Industriële fabricage
Industrieel internet der dingen | Industriële materialen | Onderhoud en reparatie van apparatuur | Industriële programmering |
home  MfgRobots >> Industriële fabricage >  >> Onderhoud en reparatie van apparatuur

Fabrieksrondleidingen per smartphone – een hulpmiddel van onschatbare waarde voor bewaking op afstand

Een benadering in 7 stappen voor het gebruik van smartphones voor een slimme fabrieksrondleiding op afstand

Voordat we aanbevelingen kunnen doen over conditiebewaking, is het altijd handig om de site van een prospect te bezoeken waar we deze van dichtbij kunnen bekijken de machines in kwestie en interview de mensen die ze het beste kennen. De beperkingen waarmee we worden geconfronteerd in het licht van het 'nieuwe normaal', betekenen echter dat we in de meeste gevallen een dergelijk bezoek momenteel niet kunnen uitvoeren.

Maar er zijn alternatieven. Wanneer een fysiek bezoek niet mogelijk is, kunnen smartphones en videoconferentietechnologie, vergezeld van bepaalde basisinformatie, ons in staat stellen om de site van een prospect op afstand te bezoeken en alles te leren wat we nodig hebben om de juiste aanbevelingen te doen voor zijn machines.

Hier is onze 7-stappengids:

1. Kennis injecteren

Onze benadering van conditiebewaking is om de machines zo goed mogelijk te begrijpen, zodat we onze technische kennis effectief in hun machine kunnen injecteren aan het leren. In plaats van het klassieke data science-model te volgen, waarbij data naar algoritmen wordt gegooid in de hoop dat ze iets leren over een machine, proberen we die algoritmen een voorsprong te geven door ervoor te zorgen dat kennis over conditiebewaking op de juiste manier wordt toegepast vanaf de begin.

We vermijden de noodzaak voor algoritmen om te leren over de aan/uit-statussen van een machine telkens wanneer deze uitschakelt, bijvoorbeeld als dit is een "bekend". Een mens die naar een machine of grafiek kijkt, weet immers intuïtief dat hij alleen maar naar de "aan"-status moet kijken. Het verschil met machines is dat ze geen context hebben. Het is daarom aan ons om die context te bieden en ervoor te zorgen dat machine learning-algoritmen geen tijd besteden aan dingen die we al weten. In plaats daarvan kunnen ze zoeken naar de dingen die we niet weten, en de dingen die we willen vinden als we op grote schaal naar problemen zoeken.

Om dit mogelijk te maken, beginnen we met het bekijken van hun machines en componenten. Idealiter zouden we de site van de prospect bezoeken om hun machines te zien, hun gegevens te lezen en met hun operators "in het echt" te spreken. In deze ongekende tijden moeten we dit natuurlijk op afstand doen, en dit vereist - op zijn minst - basis contextuele informatie.

2. Houd het simpel

Video is de bijna ideale manier om de machines van een klant te bestuderen, omdat het ons een 360-graden beeld geeft. En in de meeste gevallen volstaat het om die video op een smartphone op te nemen. Fabrieksvloeren zijn vaak luidruchtige omgevingen, met doorgaans slechte wifi-toegang. Klanten met de beste bedoelingen kunnen live video- of AR-oplossingen gebruiken om een ​​rondleiding op afstand door hun machines aan te bieden, zodat de verbinding voortdurend uitvalt, waardoor deze uiteindelijk onbruikbaar wordt.

Door een opname te delen - gehost op de servers van de prospect of eenvoudig per e-mail verzonden - kan de kijker pauzeren of terugbladeren naar een punt van interesse indien nodig. Bovendien betekent het delen van een video-opname dat presentatoren de tijd kunnen nemen om in detail te treden zonder de druk en stress van het geven van live commentaar.

In een perfecte wereld zouden de videobeelden gelijktijdig worden uitgevoerd met gegevens die tegelijkertijd zijn vastgelegd. Maar we weten wat een complexe en tijdgevoelige operatie dit kan zijn. Voor onze doeleinden stelt een schermafbeelding van hoogfrequente gegevens, passend bij het proces waar we naar kijken, ons over het algemeen in staat om te zien hoe die gegevens zich verhouden tot specifieke acties.

3. Ken je spullen

De ideale persoon om ons rond te leiden door een machine is de persoon die die machine het beste kent. Iemand als een onderhouder of onderhoudsexpert, die voortdurend met de machine communiceert, is vaak beter gekwalificeerd dan een data-expert om ons te vertellen wat de machine op een bepaald moment doet, commentaar te geven op wat de inputs en outputs zijn, of de punten waar vaak problemen worden gevonden.

4. Nooit te veel

We vragen onze klanten om zoveel mogelijk beeldmateriaal te verzamelen - we hebben altijd liever te veel dan te weinig. Het wordt aanbevolen om bij een bepaald gedeelte te blijven hangen om het te laten zien dat het loopt, vooral als het bepaalde bewegingen uitvoert.

Als een machine bijzonder lastig is, kunnen we deze nog steeds filmen op een "down"-instelling tijdens een onderhoudsploeg begin een begrip te vormen, zelfs als het niet echt in werking is. En als een machine is verborgen in een behuizing, is het veel nuttiger voor ons om te zien wat er in die doos beweegt in plaats van alleen de behuizing zelf.

5. Status wijzigen

Betrouwbare conditiebewaking vereist observatie van een machine in bekende toestanden. Hoewel hetzelfde onderdeel herhaaldelijk dezelfde actie kan uitvoeren, kunnen de factoren werksnelheid en materiaal vaak veranderen. Het is daarom belangrijk dat we de verschillende dingen kunnen zien die in een machine gaan en de verschillende dingen die eruit komen, zodat we de details kunnen zien tijdens elk van de toestanden van die machine. Het is belangrijk om zichtbaarheid en begrip van deze veranderingen te krijgen.

6. Privacy respecteren

Er zijn bijna altijd beveiligingsproblemen waarmee u rekening moet houden wanneer u de site van een klant bezoekt, vooral als het gaat om bedrijfseigen apparatuur. Als gevolg hiervan zouden we dergelijke gespecialiseerde machines niet kunnen fotograferen tijdens een fysiek bezoek of ze met iemand buiten Senseye kunnen bespreken.

In de huidige situatie kunnen deze problemen worden verholpen door de klanten zelf te vragen de videobeelden zelf te maken en op hun eigen beveiligde servers. Door deze niet te delen of ons toe te staan ​​iets op te nemen, behoudt de klant de volledige controle over de video en beschermt zo zijn IP.

7. Context is koning

Machine learning is in toenemende mate in staat om serieus zwaar werk te verrichten. Maar door extra kennis te injecteren, kunnen we het harder laten werken, zodat het ons niet vertelt wat we al weten. Site tours zijn essentieel om die kennis te vergaren. De huidige omstandigheden maken het voor ons moeilijk om die tours persoonlijk uit te voeren, maar gewapend met een smartphone, goede conditiebewakingsgegevens en een deskundige commentator kunnen we op afstand en effectief met klanten werken.

Geïnteresseerd om meer te weten te komen over Senseye PdM? We hebben zojuist ROI Lock® gelanceerd - het garanderen van financieel rendement op uw voorspellend onderhoudsproject met Senseye. Lees hieronder meer en regel uw digitale fabrieksrondleiding!


Onderhoud en reparatie van apparatuur

  1. Is een continu monitoringsysteem geschikt voor u?
  2. Guohua windturbines kiezen SKF voor monitoring op afstand
  3. Parameters definiëren voor CNC-draaimachines
  4. Kuka gaat slimme fabriek bouwen voor digitaal bouwbedrijf Admares
  5. Valkuilen bij conditiebewaking en potentieel voor fabrieksonderhoud
  6. Wat betekent IoT voor de slimme fabriek?
  7. Zullen slimme fabrieken de behoefte aan mensen wegnemen?
  8. Cisco introduceert IoT Remote Monitoring-oplossingen voor IT en OT
  9. IoT-energiebeheeroplossing voor slim zakendoen!
  10. Smart Farming:een uitgebreide IoT-oplossing voor landbouwmonitoring
  11. 5 redenen om IoT te kiezen voor bewaking op afstand van vracht