Onderhoud transformeren in voorspellende betrouwbaarheid

Onderhoud wordt al jaren gezien als een vieze, saaie en ad hoc klus. Het is van cruciaal belang voor de productiviteit, maar wordt niet erkend als een belangrijk onderdeel van het genereren van inkomsten. De simpele vraag is vaak:"Waarom moeten we dingen regelmatig onderhouden?" Het antwoord is:"Om ze zo betrouwbaar mogelijk te houden." Maar de echte vraag is:"Hoeveel verandering of degradatie is er opgetreden sinds de laatste onderhoudsronde?" Het antwoord is:"Ik weet het niet."

De uitdaging voor betrouwbaarheid is het omgaan met gegevens uit het verleden. Falen wordt gemodelleerd, geanalyseerd en tot op zekere hoogte voorspeld. Helaas houdt de voorspelling geen rekening met gebruikers- of werkomgevinggerelateerde beperkingen, en vaak zijn de resultaten niet zo nuttig.

Condition-based maintenance (CBM) gaat over online data. Machinecondities worden constant gecontroleerd en hun handtekeningen geëvalueerd. Dit gebeurt echter op machineniveau - één machine tegelijk. Het is een 'fail-and-fix-aanpak'. Het oplossen van problemen is het primaire doel.

Tegenwoordig richt CBM zich op sensoren en communicatie. Alle producten en machines zijn op de een of andere manier met elkaar verbonden. Het is echter moeilijk om te weten wat u met al deze gegevens moet doen. We moeten gegevens omzetten in informatie door rekenhulpmiddelen te gebruiken om gegevens lokaal te verwerken.

De onderhoudswereld van morgen is een informatiewereld voor op functies gebaseerde monitoring. Informatie moet een trend vertegenwoordigen, niet alleen een status. Het moet prioriteiten bieden, niet alleen laten zien "hoeveel". Als we dat doen, kan onze productiviteit worden gericht op het gebruik van activa, niet alleen op productiesnelheden.

Met de komst van moderne computer- en communicatietechnologieën zijn meer producten en machines ingebed met sensoren en verbonden via tethered en tether-free netwerken. Met de naadloos geïntegreerde netwerksystemen in de wereldwijde zakelijke omgeving van vandaag, zijn machines en fabrieken met elkaar verbonden en worden informatie en beslissingen gesynchroniseerd, zodat elke uitvaltijd in het systeem de productiviteit van de hele onderneming in gevaar kan brengen.

Aan de andere kant vereisen de beperkingen van de beveiliging en de bandbreedtebeperkingen voor communicatie een herontwerp om de risico's van gegevensblootstelling te minimaliseren of te beperken.

De oplossing is intelligente onderhoudssystemen. IMS voorspelt en voorspelt de prestaties van apparatuur, zodat de status "bijna nul storing" haalbaar is. Er zijn twee redenen voor falen:de prestaties van de apparatuur en menselijke fouten. Downtime van bijna nul is gericht op voorspellende technieken om storingen te minimaliseren. Het richt zich op kenmerken van machineprestaties.

Gegevens komen uit twee bronnen:sensoren (gemonteerd op de machine om de functie-informatie te verzamelen) en het hele bedrijfssysteem (inclusief kwaliteitsgegevens, geschiedenis en trending). Door gegevens uit deze bronnen (huidig ​​en historisch) te correleren, kunt u toekomstige prestaties voorspellen. Het doel is om de gezondheid van producten/machines te voorspellen op dezelfde manier als het weer wordt voorspeld.

Het maakt ons echt niet uit hoe nauwkeurig de temperatuurvoorspelling is. We geven om de trend:koud tot heet of helder tot regenachtig. Prognoses geven ons prioriteiten en een back-upplan.

Tegenwoordig zijn machine-veldservices afhankelijk van sensorgestuurde managementsystemen die waarschuwingen, alarmen en indicatoren bieden. Op het moment dat het alarm afgaat, is het al te laat om de storing te voorkomen. De meeste uitvaltijd in de fabriek wordt veroorzaakt door deze onverwachte situaties.

Er is geen waarschuwing voorzien die naar degradatie in de loop van de tijd kijkt. Als we degradatie kunnen monitoren, kunnen we toekomstige situaties voorspellen en waar nodig voorspellende betrouwbaarheidstaken uitvoeren (niet te vroeg of te laat). Met behulp van deze technieken kan onderhoud worden gepland voordat het defect raakt.

Mijn langetermijnvisie op intelligent onderhoud is dat we alle middelen kunnen gebruiken - inclusief embedded (software) en externe technologieën - om de prestaties van apparatuur te bewaken. Als er dan degradatie optreedt, is er voldoende tijd om de service te activeren voordat er een storing optreedt.

Een machine kan zijn gezondheid zelf beoordelen en indien nodig zijn eigen serviceverzoek activeren. Als dit model werkt, hebben we een product dat zijn eigen serviceprestaties en zijn eigen op garantie gebaseerde contracten kan beheren. Het kan ons ook waarschuwen voor manieren om het op een krachtige manier te laten werken.

De industrie is zo gefocust op het resultaat en de kosten van uitvaltijd hebben een grote invloed op de winstgevendheid. Toch zijn de uitvaltijden niet de enige zorgen over de kosten. Als apparatuur begint te verslechteren, kunt u onderdelen met onaanvaardbare kwaliteit gaan produceren en dit voor een lange tijd niet weten.

Uiteindelijk zal degradatie van de machine de doorvoer en kwaliteit ernstig beïnvloeden. Dit is vooral belangrijk voor fabrikanten die activiteiten uitbesteden aan landen als China. Deze bedrijven moeten de kwaliteit van producten op afstand bewaken voordat ze worden verzonden.

Bedrijven van wereldklasse hebben al een baanbrekende benadering van voorspellende betrouwbaarheid gevolgd door een nieuw servicebedrijfsmodel te implementeren om onderhoudssystemen om te zetten in slimme oplossingen voor service- en activabeheer.

Ze verminderen de uitvaltijd en bieden de mogelijkheid om vooruit te kijken naar de kwaliteit van producten voordat ze worden verzonden door de prestaties van de apparatuur en de degradatie van de machine nauwlettend in de gaten te houden. In plaats van reactief onderhoud - "fail-and-fix" - gaan bedrijven over op "voorspellen en voorkomen" onderhoud.