8 lépés egy működő prediktív karbantartási program felépítéséhez

A prediktív karbantartás kevesebb meghibásodást, jobb eszközrendelkezésre állást és hatékonyabb karbantartástervezést ígér. Ezek az eredmények azonban nem pusztán az érzékelők telepítéséből származnak.

A sikeres prediktív karbantartási program ötvözi a mérnöki szaktudást, a megbízható adatokat, az állapotfelügyeleti technológiát, a karbantartási nyilvántartásokat, az adatelemzést és a fegyelmezett munkavégzést. Minden elemnek egy meghatározott üzemeltetési célt kell támogatnia.

Sok szervezet egy látványos technológiai bemutatóval kezdi. Érzékelőket csatlakoztatnak, irányítópultokat készítenek, és nagy mennyiségű adatot gyűjtenek. Néhány hónappal később a karbantartó csapatok még mindig nem tudnak jobb döntéseket hozni.

A probléma általában a megvalósítás sorrendjében rejlik. A szervezet a berendezés kockázata, a meghibásodási módok, a karbantartási munkafolyamatok és a mérhető üzleti érték helyett a technológiával kezdte.

A prediktív karbantartásnak, amelyet gyakran PdM-mel rövidítenek, gyakorlati kérdésre kell választ adnia. Milyen karbantartási intézkedést kell tenni, mielőtt egy eszköz teljesítménye romlik vagy meghibásodik?

A válasznak elég korán meg kell érkeznie ahhoz, hogy a karbantartó csapat reagálni tudjon. Emellett elegendő bizonyosságot kell nyújtania az ellenőrzés, a javítás, az alkatrészbeszerzés vagy az üzemeltetési módosítás indoklásához.

Ez a cikk nyolc lépést mutat be egy hatékony prediktív karbantartási program felépítéséhez. Fő példaként egy szélturbinát használ, mivel forgó berendezéseket, nehéz hozzáférést, költséges állásidőt és többféle károsodási mechanizmust ötvöz.

Ugyanez a keretrendszer alkalmazható szivattyúkra, kompresszorokra, motorokra, generátorokra, hajtóművekre, ventilátorokra, szállítószalagokra, transzformátorokra, szelepekre, hajtásokra és kritikus technológiai berendezésekre.

A prediktív karbantartást üzemeltetési döntéssel kell kezdeni

Az állapotadatoknak csekély az értékük, ha nem változtatnak meg egy üzemeltetési vagy karbantartási döntést. Egy hőmérsékleti trend informatívnak tűnhet, de csak akkor válik hasznossá, ha valaki tudja, hogyan kell reagálnia.

A válasz magában foglalhatja a berendezés terhelésének csökkentését, a kenés ellenőrzését, a beállítás ellenőrzését, egy csapágy cseréjét vagy egy szabályozott leállás ütemezését.

A prediktív karbantartási programnak ezért négy különálló tevékenységet kell összekapcsolnia. Észlelnie kell az állapotromlást, értékelnie kell annak jelentőségét, intézkedést kell javasolnia, és meg kell erősítenie a karbantartás eredményét.

Ez a folyamat különválasztja a prediktív karbantartást a szokásos adatgyűjtéstől. Egy működőképes ipari programot is megkülönböztet egy ideiglenes adatelemzési kísérlettől.

A mérnököknek meg kell határozniuk a várt döntéseket az érzékelők kiválasztása előtt. Azonosítaniuk kell, ki kapja meg az információt, milyen gyorsan kell reagálnia, és milyen bizonyíték támasztja alá a beavatkozást.

Például egy turbina csapágyára vonatkozó figyelmeztetés többféle beavatkozási szintet tehet szükségessé. Egy kisebb eltérés folyamatos megfigyelést válthat ki. Egy nagyobb eltérés a következő szervizablakban elvégzendő ellenőrzést tehet szükségessé.

A gyorsan változó eltérés azonnali terheléscsökkentést tehet szükségessé. Egy kritikus mintázat indokolhatja a vészleállítást.

Ezekhez a döntésekhez együttműködésre van szükség a karbantartási, megbízhatósági, üzemeltetési, automatizálási, munkavédelmi és adatkezelési szakemberek között. A prediktív karbantartás nem maradhat egyetlen műszaki részleg elszigetelt feladata.

Az alábbi nyolc lépés strukturált utat kínál az üzleti igénytől a megbízható karbantartási végrehajtásig.

1. Válasszon olyan eszközt, amelynél az előrejelzés valódi értéket teremt

A prediktív karbantartás kezdeti beruházást igényel. A költségek magukban foglalhatják az érzékelőket, a jelkondicionálókat, az ipari hálózatot, az élszámítást, az adattárolást, az elemzőszoftvert, az integrációs szolgáltatásokat és a számítógépes karbantartás-menedzsment rendszert.

A kiválasztott eszköznek indokolnia kell ezt a beruházást. Jelentős hatással kell lennie a termelésre, a biztonságra, a minőségre, az energiafelhasználásra, a környezeti teljesítményre vagy a karbantartási kiadásokra.

A magas beszerzési érték önmagában nem tesz automatikusan alkalmassá egy eszközt. A mérnököknek figyelembe kell venniük a meghibásodás pénzügyi és üzemeltetési következményeit.

Egy viszonylag olcsó szivattyú az egész gyártóegységet leállíthatja. Egy drága tartalék motor viszont alig jelenthet azonnali kockázatot, mert egy másik egység átveheti a feladatát.

Az eszközkritikussági elemzés hasznos kiindulópontot biztosít. Az értékelésnek ki kell terjednie a termelési veszteségekre, a javítási költségekre, az átfutási időkre, a biztonsági következményekre, a környezeti kitettségre és a redundancia rendelkezésre állására.

Az értékelés során azt is figyelembe kell venni, hogy milyen gyakran hibásodik meg a berendezés. Egy kritikus eszköz, amelynél nem figyelhető meg mérhető állapotromlási minta, nem feltétlenül jó első jelölt.

Az ideális kísérleti eszközök több jellemzővel rendelkeznek. Meghibásodásuk költséges, állapotromlásuk megfigyelhető, és a karbantartócsapat még a működésképtelenné válás előtt be tud avatkozni.

Egy szélturbina kiváló jelölt lehet. Csapágyakat, fogaskerék-fokozatokat, tengelyeket, generátorokat, hidraulikus rendszereket, villamos berendezéseket és szerkezeti elemeket tartalmaz.

A karbantartási hozzáférés nehéz lehet. A szélviszonyok, a daru rendelkezésre állása, a technikusok beosztása és a cserealkatrészek logisztikája késleltetheti a javításokat.

Egy váratlan hajtóműhiba jelentős állásidőt okozhat. Emellett nehéz emelőberendezéseket és speciális szaktudással rendelkező személyzetet is igényelhet.

A korai figyelmeztetés többféle értéket teremt. Az üzemeltető még a meghibásodás előtt beszerezheti az alkatrészeket, kedvező időjárási időszakot választhat, összehangolhatja a kivitelezőket, és több karbantartási feladatot egyesíthet.

A megelőzött költség nemcsak a sérült alkatrész költségét foglalja magában. Ide tartozik az elmaradt termelés, a sürgősségi szállítás, a túlórák, a daru helyszínre rendelése és a másodlagos berendezéskárok költsége is.

Egy gyártóüzem ugyanezt a logikát alkalmazhatja egy kompresszorra is. Meghibásodása több gyártósor levegőellátását szakíthatja meg.

Egy víziközmű-létesítmény előnyben részesíthet egy kritikus technológiai szakaszt kiszolgáló nagy szivattyút. Egy erőmű előnyben részesíthet egy kazántáp-szivattyút, egy füstgáz-elszívó ventilátort vagy egy turbina kiegészítő rendszerét.

Az első kísérleti projektnek kezelhető méretűnek kell maradnia. Egyetlen eszközosztály vagy néhány hasonló eszközből álló kis csoport általában elegendő információt biztosít egy komoly megvalósításhoz.

Több tucat, egymástól független géppel kezdeni növeli a komplexitást. A különböző gépek eltérő jeleket, meghibásodási módokat, üzemállapotokat és karbantartási igényeket produkálnak.

A programcsapatnak mérhető módon kell dokumentálnia a kísérleti projekt célját. Ilyen cél lehet például a sürgősségi munkák csökkentése, a meghibásodások közötti átlagos idő növelése vagy a csapágyromlás harminc nappal korábbi észlelése.

A világos cél segít megelőzni a hatókör ellenőrizetlen bővülését. Emellett szabványt biztosít annak értékeléséhez, hogy a kísérleti projekt hozott-e működési értéket.

1. ábra. A CMMS-nyilvántartások korábbi karbantartási bizonyítékokat szolgáltatnak a teljesítmény-alapvonalak kialakításához és a prediktív karbantartási eredmények értékeléséhez. A kép a Limble CMMS jóvoltából.

2. Alapvonal kialakítása a meglévő karbantartási és üzemeltetési adatokból

A prediktív elemzéshez szükség van a normál működés referenciájára. Enélkül a rendszer nem tudja megbízhatóan megkülönböztetni az elvárt viselkedést a kialakuló hibáktól.

A szervezetek gyakran feltételezik, hogy nem rendelkeznek elegendő adattal. Valójában hasznos bizonyítékok már több rendszerben is rendelkezésre állhatnak.

A lehetséges források közé tartoznak a CMMS-munkamegrendelések, a kezelői naplók, az ellenőrzési jelentések, a historizáló rendszer címkéi, a riasztási nyilvántartások, a laborjelentések, a rezgésmérési útvonalak, az olajelemzések és a pótalkatrész-tranzakciók.

Ezek a nyilvántartások ritkán rendelkeznek egységes struktúrával. A berendezések neve eltérhet a CMMS-ben, a vezérlőrendszerben, a historizáló rendszerben és a műszaki rajzokon.

Az egyik rendszer az üzemazonosítója alapján azonosíthat egy szivattyút. Egy másik funkcionális helyet, sorozatszámot vagy informális leírást használhat.

E különbségek feloldása alapvető fontosságú. A prediktív modellnek össze kell kapcsolnia az érzékelők viselkedését a megfelelő eszközzel, üzemeltetési időszakkal, karbantartási eseménnyel és megerősített meghibásodási állapottal.

A csapatnak egy közös eszközhierarchia kialakításával kell kezdenie. Minden felügyelt komponensnek stabil azonosítóval kell rendelkeznie a karbantartási és az üzemeltetési rendszerekben.

A következő lépés a korábbi teljesítmény áttekintése. Hasznos mérőszámok például a meghibásodások közötti átlagos idő, a javítás átlagos ideje, a karbantartási munkaerő-ráfordítás, a leállás időtartama, a pótalkatrészek költsége és a termelési veszteség.

Az elemzésnek el kell különítenie a tervezett karbantartást a hibajavító karbantartástól. Emellett meg kell különböztetnie a komponenscserét az ellenőrzéstől, a beállítástól, a kenéstől és az egyéb, nem kapcsolódó munkáktól.

Egy szélturbina esetében a múltbeli elemzés középpontjában a csapágyak, a hajtómű fokozatai, a kenőrendszerek, a generátor hűtése, a lapátszög-állító mechanizmusok és a teljesítményátalakító berendezések állhatnak.

A mérnököknek rögzíteniük kell, hogy az egyes komponensek milyen gyakran igényeltek beavatkozást. Dokumentálniuk kell a meghibásodás előtt észlelt figyelmeztető jeleket is.

A korábbi rezgésmérések növekvő tendenciát jelezhetnek. Az olajminták a fémrészecskék mennyiségének növekedését mutathatják. Az operátorok hangváltozásokról vagy ingadozó hőmérsékletről számolhattak be.

Ezek a megfigyelések segítenek azonosítani a hasznos előrejelzési változókat. Címkéket is biztosítanak a felügyelt vagy félig felügyelt elemzésekhez.

Az üzemállapotokat be kell építeni az alapállapotba. A szélsebesség, a generátorterhelés, a forgási sebesség, a környezeti hőmérséklet és a vezérlési mód jelentősen befolyásolhatja az érzékelők leolvasásait.

Az alacsony terhelésnél rendellenesnek tűnő rezgésszint teljes termelés közben elfogadható lehet. A hőmérséklet viselkedése a környezeti feltételek és a hűtési igény hatására is változhat.

Ezért az alapállapotnak többféle üzemállapotban kell leírnia a berendezés viselkedését. Egyetlen átlagérték ritkán elegendő.

Az adatminőségi problémákat dokumentálni kell, nem pedig elrejteni. A hiányzó időszakok, a helytelen időbélyegek, a cserélt érzékelők, a kommunikációs hibák és a kalibrálási változások torzíthatják a modell tanítását.

A karbantartási csapatoknak tapasztalt operátorokkal és technikusokkal kell ellenőriztetniük a korábbi nyilvántartásokat. Megfigyeléseik gyakran megmagyarázzák azokat a változásokat, amelyek nem jelennek meg a digitális nyilvántartásokban.

A rezgés hirtelen csökkenése pozitívnak tűnhet. Egy technikus tudhatja, hogy az érzékelő ugyanebben az időszakban meglazult.

Az áram növekedése mechanikai terhelésre utalhat. Egy operátor elmagyarázhatja, hogy a termelési igény azért nőtt, mert egy másik egység nem állt rendelkezésre.

Ezek a részletek megakadályozzák, hogy az elemzőcsapat téves összefüggéseket építsen fel. Emellett reprezentatívabbá teszik az alapállapotot az üzem tényleges működésére nézve.

3. A technológia kiválasztása előtt határozza meg a meghibásodási módokat

A prediktív karbantartást konkrét meghibásodási mechanizmusokra kell irányítani. Nem szabad egyetlen általános modellel minden lehetséges problémát megpróbálnia észlelni.

A hibamód- és hatáselemzés strukturált módszert biztosít. A csapat meghatározza, hogyan hibásodhat meg egy alkatrész, miért hibásodik meg, és milyen következményekkel jár.

Minden meghibásodási módot értékelni kell a gyakoriság, a súlyosság, az észlelhetőség és a rendelkezésre álló reagálási idő szempontjából.

Egyes meghibásodások lassan alakulnak ki, és mérhető tüneteket okoznak. Mások hirtelen következnek be, használható figyelmeztetési időszak nélkül.

A prediktív felügyelet akkor teremt a legnagyobb értéket, ha az állapotromlás elég korán kezdődik ahhoz, hogy észlelhető legyen. A figyelmeztetési időszaknak a gyakorlatban a karbantartás megtervezésére is elegendőnek kell lennie.

A csapágykárosodás gyakran fokozatosan alakul ki. A rezgésminták, az akusztikus emisszió, a hőmérséklet, a kenőanyag állapota és a motoráram a teljes meghibásodás előtt változásokat jelezhet.

Egy elektronikus alkatrész csekély, mérhető állapotromlás mellett is meghibásodhat. Ebben az esetben a redundancia, a megelőző csere vagy a raktáron tartott pótalkatrészek jobb kockázatkezelést biztosíthatnak.

A csapatnak össze kell hasonlítania a prediktív karbantartást az egyszerűbb alternatívákkal. Lehet, hogy egy alacsony költségű ellenőrzés már hatékonyan kezeli a meghibásodás kockázatát.

Az érzékelők, hálózatok és elemzések bevezetése így további értékteremtés nélkül növelné a bonyolultságot.

A szélturbinák több fontos, forgó berendezéseket érintő meghibásodási móddal szembesülnek. A fogaskerékfogak elkophatnak vagy megrepedhetnek. A csapágyakon felületi sérülések, kenési problémák vagy tengelyeltérések alakulhatnak ki.

A tengely kiegyensúlyozatlansága növelheti a rezgést. A szerkezeti lazaság megváltoztathatja a rezonanciaviselkedést. A kenőanyag szennyeződése felgyorsíthatja több alkatrész kopását.

Ezek a problémák gyakran átfedő tüneteket okoznak. A növekvő hőmérsékletet okozhatja súrlódás, elégtelen kenés, hűtési hiba vagy túlzott terhelés.

Egyetlen jel ritkán bizonyítja a kiváltó okot. A monitorozási stratégiának indokolt esetben kombinálnia kell a kiegészítő méréseket.

A rezgés felfedheti a mechanikai frekvenciamintázatot. Az olajelemzés megerősítheti a kopási részecskék jelenlétét. A hőmérséklet a növekvő energiaveszteséget jelezheti.

Az üzemi terhelés alapvető összefüggést biztosít. Ezek a mérések együtt erősebb bizonyítékot alkotnak, mint bármelyik önálló érték.

Az elemzésnek meg kell határoznia a lehetséges meghibásodási intervallumot. Ez az első észlelhető tünet és a működésképtelenség közötti időszak.

A hosszú időintervallum lehetővé teszi a tervezett karbantartást. A nagyon rövid időintervallum a szokásos munkatervezés helyett automatizált védelmet tehet szükségessé.

Például a csapágy fokozatos kopása akár hetekre elegendő előrejelzést adhat. A hirtelen túlpörgés azonnali szabályozási vagy védelmi beavatkozást igényel.

A prediktív karbantartás nem helyettesítheti a gépvédelmet. A két funkció eltérő kockázati szinten és eltérő reakciósebességgel működik.

Az előrejelzés támogatja a tervezést, mielőtt a veszélyes állapot kialakulna. A védelmi rendszerek akkor lépnek működésbe, amikor a beállított határértékek közvetlen veszélyt jeleznek.

A hibamód-felülvizsgálatnak dokumentált monitorozási hipotézist kell eredményeznie. Ennek meg kell magyaráznia, melyik jel fog változni, miért változik, és milyen korán kell megjelennie a változásnak.

Meg kell határoznia azt a karbantartási vizsgálatot is, amely megerősítheti a feltételezett állapotot. Ez a megerősítés később értékes tanítási információvá válik.

2. ábra. Az érzékelőadatok akkor válnak értékessé, amikor megbízható következtetéseket tesznek lehetővé a berendezés állapotáról és a jövőbeli karbantartási igényekről. A kép a Limble CMMS jóvoltából.

4. Az érzékelők illesztése a fizikai meghibásodási mechanizmushoz

Az érzékelők kiválasztását a hibamód-elemzésnek kell vezérelnie. Nem az a helyes kérdés, hogy melyik érzékelő kínálja a legtöbb funkciót.

A helyes kérdés az, hogy melyik fizikai mérés jelzi a célzott állapotromlást kellő előnnyel és elfogadható megbízhatósággal.

A gyakori mérések közé tartozik a rezgés, a hőmérséklet, a nyomás, az áramlás, a motoráram, a fordulatszám, a helyzet, a páratartalom, az akusztikus energia és a kenőanyag állapota.

A speciális módszerek közé tartozhat az ultrahangos vizsgálat, az akusztikus emisszió vizsgálata, a mágnesporos vizsgálat, a radiográfia, a termográfia és az elektromos jellegzetességek elemzése.

Mindegyik módszernek megvannak az erősségei és korlátai. A rezgésfelügyelet számos forgó alkatrésznél rendkívül hatékony, de az érzékelő helyzete és a rögzítés minősége erősen befolyásolja az eredményt.

A hőmérséklet felügyelete egyszerűen megvalósítható. A hőmérséklet-változások azonban később jelentkezhetnek, mint a rezgés- vagy kenési tünetek.

A motoráram-elemzés azonosíthatja a terhelés változásait, valamint bizonyos elektromos vagy mechanikai állapotokat. Ehhez szükség lehet a normál folyamatváltozások gondos elkülönítésére.

Az akusztikus emisszió érzékelheti a súrlódás, a repedésnövekedés, az ütközések és az anyagdeformáció által keltett nagyfrekvenciás energiát. Az ipari zaj megnehezítheti az értelmezést.

Egy szélturbinában a gondola és a torony több alkatrészből származó mechanikai energiát továbbít. Ez a szerkezet alkalmas lehet távoli akusztikai vagy rezgésalapú felügyeletre.

A jel útja azonban összetettséget is okoz. A hajtómű, a generátor, a csapágy, a lapát és a szerkezet aktivitása ugyanabban a mérésben is megjelenhet.

A mérnököknek a mérési pontokat a gép felépítése, a terhelési útvonalak, a csapágyak helye, a várható frekvenciák és a hozzáférhetőség alapján kell kiválasztaniuk.

Kerülniük kell, hogy az érzékelőket kizárólag olyan helyre telepítsék, ahol kényelmes a kábelezés. A kényelmes elhelyezés gyenge vagy félrevezető jelet eredményezhet.

A rögzítési mód számít. A megfelelően telepített, csavaros rögzítésű gyorsulásérzékelő általában jobb nagyfrekvenciás teljesítményt nyújt, mint a lazán rögzített mágneses érzékelő.

A kiválasztott frekvenciatartománynak illeszkednie kell a hibához. A lassú szerkezeti mozgásokhoz és a csapágyak nagyfrekvenciás ütéseihez eltérő mintavételi stratégiák szükségesek.

Az érzékelő mérési tartománya szintén számít. A túl nagy mérési tartományú érzékelő csökkentheti a felbontást. A szűk tartományú érzékelő tranziens jelenségek során telítődhet.

A környezeti feltételek befolyásolhatják a megbízhatóságot. Figyelembe kell venni a hőmérsékletet, a nedvességet, a port, az olajat, a vegyi anyagoknak való kitettséget, az elektromágneses interferenciát és a mechanikai ütéseket.

Veszélyes területeken jóváhagyott berendezésekre, megfelelő leválasztókorlátokra és előírásoknak megfelelő telepítési módszerekre lehet szükség. A távoli eszközökhöz kis fogyasztású kommunikáció és helyi adatpufferelés is szükséges lehet.

A felügyeleti architektúrának meg kell különböztetnie a folyamatos és az időszakos méréseket. Kritikus berendezéseknél indokolt lehet a folyamatos adatgyűjtés.

A kevésbé kritikus berendezésekhez vezeték nélküli érzékelők vagy technikusi ellenőrzési útvonalak használhatók. A megfelelő módszer a meghibásodás sebességétől, az eszköz fontosságától és gazdasági értékétől függ.

Az érzékelőredundanciát szelektíven kell alkalmazni. Többféle technológia telepítése javíthatja a diagnosztikát, de a szükségtelen mérések növelik a karbantartási és adatkezelési költségeket.

Egy hajtóműprogram kombinálhatja a rezgés-, olajrészecske-, hőmérséklet- és terhelésmérést. Egy egyszerű ventilátorhoz elegendő lehet a rezgés és a motoráram mérése.

Az érzékelők kalibrálását, állapotát és a kommunikációs státuszt is figyelni kell. Ellenkező esetben egy meghibásodott érzékelő stabil berendezésműködés látszatát keltheti.

A rendszernek azonosítania kell az állandó jeleket, a lehetetlen értékeket, a túlzott zajt, az adathiányokat és az érzékelők fokozatos eltolódását.

A peremfeldolgozás csökkentheti a hálózati forgalmat azáltal, hogy a jellemzőket a berendezés közelében számítja ki. Ilyen például a rezgés négyzetes középértéke, a csúcstényező, a kurtózis, a spektrális csúcsok és a hőmérséklet-változás üteme.

A nyers hullámformák megőrzése továbbra is hasznos a vizsgálatokhoz. Azonban minden nagyfrekvenciás hullámforma korlátlan ideig történő tárolása szükségtelen költségeket okozhat.

Kiegyensúlyozott megközelítésként a kiszámított jellemzőket folyamatosan kell tárolni. A nyers adatokat meg kell őrizni az anomáliák, az üzemeltetési átmenetek és a megerősített meghibásodási események körüli időszakokra.

Az ipari érzékelő- és felügyeleti komponenseknek a program teljes életciklusa során karbantarthatónak is kell maradniuk. A pótalkatrészek elérhetősége, a dokumentáció és a rendszerkompatibilitás hatással van a hosszú távú megbízhatóságra.

Azok a létesítmények, amelyek felülvizsgálják felügyeleti architektúrájukat, összehasonlíthatják a rezgés-, pozíció-, sebesség- és berendezésállapot-felügyeleti alkalmazásokhoz megfelelő gépészeti felügyeleti komponenseket.

5. Az adatok előkészítése és az elemzési modell fejlesztése

Az érzékelők telepítése indítja el az adatfejlesztési szakaszt. Önmagában nem hoz létre azonnal megbízható prediktív modellt.

A nyers ipari adatok zajt, hiányzó értékeket, üzemeltetési átmeneteket, kommunikációs megszakításokat és karbantartással kapcsolatos változásokat tartalmaznak. Ezeket a körülményeket módszeresen kell kezelni.

Az első követelmény a pontos időbeli összehangolás. Az érzékelőadatoknak, a folyamatértékeknek, a riasztási eseményeknek és a karbantartási nyilvántartásoknak kompatibilis időbélyegeket kell használniuk.

Néhány percnyi időbeli elcsúszás téves összefüggéseket hozhat létre. Ez a probléma gyors üzemeltetési változások vagy hibás események során súlyossá válik.

A mintavételi frekvenciáknak is illeszkedniük kell a méréshez. A hőmérséklethez elegendő lehet percenként egy mérés. A rezgéselemzéshez másodpercenként több ezer minta is szükséges lehet.

Az adatmérnökök gyakran állapotjellemzőkké alakítják a nyers jeleket. Ezek a jellemzők csökkentik az adatmennyiséget, és kiemelik a romláshoz kapcsolódó mintázatokat.

A hasznos rezgésjellemzők közé tartozik az amplitúdó összértéke, a spektrális energia, az oldalsávok, a harmonikusok, a burkológörbe értékei, a csúcstényező és a kurtózis.

A hőmérsékleti jellemzők közé tartozhat az abszolút érték, a környezeti hőmérséklettől való eltérés, a változás üteme és egy hasonló berendezéstől való eltérés.

A jelenlegi jellemzők közé tartozhat a terheléssel normalizált energiaigény, a harmonikus tartalom, a fázisaszimmetria, valamint az összehasonlítható üzemállapotok közbeni változások.

Az üzemeltetési környezetnek továbbra is az adatkészlet részét kell képeznie. A sebesség, terhelés, termelési állapot vagy környezeti feltételek nélkül betanított modellek összetéveszthetik a normál ingadozást a berendezés károsodásával.

A szélturbina változó szélviszonyok között eltérő jellemzőket mutat. Az indítás, leállítás, lapátszög-állítás, fékezés és hálózati események szintén átmeneti változásokat okoznak.

A modellnek fel kell ismernie vagy ki kell zárnia ezeket az átmeneteket. Ellenkező esetben az üzemállapot változásakor gyakran téves riasztásokat adhat.

A modell kiválasztása a rendelkezésre álló címkéktől függ. Ha a korábbi meghibásodási példák jól dokumentáltak, felügyelt tanulás is alkalmazható.

Számos létesítményben kevés igazolt hibapélda áll rendelkezésre. Ezért a felügyelet nélküli vagy félig felügyelt módszerek praktikus kiindulópontot jelenthetnek.

A normál viselkedést leíró modell megtanulja a jelek közötti várt kapcsolatot egészséges üzemelés közben. Ezután azonosítja az ettől a kapcsolattól való eltéréseket.

Ez a megközelítés gyakran hasznos, mert az egészséges üzemelés adatai bőségesebbek, mint a meghibásodási adatok.

Az anomália azonban nem jelenti automatikusan azt, hogy meghibásodás történt. Csak azt jelzi, hogy a jelenlegi viselkedés eltér a megtanult referenciától.

A mérnököknek meg kell állapítaniuk, hogy a változás romlást, folyamat-ingadozást, karbantartási tevékenységet, érzékelőhibákat vagy egy nem reprezentált üzemmódot tükröz-e.

A modellt tanítási, validációs és tesztelési időszakokra kell felosztani. Az egyes minták véletlenszerű felosztása félrevezető eredményeket hozhat.

Az ipari idősoros adatok szoros kapcsolatokat tartalmaznak az egymást követő mérések között. Ezért a tesztidőszaknak különálló üzemeltetési időszakokat vagy eszközelőzményeket is tartalmaznia kell.

A teljesítménymutatóknak a karbantartási igényeket kell tükrözniük. Az általános pontosság félrevezető lehet, mivel a meghibásodási események ritkák.

Hasznos mérőszám többek között a pontosság, a teljesség, a havi téves riasztások száma, a kihagyott események, a figyelmeztetési idő és a végrehajtható riasztások aránya.

Például egy modell minden csapágyhibát azonosíthat. Ugyanakkor hetente tíz téves riasztást is generálhat.

A karbantartó személyzet hamar elveszíti a bizalmát. A modell technikailag érzékeny lehet, de üzemeltetési szempontból használhatatlan.

Az elemzési eredménynek magyarázhatónak is kell lennie. A mérnököknek látniuk kell, mely változók módosultak, és hogyan tér el a minta az alapvonaltól.

Az a figyelmeztetés, amely csak annyit közöl, hogy „anomália észlelve”, korlátozott diagnosztikai értéket képvisel. A jobb figyelmeztetés a sebességváltó rezgésének növekedését azonosítja egy meghatározott frekvencia közelében.

Növekvő hőmérsékletet és hasonló terhelés mellett romló trendet is jelezhet. Ez az információ célzott vizsgálatot tesz lehetővé.

A modell dokumentációjában rögzíteni kell a tanítási időszakot, a bevont eszközöket, az üzemeltetési feltételeket, a kizárt adatokat, a bemeneti jellemzőket és a várható korlátokat.

Ez a nyilvántartás különösen fontossá válik a berendezés átalakításakor, az érzékelők cseréjekor vagy a gyártási folyamat megváltozásakor.

6. A modell továbbfejlesztése igazolt karbantartási eredmények alapján

A prediktív modellek folyamatos tanulást igényelnek. Első üzembe helyezett verziójukat ellenőrzött mérnöki kiadásként, nem pedig kész termékként kell kezelni.

A kezdeti modellek gyakran mérnökök és adattudósok által felcímkézett adatokra támaszkodnak. Idővel a rendszer több üzemeltetési előzményhez és karbantartási bizonyítékhoz jut.

Minden riasztás tanulási lehetőséget teremt. A karbantartócsapatnak rögzítenie kell, hogy az előre jelzett állapot igazolódott, részben igazolódott vagy elutasították-e.

Az ellenőrzésnek le kell írnia az alkatrész tényleges állapotát. A fényképek, a mérések, az olajvizsgálati eredmények, a kicserélt alkatrészek és a technikusi megfigyelések értékes bizonyítékot szolgáltathatnak.

Az egyszerű „munka befejezve” állapot nem elegendő. Nem magyarázza meg, hogy a modell azonosította-e a megfelelő problémát.

A CMMS-nek rögzítenie kell a strukturált meghibásodási kódokat és a szabad szöveges megfigyeléseket. Mindkét információforma hasznos.

A strukturált kódok számos eseményen keresztül támogatják az elemzést. A technikusi megjegyzések olyan részleteket is tartalmaznak, amelyek hiányozhatnak az előre meghatározott kategóriákból.

Egy szélturbinánál a modell a hajtóműben növekvő súrlódást jelezhet. Az ellenőrzés azonban fogaskerékkárosodás helyett a kenőanyag szennyeződését tárhatja fel.

A modell továbbra is hasznos figyelmeztetést adott. A megerősített okot azonban a jövőbeli elemzésekben is fel kell tüntetni.

Ez a visszajelzés segít megkülönböztetni az egymással összefüggő meghibásodási mechanizmusokat. Emellett javítja a karbantartási ajánlásokat is.

A modellek sodródhatnak, amikor a berendezések vagy az üzemeltetés megváltozik. Egy új kenőanyag, egy cseremotor, a szabályozás finomhangolása vagy a termelés növelése módosíthatja a normális viselkedést.

A szezonális körülmények szintén befolyásolhatják az alapvonalat. A kültéri gépek jelentős hőmérséklet- és páratartalom-ingadozást tapasztalhatnak.

A modell monitorozásának nyomon kell követnie a bemeneti eloszlásokat, az anomáliák arányát, az előrejelzési megbízhatóságot és a riasztások megerősített teljesítményét.

A riasztások hirtelen megszaporodása több eszköz valós állapotromlására is utalhat. Ugyanakkor érzékelőproblémát vagy üzemeltetési változást is jelezhet.

Az újratanításnak szabályozott folyamatot kell követnie. A csapatnak nem szabad automatikusan minden új üzemeltetési mintát normálisnak elfogadnia.

Egy romló állapotú eszköz hónapokig is működőképes maradhat. Ha ezt az időszakot egészséges tanítási adatként szerepeltetjük, az gyengíti a modellt.

A mérnököknek jóvá kell hagyniuk a tanítási időablakokat, és ki kell zárniuk a még nem tisztázott rendellenes időszakokat. A verziókövetésnek meg kell őriznie a korábbi modell viselkedését.

Új modell bevezetésekor teljesítményét össze kell hasonlítani a meglévő verzióéval. Az árnyéküzemű bevezetés lehetővé teszi az új modell értékelését anélkül, hogy az befolyásolná a karbantartási döntéseket.

Ez a folyamat technikai irányítási keretet hoz létre. Emellett megakadályozza, hogy a nem tesztelt elemzési változtatások megzavarják a karbantartás tervezését.

7. Az elemzési eredmények gyakorlati riasztási szintekké alakítása

A riasztási küszöbértékek összekapcsolják a modell kimenetét a karbantartási intézkedéssel. A rosszul megválasztott küszöbértékek egy egyébként jól működő modellt is hatástalanná tehetnek.

A túl érzékeny küszöbérték szükségtelen munkát generál. A túl magas küszöbérték csak röviddel a meghibásodás előtt adhat figyelmeztetést.

A küszöbértékek kialakításába be kell vonni a karbantartási, megbízhatósági, üzemeltetési és adatszakértőket. Mindegyik csoport másfajta tudással járul hozzá.

Az adatszakértők értik a modell megbízhatóságát és az eloszlások viselkedését. A megbízhatósági mérnökök értik a degradációs mintázatokat.

A karbantartástervezők értik az előkészítést és az erőforrások átfutási idejét. Az üzemeltetési csapatok értik a termelési korlátokat és az elfogadható üzemeltetési kockázatot.

Egyetlen riasztási szint helyett számos alkalmazás több szintet is előnyben részesít. Minden szintnek meghatározott válaszlépésnek kell megfelelnie.

A tanácsadási szint kis, de tartós eltérésre utalhat. A válasz része lehet a trend felülvizsgálata és a fokozott megfigyelés.

A karbantartási riasztás kialakulóban lévő romlásra utalhat. A válasz része lehet a vizsgálat megtervezése, az alkatrészek ellenőrzése és a munkamegrendelés előkészítése.

A kritikus riasztás gyors előrehaladásra utalhat. A válasz része lehet a terhelés csökkentése, azonnali vizsgálat vagy szabályozott leállítás.

A küszöbértékeknek a nagyságot és az időtartamot egyaránt figyelembe kell venniük. Egy rövid kiugrást üzemállapot-változás is okozhat.

A több napon át fennálló kisebb eltérés fontosabb állapotra utalhat.

A változás sebessége szintén értékes információ. A lassan növekvő és a gyorsan növekvő rezgéshez nem szabad azonos prioritást rendelni.

Több jel együttesen növelheti a megbízhatóságot. A hőmérséklettel és az olajban található szennyeződések változásával együtt jelentkező rezgési anomália nagyobb figyelmet érdemel.

A riasztások elnyomására vonatkozó szabályokat gondosan kell kialakítani. A karbantartási időszakok, az indítási folyamatok, az ismert érzékelőhibák és a tervezett tesztek ideiglenes kezelést igényelhetnek.

A riasztások elnyomásának azonban láthatónak és auditálhatónak kell maradnia. A rejtett vagy határozatlan idejű elnyomás valódi berendezéskockázatokat rejthet el.

Minden riasztásnak elegendő információt kell tartalmaznia az intézkedéshez. Azonosítania kell az eszközt, a feltételezett állapotot, a trendet, a megbízhatóságot és a javasolt következő lépést.

A releváns üzemeltetési környezetet is meg kell jelenítenie. Ide tartozhat a terhelés, a sebesség, a hőmérséklet és a hasonló eszközökkel való összehasonlítás.

A programnak mérnie kell a riasztások minőségét. Hasznos mérőszámok a téves riasztások aránya, a reakcióidő, a megerősített megállapítások, a figyelmeztetési időszak és az elkerült meghibásodások.

A cél nem a riasztások számának maximalizálása. A cél kezelhető számú, hiteles karbantartási döntés biztosítása.

3. ábra. A prediktív karbantartás a fizikai berendezések, a digitális elemzés és az ellenőrzött helyszíni intézkedés közötti folyamatos hurokra épül. A kép a Limble CMMS jóvoltából.

8. Az anomáliaészlelés összekapcsolása a CMMS munkavégzésével

Egy előrejelzés csak akkor teremt értéket, ha megfelelő helyszíni intézkedéshez vezet. Ez az utolsó lépés zárja le a fizikai–digitális–fizikai hurkot.

Először az érzékelők megmérik a fizikai berendezés állapotát. Az adatokat digitális rendszerekbe továbbítják, megtisztítják, kontextusba helyezik és elemzik.

A kapott felismerésnek ezután vissza kell jutnia a fizikai üzemeltetésbe. A karbantartó személyzet megvizsgálja, beállítja, megkeni, megjavítja vagy kicseréli az érintett alkatrészt.

A CMMS biztosítja az elemzés és a karbantartási végrehajtás közötti operatív kapcsolatot. A műszaki megállapításokat tervezett munkává alakítja.

Az integráció egyszerű felülvizsgálati folyamattal is elkezdhető. Egy mérnök ellenőrzi a riasztást, mielőtt létrehozna egy munkakérést.

Az érettebb rendszerek automatikusan létrehozhatnak értesítéseket vagy piszkozat-munkamegrendeléseket. Az ütemezés előtt azonban továbbra is szükség lehet emberi jóváhagyásra.

A teljesen automatikus munkamegrendelés-létrehozást szelektíven kell alkalmazni. A nem megfelelően irányított automatizálás duplikált vagy csekély értékű feladatokkal áraszthatja el a CMMS-t.

Minden munkamegrendelésnek tartalmaznia kell az előre jelzett állapotot, az azt alátámasztó trendeket, az ajánlott vizsgálatot, a szükséges készségeket és a vonatkozó biztonsági szempontokat.

A munkacsomag tartalmazhat tartalék alkatrészeket, szerszámokat, eljárásokat, engedélyeket és a becsült befejezési időt is.

A szélturbina példájában a predikciós motor egy kialakuló csapágyhibát észlelhet. Megbecsülheti, hogy a beavatkozás négy héten belül szükséges.

A CMMS ellenőrizheti a tartalék csapágyak rendelkezésre állását, a technikusok beosztását, a darukövetelményeket és az ugyanazon a helyszínen tervezett egyéb munkákat.

A karbantartástervező ezután kiválaszthat egy megfelelő szervizidőablakot. Ezzel elkerülhető a sürgősségi kivonulás, és csökkenthető a kieső termelés.

A munkamegrendelésnek rögzítenie kell a végső megállapításokat. A technikusnak meg kell erősítenie, hogy jelen volt-e csapágykárosodás, kenőanyag-vesztés, lazaság vagy más állapot.

Az eltávolított alkatrészt további vizsgálatnak vethetik alá. A laboratóriumi elemzés további bizonyítékot szolgáltathat a meghibásodás előrehaladásáról.

Ezek a megállapítások visszakerülnek az analitikai környezetbe. Javítják a modellcímkéket, a küszöbérték-beállításokat és a karbantartási ajánlásokat.

A CMMS-integráció a pénzügyi elemzést is támogatja. A szervezet összehasonlíthatja a prediktív munkákat a korábbi sürgősségi javításokkal.

Mérheti a munkaerő-ráfordítást, az alkatrészeket, az állásidőt, az elkerült károkat és a termelési hatást. Ezek az eredmények megmutatják, hogy a program teremt-e gazdasági értéket.

Az integrációnak egyértelmű felelősségi köröket kell fenntartania. A megbízhatósági csapatok felelhetnek a műszaki validálásért, míg a karbantartástervezők a munkák ütemezéséért.

Az üzemeltetési munkatársak jóváhagyhatják a termelési módosításokat. Az adatszakértői csapatok fenntarthatják a modellek teljesítményét és az adatinfrastruktúrát.

A felelősség nem tűnhet el a rendszerek között. Minden riasztásnak kell legyen kijelölt felelőse és meghatározott válaszideje.

A szervezeteknek a kommunikációs hibákra is fel kell készülniük. A kritikus információkhoz helyi tárolásra, késleltetett szinkronizálásra vagy alternatív értesítési módszerekre lehet szükség.

A távoli berendezések nem támaszkodhatnak teljes mértékben folyamatos felhőkapcsolatra. Az élszámítási rendszereknek üzemszünetek alatt is meg kell őrizniük a fontos adatokat.

A teljes folyamat minden megerősített eseménnyel erősebbé válik. Az érzékelők adatai javítják az előrejelzéseket, az előrejelzések javítják a karbantartás tervezését, a karbantartási megállapítások pedig a jövőbeli modelleket.

A predikciót tartsuk külön a gépvédelemtől

A prediktív karbantartás és a gépvédelem gyakran kapcsolódó méréseket használ. Céljaik és reakciókövetelményeik azonban eltérőek.

A prediktív rendszer a fokozatos állapotromlást azonosítja, és támogatja a tervezett beavatkozást. Napokon, heteken vagy hónapokon át is működhet.

A védelmi rendszer másodperceken vagy ezredmásodperceken belül reagál a veszélyes körülményekre. Célja a katasztrofális károk és a nem biztonságos működés megelőzése.

A prediktív elemzés nem késleltetheti és nem írhatja felül a kialakított leállítási logikát. A védelmi funkcióknak determinisztikusnak, validáltnak és megfelelően függetlennek kell maradniuk.

Egy turbina rezgésmodellje például az állapothiba lassú kialakulását azonosíthatja. A karbantartás a közelgő leállás idejére ütemezheti az ellenőrzést.

Ha a rezgés eléri a beállított veszélyességi határértéket, a gépvédelmi rendszer kioldást kezdeményezhet. Ez a reakció nem függhet felhőalapú modelltől vagy késedelmes jóváhagyástól.

A rendszerek ettől még megoszthatják egymással a mérnöki környezetet. A védelmi események értékes címkéket biztosíthatnak a prediktív elemzéshez.

A prediktív trendek a mérnököknek a riasztási és kioldási beállítások felülvizsgálatában is segíthetnek. A védelmi beállítások bármilyen módosítását formális mérnöki eljárások szerint kell végrehajtani.

A kritikus forgógépeket üzemeltető létesítmények szélesebb körű állapotfelügyeleti és karbantartási elemzések mellett dedikált platformokat is használhatnak, például a Bently Nevada 3500 gépvédelmi rendszert.

Az architektúrának meg kell határoznia az adatok tulajdonjogát, a frissítési gyakoriságot, a kiberbiztonsági határokat és a rendszerek közötti engedélyezett információáramlásokat.

Ez az elkülönítés védi a biztonságot és a rendelkezésre állást. Emellett megakadályozza, hogy a prediktív karbantartással kapcsolatos elvárásokat nem megfelelő, valós idejű védelmi funkciókra alkalmazzák.

Az eredmények mérése karbantartási és termelési eredményeken keresztül

A prediktív karbantartási programot nem szabad az érzékelők száma, a műszerfalak száma vagy a tárolt adatok mennyisége alapján értékelni.

Ezek a számok a műszaki tevékenységet írják le. Nem bizonyítják, hogy a szervezet javította a megbízhatóságot.

A teljesítménymutatóknak közvetlen kapcsolatban kell állniuk a karbantartási és termelési eredményekkel. Hasznos mérőszám például az elkerült meghibásodások száma, a csökkent állásidő és a hosszabb előrejelzési idő.

A szervezetek a sürgősségi munkákat, a tervezett munkák arányát, a karbantartási munkaerőt, a pótalkatrész-felhasználást és az eszközök rendelkezésre állását is nyomon követhetik.

A meghibásodások közötti átlagos idő több év alatt javulhat. A kísérleti programoknak olyan mérőszámokra is szükségük van, amelyek hamarabb láthatóvá válnak.

A riasztások pontossága az egyik korai jelzőszám. Azt méri, hogy a riasztás milyen gyakran azonosít intézkedést igénylő, megerősített állapotot.

Az átlagos előrejelzési idő azt mutatja, hogy a rendszer elegendő időt biztosít-e a tervezéshez. Egy meghibásodás előtt egy órával érkező pontos előrejelzés csekély karbantartási értéket képviselhet.

A tervezett beavatkozások aránya megmutatja, hogy az előrejelzések megváltoztatják-e a munkavégzést. A sürgősségi beszerzések csökkenése további mérhető előnyt jelenthet.

Az energiaigényes berendezéseknél a program még a működési hiba előtt azonosíthatja a hatékonyságveszteségeket. A helytelen beállítás, a súrlódás vagy a lerakódás megszüntetése csökkentheti az energiafogyasztást.

A minőségérzékeny folyamatok számára előnyös lehet a berendezések stabil teljesítménye. Egy romló állapotú hajtás, szelep vagy mérőeszköz hatással lehet a termék állandóságára.

Az üzleti számításoknak tartalmazniuk kell a bevezetési és üzemeltetési költségeket. Az érzékelők karbantartást igényelnek. A szoftver támogatást igényel. A modelleket felül kell vizsgálni és újra kell tanítani.

A hálózati, tárolási, integrációs és kiberbiztonsági költségeket szintén bele kell foglalni. E költségek kihagyása irreális megtérülési becslést eredményez.

Egy egyszerű értékszámítás összevetheti a várható éves előnyöket a program évesített költségeivel. Az előnyök közé tartozhat az elkerült állásidő, a csökkent másodlagos károk és az alacsonyabb sürgősségi munkaerőköltség.

A szervezetnek meg kell különböztetnie az igazolt megtakarításokat a becsült kockázatcsökkentéstől. Mindkettő fontos, de nem szabad azonos eredményekként bemutatni őket.

Például egy feltárt csapágyhiba megelőzhet egy tényleges meghibásodást. Az elkerült költség a korábbi meghibásodási előzmények alapján becsülhető meg.

Egy olyan figyelmeztetés, amely nem igazolt hibát eredményezett, nem kaphat automatikusan ugyanakkora pénzügyi értéket.

Az esettanulmányok áttekintésekor dokumentálni kell az egyes előnyök mögött álló bizonyítékokat. Ez a megközelítés hitelességet teremt az üzemeltetési és pénzügyi vezetők körében.

Ez abban is segít a csapatnak, hogy azonosítsa, mely eszközök és meghibásodási módok biztosítják a legnagyobb megtérülést.

Kerülje el a prediktív karbantartás leggyakoribb hibáit

Számos prediktív karbantartási program hasonló problémákkal szembesül. Korai felismerésük megóvhatja a kísérleti projektet a szükségtelen költségektől.

Az első probléma egy eszköz kényelmi szempontok alapján történő kiválasztása. A könnyen hozzáférhető berendezéseket egyszerű lehet műszerekkel felszerelni, meghibásodásuk azonban csekély működési hatással járhat.

A második probléma az adatok gyűjtése meghatározott meghibásodási módok nélkül. A rendszer ilyenkor trendeket generál anélkül, hogy megmagyarázná, mit kell ellenőrizni.

A harmadik probléma az üzemeltetési környezet figyelmen kívül hagyása. A terhelés, a sebesség, a termékminőség vagy a környezeti hőmérséklet változásai a romláshoz hasonlíthatnak.

A negyedik probléma a pontatlan eszközazonosításra való hagyatkozás. Az érzékelők adatai és a karbantartási nyilvántartások nem kapcsolhatók össze megbízhatóan, ha a berendezések nevei eltérnek a különböző rendszerekben.

Az ötödik probléma a korábbi karbantartási nyilvántartások validálás nélküli használata. A munkamegrendelések hiányos, következetlen vagy másolt leírásokat tartalmazhatnak.

A hatodik probléma a modell teljesítményének kizárólag általános pontosság alapján történő mérése. A ritka meghibásodások miatt egy hatástalan modell sikeresnek tűnhet.

A hetedik probléma a túl sok riasztás generálása. A gyakori téves figyelmeztetések csökkentik a bizalmat, és arra ösztönzik a személyzetet, hogy figyelmen kívül hagyja a rendszert.

A nyolcadik probléma, hogy a rendszer figyelmeztetéseket ad ajánlott intézkedések nélkül. A karbantartó csapatoknak ellenőrzési útmutatásra van szükségük, nem csupán numerikus anomáliapontszámokra.

A kilencedik probléma a technikusok kizárása a fejlesztésből. A helyszíni szakemberek értik az üzemi hangokat, a visszatérő hibákat, a karbantartási rövidítéseket és a berendezések előzményeit.

A tizedik probléma a skálázás megkezdése a pilot stabilizálódása előtt. Egy éretlen modell kiterjesztése megsokszorozza az adatminőségi problémákat és a riasztáskezelés terhelését.

A kiberbiztonság szintén figyelmen kívül hagyott kockázattá válhat. Az új érzékelők és átjárók bővítik az ipari támadási felületet.

Az eszközöknek ellenőrzött hozzáférést, biztonságos konfigurációt, dokumentált firmware-t, hálózati szegmentálást és megfelelő hitelesítést kell használniuk.

A felhőkapcsolatnak követnie kell a telephelyi szabályzatokat és kockázatértékeléseket. A távoli hozzáférés nem hozhat létre ellenőrizetlen útvonalat a kritikus vezérlőhálózatokba.

A szervezeteknek kerülniük kell az egyetlen szakembertől való függést is. A rendszerhez dokumentált felelősségi körök, üzemeltetési eljárások és támogatási feladatok szükségesek.

Egy olyan modellt, amelyet csak egyetlen adatelemző ért, nehéz fenntartani. Egy olyan felügyeleti rendszerből, amelyet a technikusok nem tudnak hibakeresni, idővel eltűnnek az adatok.

A sikeres programok a prediktív karbantartást fenntartott ipari rendszerként kezelik. Konfigurációkezelést, teljesítményfelülvizsgálatot és életciklus-tervezést alkalmaznak.

Átállás a pilotról egy ismételhető telephelyi szabványra

Egy sikeres pilot nem válik automatikusan sikeres vállalati programmá. A skálázás szabványosítást igényel, miközben nem hagyja figyelmen kívül a berendezések különbségeit.

A skálázás első lépése a pilot architektúrájának dokumentálása. Ez magában foglalja az érzékelőket, az átjárókat, a címkestruktúrákat, a mintavételi gyakoriságokat, a jellemzőket, a modelleket, a küszöbértékeket és a CMMS-munkafolyamatokat.

A csapatnak meg kell határoznia, mely elemek használhatók fel újra. Az eszközazonosítás, a kiberbiztonsági kontrollok, a műszerfalformátumok és a munkamegrendelési mezők telephelyi szabványokká válhatnak.

A hibamodellek nagyobb mértékű testreszabást igényelhetnek. Egy szivattyúmodell nem alkalmazható közvetlenül transzformátorra vagy szervohajtásra.

Még a hasonló szivattyúk is működhetnek eltérő terhelés, folyadékok, fordulatszámok és csővezetéki feltételek mellett. A helyi validálás továbbra is szükséges.

A szervezet sablonokat hozhat létre a gyakori eszközosztályokhoz. Egy motor sablonja tartalmazhatja a rezgést, az áramot, a hőmérsékletet, a fordulatszámot és az üzemállapotra vonatkozó információkat.

Egy centrifugálszivattyú-sablon kiegészülhet a szívóoldali nyomással, a nyomóoldali nyomással, az áramlással és a tömítés állapotával.

Egy hajtóműsablon tartalmazhatja a tengelyfordulatszámot, a rezgésspektrumokat, az olaj állapotát és a terhelést. Ezek a sablonok csökkentik a mérnöki ráfordítást, miközben megőrzik a műszaki relevanciát.

Az eszközök kiválasztását a kritikalitási és hibamód-elemzés alapján kell folytatni. A skálázás nem jelentheti azt, hogy minden gépre érzékelőt szerelünk.

A többszintű stratégia gyakran hatékonyabb. A kritikus eszközök folyamatos online felügyeletet kapnak.

A fontos eszközök ritkább gyakoriságú vezeték nélküli felügyeletet kaphatnak. A nem kritikus eszközök időszakos ellenőrzés vagy megelőző karbantartás keretében maradhatnak.

Az adatarchitektúrának szintén skálázhatónak kell lennie. Az elnevezési konvencióknak, a mértékegységeknek, az időbélyegeknek, a minőségi jelzőknek és az eszközhierarchiáknak következetesnek kell maradniuk.

E szabványok nélkül minden új telephely újabb elszigetelt adatkészletet hoz létre. A vállalati szintű elemzés így nehézzé és költségessé válik.

A modellirányításnak meg kell határoznia, ki hagyhatja jóvá a módosításokat. A tesztelési, kiadási, visszaállítási és teljesítmény-felülvizsgálati követelményeket is meg kell határoznia.

A képzés ugyanilyen fontos. Az üzemeltetőknek meg kell érteniük, mit jelentenek a riasztások. A karbantartástervezőknek tudniuk kell, hogyan befolyásolják az előrejelzések a munkák prioritását.

A technikusoknak eljárásokra van szükségük az előre jelzett állapotok ellenőrzéséhez. A megbízhatóságmérnököknek eszközökre van szükségük a modell bizonyítékainak és a karbantartási eredményeknek az áttekintéséhez.

A vezetésnek műszaki modellrészletek helyett üzemeltetési mérőszámokat kell kapnia. Látnia kell a rendelkezésre állást, az elkerült állásidőt, a karbantartás hatékonyságát és a pénzügyi értéket.

A skálázási ütemtervnek fokozatosnak kell maradnia. Minden bővítésnek fel kell használnia az előző eszközosztályból vagy telephelyről származó tanulságokat.

Ez a megközelítés csökkenti a kockázatot, és megőrzi a szervezet bizalmát. Azt is biztosítja, hogy a program azért növekedjen, mert működik, ne pedig azért, mert a technológia lenyűgözőnek tűnik.

Kezdje egy értékes problémával, és zárja le a folyamatot

A prediktív karbantartás akkor a leghatékonyabb, ha egyértelműen meghatározott berendezéskockázattal kezdődik. A programnak egy megfigyelhető meghibásodási módot és egy gyakorlatias karbantartási döntést kell megcéloznia.

Olyan eszközt válasszanak, amelynél a korábbi figyelmeztetés mérhető értéket teremt. Építsenek megbízható alapvonalat az üzemeltetési és karbantartási előzményekből.

Az érzékelők kiválasztása előtt azonosítsák a fizikai meghibásodási mechanizmusokat. Minden méréshez rendeljenek a romlásra vonatkozó műszaki hipotézist.

Készítsék elő gondosan az adatokat, és vegyék fel az üzemeltetési környezetet is. Olyan analitikai módszereket válasszanak, amelyek illeszkednek a rendelkezésre álló meghibásodási bizonyítékokhoz.

Javítsák a modellt megerősített ellenőrzési és javítási eredményekkel. Állapítsanak meg olyan riasztási szinteket, amelyek egyértelmű karbantartási intézkedéseknek felelnek meg.

Végül kapcsolják össze az előrejelző motort a CMMS-alapú tervezéssel és a helyszíni végrehajtással. Az elvégzett karbantartás megállapításainak vissza kell kerülniük a modellbe.

A szervezeteknek egy vagy két kritikus eszközzel kell kezdeniük. Ellen kell állniuk annak a kísértésnek, hogy azonnal egy teljes létesítményre kiterjesszék a programot.

A célzott pilot lehetővé teszi a mérnöki csapat számára az érzékelés, az analitika, a munkafolyamatok és a pénzügyi érték igazolását túlzott összetettség nélkül.

Ha a folyamat következetesen működik, a szervezet kiterjesztheti hasonló berendezésekre és további meghibásodási módokra.

A legérettebb prediktív karbantartási programokat nem önmagában a mesterséges intelligencia határozza meg. A technológiát fegyelmezett megbízhatóságmérnöki munkával és gyakorlatias karbantartási végrehajtással ötvözik.

Az eredmény nem egyszerűen több adat. Hanem korábbi felismerés, jobb tervezés, kevesebb vészhelyzet és megbízhatóbban működő ipari üzemelés.