulási technológia növelheti a prediktív algoritmusok pontosságát, ami még jobb teljesítményhez vezet” (Coleman et al., “Predictive Maintenance and the Smart Factory”).
prediktív karbantartással párosítva az IIoT képes előre észlelni a berendezés hibáit. Az Ipar 4.0 megérkezésével a gyártási birodalomban a létesítmények szívesen használják az IIoT-t, hogy jobb betekintést nyerjenek a műveletekbe.
prediktív karbantartás és befektetés megtérülése
A prediktív karbantartás megvalósítása jelentős befektetést igényel a pénzbe, a személyzetbe és az oktatásba. Bár ezek a kezdeti beruházások ijesztőnek tűnhetnek egy szervezet számára, a prediktív karbantartás megtérülése (ROI) messze meghaladja az előzetes költségeket.
a Deloitte friss jelentése szerint számos létesítményben 5-10%-os költségmegtakarítást értek el az üzemeltetés és a karbantartás, javítás és üzemeltetés (MRO) anyagköltségei; 5-10% – kal csökkentek az általános karbantartási költségek; és csökkentek a készletezési költségek. Az Egyesült Államok Energiaügyi Minisztériumának további adatai azt is mutatják, hogy egy funkcionális PdM program végrehajtása tízszeresére növelheti a megtérülést, 25-30 százalékkal csökkentheti a karbantartási költségeket, 70-75 százalékkal csökkentheti a meghibásodásokat és 35-45 százalékkal csökkentheti az állásidőt.
“ami a karbantartási költségeket illeti, a megelőző karbantartás évente 13 dollár óradíjat fizet, míg a prediktív karbantartás évente 9 dollár óradíjat fizet, ami a prediktív karbantartást olcsóbb megoldássá teszi” (Ulbert, “a prediktív karbantartás és a megelőző karbantartás közötti különbség”).Coleman, Chris, Satish Damodaran és Ed Deuel. “Prediktív karbantartás és a Smart Factory.”Deloitte. 2017. https://www2.deloitte.com/content/dam/Deloitte/us/Documents/process-and-operations/us-cons-predictive-maintenance.pdf
” forgó gépek Állapotfigyelése.”Istec International. Hozzáférés November 1, 2018. https://www.istec.nl/en/condition-monitoring-rotating-machines/.
Irányítástechnika. “Prediktív Karbantartási Technológiák.”Hozzáférés November 4, 2018. https://www.controleng.com/single-article/predictive-maintenance-technologies/72faca6f85ddaef6b4479583b2741e6c.html.Immerman, Graham. “A prediktív karbantartás hatása a gyártásra.”MachineMetrics. Hozzáférés November 1, 2018. https://www.machinemetrics.com/blog/the-impact-of-predictive-maintenance-on-manufacturing.
Lean gyártási eszközök. “Prediktív Karbantartás.”Hozzáférés November 2, 2018. http://leanmanufacturingtools.org/427/predictive-maintenance/.
Peycheva, Ralitsa. “A vasút intelligens A prediktív karbantartással és az Ipar 4.0 CMMS-sel.”MaintWorld. Október 11, 2017. Hozzáférés November 4, 2018. https://www.maintworld.com/Applications/Railway-Goes-Smart-with-Predictive-Maintenance-and-Industry-4.0-CMMS.
” prediktív karbantartás a gyártás áttekintésében.”Microsoft Azure. Május 1, 2018. Hozzáférés November 4, 2018. https://docs.microsoft.com/en-us/azure/industry/manufacturing/predictive-maintenance-overview.
“prediktív karbantartás a Hadoop használatával az olaj-és gázipar számára”, MapR Technologies Inc., 2015. május. https://mapr.com/resources/predictive-maintenance-using-hadoop-oil-and-gas-industry/.
Ulbert, Sebastian, “the Difference Between Predictive Maintenance and Preventive Maintenance,” Coresystems, September 15, 2015. Hozzáférés November 2, 2018. https://www.coresystems.net/blog/the-difference-between-predictive-maintenance-and-preventive-maintenance.
Wall Street Journal. Hozzáférés November 2, 2018. https://partners.wsj.com/emerson/unlocking-performance/how-manufacturers-can-achieve-top-quartile-performance/.
Wikipédia. “Predictive Maintenance.” Accessed October 11, 2018. https://en.wikipedia.org/wiki/Predictive_maintenance.
Wright, Jeremy. “How to Leverage Multiple Predictive Maintenance Technologies.” Machinery Lubrication. Accessed November 1, 2018. https://www.machinerylubrication.com/Read/29819/predictive-maintenance-technologies