8 lépés egy működő prediktív karbantartási program felépítéséhez

Az előrejelző karbantartás kevesebb meghibásodást, jobb eszköz rendelkezésre állást és hatékonyabb karbantartási tervezést ígér. Ezek az eredmények azonban nem csak a szenzorok telepítéséből származnak.

Egy sikeres előrejelző karbantartási program ötvözi a mérnöki tudást, a megbízható adatokat, az állapotfigyelő technológiát, a karbantartási nyilvántartásokat, az elemzést és a fegyelmezett munkavégzést. Minden elemnek támogatnia kell egy meghatározott üzemeltetési célt.

Sok szervezet egy vonzó technológiai bemutatóval kezdi. Szenzorokat kötnek össze, műszerfalakat építenek, 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 technológiával kezdett, nem pedig a berendezés kockázatával, meghibásodási módjaival, karbantartási munkafolyamataival és mérhető üzleti értékkel.

Az előrejelző karbantartás, gyakran PdM-ként rövidítve, egy gyakorlati kérdésre kell válaszoljon: Milyen karbantartási intézkedést kell tenni, mielőtt egy eszköz teljesítménye csökkenne vagy meghibásodna?

A válasznak elég korán kell megérkeznie ahhoz, hogy a karbantartó csapat reagálni tudjon. Emellett elég megbízhatónak kell lennie ahhoz, hogy indokolja az ellenőrzést, javítást, alkatrészbeszerzést vagy működési változtatást.

Ez a cikk nyolc lépést mutat be egy hatékony előrejelző karbantartási program felépítéséhez. A fő példa egy szélturbina, mert az forgó berendezést, nehéz hozzáférést, drága leállást és többféle romlási mechanizmust egyesít.

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

Az előrejelző karbantartásnak üzemeltetési döntéssel kell kezdődnie.

Az állapotadatok kevés értékkel bírnak, ha nem változtatnak meg egy üzemeltetési vagy karbantartási döntést. Egy hőmérséklet-trend informatívnak tűnhet, de csak akkor válik hasznossá, ha valaki tudja, hogyan kell reagálni.

Ez a válasz magában foglalhatja a berendezés terhelésének csökkentését, a kenés ellenőrzését, az igazítás vizsgálatát, egy csapágy cseréjét vagy egy szabályozott leállás ütemezését.

Az előrejelző karbantartási programnak ezért négy különálló tevékenységet kell összekapcsolnia. Fel kell ismernie a romlást, értékelnie kell annak jelentőségét, javaslatot kell tennie a teendőre, és meg kell erősítenie a karbantartás eredményét.

Ez a sorrend elkülöníti az előrejelző karbantartást a szokásos adatgyűjtéstől. Ugyanakkor megkülönbözteti a működő ipari programot a ideiglenes elemzési kísérlettől is.

A mérnököknek előre meg kell határozniuk a várható döntéseket a szenzorok kiválasztása előtt. Ki kell deríteniük, ki kapja az információt, milyen gyorsan kell reagálniuk, és milyen bizonyíték támasztja alá a beavatkozást.

Például egy turbinaház csapágyfigyelmeztetés több válaszlépést is igényelhet. Egy kisebb eltérés további megfigyelést válthat ki. Egy nagyobb eltérés a következő karbantartási időszak alatti ellenőrzést indokolhat.

A gyorsan változó eltérés azonnali terheléscsökkentést igényelhet. Egy kritikus minta indokolhatja a vészleállítást.

Ezek a döntések együttműködést igényelnek a karbantartás, megbízhatóság, üzemeltetés, automatizálás, biztonság és adat szakértők között. A prediktív karbantartás nem maradhat elszigetelve egyetlen műszaki osztályon belül.

A következő nyolc lépés egy strukturált utat hoz létre az üzleti igénytől a megbízható karbantartási végrehajtásig.

1. Válasszon olyan eszközt, ahol a predikció valódi értéket teremt

A prediktív karbantartás kezdeti befektetést igényel. A költségek tartalmazhatnak érzékelőket, jelszabályozókat, ipari hálózatokat, edge computingot, adattárolást, elemző szoftvert, integrációs szolgáltatásokat és számítógépes karbantartás-menedzsment rendszert.

A kiválasztott eszköznek igazolnia kell ezt a befektetést. Jelentős hatással kell lennie a termelésre, biztonságra, minőségre, energiafelhasználásra, környezeti teljesítményre vagy karbantartási költségekre.

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

Egy viszonylag olcsó szivattyú leállíthat egy egész gyártóegységet. Egy drága tartalék motor viszont kevés azonnali kockázatot jelent, mert egy másik egység átveheti a feladatát.

Az eszközkritikussági elemzés hasznos kiindulópontot nyújt. Az értékelésnek tartalmaznia kell a termeléskiesést, javítási költségeket, átfutási időket, biztonsági következményeket, környezeti kitettséget és a redundancia elérhetőségét.

Az értékelésnek azt is figyelembe kell vennie, hogy milyen gyakran hibásodik meg a berendezés. Egy kritikus eszköz, amelynek nincs mérhető romlási mintázata, nem feltétlenül jó első jelölt.

Az ideális pilot eszközöknek több jellemzőjük van. Meghibásodásuk költséges, romlásuk megfigyelhető, és a karbantartó csapat a funkcionális meghibásodás előtt tud lépni.

A szélturbina erős jelölt. Tartalmaz csapágyakat, fogaskerékfokozatokat, tengelyeket, generátorokat, hidraulikus rendszereket, elektromos berendezéseket és szerkezeti elemeket.

A karbantartási hozzáférés nehéz lehet. A szélviszonyok, a daru elérhetősége, a technikusok beosztása és az alkatrészlogisztika késleltetheti a javításokat.

Egy váratlan hajtómű meghibásodás kiterjedt leállást okozhat. Emellett nehéz emelőberendezést és speciális személyzetet is igényelhet.

A korai figyelmeztetés többféle értéket teremt. A kezelő beszerezheti az alkatrészeket a meghibásodás előtt, kedvező időjárási ablakot választhat, koordinálhatja a vállalkozókat, és több karbantartási feladatot egyesíthet.

Az elkerült költség nemcsak a sérült alkatrészt foglalja magában. Tartalmazza az elveszett termelést, a sürgősségi szállítást, a túlórát, a daru mozgósítását és a másodlagos berendezések károsodását is.

Egy gyártóüzem ugyanezt a logikát alkalmazhatja egy kompresszorra. Az meghibásodása több gyártósor levegőellátását is megszakíthatja.

Egy vízkezelő létesítmény előnyben részesíthet egy nagy szivattyút, amely egy kritikus folyamatlépést szolgál ki. Egy erőmű előnyben részesíthet egy kazán-tápszivattyút, indukált huzatventilátort vagy turbinatartozék rendszert.

Az első pilotnak kezelhetőnek kell maradnia. Egy eszköztípus vagy egy kis hasonló eszközcsoport általában elegendő információt nyújt egy komoly bevezetéshez.

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

A programcsapatnak mérhető formában kell dokumentálnia a pilot célját. Példák: a sürgősségi munkák csökkentése, a meghibásodások közötti átlagos idő növelése vagy a csapágyromlás harminc nappal korábbi észlelése.

Egy világos cél segít megelőzni a kontrollálatlan terjedelemnövekedést. Emellett szabványt ad arra, hogy értékelni lehessen, vajon a pilot működési értéket hozott-e.

1. ábra. A CMMS nyilvántartások történelmi karbantartási bizonyítékokat szolgáltatnak a teljesítmény alapvonalak kialakításához és a prediktív karbantartás eredményeinek értékeléséhez. A képet a Limble CMMS engedélyével használjuk.

2. Alapvonal létrehozása meglévő karbantartási és üzemeltetési adatokból

A prediktív elemzéshez referencia szükséges a normál működéshez. Enélkül a rendszer nem tudja megbízhatóan megkülönböztetni a várható viselkedést a kialakuló hibáktól.

A szervezetek gyakran feltételezik, hogy nincs elegendő adatuk. Valójában hasznos bizonyítékok már több rendszerben is létezhetnek.

Lehetséges források közé tartoznak a CMMS munkarendelések, kezelői naplók, ellenőrzési jelentések, történeti címkék, riasztási feljegyzések, laboratóriumi jelentések, rezgésmérések, olajelemzések és alkatrész-tranzakciók.

Ezek a nyilvántartások ritkán rendelkeznek egységes struktúrával. A berendezések nevei eltérhetnek a CMMS, az irányítórendszer, a történeti adatbázis és a műszaki rajzok között.

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

Ezeknek a különbségeknek a feloldása elengedhetetlen. A prediktív modellnek össze kell kapcsolnia az érzékelő viselkedését a megfelelő eszközzel, üzemeltetési időszakkal, karbantartási eseménnyel és megerősített meghibásodási állapottal.

A csapatnak azzal kell kezdenie, hogy közös eszközhierarchiát állítanak fel. Minden megfigyelt alkatrésznek stabil azonosítóval kell rendelkeznie a karbantartási és üzemeltetési rendszerek között.

A következő lépés a történelmi teljesítmény áttekintése. Hasznos mutatók a meghibásodások közötti átlagos idő, a javítás átlagos ideje, a karbantartási munkaórák, a leállás időtartama, az alkatrészköltség és a termeléskiesés.

Az elemzésnek meg kell különböztetnie a tervezett karbantartást a helyreállító karbantartástól. Szét kell választania az alkatrészcserét az ellenőrzéstől, beállítástól, kenéstől és az egyéb, nem kapcsolódó munkáktól.

Egy szélturbinánál a történelmi elemzés a csapágyakra, a hajtóműfokozatokra, a kenőrendszerekre, a generátor hűtésére, a lapátállító mechanizmusokra és a teljesítményátalakító berendezésekre összpontosíthat.

A mérnököknek rögzíteniük kell, hogy milyen gyakran igényelt beavatkozást az egyes alkatrészek. Dokumentálniuk kell azokat a figyelmeztető jeleket is, amelyeket a meghibásodás előtt észleltek.

Korábbi rezgésmérések emelkedő tendenciát mutathatnak. Az olajminták növekvő fémrészecskéket jelezhetnek. A kezelők hangváltozásokat vagy instabil hőmérsékleteket jelenthettek.

Ezek a megfigyelések segítenek hasznos előrejelző változók azonosításában. Emellett címkéket is biztosítanak felügyelt vagy félig felügyelt elemzésekhez.

Az üzemeltetési feltételeket bele kell foglalni a kiindulási alapba. A szélsebesség, generátor terhelés, fordulatszám, környezeti hőmérséklet és vezérlési mód erősen befolyásolhatja az érzékelői méréseket.

Egy alacsony terhelésnél rendellenesnek tűnő rezgési szint teljes termelés alatt elfogadható lehet. A hőmérséklet viselkedése is változhat a környezeti feltételek és a hűtési igény szerint.

Ezért a kiindulási alapnak több üzemállapot szerinti berendezés viselkedését kell leírnia. Egyetlen átlagérték ritkán elegendő.

Az adatminőségi problémákat dokumentálni kell, nem elrejteni. Hiányzó időszakok, helytelen időbélyegek, cserélt érzékelők, kommunikációs hibák és kalibrációs változások torzíthatják a modell tanítását.

A karbantartó csapatoknak ellenőrizniük kell a történeti adatokat tapasztalt kezelőkkel és technikusokkal. Megfigyeléseik gyakran megmagyarázzák azokat a változásokat, amelyek nem jelennek meg digitális feljegyzésekben.

Egy hirtelen rezgéscsökkenés pozitívnak tűnhet. Egy technikus tudhatja, hogy az érzékelő ugyanebben az időszakban meglazult.

Az áramnövekedés mechanikai terhelést jelezhet. Egy kezelő elmagyarázhatja, hogy a termelési igény nőtt, mert egy másik egység nem volt elérhető.

Ezek a részletek megakadályozzák, hogy az elemző csapat helytelen összefüggéseket építsen fel. Emellett a kiindulási alapot is jobban reprezentálják a tényleges üzem viselkedését.

3. Határozza meg a meghibásodási módokat a technológia kiválasztása előtt

Az előrejelző karbantartásnak konkrét meghibásodási mechanizmusokra kell céloznia. Nem szabad megpróbálnia egy általános modellel minden lehetséges problémát észlelni.

A meghibásodási módok és hatások elemzése strukturált módszert nyújt. A csapat azonosítja, hogyan hibásodhat meg egy alkatrész, miért hibásodik meg, és milyen következményekkel jár.

Minden meghibásodási módot értékelni kell gyakoriság, súlyosság, észlelhetőség és rendelkezésre álló válaszidő szerint.

Néhány meghibásodás lassan alakul ki és mérhető tüneteket produkál. Mások hirtelen következnek be hasznos figyelmeztetési időszak nélkül.

Az előrejelző megfigyelés akkor teremti a legnagyobb értéket, ha a romlás elég korán kezdődik a felismeréshez. A figyelmeztetési időszaknak gyakorlati karbantartási tervezést is lehetővé kell tennie.

A csapágykárosodás gyakran fokozatosan alakul ki. A rezgésminták, akusztikus kibocsátások, hőmérséklet, kenési állapot és a motoráram változásai a teljes meghibásodás előtt jelezhetnek változásokat.

Egy elektronikus alkatrész kevés mérhető romlással is meghibásodhat. Ilyen esetben a redundancia, a megelőző csere vagy a készleten tartott pótalkatrészek jobb kockázatkezelést nyújthatnak.

A csapatnak össze kell hasonlítania az előrejelző karbantartást egyszerűbb alternatívákkal. Egy alacsony költségű ellenőrzés már hatékonyan szabályozhatja a meghibásodási kockázatot.

Az érzékelők, hálózatok és elemzések hozzáadása ezután bonyolultságot teremtene elegendő további érték nélkül.

A szélturbinák több fontos forgó berendezés meghibásodási módját tapasztalják. A fogaskerék fogai elkophatnak vagy megrepedhetnek. A csapágyak felületi károsodást, kenési problémákat vagy elállítódást szenvedhetnek.

A tengely egyensúlyhiánya növelheti a rezgést. A szerkezeti lazaság megváltoztathatja a rezonancia viselkedést. A kenőanyag szennyeződése felgyorsíthatja a kopást több alkatrészen.

Ezek a problémák gyakran átfedő tüneteket produkálnak. A hőmérséklet emelkedése súrlódásból, elégtelen kenésből, hűtési hibából vagy túlzott terhelésből eredhet.

Egy jel ritkán bizonyítja az alapvető okot. A megfigyelési stratégia indokolt esetben kiegészítő méréseket kell, hogy kombináljon.

A rezgés feltárhatja a mechanikai frekvenciamintázatot. Az olajelemzés megerősítheti a kopási részecskéket. A hőmérséklet az energia veszteség növekedését jelezheti.

A működési terhelés alapvető kontextust ad. Ezek a mérések együtt erősebb bizonyítékot szolgáltatnak, mint bármely egyedi érték.

Az elemzésnek meg kell határoznia a potenciális meghibásodási időközt. Ez az első észlelhető tünet és a funkcionális meghibásodás közötti időszak.

A hosszú időköz támogatja a tervezett karbantartást. Egy nagyon rövid időköz automatizált védelmet igényelhet a szokásos munkatervezés helyett.

Például a csapágyak fokozatos kopása hetekig tartó előjelzést adhat. Egy hirtelen túlpörgés azonnali vezérlést vagy védelmi intézkedést igényel.

A prediktív karbantartás nem helyettesítheti a gépvédelmet. A két funkció különböző kockázati szinteken és válaszidőkkel működik.

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

A meghibásodási mód áttekintésének dokumentált megfigyelési hipotézist kell eredményeznie. Meg kell magyaráznia, hogy mely jel változik, miért változik, és milyen korán kell megjelennie a változásnak.

Meg kell határoznia azt a karbantartási ellenőrzést is, amely megerősítheti a gyanított állapotot. Ez a megerősítés később értékes képzési információvá válik.

2. ábra. Az érzékelőadatok értékessé válnak, amikor megbízható következtetéseket támogatnak a berendezés állapotáról és a jövőbeli karbantartási igényekről. A képet a Limble CMMS engedélyével használtuk.

4. Érzékelők illesztése a fizikai meghibásodási mechanizmushoz

Az érzékelő kiválasztását a meghibásodási mód elemzésének kell követnie. A helyes kérdés nem az, hogy melyik érzékelő kínálja a legtöbb funkciót.

A helyes kérdés az, hogy melyik fizikai mérés tárja fel a célzott romlást elegendő előjelzéssel és elfogadható biztonsággal.

Gyakori mérések közé tartozik a rezgés, hőmérséklet, nyomás, áramlás, motoráram, sebesség, pozíció, páratartalom, akusztikus energia és kenőanyag állapota.

A speciális módszerek közé tartozhat az ultrahangos vizsgálat, akusztikus emisszió, mágneses részecskevizsgálat, radiográfia, termográfia és elektromos jelleg elemzés.

Minden módszernek megvannak az erősségei és korlátai. A rezgésfigyelés nagyon hatékony sok forgó alkatrész esetén, de a szenzor pozíciója és a rögzítés minősége erősen befolyásolja az eredményt.

A hőmérséklet-figyelés könnyen megvalósítható. Ugyanakkor a hőmérsékletváltozások később jelentkezhetnek, mint a rezgés vagy kenési tünetek.

A motoráram-elemzés képes azonosítani a terhelésváltozásokat és bizonyos elektromos vagy mechanikai állapotokat. Gondos elkülönítést igényelhet a normál folyamatváltozástól.

Az akusztikus kibocsátás képes érzékelni a súrlódás, repedésnövekedés, ütések és anyagdeformáció által keltett nagyfrekvenciás energiát. Az ipari zaj megnehezítheti az értelmezést.

Egy szélturbinánál a gondola és a torony mechanikai energiát továbbít több alkatrészből. Ez a szerkezet alkalmas távoli akusztikus vagy rezgésfigyelésre.

Ugyanakkor a jelút is bonyolultságot okoz. A hajtómű, generátor, csapágy, lapát és szerkezeti aktivitás egyaránt megjelenhet ugyanabban a mérésben.

A mérési pontokat a mérnököknek a gép szerkezete, terhelési útvonalak, csapágyhelyek, várható frekvenciák és hozzáférhetőség alapján kell kiválasztaniuk.

Kerülni kell, hogy a szenzorokat csak a kábelezés kényelme miatt telepítsék. A kényelmes elhelyezés gyenge vagy félrevezető jelet eredményezhet.

A rögzítési mód is fontos. Egy megfelelően felszerelt csavaros gyorsulásmérő általában jobb nagyfrekvenciás teljesítményt nyújt, mint egy lazán rögzített mágneses szenzor.

A kiválasztott frekvenciatartománynak meg kell felelnie a hibának. A lassú szerkezeti mozgás és a nagyfrekvenciás csapágyütközések eltérő mintavételi stratégiákat igényelnek.

A szenzor mérési tartománya is számít. A túl széles mérési tartomány csökkentheti a felbontást. Egy szűk tartományú szenzor telítődéshez vezethet átmeneti állapotokban.

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

Veszélyes területeken jóváhagyott berendezésekre, megfelelő akadályokra és szabályos telepítési módszerekre lehet szükség. Távoli eszközök esetén alacsony fogyasztású kommunikáció és helyi adatpufferelés lehet szükséges.

A megfigyelő architektúrának meg kell különböztetnie a folyamatos és az időszakos méréseket. Kritikus berendezések esetén indokolt lehet a folyamatos adatgyűjtés.

Kevésbé kritikus berendezések esetén vezeték nélküli szenzorok vagy technikus útvonalak használhatók. A megfelelő módszer a meghibásodás sebességétől, az eszköz fontosságától és gazdasági értékétől függ.

A szenzor redundanciának szelektívnek kell lennie. Több technológia telepítése javíthatja a diagnosztikát, de a szükségtelen mérések növelik a karbantartási és adatkezelési költségeket.

Egy hajtómű program kombinálhatja a rezgést, az olajszennyeződést, a hőmérsékletet és a terhelést. Egy egyszerű ventilátor esetén elegendő lehet csak a rezgés és a motoráram mérése.

A kalibrációt, a szenzor állapotát és a kommunikációs állapotot is figyelemmel kell kísérni. Egy meghibásodott szenzor egyébként stabil berendezés viselkedéseként jelenhet meg.

A rendszernek fel kell ismernie a sík jeleket, lehetetlen értékeket, túlzott zajt, adatkimaradásokat és a szenzor fokozatos elmozdulását.

Az élfeldolgozás csökkentheti a hálózati forgalmat azzal, hogy a jellemzőket az eszköz közelében számolja ki. Példák erre a négyzetes középértékű rezgés, csúcsérték tényező, kurtózis, spektrális csúcsok és a hőmérséklet változási sebessége.

A nyers hullámforma megőrzése továbbra is hasznos a vizsgálathoz. Azonban minden nagyfrekvenciás hullámforma végtelen tárolása felesleges költségeket okozhat.

Egy kiegyensúlyozott megközelítés folyamatosan tárolja a kiszámított jellemzőket. Megőrzi a nyers adatokat az anomáliák, üzemátmenetek és megerősített hibás események körül.

Az ipari érzékelőknek és megfigyelő komponenseknek a program teljes életciklusa alatt karbantarthatónak kell maradniuk. A cserealkatrész elérhetősége, dokumentáció és rendszerkompatibilitás befolyásolja a hosszú távú megbízhatóságot.

Az üzemek, amelyek felülvizsgálják a megfigyelési architektúrájukat, összehasonlíthatják a megfelelő gépi megfigyelő komponenseket rezgés, pozíció, sebesség és berendezés állapot alkalmazásokhoz.

5. Készítse elő az adatokat és fejlessze ki az analitikai modellt

Az érzékelő telepítése indítja el az adatfejlesztési fázist. Ez nem hoz létre azonnal megbízható prediktív modellt.

A nyers ipari adatok zajt, hiányzó értékeket, üzemátmeneteket, kommunikációs megszakításokat és karbantartáshoz kapcsolódó változásokat tartalmaznak. Ezeket a feltételeket rendszerszinten kell kezelni.

Az első követelmény a pontos időszinkronizáció. Az érzékelő adatoknak, folyamatértékeknek, riasztási eseményeknek és karbantartási feljegyzéseknek kompatibilis időbélyegeket kell használniuk.

Néhány percnyi elcsúszás hamis összefüggéseket okozhat. Ez a probléma súlyossá válik gyors üzemváltozások vagy hibás események esetén.

A mintavételi sebességnek is meg kell felelnie a mérésnek. A hőmérséklet esetén percenként egy mérés is elegendő lehet. A rezgéselemzéshez viszont másodpercenként több ezer mintavétel szükséges.

Az adatmérnökök gyakran alakítják át a nyers jeleket állapotjellemzőkké. Ezek a jellemzők csökkentik az adatmennyiséget és kiemelik a romlással összefüggő mintázatokat.

Hasznos rezgésjellemzők közé tartozik az össz amplitúdó, spektrális energia, oldalsávok, harmonikusok, burkolóértékek, csúcsérték tényező és kurtózis.

A hőmérséklet jellemzői lehetnek az abszolút érték, a környezeti hőmérséklettől való eltérés, a változás sebessége és egy összehasonlítható eszköztől való eltérés.

A jelenlegi jellemzők közé tartozhat a terhelésre normalizált igény, harmonikus tartalom, fázis kiegyensúlyozatlanság és az egyenértékű üzemállapotok alatti változások.

Az üzemeltetési környezetnek része kell maradnia az adathalmaznak. A sebesség, terhelés, termelési állapot vagy környezeti feltételek nélküli modellek összekeverhetik a normál változást a berendezés károsodásával.

A szélturbina különböző jeleket produkál változó szélviszonyok között. Az indítás, leállítás, lapátállítás, fékezés és hálózati események is átmeneti változásokat okoznak.

A modellnek értenie kell vagy ki kell zárnia ezeket az átmeneteket. Ellenkező esetben gyakori riasztásokat generálhat, amikor az üzemállapot változik.

A modell kiválasztása a rendelkezésre álló címkék függvénye. Ha a korábbi hibák példái jól dokumentáltak, felügyelt tanulás is lehetséges lehet.

Sok létesítményben a megerősített hibapéldák korlátozottak. Ezért a felügyelet nélküli vagy félig felügyelt módszerek gyakorlati kiindulópontot jelenthetnek.

A normál viselkedés modell megtanulja a jelek közötti várható összefüggést egészséges működés közben. Ezután azonosítja az ettől való eltéréseket.

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

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

A mérnököknek meg kell határozniuk, hogy a változás romlást, folyamatváltozást, karbantartási tevékenységet, érzékelőproblémát vagy nem képviselt működési módot tükröz-e.

A modellt képzési, validációs és tesztelési időszakokra kell bontani. Az egyedi minták véletlenszerű felosztása félrevezető eredményeket hozhat.

Az ipari idősoros adatok erős összefüggéseket tartalmaznak a szomszédos mérések között. Ezért a tesztidőszaknak külön működési időszakokat vagy eszköz előzményeket kell tartalmaznia.

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

Hasznos mutatók a precizitás, az előhívás, a havi hamis riasztások száma, a kihagyott események, a figyelmeztetési idő és a cselekvésre alkalmas riasztások aránya.

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

A karbantartó személyzet gyorsan elveszíti a bizalmát. A modell lehet technikailag érzékeny, de működésileg használhatatlan.

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

Az a figyelmeztetés, amely csak annyit mond, hogy „anomália észlelve”, korlátozott diagnosztikai értékkel bír. Egy jobb figyelmeztetés megnevezi a sebességváltó rezgésének növekedését egy adott frekvencia közelében.

Az is előfordulhat, hogy emelkedő hőmérsékletet és romló tendenciát mutat hasonló terhelés mellett. Ez az információ támogatja a célzott vizsgálatot.

A modell dokumentációjában rögzíteni kell a képzési időszakot, a bevont eszközöket, a működési feltételeket, a kizárt adatokat, a bemeneti jellemzőket és a várható korlátokat.

Ez a feljegyzés elengedhetetlen, amikor a berendezést módosítják, érzékelőket cserélnek vagy a gyártási folyamat változik.

6. Javítsa a modellt megerősített karbantartási eredmények alapján

Az előrejelző modellek folyamatos tanulást igényelnek. Az első telepített verziót kontrollált mérnöki kiadásként kell kezelni, nem pedig kész termékként.

A kezdeti modellek gyakran mérnökök és adatkutatók által címkézett adatoktól függenek. Idővel a rendszer több működési előzményt és karbantartási bizonyítékot kap.

Minden riasztás tanulási lehetőséget teremt. A karbantartó csapatnak rögzítenie kell, hogy a jósolt állapotot megerősítették, részben megerősítették vagy elutasították-e.

A vizsgálatnak le kell írnia a tényleges alkatrész állapotát. A fényképek, mérések, olajeredmények, cserélt alkatrészek és a technikus megfigyelései értékes bizonyítékot szolgáltathatnak.

Az egyszerű „munka elvégezve” státusz nem elegendő. Nem magyarázza meg, hogy a modell azonosította-e a helyes problémát.

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

A strukturált kódok támogatják az elemzést sok eseményen át. A technikus jegyzetek részleteket adnak, amelyeket az előre definiált kategóriák esetleg nem fednek le.

Egy szélturbinánál a modell növekvő hajtómű súrlódást jelezhet. Az ellenőrzés kenőanyag szennyeződést tárhat fel a fogaskerék sérülése helyett.

A modell még mindig hasznos figyelmeztetést adott. Azonban a megerősített okot be kell vonni a jövőbeli elemzésekbe.

Ez a visszacsatolás segít megkülönböztetni a kapcsolódó meghibásodási mechanizmusokat. Javítja a karbantartási ajánlásokat is.

A modellek eltolódhatnak, ha a berendezés vagy a működés változik. Egy új kenőanyag, csere motor, vezérlőhangolás vagy termelésnövekedés megváltoztathatja a normál viselkedést.

Az évszakos körülmények is befolyásolhatják az alapvonalat. A kültéri gépek jelentős hőmérséklet- és páratartalom-ingadozást tapasztalhatnak.

A modellfigyelésnek követnie kell a bemeneti eloszlásokat, az anomália arányokat, az előrejelzési bizalmat és a megerősített riasztások teljesítményét.

A riasztások hirtelen növekedése több eszköz valódi romlását jelezheti. Ugyanakkor érzékelőproblémákra vagy működési változásra is utalhat.

Az újratanításnak ellenőrzött folyamatot kell követnie. A csapat nem fogadhatja el automatikusan minden új működési mintát normálként.

Egy romló eszköz hónapokig működhet. Ha ezt az időszakot egészséges tanítóadatként használjuk, az gyengítené a modellt.

A mérnököknek jóvá kell hagyniuk a tanítási időszakokat, és ki kell zárniuk a megoldatlan rendellenes időszakokat. A verziókezelésnek meg kell őriznie a korábbi modell viselkedését.

Amikor új modellt adnak ki, teljesítményét össze kell hasonlítani a meglévő verzióval. Az árnyék üzemeltetés értékelheti az új modellt anélkül, hogy befolyásolná a karbantartási döntéseket.

Ez a folyamat technikai irányítást hoz létre. Megakadályozza azt is, hogy a tesztetlen analitikai változtatások megzavarják a karbantartási tervezést.

7. Az analitikai eredmények gyakorlati riasztási szintekké alakítása

A riasztási küszöbök összekapcsolják a modell kimenetét a karbantartási intézkedésekkel. A rossz küszöbök hatástalanná tehetik az egyébként jól működő modellt.

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

A küszöbérték kialakításába be kell vonni a karbantartási, megbízhatósági, műveleti és adat szakértőket. Minden csoport más-más tudással járul hozzá.

Az adat szakértők értik a modell bizalmasságát és az eloszlás viselkedését. A megbízhatósági mérnökök ismerik a romlási mintázatokat.

A karbantartási tervezők értik a munkafelkészítést és az erőforrások előkészítési idejét. A műveleti csapatok ismerik a termelési korlátokat és az elfogadható működési kockázatot.

Egyetlen riasztási szint helyett sok alkalmazás több szintből álló rendszert igényel. Minden szintnek egy meghatározott válasznak kell megfelelnie.

Egy tanácsadó szint kis, de tartós eltérést jelezhet. A válasz magában foglalhatja a trend áttekintését és a megfigyelés fokozását.

Egy karbantartási értesítés fejlődő romlást jelezhet. A válasz magában foglalhatja az ellenőrzés tervezését, alkatrészellenőrzéseket és munkarendelés előkészítését.

Egy kritikus értesítés gyors előrehaladást jelezhet. A válasz terheléscsökkentést, azonnali ellenőrzést vagy szabályozott leállítást igényelhet.

A küszöbértékeknek figyelembe kell venniük mind a nagyságot, mind az időtartamot. Egy rövid kiugrás működési átmenetből eredhet.

Egy kisebb eltérés, amely több napig fennáll, fontosabb állapotra utalhat.

A változás üteme szintén értékes. A lassan növekvő és a gyorsan növekvő rezgés nem eredményezhet azonos prioritásokat.

Több jelzés növelheti a bizalmat. Egy rezgésanomália, amelyhez hőmérséklet- és olajszennyeződés-változások is társulnak, nagyobb figyelmet érdemel.

Az értesítés elnyomási szabályait gondosan kell megtervezni. A karbantartási időszakok, indítási szekvenciák, ismert érzékelőhibák és tervezett tesztek ideiglenes kezelést igényelhetnek.

Az elnyomás azonban látható és ellenőrizhető kell, hogy maradjon. A rejtett vagy határozatlan elnyomás valós berendezési kockázatot rejthet el.

Minden értesítésnek elegendő információt kell tartalmaznia a cselekvéshez. Azonosítania kell az eszközt, a gyanított állapotot, a trendet, a bizalmi szintet és a javasolt következő lépést.

Meg kell jelenítenie a releváns működési kontextust is. Ez magában foglalhatja a terhelést, sebességet, hőmérsékletet és az összehasonlítást hasonló eszközökkel.

A programnak mérnie kell az értesítések minőségét. Hasznos mutatók a hamis riasztások aránya, válaszidő, megerősített megállapítások, figyelmeztetési időszak és elkerült meghibásodások.

A cél nem az értesítések számának maximalizálása. A cél egy kezelhető számú, hiteles karbantartási döntés meghozatala.

3. ábra. A prediktív karbantartás egy folyamatos körforgáson alapul a fizikai berendezés, a digitális elemzés és a megerősített terepi intézkedés között. A képet a Limble CMMS engedélyével használjuk.

8. Csatlakoztassa az anomáliaészlelést a CMMS munkavégzéséhez

Az előrejelzés csak akkor teremt értéket, ha megfelelő terepi intézkedéshez vezet. Ez a végső lépés zárja a fizikai-digitális-fizikai kört.

Először az érzékelők mérik a fizikai berendezés állapotát. Az adatokat átvisszük, megtisztítjuk, kontextusba helyezzük és elemezzük a digitális rendszerekben.

A keletkezett betekintésnek vissza kell térnie a fizikai művelethez. A karbantartó személyzet megvizsgálja, beállítja, kenőanyagozza, javítja vagy kicseréli az érintett alkatrészt.

A CMMS biztosítja az operatív hidat az analitika és a karbantartás végrehajtása között. A műszaki megállapításokat tervezett munkává alakítja.

Az integráció egy egyszerű felülvizsgálati folyamattal kezdődhet. Egy mérnök ellenőrzi az értesítést, mielőtt munkakérést hozna létre.

A fejlettebb rendszerek automatikusan létrehozhatnak értesítéseket vagy munkarendelési tervezeteket. Az ütemezés előtt azonban emberi jóváhagyásra még szükség lehet.

A teljesen automatikus munkalap-készítést szelektíven kell alkalmazni. A rosszul szabályozott automatizálás eláraszthatja a CMMS-t ismétlődő vagy alacsony értékű feladatokkal.

Minden munkalapnak tartalmaznia kell a becsült állapotot, a támogató trendeket, az ajánlott ellenőrzést, a szükséges készségeket és a vonatkozó biztonsági szempontokat.

A munkacsomag tartalmazhat pótalkatrészeket, szerszámokat, eljárásokat, engedélyeket és becsült befejezési időt is.

A szélturbina példájánál a predikciós motor észlelheti a kialakuló csapágyállapotot. Becslése szerint négy héten belül beavatkozás szükséges.

A CMMS ellenőrizheti a pótcsapágyak elérhetőségét, a technikusok beosztását, a daruigényeket és az ugyanazon helyszínen tervezett egyéb munkákat.

A karbantartási tervező ezután kiválaszthat egy megfelelő szervizablakot. Ez elkerüli a sürgősségi mozgósítást és csökkenti a kieső termelést.

A munkalapon rögzíteni kell a végső megállapításokat. A technikusnak meg kell erősítenie, hogy jelen volt-e csapágykárosodás, kenőanyagvesztés, lazaság vagy más állapot.

A kiszerelt alkatrész további vizsgálaton eshet át. Laboratóriumi elemzés további bizonyítékokat szolgáltathat a meghibásodás előrehaladásáról.

Ezek az eredmények visszakerülnek az elemzői környezetbe. Javítják a modell címkéit, a küszöbértékeket és a karbantartási ajánlásokat.

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

Mérheti a munkaerőt, alkatrészeket, állásidőt, elkerült károkat és a termelésre gyakorolt hatást. Ezek az eredmények megmutatják, hogy a program gazdasági értéket teremt-e.

Az integrációnak világos tulajdonjogot kell fenntartania. A megbízhatósági csapatok a műszaki validációért, míg a karbantartási tervezők a munkabeosztásért felelhetnek.

Az üzemeltetési személyzet jóváhagyhatja a termelési változtatásokat. Az adatelemző csapatok fenntarthatják a modell teljesítményét és az adat-infrastruktúrát.

A felelősség nem tűnhet el a rendszerek között. Minden riasztásnak legyen felelős tulajdonosa és meghatározott válaszideje.

A szervezeteknek a kommunikációs hibákra is tervezniük kell. Kritikus információk helyi tárolást, késleltetett szinkronizációt vagy alternatív értesítési módokat igényelhetnek.

A távoli berendezések nem támaszkodhatnak kizárólag folyamatos felhőkapcsolatra. Az élő rendszereknek fontos adatokat kell megőrizniük kimaradások idején.

A teljes kör minden megerősített eseménnyel erősebbé válik. Az érzékelőadatok javítják a predikciókat, a predikciók javítják a karbantartási tervezést, a karbantartási eredmények pedig a jövőbeli modelleket.

Tartsa külön a predikciót a gépvédelmtől

A prediktív karbantartás és a gépvédelem gyakran használnak kapcsolódó méréseket. Céljaik és válaszadási követelményeik azonban eltérőek maradnak.

Egy prediktív rendszer azonosítja a fokozatos romlást és támogatja a tervezett beavatkozást. Működhet napokon, heteken vagy hónapokon át.

Egy védelmi rendszer másodpercek vagy ezredmásodpercek alatt reagál a veszélyes helyzetekre. Célja a katasztrofális károk vagy a nem biztonságos működés megelőzése.

A prediktív elemzések nem késleltethetik vagy írhatják felül a bevált leállítási logikát. A védelmi funkcióknak determinisztikusnak, validáltnak és megfelelően függetlennek kell maradniuk.

Például egy turbinarezgés-modell azonosíthat egy lassan kialakuló csapágyhibát. A karbantartás ütemezheti az ellenőrzést a következő leállás alatt.

Ha a rezgés eléri a beállított veszélyhatárt, a gépvédelmi rendszer leállítást indíthat. Ez a válasz nem támaszkodhat felhőalapú modellre vagy késleltetett jóváhagyásra.

A rendszerek mégis megoszthatják a mérnöki kontextust. A védelmi események értékes címkéket szolgáltathatnak a prediktív elemzéshez.

A prediktív trendek segíthetik a mérnököket a riasztási és leállítási beállítások felülvizsgálatában is. Bármilyen védelmi beállítási változtatásnak formális mérnöki eljárásokat kell követnie.

A kritikus forgó berendezéseket üzemeltető létesítmények dedikált platformokat használhatnak, például a Bently Nevada 3500 gépvédelmi rendszert a szélesebb körű állapotfigyelő és karbantartási elemzések mellett.

A rendszerarchitektúrának meg kell határoznia az adatok tulajdonjogát, frissítési gyakoriságát, a kiberbiztonsági határokat és az engedélyezett információáramlásokat a rendszerek között.

Ez a szétválasztás védi a biztonságot és a rendelkezésre állást. Megakadályozza azt is, hogy a prediktív karbantartás elvárásait alkalmatlan valós idejű védelmi funkciókra alkalmazzák.

Mérje az eredményeket karbantartási és termelési eredményeken keresztül

Egy prediktív karbantartási programot nem szabad az érzékelők számával, a műszerfalak számával vagy a tárolt adatmennyiséggel értékelni.

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

A teljesítménymutatóknak közvetlenül kapcsolódniuk kell a karbantartási és termelési eredményekhez. Hasznos mutatók például az elkerült meghibásodások, a csökkentett állásidő és a hosszabb figyelmeztetési időszakok.

A szervezetek nyomon követhetik a sürgősségi munkákat, a tervezett munkák arányát, a karbantartási munkaórákat, az alkatrészfogyasztást és az eszközök rendelkezésre állását is.

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

A riasztás pontossága egy korai jelző lehet. Megméri, hogy a riasztás milyen gyakran azonosít megerősített, beavatkozást igénylő állapotot.

Az átlagos figyelmeztetési idő azt mutatja, hogy a rendszer elegendő időt biztosít-e a tervezéshez. Egy helyes előrejelzés, amely egy órával a meghibásodás előtt érkezik, kevés karbantartási értéket nyújthat.

A tervezett beavatkozások aránya megmutatja, hogy a predikciók változtatják-e a munkavégzést. A csökkentett sürgősségi beszerzés további mérhető előnyt jelenthet.

Az energiaigényes berendezések esetében a program azonosíthatja a hatékonyságveszteségeket a funkcionális meghibásodás előtt. Az illesztési hibák, súrlódás vagy szennyeződés korrigálása csökkentheti az energiafogyasztást.

A minőségérzékeny folyamatok előnyére válhat a stabil berendezésteljesítmény. Egy romló hajtómű, szelep vagy mérőeszköz befolyásolhatja a termék állandóságát.

Az üzleti számításoknak tartalmazniuk kell a megvalósítási és működési költségeket is. Az érzékelők karbantartást igényelnek. A szoftver támogatást. A modelleket felül kell vizsgálni és újra kell képezni.

A hálózati, tárolási, integrációs és kiberbiztonsági költségeket is bele kell számítani. Ezeknek a költségeknek a kizárása irreális megtérülési becslést eredményez.

Egy egyszerű értékszámítás összehasonlíthatja a várható éves előnyöket az évesített programköltségekkel. Az előnyök közé tartozhat az elkerült leállás, a csökkentett másodlagos károk és az alacsonyabb sürgősségi munkaerő.

A szervezetnek meg kell különböztetnie a megerősített megtakarításokat a becsült kockázatcsökkentéstől. Mindkettő fontos, de nem szabad azonos eredményként bemutatni őket.

Például egy felfedezett csapágyhiba megakadályozhat egy tényleges meghibásodást. Az elkerült költség becsülhető a korábbi hibák alapján.

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

Az esetértékeléseknek dokumentálniuk kell az egyes előnyök mögötti bizonyítékokat. Ez a megközelítés hitelességet teremt az üzemeltetés és a pénzügyi vezetés számára.

Ez segít a csapatnak azonosítani, mely eszközök és hibamódok nyújtják a legerősebb megtérülést.

Kerülje el a leggyakoribb prediktív karbantartási hibákat

Sok prediktív karbantartási program hasonló problémákkal szembesül. Ezek korai felismerése megóvhatja a pilotot a felesleges költségektől.

Az első probléma, hogy egy eszközt azért választanak, mert kényelmes. A könnyen elérhető berendezés könnyen felszerelhető, de meghibásodása kevés operatív hatással járhat.

A második probléma, hogy adatokat gyűjtenek meghatározott hibamódok nélkül. A rendszer így trendeket állít elő anélkül, hogy megmagyarázná, mit kell ellenőrizni.

A harmadik probléma, hogy figyelmen kívül hagyják az üzemeltetési kontextust. A terhelés, sebesség, termékminőség vagy környezeti hőmérséklet változásai a romlásra hasonlíthatnak.

A negyedik probléma, hogy rossz eszközazonosításra támaszkodnak. Az érzékelőadatok és a karbantartási feljegyzések nem kapcsolhatók megbízhatóan össze, ha a berendezések nevei eltérnek a rendszerek között.

Az ötödik probléma, hogy történelmi karbantartási feljegyzéseket használnak validálás nélkül. A munkamegrendelések hiányos, következetlen vagy másolt leírásokat tartalmazhatnak.

A hatodik probléma, hogy a modell teljesítményét csak általános pontosság alapján mérik. A ritka hibák miatt egy hatástalan modell sikeresnek tűnhet.

A hetedik probléma, hogy túl sok riasztást generálnak. A gyakori hamis figyelmeztetések csökkentik a bizalmat és arra ösztönzik a személyzetet, hogy figyelmen kívül hagyja a rendszert.

A nyolcadik probléma, hogy figyelmeztetéseket adnak ajánlott intézkedések nélkül. A karbantartó csapatoknak ellenőrzési útmutatásra van szükségük, nem csak numerikus anomália pontszámokra.

A kilencedik probléma, hogy a technikusokat kizárják a fejlesztésből. A terepi személyzet érti az üzemeltetési hangokat, az ismétlődő hibákat, a karbantartási rövidítéseket és a berendezések történetét.

A tizedik probléma a skálázás, mielőtt a pilot stabilizálódna. Egy éretlen modell kiterjesztése megsokszorozza az adatminőségi problémákat és a riasztáskezelési terhelést.

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

Az eszközöknek szabályozott 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 utat a kritikus vezérlőhálózatokba.

A szervezeteknek kerülniük kell az egyetlen szakértőtől való függést is. A rendszernek dokumentált tulajdonossal, működési eljárásokkal és támogatási felelősségekkel kell rendelkeznie.

Egy modellt, amit csak egy adatkutató ért, nehéz fenntartani. Egy olyan megfigyelőrendszer, amit a technikusok nem tudnak hibakeresni, végül adatvesztéshez vezet.

A sikeres programok a prediktív karbantartást karbantartott ipari rendszerként kezelik. Alkalmazzák a konfigurációs kontrollt, a teljesítményértékelést és az életciklus-tervezést.

Lépés a pilotból egy ismételhető telephelyi szabvány felé

Egy sikeres pilot nem válik automatikusan sikeres vállalati programmá. A skálázás szabványosítást igényel, miközben figyelembe veszi a berendezések különbségeit.

Az első skálázási lépés a pilot architektúra dokumentálása. Ez magában foglalja az érzékelőket, átjárókat, címke struktúrákat, mintavételi arányokat, jellemzőket, modelleket, küszöbértékeket és CMMS munkafolyamatokat.

A csapatnak meg kell határoznia, mely elemek használhatók újra. Az eszközazonosítás, kiberbiztonsági intézkedések, irányítópult formátumok és munkarendelési mezők telephelyi szabványokká válhatnak.

A meghibásodási modellek több testreszabást igényelhetnek. Egy szivattyú modell nem alkalmazható közvetlenül transzformátorra vagy szervohajtásra.

Még a hasonló szivattyúk is különböző terhelések, folyadékok, sebességek és csővezeték feltételek mellett működhetnek. A helyi validáció továbbra is szükséges.

A szervezet létrehozhat sablonokat a gyakori eszközkategóriákhoz. Egy motor sablon tartalmazhat rezgést, áramot, hőmérsékletet, sebességet és működési állapot információkat.

Egy centrifugális szivattyú sablon hozzáadhatja a szívónyomást, a nyomónyomást, az áramlást és a tömítés állapotát.

Egy sebességváltó sablon tartalmazhat tengelysebességet, rezgés spektrumokat, olaj állapotát és terhelést. Ezek a sablonok csökkentik a mérnöki munkát, miközben megőrzik a műszaki relevanciát.

Az eszközök kiválasztása a kritikalitás és a meghibásodási mód elemzésével folytatódjon. A skálázás nem jelenti azt, hogy minden gépre érzékelőket kell telepíteni.

A többrétegű stratégia gyakran hatékonyabb. A kritikus eszközök folyamatos online megfigyelést kapnak.

Fontos eszközök esetében alacsonyabb frekvenciájú vezeték nélküli megfigyelés alkalmazható. A nem kritikus eszközök pedig időszakos ellenőrzés vagy megelőző karbantartás alatt maradhatnak.

Az adatarchitektúrának is skálázhatónak kell lennie. A névkonvencióknak, mértékegységeknek, időbélyegeknek, minőségi jelzéseknek és eszközhierarchiáknak következetesnek kell maradniuk.

Ezek a szabványok hiányában minden új telephely egy új elszigetelt adatállományt hoz létre. Ez megnehezíti és megdrágítja a vállalati elemzést.

A modellirányításnak meg kell határoznia, hogy ki hagyhatja jóvá a változtatásokat. Emellett definiálnia kell a tesztelési, kiadási, visszagörgetési és teljesítményértékelési követelményeket is.

A képzés ugyanolyan fontos. A kezelőknek érteniük kell, mit jelentenek a riasztások. A karbantartási tervezőknek tudniuk kell, hogyan befolyásolják az előrejelzések a munkák prioritását.

A technikusoknak eljárásokra van szükségük a jósolt állapotok ellenőrzéséhez. A megbízhatóságmérnököknek eszközökre van szükségük a modell bizonyítékainak és karbantartási eredményeinek áttekintéséhez.

A vezetésnek működési mutatókat kell kapnia, nem technikai modell részleteket. Látnia kell a rendelkezésre állást, elkerült leállásokat, karbantartási hatékonyságot és pénzügyi értéket.

A bővítési ütemtervnek fokozatosnak kell maradnia. Minden kiterjesztésnek az előző eszköztípus vagy telephely tapasztalataira kell épülnie.

Ez a megközelítés csökkenti a kockázatot és megőrzi a szervezeti bizalmat. Biztosítja azt is, hogy a program növekedjen, mert működik, nem azért, mert a technológia lenyűgözőnek tűnik.

Kezdje egy értékes problémával, és zárja a kört

A prediktív karbantartás akkor a leghatékonyabb, ha egyértelműen meghatározott berendezéskockázattal kezdődik. A programnak egy megfigyelhető meghibásodási módra és gyakorlati karbantartási döntésre kell fókuszálnia.

Válasszanak olyan eszközt, ahol a korábbi figyelmeztetés mérhető értéket teremt. Építsenek megbízható alapvonalat a működési és karbantartási előzményekből.

Az érzékelők kiválasztása előtt azonosítsák a fizikai meghibásodási mechanizmusokat. Minden mérést társítsanak egy technikai hipotézishez a romlásról.

Készítsék elő gondosan az adatokat, és vegyék figyelembe a működési kontextust. Válasszanak elemzési módszereket, amelyek illeszkednek a rendelkezésre álló meghibásodási bizonyítékokhoz.

Fejlesszék a modellt megerősített ellenőrzési és javítási eredmények alapján. Állítsanak be riasztási szinteket, amelyek egyértelmű karbantartási intézkedésekkel járnak.

Végül kapcsolják össze az előrejelző motort a CMMS tervezéssel és terepi végrehajtással. A befejezett karbantartási eredményeknek vissza kell térniük a modellbe.

A szervezeteknek egy vagy két kritikus eszközzel kell kezdeniük. Ellen kell állniuk a kísértésnek, hogy azonnal az egész létesítményt lefedjék.

Egy fókuszált pilot lehetővé teszi a mérnöki csapat számára az érzékelés, elemzés, munkafolyamatok és pénzügyi érték validálását túlzott bonyolultság nélkül.

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

A legérettebb prediktív karbantartási programokat nem csupán a mesterséges intelligencia határozza meg. A technológiát fegyelmezett megbízhatóságmérnökséggel és gyakorlati karbantartási végrehajtással ötvözik.

Az eredmény nem csupán több adat. Korábbi tudás, jobb tervezés, kevesebb vészhelyzet és megbízhatóbb ipari működés.