Potrzeby inwestycyjne przedsiębiorstw

Predykcyjne utrzymanie ruchu.

W ostatnich latach pojawiło się wiele ciekawych i obiecujących technologicznych trendów w świecie oprogramowania tj. IoT (Internet of Things), analiza „bigdata”, maszynowe uczenie, sztuczna inteligencja. Wiele z tych technologii zaczyna znajdować również swoje miejsce w systemach produkcyjnych. W tym świetle, rosnącym zainteresowaniem zaczynają cieszyć się rozwiązania zgodne z koncepcją Przemysłu 4.0 czy Inteligentnej Fabryki, które jeszcze do niedawna wydawały się jedynie śmiałą wizją przyszłości.

Jednymi z ultra nowoczesnych rozwiązań dla przemysłu są systemy przeznaczone do inteligentnej konserwacji predykcyjnej urządzeń i sprzętu (Predictive Maintenance skr. PdM).

Wojciech Kucz
Dyrektor Techniczny
ISP Polska Sp. z o.o.

Silna konkurencja oraz stale rosnące wymagania rynku wymuszają na producentach poszukiwanie coraz nowszych, bardziej innowacyjnych i efektywnych rozwiązań. W szczególności, że wykorzystywany park maszynowy jest coraz bardziej zautomatyzowany i technologicznie zaawansowany, co często przekłada się na bardzo wysokie koszty przestojów i napraw. Naturalnie więc szczególną rolę należy kłaść na efektywne zarządzanie awariami, lecz nie tylko by szybko na nie reagować, lecz również w duchu obecnych możliwości oprogramowania, przewidywać je i im przeciwdziałać zanim do nich dojdzie.

Predictive Maintenance (PdM), w przeciwieństwie do poprzednich podejść, jakim są reaktywne lub zapobiegawcze modele konserwacji sprzętu, opiera się na koncepcji przeprowadzenia konserwacji na podstawie przekrojowej analizy parametrów i danych urządzeń, wytwarzanych produktów oraz innych warunków produkcji.

Systemy PdM umożliwiają ocenę jakości obecnego stanu maszyn i urządzeń oraz prognozują go w przyszłości. Do tego celu wykorzystywane są algorytmy łączące bieżące dane maszyn, parametry systemu produkcyjnego, otoczenia (na przykład temperatury lub wilgotności), w odniesieniu do danych historycznych w warunkach prawidłowej pracy, jak i w stanie awarii, również z zastosowaniem modeli matematycznych. Najbardziej zaawansowane systemy predykcyjnej konserwacji wykorzystują algorytmy sztucznej inteligencji (AI) i uczenia maszynowego.

Niewątpliwą zaletą PdM jest możliwość rezygnacji z regularnego, okresowego wyłączania maszyn i urządzeń, umożliwiając serwisantom na planowanie prac gdy jest to naprawdę wymagane poprzez wczesne ostrzeganie o pogarszającym się stanie maszyn i urządzeń oraz jednocześnie wydłużenie żywotności ich komponentów. Technologia PdM wydaje się doskonałą strategią dla każdej firmy produkcyjnej poszukującej sposobów na ograniczenie nieplanowanych i planowanych przestojów maszyn czy zmniejszenia kosztów napraw.

Podstawę technologiczną w systemach predykcyjnej konserwacji jest zbiór czujników i elementów opomiarowania pozwalające na niezawodne zbieranie danych z maszyn i procesów. Przy projektowaniu systemu kluczowe znaczenie ma decyzja jakie dane powinny być zbierane oraz gdzie i jak je przechowywać i przetwarzać np. lokalnie lub w chmurze.

Systemy konserwacji predykcyjnej mają jednak również swoje wady. Do zaawansowanej analizy danych wymagane jest nie tylko nowoczesne oprzyrządowanie parku maszynowego ale również specjalistyczna wiedza i doświadczenie. Systemy te są również dosyć drogie w implementacji, dlatego należy starannie rozpatrzyć czy wdrożenie tego rozwiązania da odpowiedni stosunek korzyści do ponoszonych kosztów, w szczególności, że wiele systemów tego rodzaju opiera się na formule SAAS (Software as a service) i wymaga nie tylko nakładów związanych z wdrożeniem ale również regularnych opłat za użytkowanie.

 

Copyright 2007 – 2019 © Prawa autorskie do strony internetowej oraz jej zawartości przysługują firmie
BPC GROUP POLAND bądź innym podmiotom uprawnionym – i chronione są przepisami prawa powszechnie obowiązującego.
×

Lorem ipsum dolor sit amet, consectetur adipisicing elit. Repellat impedit repellendus vero cupiditate suscipit, tempora quae praesentium qui omnis molestias fugiat totam architecto quo ad aliquam excepturi. Quia, id quo.

Trwa ładowanie.. Proszę czekać...

Trwa Ładowanie