بازگشت به وبلاگ

چه زمانی نگهداری پیش‌بینانه برای کارخانه شما انتخاب مناسبی نیست

نگهداری و تعمیرات پیش‌بینانه می‌تواند زمان ازکارافتادگی را کاهش دهد، اما فقط زمانی که مدیریت، حسگرها، نرم‌افزار، مهارت‌ها، داده‌ها و بودجه آماده باشند. این راهنما توضیح می‌دهد که کارخانه‌ها چه زمان...

نگهداری پیش‌بینانه به‌طور خودکار بهترین راهبرد نیست

نگهداری پیش‌بینانه به یکی از راهبردهایی تبدیل شده است که بیش از همه در تولید مدرن ترویج می‌شوند. فروشندگان اغلب آن را با هوش مصنوعی، حسگرهای هوشمند، تحلیل صنعتی و تحول دیجیتال مرتبط می‌کنند.

وعده اصلی آن جذاب است. کارخانه وضعیت سلامت تجهیزات را پایش می‌کند، خرابی‌های در حال شکل‌گیری را پیش‌بینی می‌کند و پیش از وقوع خرابی، تعمیرات را انجام می‌دهد. تولید با وقفه‌های کمتر ادامه می‌یابد. قطعات یدکی زودتر سفارش داده می‌شوند. تیم‌های نگهداری از بازرسی‌های غیرضروری اجتناب می‌کنند.

بااین‌حال، نگهداری پیش‌بینانه یک بسته نرم‌افزاری نیست که فوراً هر کارخانه‌ای را بهبود دهد. این یک مدل بهره‌برداری است که به داده‌های قابل‌اعتماد، دارایی‌های مناسب، سامانه‌های یکپارچه، رویه‌های منضبط نگهداری و پشتیبانی سازمانی وابسته است.

اجرای بدون آمادگی کافی می‌تواند بدون کاهش خرابی‌ها، هزینه‌های اضافی ایجاد کند. کارخانه‌ها ممکن است حسگرهایی نصب کنند که خوانش‌های غیرقابل‌استفاده تولید می‌کنند. مهندسان ممکن است صدها هشدار بدون نتیجه عملی دریافت کنند. تیم‌های نگهداری ممکن است به سامانه بی‌اعتماد شوند، زیرا پیش‌بینی‌ها با شرایط میدانی مطابقت ندارند.

بنابراین مهم‌ترین پرسش این نیست که آیا نگهداری پیش‌بینانه ارزشمند است یا نه. پرسش واقعی این است که آیا کارخانه برای استفاده مؤثر از آن آمادگی دارد یا خیر.

آمادگی به چند عامل مرتبط به هم وابسته است. مدیریت باید از برنامه حمایت کند. دارایی‌ها باید شاخص‌های قابل‌اندازه‌گیری خرابی داشته باشند. حسگرها باید داده‌های قابل‌اعتماد درباره وضعیت جمع‌آوری کنند. شبکه‌های ارتباطی باید این داده‌ها را منتقل کنند. نرم‌افزار باید آن‌ها را در بستر صحیح بهره‌برداری تفسیر کند.

پرسنل نگهداری باید تجهیزات و سامانه تحلیلی را نیز درک کنند. سوابق تاریخی باید به‌اندازه کافی دقیق باشند. منفعت مالی مورد انتظار باید هزینه‌های اجرا و بهره‌برداری را توجیه کند.

وقتی این شرایط وجود نداشته باشند، نگهداری پیش‌بینانه ممکن است انتخاب فوری مناسبی نباشد. نگهداری پیشگیرانه، نگهداری مبتنی بر وضعیت یا رویه‌های بهبودیافته بازرسی می‌توانند نتایج بهتری ارائه دهند.

این به آن معنا نیست که کارخانه باید برای همیشه نگهداری پیش‌بینانه را کنار بگذارد. یعنی کارخانه باید پیش از سرمایه‌گذاری برای یک استقرار گسترده، شکاف‌های آمادگی خود را برطرف کند.

مدیریت کارخانه در حال بررسی الزامات سرمایه‌گذاری برای یک برنامه نگهداری پیش‌بینانه

شکل ۱. نگهداری پیش‌بینانه به حمایت مدیریت نیاز دارد، زیرا اجرای آن بر بودجه‌ها، دسترسی به تولید، منابع مهندسی و شیوه‌های بهره‌برداری بلندمدت تأثیر می‌گذارد.

حمایت مدیریت باید فراتر از تأیید پروژه باشد

بخش‌های مهندسی و نگهداری اغلب مزایای بالقوه نگهداری پیش‌بینانه را درک می‌کنند. آن‌ها شاهد خرابی‌های مکرر یاتاقان‌ها، ازکارافتادگی‌های غیرمنتظره موتور و زیان‌های تولید ناشی از تعمیرات اضطراری هستند.

مدیریت ارشد ممکن است همچنان مردد باشد. اندازه‌گیری بازده مورد انتظار ممکن است دشوار به نظر برسد. پروژه ممکن است به حسگرهای جدید، اشتراک‌های نرم‌افزاری، زیرساخت شبکه، آموزش و پشتیبانی متخصصان نیاز داشته باشد.

گرفتن تأیید برای یک پروژه آزمایشی کافی نیست. نگهداری پیشگویانه نحوه همکاری چندین واحد را تغییر می‌دهد. تیم‌های تولید باید تجهیزات را برای نصب حسگر آزاد کنند. تیم‌های فناوری اطلاعات ممکن است لازم باشد اتصالات شبکه را تأیید کنند. تیم‌های خرید باید از قراردادهای خدماتی جدید پشتیبانی کنند.

تیم‌های بهره‌برداری باید شرایط فرایندی مؤثر بر رفتار تجهیزات را مستند کنند. مهندسان قابلیت اطمینان باید حالت‌های خرابی و معیارهای هشدار را تعریف کنند. برنامه‌ریزان نگهداری باید یافته‌های تحلیلی را به دستورکار تبدیل کنند.

بدون حمایت مدیران ارشد، این گروه‌ها ممکن است پروژه را یک آزمایش مهندسی تلقی کنند. دسترسی به تولید دشوار می‌شود. آموزش به تعویق می‌افتد. ارتقای ابزار دقیق اولویت بودجه‌ای خود را از دست می‌دهد. یافته‌های تحلیلی خارج از فرایند برنامه‌ریزی نگهداری باقی می‌مانند.

حمایت مدیریت باید شامل تعیین مالکیت روشن باشد. یک نفر یا یک گروه راهبری باید مسئول نتایج کسب‌وکار باشد. برنامه باید اهداف مشخص، بودجه تأییدشده و دسترسی به منابع موردنیاز کارخانه داشته باشد.

مدیریت همچنین باید بداند که نتایج اولیه ممکن است بی‌نقص نباشند. یک مدل پیشگویانه به داده‌های عملیاتی و اعتبارسنجی میدانی نیاز دارد. آستانه‌های هشدار معمولاً به تنظیم نیاز دارند. ممکن است پس از نخستین چرخه بازرسی، محل نصب حسگرها نیازمند اصلاح باشد.

اجرای واقع‌بینانه شامل یک دوره یادگیری است. مدیران نباید انتظار داشته باشند هر حسگر نصب‌شده فوراً صرفه‌جویی ایجاد کند.

آن‌ها باید در عوض شاخص‌های قابل‌اندازه‌گیری را بررسی کنند. این شاخص‌ها ممکن است شامل کاهش کارهای اضطراری، شناسایی زودتر عیب‌ها، کاهش خرابی‌های تکراری، کاهش آسیب‌های ثانویه و بهبود زمان‌بندی نگهداری باشند.

یک کارخانه زمانی آماده نیست که مدیریت فقط به‌صورت شفاهی از پروژه حمایت کند. این حمایت باید در بودجه‌ها، تصمیم‌های مربوط به نیروی انسانی، برنامه‌های تولید و مسئولیت‌های واحدها نمود پیدا کند.

نگهداری پیشگویانه بدون حسگرهای مناسب موفق نمی‌شود

نگهداری پیشگویانه به تغییرات قابل‌اندازه‌گیری‌ای وابسته است که پیش از خرابی تجهیزات رخ می‌دهند. این تغییرات ممکن است شامل ارتعاش، دما، فشار، انتشارهای آکوستیکی، وضعیت روان‌کار، جریان الکتریکی، سرعت یا حرکت موقعیتی باشند.

ابزار دقیق سنتی ممکن است این متغیرها را جمع‌آوری نکند. یک ماشین ممکن است فقط یک فشارسنج محلی و یک رله اضافه‌بار ساده موتور داشته باشد. این تجهیزات ممکن است از فرایند محافظت کنند، اما شاید خرابی مکانیکیِ در حال پیشرفت را آشکار نکنند.

یک حسگر دمای مقاومتی استاندارد می‌تواند دمای یاتاقان را نشان دهد. بااین‌حال، ممکن است تنها پس از ایجاد اصطکاک قابل‌توجه، مشکل روان‌کاری را تشخیص دهد. یک حسگر ارتعاش که به‌درستی انتخاب شده باشد، ممکن است عیب را زودتر شناسایی کند.

حسگر باید با حالت خرابی نیز متناسب باشد. نصب حسگرهای دما روی همه تجهیزات، یک سامانه پیشگویانه ایجاد نمی‌کند. دما ممکن است برای تابلوهای برق، یاتاقان‌ها، موتورها و سامانه‌های روان‌کاری مفید باشد. اما ممکن است برای تشخیص برخی عیوب چرخ‌دنده یا وضعیت‌های لقی کمتر مفید باشد.

محدوده حسگر، پاسخ فرکانسی، روش نصب، درجه‌بندی محیطی و کیفیت سیگنال همگی اهمیت دارند. شتاب‌سنجی که به‌درستی نصب نشده باشد می‌تواند داده‌های ارتعاشی گمراه‌کننده تولید کند. ترانسفورماتور جریان با محدوده نامناسب ممکن است تغییرات کوچک الکتریکی را پنهان کند.

نصب حسگر باید با ماشین فیزیکی مطابقت داشته باشد. محل‌های اندازه‌گیری باید مسیر قابل‌اعتمادی از منبع خرابی فراهم کنند. سطوح شل، پوشش‌های انعطاف‌پذیر و نقاط نصب رنگ‌شده می‌توانند خوانش‌ها را مخدوش کنند.

محیط‌های سخت نیازمندی‌های بیشتری ایجاد می‌کنند. حسگرها ممکن است به مقاومت شیمیایی، حفاظت در برابر انفجار، کابل‌کشی مقاوم در دمای بالا یا حفاظت در برابر نفوذ نیاز داشته باشند. تجهیزی که برای یک ناحیه مونتاژ تمیز انتخاب شده است ممکن است در نزدیکی یک دستگاه شست‌وشوی خمیرکاغذ یا کمپرسور فراساحلی دوام نیاورد.

کارخانه باید کالیبراسیون و نگهداری را نیز در نظر بگیرد. خرابی حسگر می‌تواند اطمینان کاذب ایجاد کند. حسگری که دچار رانش شده است ممکن است ماه‌ها روندهای نادرست تولید کند.

بنابراین پایش وضعیت به یک راهبرد ابزار دقیق نیاز دارد، نه صرفاً یک فهرست خرید.

حسگرهای پایش وضعیت که داده‌های ارتعاش و دمای ماشین را برای تحلیل نگهداری جمع‌آوری می‌کنند

شکل ۲. تحلیل پیشگویانه به اندازه‌گیری‌های قابل‌اعتماد از وضعیت تجهیز نیاز دارد که از حسگرهای انتخاب‌شده بر اساس تجهیزات و حالت‌های خرابی مورد انتظار آن‌ها به دست می‌آیند.

داده بیشتر حسگرها، پیش‌بینی بهتر را تضمین نمی‌کند

یک اشتباه رایج در پیاده‌سازی، جمع‌آوری همه متغیرهای فرایندی موجود است. تیم پروژه فرض می‌کند داده بیشتر، خودکارا مدل دقیق‌تری تولید خواهد کرد.

حجم زیاد داده می‌تواند نتیجه معکوس ایجاد کند. مهندسان زمان خود را صرف پالایش سیگنال‌های نامرتبط می‌کنند. نیازمندی‌های ذخیره‌سازی و ارتباطات افزایش می‌یابد. مدل‌های تحلیلی همبستگی‌هایی را کشف می‌کنند که معنای فیزیکی ندارند.

نگهداری پیشگویانه مؤثر با تحلیل حالت‌های خرابی آغاز می‌شود. تیم باید مشخص کند تجهیز معمولاً چگونه خراب می‌شود. سپس باید تعیین کند پیش از هر خرابی چه تغییرات فیزیکی رخ می‌دهد.

یک پمپ گریز از مرکز را در نظر بگیرید. حالت‌های خرابی احتمالی شامل فرسودگی یاتاقان، کاویتاسیون، ناهم‌راستایی، آسیب پروانه، نشت آب‌بند و محدودیت مکش هستند.

هر وضعیت شواهد متفاوتی ایجاد می‌کند. فرسودگی یاتاقان ممکن است بر محتوای فرکانسی ارتعاش اثر بگذارد. کاویتاسیون ممکن است ارتعاش پهن‌باند و فشار ناپایدار ایجاد کند. نشت آب‌بند ممکن است از طریق تشخیص نشتی یا افت فرایند آشکار شود.

یک اندازه‌گیری منفرد ممکن است این شرایط را از یکدیگر متمایز نکند. بااین‌حال، ترکیبی هدفمند از ارتعاش، جریان موتور، فشار مکش، فشار تخلیه و جریان فرایند می‌تواند زمینه تشخیصی مفیدی فراهم کند.

ارزش کار از انتخاب سیگنال‌هایی ناشی می‌شود که سازوکار خرابی را نشان می‌دهند، نه از به حداکثر رساندن تعداد دستگاه‌های متصل.

واحدهای صنعتی همچنین باید بین هشدارهای فرایندی و شاخص‌های سلامت تجهیزات تمایز قائل شوند. هشدار دمای بالای خروجی ممکن است از کیفیت تولید محافظت کند. اما لزوماً نشان‌دهنده عمر مفید باقی‌مانده ماشین نیست.

وضعیت عملیاتی باید همراه با داده‌های وضعیت ثبت شود. ارتعاش اندازه‌گیری‌شده هنگام راه‌اندازی را نمی‌توان مستقیماً با ارتعاش اندازه‌گیری‌شده در بار پایدار مقایسه کرد. تغییرات جریان موتور ممکن است ناشی از تقاضای تولید باشد، نه تخریب الکتریکی.

بدون زمینه عملیاتی، سامانه تحلیلی ممکن است تغییرات عادی تولید را به‌عنوان خرابی تجهیزات دسته‌بندی کند.

یک واحد صنعتی باید استقرار سامانه پیش‌بین را به تأخیر بیندازد، اگر نتواند حالت‌های خرابی مرتبط، نقاط اندازه‌گیری مفید و وضعیت‌های عملیاتی را شناسایی کند. نصب تجهیزات ابزار دقیق پیش از تکمیل این کار معمولاً هزینه و سردرگمی را افزایش می‌دهد.

نرم‌افزار باید به ماشین‌آلات متصل باشد

نرم‌افزار پیش‌بین تنها زمانی مفید می‌شود که اطلاعات قابل‌اعتمادی از واحد صنعتی دریافت کند. این کار معمولاً به یکپارچه‌سازی با کنترلرها، سیستم‌های کنترل توزیع‌شده، تاریخچه‌نگارهای داده، پلتفرم‌های پایش وضعیت یا درگاه‌های صنعتی نیاز دارد.

یک پلتفرم تحلیلی قطع‌شده نمی‌تواند زمینه کامل تجهیزات را ببیند. ممکن است مقادیر ارتعاش را دریافت کند، اما سرعت موتور را دریافت نکند. ممکن است مقادیر دما را دریافت کند، اما بار فرایند را دریافت نکند. ممکن است تغییری را تشخیص دهد، بدون آنکه بداند اپراتورها دستور تولید را تغییر داده‌اند.

مشکلات یکپارچه‌سازی همچنین می‌توانند داده‌ها را با تأخیر مواجه کنند. مقداری که هر ساعت یک‌بار جمع‌آوری می‌شود ممکن است برای تغییرات حرارتی آهسته مناسب باشد. اما ممکن است رویدادهای کوتاه ارتعاشی یا شرایط ناپایدار فشار را از دست بدهد.

قابلیت اطمینان ارتباطات نیز به همان اندازه مهم است. نمونه‌های ازدست‌رفته، مُهرهای زمانی تکراری، مقیاس‌بندی نادرست و نام‌های ناسازگار تگ‌ها می‌توانند دقت مدل را کاهش دهند.

برای مثال، یک کنترلر ممکن است فشار را بر حسب کیلوپاسکال ذخیره کند، در حالی که پلتفرم تحلیلی انتظار واحد بار را داشته باشد. داده همچنان عددی است و ممکن است معتبر به نظر برسد. بااین‌حال، همه آستانه‌های محاسبه‌شده نادرست خواهند بود.

بنابراین، یکپارچه‌سازی صنعتی باید هویت سیگنال، واحدهای مهندسی، مُهرهای زمانی، نرخ‌های نمونه‌برداری، کیفیت داده و وضعیت تجهیزات را بررسی کند.

نصب‌های قدیمی PLC و DCS ممکن است این فرایند را پیچیده کنند. کنترلرهای قدیمی ممکن است قابلیت ارتباطی محدودی داشته باشند. شبکه‌های اختصاصی ممکن است از دسترسی مستقیم پشتیبانی نکنند. ظرفیت پردازنده ممکن است برای ترافیک داده اضافی کافی نباشد.

در این شرایط، واحدهای صنعتی ممکن است به مبدل‌های پروتکل، ماژول‌های جمع‌آوری داده یا درگاه‌های ارتباطی با طراحی دقیق نیاز داشته باشند. همچنین ممکن است به قطعات جایگزین برای زیرساخت کنترلی فرسوده نیاز پیدا کنند.

سازمان‌هایی که پلتفرم‌های کنترلی متعلق به نسل‌های مختلف را نگهداری می‌کنند، هنگام ارزیابی محدودیت‌های یکپارچه‌سازی، سخت‌افزار نصب‌شده و پشتیبانی چرخه عمر، می‌توانند اجزای سامانه‌های PLC و PAC مناسب را بررسی کنند.

معماری صحیح باید از عملکرد کنترل ماشین محافظت کند. جمع‌آوری داده‌های وضعیت نباید یک کنترلر حیاتی را بیش‌ازحد بارگذاری کند یا ارتباطات قطعی را مختل سازد.

نرم‌افزار تعمیرات پیش‌بینانه یکپارچه با کنترلرهای صنعتی، ورودی‌های ماشین‌آلات و تجهیزات پایش وضعیت

شکل ۳. نرم‌افزار تحلیلی به ارتباطات قابل‌اعتماد با کنترلرها، ورودی‌های ماشین، وضعیت‌های فرایند و سامانه‌های تعمیرات نیاز دارد.

یکپارچه‌سازی باید به یک فرایند تعمیرات عملیاتی و قابل اقدام منجر شود

صرف اتصال فنی، ارزش عملیاتی ایجاد نمی‌کند. خروجی تحلیلی باید به افرادی برسد که می‌توانند تجهیزات را بازرسی، برنامه‌ریزی و تعمیر کنند.

برخی کارخانه‌ها داشبوردهایی می‌سازند که نمودارهای روند بسیار خوبی نمایش می‌دهند. بااین‌حال، این داشبوردها از فرایند تعمیرات جدا می‌مانند. هیچ دستور کاری ایجاد نمی‌شود. هیچ تکنسینی مسئولیت را بر عهده نمی‌گیرد. هیچ بازخوردی از تکمیل کار به مدل بازنمی‌گردد.

یک هشدار مفید باید به چند پرسش عملی پاسخ دهد. کدام تجهیز تحت تأثیر قرار گرفته است؟ چه وضعیتی تشخیص داده شده است؟ این وضعیت چقدر جدی است؟ چه شواهدی از هشدار پشتیبانی می‌کند؟ بازرسی بعدی چه زمانی و چگونه باید انجام شود؟

سیستم همیشه لازم نیست تشخیص نهایی ارائه دهد. بااین‌حال، باید اطلاعات کافی در اختیار کارکنان تعمیرات بگذارد تا تصمیمی منطقی بگیرند.

برای مثال، هشداری که اعلام کند ارتعاش از یک آستانه عمومی فراتر رفته است، ممکن است ارزش محدودی داشته باشد. هشدار بهتر می‌تواند افزایش ارتعاش را در یاتاقان سمت محرک، در شرایط بار پایدار، مشخص کند.

این سیستم همچنین می‌تواند نرخ تغییر، مؤلفه‌های فرکانسی مرتبط، فعالیت‌های تعمیراتی قبلی و زمان‌بندی پیشنهادی بازرسی را نشان دهد.

یکپارچه‌سازی گردش کار باید یافته‌های تحلیلی را به پلتفرم CMMS یا EAM متصل کند. کارخانه می‌تواند پیش از ایجاد خودکار دستورهای کار، در ابتدا از بررسی دستی استفاده کند.

این رویکرد کنترل‌شده از آن جلوگیری می‌کند که تعداد زیادی هشدار کم‌کیفیت، فهرست کارهای تعمیراتی معوق را تحت فشار قرار دهند.

تیم تعمیرات باید نتایج بازرسی را ثبت کند. این تیم باید تأیید کند که آیا نقصی وجود داشته است، هشدار چقدر زود صادر شده و چه اقدامی انجام گرفته است.

این بازخورد ضروری است. به مهندسان امکان می‌دهد آستانه‌ها را بهبود دهند، مدل‌ها را اعتبارسنجی کنند و قوانین نامطمئن را حذف کنند.

یک کارخانه زمانی آماده نیست که هیچ‌کس مالک فرایند واکنش نباشد. تعمیرات پیش‌بینانه نمی‌تواند همچنان مسئولیتی مجزا برای یک فروشنده نرم‌افزار یا دانشمند داده باشد.

این فرایند باید تشخیص، بررسی مهندسی، برنامه‌ریزی تعمیرات، بازرسی میدانی، تعمیر و راستی‌آزمایی پس از تعمیرات را به یکدیگر متصل کند.

مهارت‌های تخصصی همچنان ضروری هستند

اتوماسیون نیاز به دانش مهندسی را از بین نمی‌برد؛ فقط محل به‌کارگیری آن دانش را تغییر می‌دهد.

سامانه‌های پیشگویانه از حسگرهای پیشرفته، شبکه‌های صنعتی، نرم‌افزارهای تحلیلی و مدل‌های تجهیزات استفاده می‌کنند. هر لایه می‌تواند خطاهایی ایجاد کند که شبیه مشکلات ماشین به نظر برسند.

یک کابل قطع‌شده ممکن است شبیه تغییر ناگهانی فرایند به نظر برسد. نویز الکتریکی ممکن است شبیه ارتعاش یاتاقان دیده شود. پیکربندی نادرست تجهیزات ممکن است حدود هشدار غیرواقعی ایجاد کند.

کارکنان باید هم تجهیزات تحت پایش و هم سامانه پایش را درک کنند. ایجاد این ترکیب دشوار است.

مهارت‌های مرتبط ممکن است شامل تحلیل ارتعاش، ترموگرافی، تحلیل روان‌کار، تحلیل جریان موتور، ابزار دقیق، عیب‌یابی شبکه، ارتباطات PLC، مدیریت پایگاه داده و برنامه‌ریزی تعمیرات باشند.

هیچ تکنسین واحدی لازم نیست بر همه رشته‌ها مسلط باشد. بااین‌حال، سازمان باید به تخصص موردنیاز دسترسی داشته باشد.

کارخانه باید بین تحلیل داده و تشخیص نیز تمایز قائل شود. نرم‌افزار می‌تواند یک سیگنال غیرعادی را شناسایی کند. تعیین علت فیزیکی ممکن است به دانش یاتاقان‌ها، کوپلینگ‌ها، گیربکس‌ها، موتورها، پمپ‌ها، شیرها و شرایط فرایند نیاز داشته باشد.

تجربه میدانی همچنان اهمیت دارد، زیرا تجهیزات صنعتی به‌ندرت در شرایط آزمایشگاهی کار می‌کنند. فونداسیون‌ها شل می‌شوند. تنش لوله‌کشی هم‌راستایی را تغییر می‌دهد. تقاضای تولید تغییر می‌کند. تعمیرات موقت دائمی می‌شوند.

این واقعیت‌ها بر رفتار ماشین و نتایج تحلیلی تأثیر می‌گذارند.

متخصصان تعمیرات در حال بررسی داده‌های تجهیزات صنعتی و نتایج عیب‌یابی پیشگویانه

شکل ۴. تعمیرات پیشگویانه مؤثر، ابزارهای تحلیلی را با تجهیزات ابزار دقیق، شبکه‌سازی، قابلیت اطمینان و تجربه مهندسی میدانی ترکیب می‌کند.

وابستگی به متخصصان خارجی می‌تواند پرهزینه شود

متخصصان خارجی می‌توانند استقرار اولیه را تسریع کنند. آن‌ها ممکن است حسگرها را پیکربندی کنند، مدل‌ها را توسعه دهند و به کارکنان داخلی آموزش دهند.

وقتی کارخانه هرگز توانمندی داخلی ایجاد نکند، مشکلات شکل می‌گیرند. در این صورت، هر هشدار به تفسیر فروشنده نیاز دارد. هر تغییر در تجهیزات به یک پروژه مشاوره‌ای جدید نیازمند می‌شود. عیب‌یابی پایه به در دسترس بودن نیروهای خارج از سازمان وابسته می‌گردد.

این وابستگی هزینه‌های عملیاتی را افزایش می‌دهد. همچنین ممکن است تصمیم‌گیری را در شرایط بحرانی تولید به تأخیر بیندازد.

کارخانه‌ها باید مشخص کنند کدام مهارت‌ها در داخل سازمان باقی می‌مانند و کدام خدمات برون‌سپاری می‌شوند. تحلیل بسیار تخصصی ارتعاش ممکن است همچنان برون‌سپاری شود. بررسی اولیه هشدارها و بازرسی میدانی معمولاً باید در داخل کارخانه انجام شود.

آموزش باید بر اساس تجهیزات واقعی باشد. نمایش‌های عمومی نرم‌افزار کافی نیستند. تکنسین‌ها باید محل حسگرها، نحوه عملکرد هشدارها، حالت‌های رایج خرابی و روش‌های راستی‌آزمایی را درک کنند.

برنامه‌ریزان تعمیرات نیز به آموزش نیاز دارند. یک خرابی پیش‌بینی‌شده نباید به‌طور خودکار به دستورکار اضطراری تبدیل شود. برنامه‌ریز باید بحرانی‌بودن تجهیز، موجود بودن قطعات یدکی، پنجره‌های تولید، ایمنی و نرخ برآوردشده پیشرفت خرابی را در نظر بگیرد.

کارکنان بهره‌برداری باید هدف سیستم را درک کنند. آن‌ها اغلب تغییرات فرایند را پیش از تیم‌های تحلیلی متوجه می‌شوند. مشاهدات آن‌ها می‌تواند داده‌های غیرعادی را توضیح دهد یا در حال شکل‌گیری بودن یک عیب را تأیید کند.

انتقال دانش باید در دامنه پروژه گنجانده شود. مستندات باید معماری، تگ‌های متصل، قوانین هشدار، مشخصات حسگرها، الزامات نگهداری و مسیرهای ارجاع را پوشش دهند.

وقتی کارخانه کارکنانی را که پس از راه‌اندازی بتوانند مالکیت و مسئولیت سیستم را بر عهده بگیرند در اختیار ندارد، ممکن است آماده نباشد. یک طرح نمایشی ممکن است موفق شود، اما برنامه بلندمدت به‌تدریج بلااستفاده بماند.

مشکلات بودجه فراتر از قیمت خرید هستند

نگهداری پیشگویانه می‌تواند به سرمایه‌گذاری اولیه قابل‌توجهی نیاز داشته باشد. حسگرها، کابل‌کشی، درگاه‌ها، نرم‌افزار، سرورها، خدمات ابری، یکپارچه‌سازی و آموزش، همگی در هزینه پروژه سهم دارند.

قیمت درج‌شده در پیش‌فاکتور ممکن است تنها بخشی از کل سرمایه‌گذاری را نشان دهد. نصب می‌تواند به زمان توقف، داربست، مجوزهای مناطق خطرناک، نقشه‌های مهندسی و اصلاحات سیستم کنترل نیاز داشته باشد.

ماشین‌آلات قدیمی ممکن است به تغییرات نصب یا ارتقاهای الکتریکی نیاز داشته باشند. شبکه‌های ارتباطی نیز ممکن است به سوئیچ‌های اضافی، اتصالات فیبر نوری یا کنترل‌های امنیت سایبری نیاز پیدا کنند.

نرم‌افزار ممکن است بر اساس اشتراک قیمت‌گذاری شود. مدل‌های تحلیلی ممکن است به پشتیبانی مستمر نیاز داشته باشند. حسگرها باید کالیبره، تعویض یا بازرسی شوند.

کارخانه‌ها باید هزینه چرخه عمر را محاسبه کنند، نه فقط قیمت خرید را. یک طرح آزمایشی کم‌هزینه، هنگام استقرار در صدها تجهیز می‌تواند به برنامه‌ای پرهزینه تبدیل شود.

توجیه مالی باید بر مبنای صرفه‌جویی‌های واقع‌بینانه نیز باشد. زمان توقف اجتناب‌شده را نباید برای هر خرابی احتمالی، با استفاده از حداکثر ارزش تولید محاسبه کرد.

برخی خرابی‌ها از قبل در زمان توقف‌های برنامه‌ریزی‌شده رخ می‌دهند. برخی دیگر فقط تجهیزات افزونه را تحت تأثیر قرار می‌دهند. بعضی هشدارها نیز به بازرسی منجر می‌شوند، بدون آنکه عیب قابل‌توجهی پیدا شود.

یک توجیه اقتصادی معتبر باید این محدودیت‌ها را نیز در نظر بگیرد.

تیم مهندسی در حال ارزیابی هزینه‌های نگهداری پیشگویانه، صرفه‌جویی‌های مورد انتظار و اولویت‌های اجرا

شکل ۵. نگهداری پیشگویانه می‌تواند بازده چشمگیری ایجاد کند، اما هزینه‌های اولیه و تکرارشونده باید با ریسک‌های تجهیزات کارخانه متناسب باشند.

هر تجهیزی شایسته پایش مستمر نیست

نگهداری پیشگویانه باید بر تجهیزاتی متمرکز شود که تشخیص زودهنگام عیب در آن‌ها ارزش قابل‌توجهی ایجاد می‌کند.

یک فن کوچک و ارزان ممکن است هزینه تعویض پایینی داشته باشد. ممکن است یک واحد آماده‌به‌کار نصب‌شده نیز داشته باشد. خرابی آن ممکن است بر ایمنی، کیفیت یا تولید تأثیری نگذارد.

نصب حسگرهای دائمی، سخت‌افزار ارتباطی و نرم‌افزار تحلیلی روی آن فن ممکن است بیش از تعویض فن پس از خرابی هزینه داشته باشد.

در مقابل، یک فن مکش القایی که به یک دیگ بخار حیاتی خدمت‌رسانی می‌کند، ممکن است پایش مستمر را توجیه کند. خرابی آن می‌تواند تولید را متوقف کرده و هزینه‌های قابل‌توجهی برای راه‌اندازی مجدد ایجاد کند.

بنابراین، بحرانی‌بودن دارایی باید راهنمای سرمایه‌گذاری باشد. بحرانی‌بودن، تأثیر بر تولید، پیامدهای ایمنی، ریسک زیست‌محیطی، مدت تعمیر، دسترسی به قطعات یدکی و خسارت ثانویه را در نظر می‌گیرد.

کارخانه باید بسامد خرابی را نیز بررسی کند. یک دارایی حیاتی که به‌ندرت خراب می‌شود، ممکن است همچنان توجیه‌کننده حفاظت باشد. بااین‌حال، روش تشخیص مورد انتظار باید از نظر فنی معتبر باشد.

برای برخی دارایی‌ها، بازرسی دوره‌ای مبتنی بر مسیر مناسب‌تر است. یک تکنسین می‌تواند هر ماه در بسیاری از ماشین‌ها قرائت‌های ارتعاش را جمع‌آوری کند. این رویکرد ممکن است با هزینه کمتر، هشدار کافی فراهم کند.

برای برخی دارایی‌های دیگر می‌توان از محرک‌های پایه مبتنی بر وضعیت استفاده کرد. حد فشار تفاضلی می‌تواند نشان‌دهنده بارگیری فیلتر باشد. روند جریان موتور می‌تواند افزایش بار مکانیکی را آشکار کند.

تعمیرات پیش‌بین یکی از گزینه‌ها در چارچوب راهبرد گسترده‌تر قابلیت اطمینان است. این روش نباید جایگزین همه فعالیت‌های پیشگیرانه یا مبتنی بر وضعیت شود.

یک راهبرد مناسب برای دارایی‌ها ممکن است شامل بهره‌برداری تا خرابی برای تجهیزات کم‌پیامد، تعویض پیشگیرانه قطعات وابسته به عمر، پایش وضعیت برای عیوب در حال توسعه و تحلیل‌های پیش‌بین برای دارایی‌های باارزش باشد.

تعادل صحیح از تعداد حسگرهای متصل مهم‌تر است.

برخی حالت‌های خرابی را نمی‌توان با اطمینان پیش‌بینی کرد

تعمیرات پیش‌بین زمانی بهترین عملکرد را دارد که تخریب به‌تدریج ایجاد شود و شواهد قابل‌اندازه‌گیری تولید کند.

سایش یاتاقان، نابالانسی، ناهم‌راستایی، افت کیفیت روان‌کاری و تخریب حرارتی اغلب روندهای قابل‌تشخیصی ایجاد می‌کنند. این وضعیت‌ها ممکن است برای بازرسی و تعمیر برنامه‌ریزی‌شده، هشدار کافی فراهم کنند.

برخی خرابی‌ها ناگهانی رخ می‌دهند. یک قطعه الکترونیکی ممکن است بدون الگوی هشدار پایدار از کار بیفتد. یک کابل ممکن است هنگام عملیات ساختمانی نامرتبط آسیب ببیند. جسمی خارجی ممکن است به‌طور غیرمنتظره وارد یک سیستم فرایندی شود.

تحلیل‌های پیش‌بین نمی‌توانند هر رویداد تصادفی را با اطمینان پیش‌بینی کنند.

کارخانه‌ها باید پیش از انتخاب روش پایش، ویژگی‌های خرابی را بررسی کنند. بازه زمانی بالقوه خرابی اهمیت ویژه‌ای دارد.

این بازه زمانی، فاصله بین تشخیص یک عیب در حال توسعه و رسیدن به خرابی عملکردی را نشان می‌دهد. بسامد پایش باید کوتاه‌تر از این بازه باشد.

بازرسی ماهانه نمی‌تواند خرابی‌ای را مدیریت کند که طی دو روز پیشرفت می‌کند. ممکن است پایش پیوسته لازم باشد. بااین‌حال، پایش پیوسته نیز زمانی که وضعیت هیچ هشدار قابل‌اندازه‌گیری ایجاد نمی‌کند، ناکام می‌ماند.

تیم باید بررسی کند که آیا پارامتر قابل تشخیصی وجود دارد یا نه. همچنین باید مشخص کند که آیا آن پارامتر به‌اندازه کافی زود تغییر می‌کند تا اقدام تعمیراتی امکان‌پذیر باشد.

هشداری که ده دقیقه پیش از خرابی ظاهر می‌شود، ممکن است از حفاظت با خاموش‌سازی خودکار پشتیبانی کند، اما لزوماً برای برنامه‌ریزی تعمیرات کافی نیست.

سیستم‌های حفاظتی و سیستم‌های پیش‌بین اهداف متفاوتی دارند. سیستم حفاظت از ماشین‌آلات ممکن است هنگام ارتعاش خطرناک، تجهیزات را از مدار خارج کند. یک سیستم پیش‌بین باید پیش از رسیدن به نقطه توقف، خرابی را شناسایی کند.

کارخانه‌هایی که برنامه‌های تجهیزات دوار را ارزیابی می‌کنند، هنگام مقایسه حسگرها، سخت‌افزار پایش و سازگاری سیستم نصب‌شده، می‌توانند قطعات پایش ماشین‌آلات موجود را بررسی کنند.

کارخانه نباید برای خرابی‌هایی که شاخص اولیه قابل‌اعتمادی ندارند، پوشش پیش‌بینانه وعده دهد. محدودیت‌های فنی روشن، بیش از ادعاهای غیرواقع‌بینانه اعتماد ایجاد می‌کنند.

نگهداری پیشگیرانه موجود ممکن است همین حالا نیز مؤثر باشد

نگهداری پیش‌بینانه لزوماً از یک برنامه پیشگیرانه خوب‌طراحی‌شده بهتر نیست.

عمر کاری برخی قطعات قابل‌پیش‌بینی است. تعویض آن‌ها کم‌هزینه و برنامه‌ریزی‌پذیر است. کارخانه ممکن است هم‌اکنون آن‌ها را در زمان توقف‌های برنامه‌ریزی‌شده، با کمترین تأثیر بر تولید، تعویض کند.

افزودن حسگرها و تحلیل‌ها ممکن است ارزش افزوده چندانی ایجاد نکند.

نگهداری پیشگیرانه همچنین می‌تواند الزامات مقرراتی، ایمنی یا بیمه‌ای را برآورده کند. یک مدل پیش‌بینانه ممکن است الزام بازرسی دوره‌ای یا آزمون اثباتی را برطرف نکند.

سیستم‌های ابزار دقیق ایمنی نمونه روشنی هستند. داده‌های تشخیصی ممکن است از تصمیم‌های نگهداری پشتیبانی کنند، اما همچنان ممکن است رعایت فواصل آزمون اجباری لازم باشد.

نگهداری مبتنی بر شرایط نیز ممکن است کافی باشد. اپراتورها شاید در حین کارهای معمول، نشتی، فشار، صدا، دما یا کیفیت محصول را بررسی کنند.

کارخانه باید راهبردها را بر اساس هزینه، ریسک و اثربخشی فنی مقایسه کند. نباید صرفاً به این دلیل تغییر راهبرد دهد که نگهداری پیش‌بینانه پیشرفته‌تر به نظر می‌رسد.

یک برنامه موفق نگهداری پیشگیرانه مزیت دیگری نیز دارد. این برنامه سوابق ساختاریافته نگهداری ایجاد می‌کند. این سوابق بعداً می‌توانند از تحلیل پیش‌بینانه پشتیبانی کنند.

تصمیم درست ممکن است این باشد که ابتدا برنامه موجود بهبود یابد. می‌توان اثربخشی وظایف را بررسی کرد. کدهای خرابی را می‌توان استاندارد کرد. نتایج بازرسی را می‌توان به‌صورت الکترونیکی ثبت کرد.

این بهبودها ممکن است بدون سرمایه‌گذاری عمده در فناوری، خرابی‌ها را کاهش دهند. همچنین پایه‌ای قوی‌تر برای تحلیل‌های آینده ایجاد می‌کنند.

کارخانه باید تا زمانی که جایگزین پیشنهادی برتری قابل‌اندازه‌گیری نشان دهد، راهبرد فعلی را حفظ کند.

سازمان‌ها به داده‌های تاریخی قابل‌اعتماد نیاز دارند

مدل‌های پیش‌بینانه از سابقه عملکرد یاد می‌گیرند. آن‌ها به نمونه‌هایی از رفتار عادی، تغییر بارها، رویدادهای تعمیر و خرابی‌های در حال شکل‌گیری نیاز دارند.

در کارخانه‌هایی که عمدتاً به تعمیرات واکنشی متکی هستند، سوابق اغلب ضعیف‌اند. ممکن است در یک دستورکار فقط نوشته شود که یک پمپ تعمیر شده است. این گزارش شاید یاتاقان خراب، علائم حین کار، علت ریشه‌ای یا قطعات تعویض‌شده را مشخص نکند.

چنین سوابقی نمی‌توانند به‌طور قابل‌اعتماد برای آموزش یا اعتبارسنجی یک مدل استفاده شوند.

مشکلات کیفیت داده ممکن است شامل زمان‌مُهرهای ناقص، نام‌های ناسازگار تجهیزات، سوابق تکراری تجهیزات و شرح‌های مبهم خرابی باشند.

داده‌های حسگر نیز ممکن است ناقص باشند. تجهیزات ممکن است سال‌ها بدون ثبت روندهای ارتعاش یا دما کار کرده باشند.

وقتی داده‌های تاریخی در دسترس نیستند، سیستم باید اطلاعات جدیدی برای خط‌مبنا جمع‌آوری کند. این کار زمان می‌برد. حالت‌های نادر خرابی ممکن است در دوره اولیه استقرار ظاهر نشوند.

سازمان‌ها نباید نبود هشدارها را با پیش‌بینی موفق اشتباه بگیرند. ممکن است سیستم صرفاً اطلاعات کافی برای تشخیص رفتار غیرعادی نداشته باشد.

پایگاه داده نگهداری و تعمیرات شامل تاریخچه تجهیزات، سفارش‌های کار، خرابی‌ها، بازرسی‌ها و روندهای عملیاتی

شکل ۶. سوابق تاریخی دقیق به سیستم‌های تحلیلی کمک می‌کنند عملکرد عادی را از عیب‌های در حال توسعه تجهیزات تشخیص دهند.

بلوغ نگهداری و تعمیرات باید پیش از تحلیل‌های پیشرفته حاصل شود

کارخانه‌ای که در کنترل پایه‌ای نگهداری و تعمیرات مشکل دارد، ممکن است از پیش‌بینی پیشرفته بهره‌ای نبرد.

نشانه‌های هشدار معمولاً شامل حجم بالای کارهای اضطراری معوق، سوابق ناقص دارایی‌ها، کمبودهای برنامه‌ریزی‌نشده قطعات یدکی، سفارش‌های کار ناقص و خرابی‌های تکراری بدون تحلیل علت ریشه‌ای هستند.

افزودن هشدارهای پیش‌بینانه به این محیط اطلاعات بیشتری ایجاد می‌کند، اما لزوماً اقدام بهتری به همراه ندارد.

کارخانه باید ابتدا سلسله‌مراتب دارایی‌ها، شناسایی تجهیزات، مالکیت نگهداری و تعمیرات و انضباط سفارش‌های کار را برقرار کند.

دارایی‌های حیاتی باید فهرست مواد صحیحی داشته باشند. قطعات یدکی باید به تجهیزات مرتبط باشند. کدهای خرابی باید از اصطلاحات یکسانی استفاده کنند.

تکمیل فعالیت نگهداری و تعمیرات باید شامل یافته‌ها، قطعات تعویض‌شده و سازوکارهای مشاهده‌شده خرابی باشد. این سوابق به بازخورد ارزشمندی برای سیستم‌های تحلیلی تبدیل می‌شوند.

سازمان همچنین به انضباط در برنامه‌ریزی نیاز دارد. یک عیبِ در حال توسعه که تأیید شده است، باید به نیازهای نیروی کار، موجودی قطعات، مجوزها و یک بازه زمانی تولید تبدیل شود.

بدون این فرایند، تشخیص زودهنگام از خرابی جلوگیری نمی‌کند؛ فقط آگاهی زودتری از مشکلی فراهم می‌کند که همچنان حل‌نشده باقی مانده است.

یک سازمان بالغ به داده‌های بی‌نقص نیاز ندارد؛ بلکه به رویه‌های تکرارپذیر و مالکیت پاسخ‌گو نیاز دارد.

نگهداری و تعمیرات پیش‌بینانه باید این رویه‌ها را تقویت کند، نه اینکه آن‌ها را دور بزند.

تغییر شرایط تولید می‌تواند مدل را دچار سردرگمی کند

تجهیزات صنعتی به‌ندرت تحت یک شرایط ثابت کار می‌کنند. سرعت، بار، فشار، گرید محصول، دما و ویژگی‌های مواد ممکن است در طول روز تغییر کنند.

این تغییرات بر رفتار ماشین اثر می‌گذارند. یک پمپ ممکن است در دبی کم، ارتعاش متفاوتی داشته باشد. ممکن است جریان موتور یک فن هنگام تغییر موقعیت دمپرها بیشتر شود. یک نوار نقاله ممکن است هنگام جابه‌جایی مواد سنگین‌تر، الگوهای صوتی متفاوتی تولید کند.

مدلی که تحت یک وضعیت عملیاتی آموزش دیده است، ممکن است تحت وضعیتی دیگر هشدارهای کاذب ایجاد کند.

تغییرات مکرر تجهیزات چالش دیگری ایجاد می‌کنند. کارخانه ممکن است موتوری را تعویض کند، نسبت گیربکس را تغییر دهد، لوله‌کشی را اصلاح کند یا منطق کنترل را تغییر دهد.

خط‌مبنای قبلی ممکن است دیگر نمایانگر عملکرد عادی نباشد.

بنابراین، سیستم‌های پیش‌بینانه به مدیریت پیکربندی نیاز دارند. تغییرات تجهیزات باید باعث بازبینی خط‌مبناها، حدود هشدار و مفروضات مدل شوند.

در صورت نیاز، داده‌ها باید بر اساس شرایط عملیاتی گروه‌بندی شوند. ماشین‌های با سرعت متغیر ممکن است به تحلیل ارتعاش مرتبط با سرعت نیاز داشته باشند. فرایندهای بچ ممکن است به مدل‌هایی هماهنگ با مراحل تولید نیاز داشته باشند.

کارخانه‌ای با عملیات ناپایدار باید ابتدا درک خود از فرایند را بهبود دهد. در غیر این صورت، سیستم تحلیلی ممکن است بیشتر تلاش خود را صرف شناسایی تغییرپذیری تولید کند.

این موضوع مانع نگهداری پیش‌بینانه نمی‌شود؛ بلکه طراحی فنی را تغییر می‌دهد. ممکن است به زمینه عملیاتی بیشتر و بخش‌بندی مدل نیاز باشد.

سیستم‌های کنترل قدیمی ممکن است توجیه اقتصادی را محدود کنند

کارخانه‌های براون‌فیلد اغلب تجهیزاتی از چند نسل سیستم‌های کنترل دارند. یک ناحیه تولید ممکن است از PLC مدرن مبتنی بر اترنت استفاده کند. ناحیه‌ای دیگر ممکن است به شبکه‌ای اختصاصی متکی باشد که چند دهه پیش نصب شده است.

سیستم‌های قدیمی می‌توانند همچنان قابل‌اعتماد باشند. بااین‌حال، دریافت داده‌های اضافی درباره وضعیت ممکن است دشوار باشد.

کنترلر ممکن است حافظه، ظرفیت ارتباطی یا کانال‌های ورودی در دسترس محدودی داشته باشد. ماژول‌های جایگزین ممکن است منسوخ شده باشند. نرم‌افزار مهندسی اصلی ممکن است دیگر روی رایانه‌های فعلی اجرا نشود.

یک پروژه نگهداری پیش‌بینانه ممکن است این خطرات چرخه عمر را آشکار کند. هزینه یکپارچه‌سازی موردنیاز می‌تواند از هزینه حسگرهای پایش بیشتر باشد.

کارخانه‌ها باید از ایجاد تغییرات کنترل‌نشده در سیستم‌های قدیمی حیاتی خودداری کنند. افزودن ترافیک شبکه یا تغییر کد برنامه‌های قدیمی می‌تواند خطر تولید ایجاد کند.

یک طراحی ایمن‌تر ممکن است از سخت‌افزار پایش مستقل استفاده کند. این سخت‌افزار می‌تواند سیگنال‌ها را بدون تغییر منطق کنترل اصلی جمع‌آوری کند.

گزینه دیگر، برنامه مدرن‌سازی مرحله‌ای است. کارخانه می‌تواند ابتدا پشتیبانی از سخت‌افزارهای منسوخ، مستندات و دسترس‌پذیری قطعات یدکی را تثبیت کند.

سپس می‌توان قابلیت‌های پیش‌بینانه را هم‌زمان با ارتقاهای برنامه‌ریزی‌شده کنترل اضافه کرد.

این تصمیم باید چرخه عمر تجهیزات را در نظر بگیرد. نصب یک سیستم پایش پیچیده روی ماشین‌آلاتی که قرار است تعویض شوند، ممکن است اقتصادی نباشد.

بااین‌حال، اگر جایگزینی چندین سال طول بکشد و خطر خرابی همچنان بالا باشد، پایش ممکن است همچنان توجیه‌پذیر باشد.

امنیت سایبری و حاکمیت داده را نمی‌توان بعداً اضافه کرد

نگهداری پیش‌بینانه اغلب مستلزم انتقال داده‌های عملیاتی به خارج از مرز اصلی سیستم کنترل است.

داده ممکن است به یک سرور در محل، پلتفرم سازمانی، ارائه‌دهنده خدمات از راه دور یا محیط ابری منتقل شود.

هر اتصال، الزامات حاکمیتی و امنیت سایبری ایجاد می‌کند. کارخانه‌ها باید مشخص کنند کدام سیستم‌ها می‌توانند با یکدیگر ارتباط برقرار کنند، کدام کاربران به داده‌ها دسترسی داشته باشند و پشتیبانی خارجی چگونه کنترل شود.

یک اتصال نادرست برنامه‌ریزی‌شده می‌تواند دارایی‌های صنعتی را در معرض خطر غیرضروری قرار دهد. برای تجهیزات حیاتی نباید از ابزارهای دسترسی از راه دور مخصوص کاربران عادی استفاده شود.

معماری شبکه باید شامل بخش‌بندی، دسترسی مدیریت‌شده، احراز هویت، ثبت گزارش، مدیریت وصله‌ها و انتقال امن داده باشد.

پلتفرم تحلیلی نباید زمانی که داده‌های فقط‌خواندنی کافی است، به دسترسی کنترلی نامحدود نیاز داشته باشد.

مالکیت داده‌ها نیز باید روشن باشد. قراردادها باید مشخص کنند که مالک داده‌های خام حسگر، مدل‌های استخراج‌شده و نتیجه‌گیری‌های تعمیراتی چه کسی است.

کارخانه باید بداند با پایان یافتن اشتراک چه اتفاقی می‌افتد. داده‌های تاریخی و مدل‌های پیکربندی‌شده باید طبق شرایط توافق‌شده همچنان در دسترس بمانند.

بررسی‌های امنیت سایبری می‌توانند بر زمان‌بندی پروژه اثر بگذارند. این بررسی‌ها باید در مرحله طراحی معماری آغاز شوند، نه پس از نصب.

کارخانه زمانی آماده نیست که پروژه، امنیت سایبری را با این توجیه نادیده بگیرد که سیستم پایش غیرحیاتی است.

داده‌های وضعیت همچنان می‌توانند نرخ تولید، وضعیت دارایی، حدود بهره‌برداری و آماده‌به‌کاری کارخانه را آشکار کنند. این اطلاعات ممکن است از نظر تجاری یا عملیاتی حساس باشند.

مطالعه موردی: پروژه پایش پمپی که هشدارهای بیش از حد تولید کرد

یک کارخانه شیمیایی را در نظر بگیرید که حسگرهای بی‌سیم ارتعاش را روی چهل پمپ نصب کرد. هدف پروژه کاهش خرابی آب‌بندها و تعویض‌های اضطراری یاتاقان‌ها بود.

داشبورد اولیه مرتباً هشدارهای ارتعاش بالا ایجاد می‌کرد. کارکنان تعمیرات چند پمپ را بازرسی کردند، اما هیچ نقص قابل مشاهده‌ای نیافتند.

اعتماد به سیستم به‌سرعت کاهش یافت.

یک بررسی دقیق چند علت را آشکار کرد. برخی حسگرها روی پوشش‌های نازک موتور نصب شده بودند. سرعت کار پمپ‌ها ثبت نشده بود. چند واحد بسیار دور از دبی طراحی خود کار می‌کردند.

حدود هشدار برای همه پمپ‌ها یکسان بود، با وجود تفاوت در اندازه، فونداسیون و شرایط سرویس کاری آن‌ها.

تیم پروژه رویکرد خود را تغییر داد. حسگرها در محل‌های مناسب یاتاقان دوباره نصب شدند. سرعت و جریان فرایند نیز به مجموعه‌داده افزوده شد.

پمپ‌ها بر اساس طراحی و نوع سرویس کاری گروه‌بندی شدند. آستانه‌های هشدار با استفاده از اندازه‌گیری‌های مبنا و بررسی مهندسی تنظیم شدند.

تیم همچنین ناپایداری هیدرولیکی را از نشانه‌های مکانیکی یاتاقان جدا کرد.

پس از این تغییرات، تعداد هشدارها کاهش یافت. هشدارهای باقی‌مانده کاربردی‌تر شدند. یک پمپ در زمان کار پایدار، افزایش ارتعاش در فرکانس مربوط به یاتاقان را نشان داد.

بازرسی تعمیرات، افت کیفیت روان‌کاری را تأیید کرد. یاتاقان در جریان یک تغییر برنامه‌ریزی‌شده تولید تعویض شد.

درس ماجرا این نبود که پایش بی‌سیم شکست خورده است. پروژه اولیه فاقد نصب مناسب حسگرها، زمینه کافی درباره تجهیزات و اعتبارسنجی مناسب هشدارها بود.

یک بررسی آمادگی مختصر می‌توانست این مشکلات را پیش از استقرار کامل شناسایی کند.

مطالعه موردی: خط بسته‌بندی‌ای که به پیش‌بینی پیشرفته نیاز نداشت

یک مرکز بسته‌بندی مواد غذایی، پایش مداوم موتورهای کوچک نوار نقاله را بررسی کرد. موتورها ارزان بودند و از موجودی محلی در دسترس بودند.

بیشتر نوار نقاله‌ها چیدمان مکانیکی ساده‌ای داشتند. واحدهای خراب را می‌شد در زمان‌های معمول ضدعفونی به‌سرعت تعویض کرد.

پیشنهاد اولیه شامل پایش جریان، حسگرهای دما، درگاه‌های ارتباطی و اشتراک تحلیل ابری بود.

بررسی بحرانی‌بودن نشان داد که بیشتر موتورها نصب پایش دائمی را توجیه نمی‌کنند. پیامدهای خرابی آن‌ها محدود بود و زمان تعویض با قطعه یدکی کوتاه بود.

کارخانه راهبرد ساده‌تری را انتخاب کرد. اپراتورها هنگام پاک‌سازی بازرسی‌های بصری انجام می‌دادند. برق‌کارها در بازدیدهای ماهانه، بازرسی حرارتی دستی انجام می‌دادند.

تعداد محدودی از موتورهای محرک حیاتی به پایش پیوسته جریان و دما مجهز شدند. این موتورها به تجهیزات گلوگاهی خدمت‌رسانی می‌کردند که زمان تعویض طولانی‌تری داشتند.

برنامه بازنگری‌شده هزینه کمتری داشت و با ریسک دارایی‌ها تناسب بهتری پیدا کرد.

نگهداری پیش‌بینانه رد نشد؛ فقط در جاهایی به کار گرفته شد که هشدار زودهنگام ارزش عملیاتی ایجاد می‌کرد.

مطالعه موردی: داده‌های تاریخی بدون برچسب‌های قابل‌اعتماد خرابی

یک سایت تولیدی بزرگ چندین سال داده تاریخچه‌نگار داشت. مدیریت بر این باور بود که این تاریخچه برای یادگیری ماشین کافی است.

پایگاه داده شامل جریان موتور، دماها، فشار فرایند و نرخ‌های تولید بود. بااین‌حال، سوابق نگهداری جزئیات خرابی را به‌صورت یکدست دربر نداشتند.

دستورکارها از توضیحاتی مانند «مشکل موتور»، «تعمیر پمپ» و «تجهیزات بررسی شد» استفاده می‌کردند.

تیم تحلیل می‌توانست روندهای غیرعادی را شناسایی کند، اما نمی‌توانست تعیین کند کدام الگوها نشان‌دهنده خرابی‌های مشخص هستند.

کارخانه ابتدا کدگذاری نگهداری را بهبود داد. تکنسین‌ها قطعه خراب، وضعیت مشاهده‌شده، علت و اقدام اصلاحی را ثبت کردند.

تیم همچنین گزارش‌های توقف‌های گذشته و مصرف قطعات یدکی را بررسی کرد. این کار چند رویداد خرابی تأییدشده را بازسازی کرد.

سپس مدل‌های تحلیلی جدید با استفاده از نمونه‌های تأییدشده آموزش داده شدند. پروژه به‌جای تشخیص خودکار، با شناسایی ناهنجاری و بررسی مهندسی آغاز شد.

این رویکرد مرحله‌ای به استقرار اولیه کندتر، اما نتایج معتبرتر، منجر شد.

این مطالعه موردی نشان می‌دهد که حجم داده و کیفیت داده با یکدیگر متفاوت‌اند. میلیون‌ها مقدار ثبت‌شده نمی‌توانند جایگزین زمینه قابل‌اعتماد نگهداری شوند.

ارزیابی عملی آمادگی برای نگهداری پیش‌بینانه

پیش از استقرار، کارخانه باید یک ارزیابی ساختاریافته آمادگی را تکمیل کند. این ارزیابی باید ارزش کسب‌وکار، مناسب‌بودن دارایی، ابزار دقیق، یکپارچه‌سازی سیستم‌ها، کیفیت داده، مهارت‌ها، امنیت سایبری و فرایندهای کاری را پوشش دهد.

از مسئله کسب‌وکار شروع کنید. خرابی‌هایی را شناسایی کنید که بیشترین اثر را بر تولید، ایمنی، کیفیت یا محیط‌زیست دارند.

فراوانی و پیامدهای آن‌ها را برآورد کنید. مدت تعمیر، خسارت‌های ثانویه و موجودی قطعات یدکی را بررسی کنید.

سپس حالت‌های خرابی را بررسی کنید. مشخص کنید آیا هر خرابی هشدار قابل‌اندازه‌گیری ایجاد می‌کند یا نه. بازه زمانی هشدار موجود را برآورد کنید.

ابزار دقیق موجود را بررسی کنید. مناسب‌بودن حسگرها، نقاط نصب، الزامات محیطی، وضعیت کالیبراسیون و دسترسی به داده‌ها را تأیید کنید.

مسیر داده را از ماشین تا سکوی تحلیلی ترسیم کنید. پروتکل‌ها، نرخ‌های به‌روزرسانی، مُهرهای زمانی، واحدهای مهندسی و ظرفیت شبکه را تأیید کنید.

سوابق تاریخی را ارزیابی کنید. نام دارایی‌ها، شرح‌های تعمیر و نگهداری، کدهای خرابی، وضعیت‌های عملیاتی و داده‌های مفقود را بررسی کنید.

توانمندی سازمانی را بررسی کنید. مشخص کنید چه کسی هشدارها را پایش می‌کند، یافته‌ها را اعتبارسنجی می‌کند، دستورکار ایجاد می‌کند، تجهیزات را بازرسی می‌کند و مدل‌ها را به‌روزرسانی می‌کند.

هزینهٔ چرخهٔ عمر را محاسبه کنید. سخت‌افزار، مهندسی، نصب، زمان توقف، نرم‌افزار، آموزش، پشتیبانی و نگهداری حسگر را در نظر بگیرید.

در نهایت، نتایج قابل‌اندازه‌گیری را تعریف کنید. از اهداف کلی مانند «بهبود قابلیت اطمینان» پرهیز کنید. از معیارهای مشخصی مانند کاهش تعمیرات اضطراری یاتاقان یا شناسایی خرابی‌های منتخب پیش از توقف استفاده کنید.

به‌جای اجرای سراسری در کارخانه، از یک پایلوت متمرکز استفاده کنید

یک پایلوت باید گردش‌کار کامل تعمیر و نگهداری را آزمایش کند. هدف آن نباید فقط اثبات ارسال دادهٔ حسگر به داشبورد باشد.

تعداد کمی دارایی را با سابقهٔ خرابی مشخص و تأثیر عملیاتی قابل‌توجه انتخاب کنید.

دارایی‌ها باید حالت‌های خرابی قابل‌شناسایی داشته باشند. کارکنان تعمیر و نگهداری باید رفتار عملیاتی آن‌ها را درک کنند.

پایلوت باید شامل نصب حسگر، جمع‌آوری داده، یکپارچه‌سازی سیستم، بررسی هشدارها، بازرسی میدانی، برنامه‌ریزی کار و راستی‌آزمایی نتایج باشد.

پیش از نصب، موفقیت را تعریف کنید. معیارهای ممکن شامل شناسایی خرابی تأییدشده، کاهش بازرسی‌های غیرضروری، بهبود زمان‌بندی یا جلوگیری از آسیب ثانویه است.

پایلوت را آن‌قدر طولانی ادامه دهید که شرایط عملیاتی نماینده را ثبت کند. یک نمایش کوتاه در زمان تولید پایدار ممکن است سیستم واقعی را آزمایش نکند.

مثبت‌های کاذب و شرایط شناسایی‌نشده را مستند کنید. هر دو، اطلاعات ارزشمندی برای طراحی فراهم می‌کنند.

نتایج ناموفق را پنهان نکنید. یک پایلوت که حسگرهای نامناسب یا داده‌های ضعیف را شناسایی کند، می‌تواند از اجرای کامل و پرهزینه جلوگیری کند.

توسعه باید بر اساس شواهد انجام شود. دارایی‌هایی با طراحی‌ها و شرایط عملیاتی مشابه را می‌توان ابتدا اضافه کرد.

هر مرحلهٔ توسعه باید نیروی انسانی، ظرفیت شبکه، عملکرد نرم‌افزار و توان پاسخ‌گویی تعمیر و نگهداری را تأیید کند.

ایجاد زیرساخت در مراحل

کارخانه‌ای که امروز آماده نیست نیز می‌تواند یک نقشهٔ راه عملی ایجاد کند.

مرحلهٔ اول ممکن است سوابق تعمیر و نگهداری و سلسله‌مراتب دارایی‌ها را بهبود دهد. کارخانه می‌تواند نام تجهیزات، کدهای خرابی و تکمیل دستورکارها را استاندارد کند.

مرحلهٔ دوم ممکن است پایش هدفمند وضعیت را معرفی کند. تکنسین‌ها می‌توانند داده‌های دوره‌ای ارتعاش، حرارتی یا روانکار را از دارایی‌های حیاتی جمع‌آوری کنند.

مرحلهٔ سوم ممکن است اطلاعات موجود فرایند و تعمیر و نگهداری را یکپارچه کند. داده‌نگارها، کنترلرها و سوابق CMMS را می‌توان از طریق یک معماری کنترل‌شده به هم متصل کرد.

مرحلهٔ چهارم ممکن است تحلیل‌های پیشرفته‌ای را برای حالت‌های خرابی منتخب اضافه کند. مدل‌ها باید با بازرسی‌های میدانی و یافته‌های تعمیر و نگهداری اعتبارسنجی شوند.

مرحله نهایی ممکن است بخش‌هایی از گردش کار را خودکار کند. هشدارهای با اطمینان بالا می‌توانند درخواست‌های بازرسی یا دستورکارهای پیشنهادی ایجاد کنند.

این رویکرد مرحله‌ای، ریسک فنی و مالی را کاهش می‌دهد. همچنین به کارکنان زمان می‌دهد تا مهارت‌های خود را توسعه دهند.

مهم‌تر از همه، این رویکرد پروژه را به مشکلات واقعی قابلیت اطمینان مرتبط نگه می‌دارد.

چه زمانی باید نگهداری پیش‌بینانه به‌تعویق انداخته شود

اگر مدیریت ارشد منابع یا مسئولیت پروژه را متعهد نشده باشد، واحد صنعتی باید به‌تعویق انداختن اجرای آن را در نظر بگیرد.

وقتی حالت‌های خرابی بحرانی شناسایی نشده باشند نیز ممکن است تأخیر مناسب باشد. نصب حسگر بدون راهبرد خرابی، نتایج ضعیفی ایجاد می‌کند.

همین موضوع زمانی نیز صدق می‌کند که تجهیزات ابزار دقیق نتوانند داده‌های قابل‌اعتماد درباره وضعیت جمع‌آوری کنند. نرم‌افزار نمی‌تواند اندازه‌گیری‌های فیزیکی ضعیف را اصلاح کند.

هرگاه یکپارچه‌سازی ارتباطات و سامانه کنترل، ریسک‌های غیرقابل‌قبولی برای تولید یا امنیت سایبری ایجاد کند، باید در استقرار پروژه تجدیدنظر شود.

سازمان‌هایی که سوابق نگهداری ضعیفی دارند، ممکن است ابتدا به بهبود کیفیت داده‌ها نیاز داشته باشند. واحدهایی که نیروی انسانی لازم برای بررسی و اقدام بر اساس هشدارها را ندارند نیز با ریسک بالای شکست مواجه‌اند.

بودجه‌های محدود باید به دارایی‌هایی اختصاص یابند که بیشترین پیامد را دارند. یک نصب گسترده ممکن است ارزش کمتری از یک برنامه متمرکز قابلیت اطمینان ایجاد کند.

همچنین ممکن است نگهداری پیش‌بینانه ضروری نباشد، اگر نگهداری پیشگیرانه یا مبتنی بر وضعیت، ریسک را به‌طور مؤثر کنترل می‌کند.

به‌تعویق انداختن پروژه شکست محسوب نمی‌شود. این کار اغلب تصمیمی مهندسی و مسئولانه است.

بهترین راهبرد نگهداری، راهبردی است که واحد صنعتی بتواند اجرا کند

نگهداری پیش‌بینانه می‌تواند توقف‌های غیرمنتظره را کاهش دهد و برنامه‌ریزی نگهداری را بهبود بخشد. همچنین می‌تواند افت عملکرد تجهیزات را که در بازرسی‌های معمول نادیده می‌ماند آشکار کند.

این مزایا به چیزی بسیار فراتر از الگوریتم‌ها وابسته‌اند. آن‌ها به دارایی‌های مناسب، حسگرهای صحیح، یکپارچه‌سازی قابل‌اعتماد، سوابق باکیفیت، نیروی انسانی ماهر و فرایندهای کاری منضبط نیاز دارند.

واحدهای صنعتی باید از برخورد با نگهداری پیش‌بینانه به‌عنوان جایگزینی فراگیر برای راهبردهای موجود خودداری کنند.

کارکرد تا خرابی، نگهداری پیشگیرانه، نگهداری مبتنی بر وضعیت، پایش حفاظتی و تحلیل‌های پیش‌بینانه، هرکدام کاربردهای معتبری دارند.

قوی‌ترین برنامه‌های قابلیت اطمینان، این روش‌ها را به‌صورت گزینشی به کار می‌گیرند. آن‌ها راهبرد نگهداری را با اهمیت دارایی، رفتار خرابی، ریسک عملیاتی و ارزش اقتصادی مطابقت می‌دهند.

بنابراین، ارزیابی آمادگی باید پیش از یک سرمایه‌گذاری عمده انجام شود. این ارزیابی قابلیت‌های موجود را شناسایی کرده و توالی عملی اجرای پروژه را تعیین می‌کند.

وقتی زیرساخت قدرتمند باشد، نگهداری پیش‌بینانه می‌تواند به ابزاری عملیاتی و قابل‌اعتماد تبدیل شود. وقتی زیرساخت ضعیف باشد، همین فناوری ممکن است هشدار، هزینه و ناامیدی ایجاد کند.

هدف، استقرار پیشرفته‌ترین سامانه نیست. هدف، شناسایی به‌موقع مشکلات مهم تجهیزات برای انجام اقدام مؤثر است.

یک نظر بگذارید

لطفاً توجه داشته باشید که نظرات باید قبل از انتشار تأیید شوند.