Előrejelző Karbantartás
Az előrejelző karbantartás állapotadatokat és előrejelző modelleket használ a kopás vagy a meghibásodás bekövetkezés előtti felismerésére, így a karbantartás pontosan akkor történik, amikor szükséges, nem pedig rögzített ütemterv szerint vagy meghibásodás után.
Az előrejelző karbantartás elkülönül két régebbi karbantartási stratégiától. A reaktív karbantartás azt jelenti, hogy a javítások csak azután történnek meg, hogy egy gép már meghibásodott, ami nem tervezett állásidőt okoz. A megelőző karbantartás rögzített ütemterv szerint, mondjuk minden 500 üzemóránként szervizeli a berendezést, függetlenül annak tényleges állapotától. Az előrejelző karbantartás ezzel szemben folyamatosan gyűjtött állapotadatokra és előrejelző modellekre támaszkodik, amelyek meghatározzák a beavatkozás megfelelő pillanatát. Az eredmény olyan karbantartás, amely sem túl korán, sem túl későn nem történik, hanem pontosan akkor, amikor egy alkatrész ténylegesen elkezd kopni.
A technikai alapot egy szenzorkészlet adja, amely folyamatosan követi az olyan méréseket, mint a rezgés, a hőmérséklet, a hangkibocsátás vagy az olajminőség egy gépen. Ez az adat IoT-kapcsolatokon keresztül áramlik az elemzőrendszerekbe, amelyek eltéréseket észlelnek a normál üzemtől. Sok rendszer statisztikai modelleket vagy múltbeli meghibásodási mintákon betanított gépi tanulást használ a trendek előrevetítésére. Amikor egy mérés átlép egy kritikus küszöböt, vagy egy trend közelgő meghibásodásra utal, a rendszer karbantartási javaslatot indít, gyakran a valószínű meghibásodásig hátralévő becsült üzemidővel együtt.
A haszon elsősorban kevesebb nem tervezett leállás, hosszabb berendezés-élettartam, és jobb tervezés a pótalkatrészeknél és a személyzetnél. Ugyanakkor az előrejelző karbantartás kezdeti ráfordítást igényel: szenzorokat kell utólag felszerelni, adatot gyűjteni, és a modelleket idővel kalibrálni. Egyszerű vagy nem kritikus gépeknél ez a ráfordítás gyakran nem éri meg, míg a drága, termeléskritikus berendezéseknél jellemzően gyorsan megtérül. Bármely előrejelzés pontossága teljes mértékben az alapul szolgáló adat minőségétől és mennyiségétől függ.
Gyakorlati példa
Egy 12 CNC-marógépet üzemeltető fémmegmunkáló üzem rezgésszenzorokat szerel fel utólag három legkritikusabb gépe fő orsóira. Hat hónapnyi adatgyűjtés után az elemzőrendszer az egyik gépen emelkedő rezgésmintát észlel, amely korai csapágymeghibásodásra utal, és becslése szerint 18 nap hátralévő üzemidőt jelez. Az üzem egy alacsony termelésű hétvégére ütemezi a javítást, és előre megrendeli a cserecsapágyat. E korai figyelmeztetés nélkül az orsó valószínűleg műszak közben hibásodott volna meg, ami becslés szerint 2 nap nem tervezett állásidőt és napi 7000 eurós termelési érték mellett mintegy 14 000 euró termeléskiesést okozott volna.
Hogyan segít a Leanshift
Az előrejelző karbantartás illeszkedik a Kaizen-szemlélethez, mert a döntéseket tényleges állapotra alapozza, nem feltételezésekre, ami pontosan az, amit a folyamatos fejlődés megkövetel: a problémákat láthatóvá tenni, mielőtt veszteséggé válnának. A nem tervezett állásidő a folyamat egyik legköltségesebb veszteségformája, és korai felismerése időt szabadít fel a valódi fejlesztő munkára a tűzoltás helyett. Ez összhangban áll azzal a gondolattal, hogy úgy fejlődünk, hogy közben több fejlesztő embert teremtünk: a stabil berendezés teret ad a csapatoknak arra, hogy a fejlődésre összpontosítsanak, ahelyett hogy folyamatosan azt javítanák, ami éppen elromlott.
Gyakran ismételt kérdések
Milyen nagynak kell lennie egy vállalatnak ahhoz, hogy az előrejelző karbantartás megérje?
Nincs rögzített méretküszöb. Az számít, mennyibe kerülne az adott gép nem tervezett meghibásodása, nem a vállalat mérete. Még egy kis üzem is profitálhat néhány szenzorból egyetlen termeléskritikus gépén.
Szükség van mesterséges intelligenciára ehhez?
Nem, nem feltétlenül. Sok rendszer jól működik egyszerű küszöbértékekkel és statisztikai trendelemzéssel. A gépi tanulás javítja az előrejelzés pontosságát összetett kopási mintáknál, de a kezdéshez nem szükséges.
Miben különbözik az előrejelző karbantartás az állapotalapú karbantartástól?
Az állapotalapú karbantartás egy gép jelenleg mért állapotára reagál. Az előrejelző karbantartás egy lépéssel tovább megy, és ezt az állapotadatot használja a jövőbeli trend és a valószínű meghibásodási pont előrejelzésére.