予知保全は説明しました
予知保全(PdM)は、故障の可能性を減らすために、通常の動作中に機器の性能と状態を監視するメンテナンスです。 また、条件ベースのメンテナンスとして知られている、予知保全は、1990年代から産業界で利用されています。
その歴史は正式に文書化されていないが、まだ、現実には、予知保全は、はるかに古いです。 制御工学によると、”予知保全(PdM)の開始は、整備士が最初にドライバーのハンドルに耳を置き、機械のもう一方の端に触れ、ベアリングが悪くなっているように聞こえたときであった可能性があります。”
予知保全の目標は、最初に(特定の要因に基づいて)機器の故障が発生する可能性があるときを予測し、その後、定期的にスケジュールされ、是正保守によ
予測保全は、機械の最適な使用を確実にするためのプロセス条件中の機械の継続的な監視として定義される状態監視なしには存在できません。 状態監視には、オンライン、定期、リモートの3つの側面があります。 オンライン状態監視は、重要な速度とスピンドル位置の変化に関するデータを収集して、機械または生産プロセスの継続的な監視と定義されています(”回転機械の状態監視”Istec International)。
振動解析によって達成される定期的な状態監視は、トレンド分析(”回転機械の状態監視、”Istec International)を用いて”設置の振動挙動の変化への洞察を与える”。 最後に、遠隔状態監視は、その名前が示すように、装置が分析のために送信されてデータが遠隔地から監視されるようにする。
予知保全プログラムを確立する前に、組織は次のようないくつかの手順を実行する必要があります:
-
必要性と機器の履歴を分析する
-
ダウンタイム、機器の欠陥、損失(歩留まりとエネルギー)、潜在的な規制罰金と職場の安全性に関する利用可能なすべての記録をレビューする
-
定義と概念を確立するだけでなく、PdMのケースを構築する
-
主要な利害関係者を教育し、バイインを取得する
-
機器のインベントリを完了するプログラムの初期実装のための機器の選択
-
システムの詳細を開発する 個々のシステムおよび/またはコンポーネントの評価
-
既存の予防保守または予測保守の評価
-
どのシステムを含めるか、何を検査するかを決定する
-
プログラムの重要性を定義し、PdM頻度とスケジュールタイプを確立する
-
予想されるリソースを評価し、人事の役割と責任を割り当てる
-
プログラムを組織し、それをシステムに統合する。スケジュールシステム
-
操作とメンテナンスからのバイインの教育と取得
-
機器のアップグレードと トレーニングの実施
-
コンピュータ化された保守管理システム(CMMS)の作成
Reliable Plantの2019年の予知保全調査で調査された保守担当者の約65%が、予知保全を使用していると回答した。 予知保全は、実装および実行された場合、成功した保守プログラムの基礎となります。
予知保全と予防保全の違い
多くの保守プログラムでは、両方のビットを使用していますが、予知保全と予防保全の間にはいくつかの違い 予防保全は、機器が保守を必要としているかどうかにかかわらず、機械の検査と保守を実行することを含んでいました。 このメンテナンススケジュールは、使用状況トリガーまたは時間トリガーのいずれかに基づいています。 例えば、暖房装置は冬の前に毎年整備される、または車は5,000マイル毎に定期整備を要求する。
また、予防保全は、予測保全が行う状態監視コンポーネントを要求しません。 状態監視を必要としないことにより、予防保全プログラムは、技術やトレーニングに多くの設備投資を伴わない。 最後に、多くの予防保全プログラムでは、手動のデータ収集と分析が必要です。
予防保全は、資産の平均ライフサイクルを使用して決定されますが、予測保全は、異なる技術を利用して、特定の機器のプリセットおよび所定の条 予知保全には、予防保全よりも人、トレーニング、機器への投資が必要ですが、時間の節約とコストの節約は長期的にはより大きくなります。
予知保全の利点と欠点
前述のように、予知保全の利点は、コスト削減の観点から非常に大きく、計画されたダウンタイムの最小化、機器の寿命の最大化、従業員の生産性の最適化、収益の増加などが含まれます(Immerman,”The Impact of Predictive Maintenance on Manufacturing”)。 PdMを導入することで、資産管理者は成果を向上させ、収益性や信頼性などの優先順位のバランスを改善することができるため、予知保全のもう1つの利点は、保守チームと組織の両方を変革することができることです。
予知保全の主な欠点の一つは、PdMスケジュールを評価して実装するのにかかる時間です。 予知保全は複雑な取り組みであるため、プラント担当者は、機器の使用方法だけでなく、分析(またはデータ)をどのように解釈するかについて訓練する必
多くの組織は、予知保全に既存の従業員を訓練することを選択しますが、必要な労働を実行し、施設の結果を分析することに特化した状態監視請負 トレーニングコストに加えて、予知保全には、保守ツールとシステムへの投資が含まれます。 このコストは、クラウドベースの技術の導入により、時間の経過とともに減少しています。
予測メンテナンス対 欠陥の検査
しばらくの間、特定の故障モードの存在を検査する適切な方法についてかなりの混乱が存在していました。 私は官能検査のいくつかのタイプを実行する必要がありますか? ある種の定量的検査を行うべきですか? 1つ以上の状態監視技術を適用する必要がありますか? 欠陥を見つける条件付き確率を最大化するために、これらの技術のいくつかの組み合わせを適用する必要がありますか?
どのように私は、私の計画部門が仕事の手順を開発し、作業指示書を作成し、部品を注文し、スケジュールし、失敗の条件付き確率が高すぎる前に作業を完 検査の種類とそれらがどのように相互に補完するかの説明は、どれが最も適切であるかを明確にするために長い道のりを行く。
欠陥検査技術の種類
官能検査は、長い間、優れた検査プログラムと保守作業のバックボーンと考えられてきました。 機械の問題を検査するのに十分な頻度で誰かを送ることは、計画外のダウンタイムを軽減するために多くの時間で欠陥を特定することになると 検査官は、最後の検査以降に何かが変わったかどうかを判断するために、視力、音、タッチを使用します。 すべての変更は、次の予定されている停止時に職人によって記録され、報告され、調査されます。
検査を行うために誰かを送ることには多大な利益がありますが、この戦略には非常に多くの穴があり、検査プログラムのバックボーンとは決して考 官能検査は、通常、最も明白で抜本的な問題のみを特定します。 感覚検査では、機械の初期の内部欠陥を特定することは不可能です。
強化された官能検査
強化された官能検査は、そのグレーゾーンを埋めます。 それらは状態監視の特徴の官能検査そして量的な測定両方である。 これらの点検は点の放射計、ストロボライト、手持ち型の振動ペンおよび簡単な超音波メートルのような器械をP-Fのカーブの上の欠陥を更に検出する これらのツールは、人間の感覚の力を乗算しながら、彼らは彼らの限界を持っています。 これらの単純なツールは、異なる故障モードを検出することを可能にしますが、包括的な状態監視プログラムを置き換えるべきではありません。
定量的検査
定量的検査は、故障モードの傾向と特性寿命を決定するためのデータを生成する際に有用な情報を提供することができます。 定量的検査には、何かを測定するために誰かが必要です。 非常に一般的な定量検査には、ポンプ上のシールの温度を測定するか、ポンプ羽根車上のバックプレートの隙間を測定することが含まれます。 これらの測定は立案者およびエンジニアにデータを提供し、それ以上の維持の行為のための必要性を定めるのを助ける。
適切に設計された場合、定量的検査手順は限界と一般的に予想される測定値を詳細に説明します。 誰かが何かを測定する必要がある検査には、最小値、最大値、および典型的な値が必要であり、制限を超えたときに条件付きタスクが定義されています。 しかし、適切な検査頻度で行われた定量検査では、限界を超える測定値が得られることはめったにありません。
欠陥検査技術としての予知保全
予測保全(PdM)とも呼ばれる状態監視は、計画外のダウンタイムや不必要な支出につながる可能性のある機器の欠陥を早期に検出して排除するための状態ベースの監視技術、統計的なプロセス制御または機器の性能を適用したものです。そして、一般的に言えば、装置が正常に動作している間に、プロセスの中断はほとんどまたはまったくない状態でこれを行う必要があります。
これらの用具の目的(振動分析、赤外線サーモグラフィー、モーター回路の分析、等。)は機械が正常運営にあるが前に利用できる点検方法によって見つけられない欠陥を見つけることです。
利用可能な技術を活用すると、部品の状態と検出することは不可能これまで欠陥の存在を評価することができます。 これらの用具が量的な点検か官能検査の区域で持っている利点の例は転がり要素軸受けの欠陥の存在を定める振動分析の使用である。
以前は、機械工とミルライトは、ベアリングのクリアランスの量を決定するために”リフトチェック”に依存していました。 残念なことに、この技術は軸受けの配線管からの材料の取り外しで起因した欠陥に耐えるためにだけ有効です;この軸受けはそれの演劇のインチの千分の一を持つためにかなり悪いです。
表面下の疲労は振動解析で容易に見られ、破壊伝播のこの時点では軌道面から材料が除去されていません。 これは、予知保全技術の利点の最も一般的な例です。
機械に負担をかけることができる欠陥検査技術にはさまざまな種類があり、それぞれに長所と短所があります。 しかし、これらの技術は、お互いのための正確な代替品ではありません。 それぞれがP-F曲線に沿った異なる場所での欠陥の存在を決定し、その結果、それぞれが欠陥に応答するための異なる時間を計画関数に与えます。
故障モード、影響および臨界分析(FMECA)は、どの検査技術を適用すべきか、どのくらいの頻度で、どの程度の冗長性を持つかを判断するのに役立ちます。 覚えておいて、トリックは厳しさとリスクのバランスをとることです。 あなたが検査のために支払うことを喜んでいるどのくらいのと相まって、与えられた故障モードで取るために喜んでいるどのくらいのリスクは、適切な戦略を決定します。
予知保全技術
名前が示すように、予知保全の目標は、メンテナンスが必要なときを予測することです。 魔法の8ボールはありませんが、障害を効果的に予測したり、地平線上のメンテナンスのための高度な警告を提供するために使用できるいくつかの状態
赤外線サーモグラフィー
非破壊または非侵入試験技術として知られている、予測保全における赤外線(IR)サーモグラフィーが広く使用されています。 赤外線カメラを使用すると、人員は機器内の高温(別名、ホットスポット)を検出することができます。 誤動作している電気回路を含む摩耗した部品は、通常、熱画像上のホットスポットとして表示される熱を放出します(”予知保全”、リーン製造ツール)。
ホットスポットを迅速に識別することにより、赤外線検査は問題を特定し、高価な修理やダウンタイムを回避するのに役立ちます。 赤外線技術は、”機械の個々のコンポーネントからプラントシステム、屋根、さらには建物全体まで、すべてを研究するために使用される、最も汎用性の高い予 赤外線技術のためのより多くの使用は熱保持や移動に頼るプロセスシステムとの熱変則そして問題を検出することを含んでいます。
音響モニタリング
音響技術を使用すると、人員は音波または超音波レベルで機器のガス、液体または真空漏れを検出することができます。 超音波技術よりも安価であると考えられ、音波技術は機械装置に有用であるが、その使用は限られている。 超音波技術は、より多くのアプリケーションを持っており、機械的な問題を検出する際に、より信頼性があります。
これは、技術者が”従来の技術よりも早く劣化を予測することができる回転機械の摩擦や応力を聞く”ことを可能にします(”予知保全”、Wikipedia)計装を使用して20-100キロヘルツの範囲の音を”技術者が聞く/見ることができる聴覚または視覚信号”に変換することができます。 これらの高周波は身に着けられ、underlubricated軸受け、不良な電気機器、漏れやすい弁、等によって発生する厳密な頻度である。”(Wright、”複数の予知保全技術を活用する方法”)。
音波検査と超音波検査の両方が高価になる可能性がありますが、非常に手頃な価格の音響監視の別の形態があります:技術者の耳。 “オイル漏れやギアボックスを検出するのと同じくらい簡単なことは、何万ドルもの損失を回避し、壊滅的な故障を防止することにつながります”(Wright、”
振動解析
主に高速回転装置に採用されている振動解析は、技術者が機器に内蔵されているハンドヘルドアナライザまたはリアルタイムセンサを使用して、機械の振動を監視することを可能にする。 ピーク状態で作動する機械は特定の振動パターンを表わす。 軸受けおよびシャフトのような部品が身に着け、失敗し始める場合機械は別の振動パターンを発生させ始めます。 装置を積極的に監視することにより、訓練を受けた技術者は、測定値を既知の故障モードと比較して、問題が発生している場所を判断できます。
振動解析で検出できる問題の中には、ミスアラインメント、曲がったシャフト、不均衡な部品、機械部品の緩み、モータの問題があります。
振動解析を利用して機械の故障を予測することは困難であるため、技術者が訓練されていることを確認することが不可欠です。 多くの組織は振動分析者として証明のために個人を準備するために詳細な訓練を提供する。 振動解析を使用する唯一の欠点は、PdMプログラムを使用して振動解析を実装する際に関連するコストです。
オイル分析
オイル分析は、予知保全に効果的なツールです。 それは技術者がオイルの状態を点検し、他の粒子および汚染物があるかどうか定めることを可能にする。 いくつかの油分析試験は、粘度、水または摩耗金属の存在、粒子数、および酸数または塩基数を明らかにすることができる。
オイル分析を使用する利点の一つは、最初のテスト(複数可)は、新しいマシンのベースラインを設定することです。 適切に行われた場合、オイル分析は予測保全を成功させるのに役立つ無数の結果をもたらすことができます。
その他の技術
これらの技術に加えて、施設は、モータの動作および走行状態を詳述するモータ状態解析、および遠心チラーおよびボイラシステム内の管肉厚の変化を特定する渦電流解析などの他の技術を使用することができる。 ボアスコープ検査、CMM、データ統合、および状態監視も、予知保全を容易にするのに役立ちます。 PdMの取り組みを支援するためのいくつかの異なる技術がありますが、成功を確実にするために適切なものを選択することが不可欠です。
予知保全のためのビジネスケース
設備投資のリターンを実現し、機械をピーク効率で稼働させ続けるためには、施設は予知保全に重点を置く必 ウォールストリートジャーナルによると、”計画外のダウンタイムは、産業メーカーに年間推定$50億の費用がかかります。 機器の故障は、この計画外のダウンタイムの42%の原因です。 計画外の停止は余分な維持、修理および装置の取り替えで起因します。”
運用と管理がコストの削減と生産性の向上に向けて推進されるにつれて、施設の費用対効果の高い長期的な意思決定を行うことは困難であるため、予知保全の必要性が明確になります。
予知保全の価値は、メンテナンスが必要なときにのみ実行されるため、コスト節約および/または時間節約のアプローチから来ています。 実際には、米国によるいくつかの研究 エネルギー省の連邦エネルギー管理プログラムは、適切に機能する予知保全プログラムが、反応性維持よりも30-40%、予防的維持よりも8-12%の節約を提供す
PdM戦略を成功させるには、いくつかの基準を考慮し、満たす必要があります。 最初に、責任は上から来るべきである。 組織全体は、予測保全を通常のスケジュールの必須部分にすることにコミットする必要があります。 また、すべてのプロセスオペレータは、必要な保守チェックの実行に教育を受け、関与する必要があります。 さらに、組織全体が実際のコストと保守不良の影響を理解する必要があります。 最後に、組織が利益を享受し始めるためには、PdM手順を直ちに実施する必要があります。
多くは、高ドルのマシンのための予知保全を利用することの重要性を認識しているが、PdMは、コーヒーマシン、プリンタ、郵便料金メーターなどの小型、日常の資産を監視するためにも実行可能である。 実際には、施設全体が予知保全を実施することで利益を得ることができます。
予知保全アプリケーション
予知保全のための最大のアプリケーションは、製造業にあります。 製造工場は生産性を向上させるための需要に直面し続けるように、いくつかのメンテナンス戦略が作成され、実装されています。 しかし、これらの大部分は反応性であった。 多くの施設は、”壊れていない場合は、それを修正しないでください。”残念ながら、この考え方は、計画外のメンテナンスとダウンタイムに貢献しています。
前述したように、1990年代初頭に施設が予知保全を実施し始めましたが、当時は”データを生成するセンサーの可用性の欠如と、データを収集し分析するための計算リソースの不足により、PdMの実装が困難になりました”(“製造における予知保全の概要”Microsoft Azure)。
モノのインターネット(IoT)、機械学習、クラウドコンピューティング、ビッグデータ分析の導入により、製造業は、稼働時間と品質管理の向上、保守ルートの最 製造業者が堅い差益および時間枠を使用すると同時に、予定外のダウンタイムの思考は望ましくなくなった。 予知保全は解決策を提供することができます。PdMの別のアプリケーションは、特に鉄道業界のデジタル変革に関連する鉄道部門にあります。 高い初期投資を有する列車では、できるだけ長くサービスでそれらを維持することに熱心な焦点があります。 予知保全により、鉄道会社は、運用コストを削減し、車両の寿命を延ばすさまざまな技術とソフトウェアを使用して、列車の艦隊から最大限の価値を得
鉄道部門では、予測メンテナンスを利用して、線形、固定、およびモバイル資産の問題を検出します; 車両キャブベースの監視システムを通じて安全性とトラックボイド検出を改善し、ボイドが配置されているトラック資産の種類を特定するだけでなく、ボイドの重大度の指標を提供します。
MaintWorldの記事によると、”将来、信頼性の高い鉄道保守は、安全性、遅延、システム全体の容量などの重要な問題を改善するために、スマートな交通システムと予測保守や統合されたセキュリティツールなどの相互接続されたソリューションに依存することが期待されています”(Peycheva、”Railway Goes Smart with Predictive Maintenance and Industry4.0CMMS”)。
保守システムの近代化は伝統的に遅れていますが、石油-ガス業界は予知保全の主要な支持者になっています。 毎日、石油・ガス会社は、世界中の油田でセンサー、特にワイヤレスセンサーを介して大量のデータを収集しています。 石油およびガスの操業がより複雑になるにつれて、特に遠隔地、沖合および深海の場所では、機器の状態の可視性がより困難になります。
2015年のホワイトペーパーでは、MapR Technologies Inc. “石油-ガス会社は、資産追跡と予知保全の改善を通じて、効率を高め、運用コストを削減する大きな機会を持っています。”
予知保全は、特に組織がより効率的かつ効果的に作業する方法を見つけることを余儀なくされている不況の時代に、石油-ガス会社だけでなく、関連 もちろん、予知保全は、製造業、鉄道、石油・ガス産業だけに関連するものではありません。 他の適用では、PdMはに使用されます:
-
ユーティリティネットワークをマッピングするドローンやセンサーの助けを借りて、ユーティリティの停止を防ぐのに役立ちます
-
潜在的な圧力漏れを示す、蒸気パイプラインの温度低下を検出
-
コンポーネントの故障を防ぐために、電気パネルの温度上昇をキャプチャ
-
消費電力を監視するための共通の結合点で供給側と需要側の電力を測定
-
電気パネルで過負荷を見つけます
-
モータアンペア数のスパイクや悪いベアリングや侮辱故障から過熱を特定します
-
高調波歪み、過負荷、劣化、または一つ以上の相の故障から三相電力の不均衡を見つける
IIoTとPdMの統合
成功した予知保全プログラムで最も重要な要因の一つは、産業モノのインターネット(IIoT)の使用と統合である。 デロイトのレポートによると、”モノのインターネット(IoT)は、おそらくPdMパズルの最大の部分です…IoTは、温度、振動、導電率などのセンサーを使用して機械からの物理的な行動をデジタル信号に変換します…物理的な行動がセンサーを介してデジタル信号に変換されると、それらは処理され、集約され、分析されます。 帯域幅とストレージの手頃な価格により、大量のデータを送信して、単一の工場内の資産の全体像だけでなく、生産ネットワーク全体を提供することがで、”予知保全とスマートファクトリー”)。
成功するために、予知保全は、CMMSや重要な機器センサーなど、さまざまなソースからのデータを収集し、分析するためのセンサーに依存しています。 このデータを使用して、IIoTは「障害を予測し、積極的に対処するための高度な予測モデルと分析ツール」を作成することができます。 さらに、時間の経過とともに、新しい機械学習技術は予測アルゴリズムの精度を向上させ、さらに優れた性能をもたらすことができます”(Coleman et al.、”予知保全とスマートファクトリー”)。
予知保全と組み合わせた場合、IIoTは機器の故障を事前にキャッチする能力を持っています。 製造業の領域にインダストリー4.0が登場すると、施設はIIoTを活用して業務に関するより良い洞察を得ることを熱望しています。
予知保全と投資収益率
予知保全を実施するには、資金、人材、教育に多額の投資が必要です。 これらの初期投資は組織にとって困難なように見えるかもしれませんが、予知保全の投資収益率(ROI)は、先行コストをはるかに上回ります。
デロイトの最近の報告によると、いくつかの施設では、運用-保守-修理-運用(MRO)の材料費が5-10パーセント削減され、全体的なメンテナンスコストが5-10パーセント削減され、在庫運搬コストが削減されている。 米国エネルギー省からのさらなるデータはまた、機能的なPdMプログラムを実装すると、ROIの十倍の増加、保守コストの25-30パーセントの削減、故障の70-75パーセントの減少、ダウンタイムの35-45パーセントの削減をもたらす可能性があることを示しています。
“保守コストに関する限り、予防保守は年間13時間給を要し、予測保守は年間9時間給を要し、予測保守は安価な選択肢となっている”(Ulbert、”予測保守と予防保守の違い”)。
コールマン、クリス、サティッシュDamodaranとエドDeuel。 “予知保全とスマートファクトリー。”デロイト 2017. https://www2.deloitte.com/content/dam/Deloitte/us/Documents/process-and-operations/us-cons-predictive-maintenance.pdf
“回転機の状態監視。”Istecインターナショナル。 2018年11月1日に発売された。 https://www.istec.nl/en/condition-monitoring-rotating-machines/。
制御工学。 “予知保全技術。^”2018年11月4日閲覧。 https://www.controleng.com/single-article/predictive-maintenance-technologies/72faca6f85ddaef6b4479583b2741e6c.html。
イマーマン、グラハム。 「予知保全が製造に与える影響。”マシンメトリクス…” 2018年11月1日に発売された。 https://www.machinemetrics.com/blog/the-impact-of-predictive-maintenance-on-manufacturing。
リーン製造ツール。 “予知保全。」2018年11月2日に発売された。 http://leanmanufacturingtools.org/427/predictive-maintenance/。
Peycheva、Ralitsa。 “鉄道は予知保全とインダストリー4.0CMMSでスマートになります。”マントワールド。 2017年10月11日。 2018年11月4日に発売。 https://www.maintworld.com/Applications/Railway-Goes-Smart-with-Predictive-Maintenance-and-Industry-4.0-CMMS。
“製造の概要における予知保全。”マイクロソフトアズール… 月1,2018. 2018年11月4日に発売。 https://docs.microsoft.com/en-us/azure/industry/manufacturing/predictive-maintenance-overview。
“石油-ガス業界向けHadoopを使用した予知保全”MapR Technologies Inc.、2015年5月。 https://mapr.com/resources/predictive-maintenance-using-hadoop-oil-and-gas-industry/。
Ulbert,Sebastian,”予知保全と予防保全の違い,”Coresystems,September15,2015. 2018年11月2日に発売された。 https://www.coresystems.net/blog/the-difference-between-predictive-maintenance-and-preventive-maintenance。
ウォールストリートジャーナル。 2018年11月2日に発売された。 https://partners.wsj.com/emerson/unlocking-performance/how-manufacturers-can-achieve-top-quartile-performance/。
ウィキペディア。 “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