数字转换推动了预测维护的新时代

发布时间:2020年6月11日

Mitsubishi Electric的Solutions Manager David Bean看起来如何换算 - 通过机器学习和人工智能等工业互联网的崛起 - 正在为植物资产提供新的见解,因此提高了预测维护和预示的潜力按规范维护的到来。

预测性维护越来越受欢迎,作为一种方法,使公司能够降低停机时间和控制成本。增加资产可用性和最大化的工厂利用是工业数字转型的重要KPI。新的预测维护技术正在加速这一趋势,定义了标记为维护4.0的新范式。

所有行业都能提升性能和提高竞争力的动力变得越来越尖锐,特别是在国际市场上运营的公司。虽然有许多KPI可以被评估为公司表演的程度,但也许整体设备有效性(OEE)和总有效的设备性能(Teep)将是最熟悉的。

他们的受欢迎程度不仅源于他们提供植物和个人机器和资产的表现,而且来自他们提供持续改进的机会。OEE因子可用性,生产性能和产品质量成为一种简单的等式,提供了一家公司,公司可以根据哪些公司进行基准。Teep将其扩展到基于OEE和利用率的分数,以了解在给定的时间范围内的植物或资产的真实容量。

当然,如果公司采取行动以推动他们的分数,这些基准KPI是价值的,但值得注意的是停机时间(计划和计划生表)对这些指标的影响。无计划的停机时间,作为示例崩溃驱动器下降资产可用性,而例行定期或预防性维护可减少利用以提高可用性。

正是由于这种原因,预测维护越来越受欢迎,因为由于出乎意料的灾难性失败,而且避免任何过度的常规预定检查和维修,这是最小化的策略。从传统的维护制度在使用预防性维护方面更改可能代表大大降低成本。预测性维护减少了停机时间,因为,正如名称所暗示的那样,您能够在时间提前预测失败并相应地计划纠正措施。它还降低了维护成本,因为仅在需要时执行维护。与常规定期或预防性维护相比,成本节省的估计值范围为10%至40%。

它还可以减少维修和改革的时间。这是因为在它成为一个重要问题之前被注意到的问题,并且任何相关的补救工作都可以更简单,更容易修复。此外,估计早期捕获问题的预测性维护 - 因此在过度降解机器性能之前采取纠正措施 - 还可以通过减少生产过程中的资产破坏的发生,将产品浪费降低至20%。

市场趋势

最近的弗罗斯特和沙利文报告确定了,虽然预防性维护是普遍的,但预测性并不是多达34%的设施,每周花费超过30小时的预定维护。这正在进行植物的能力,并在定期维护方面引入成本。加到这一事实,同样的弗罗斯特和沙利文报告估计欧洲市场上未经安排的停机费用的费用在45亿欧元,很容易看出预测性维护即将到来。

行业正在发生变化,并且采用预测数字技术,这些技术正在支持这种维护策略的潜力的步骤变化。数字转换过程是破坏性的,但它建立在从工厂地板资产收集的数据的分析解释上。此数据越来越容易捕获,而聚合,过滤和解释所需的工具变得越来越可用。

预测性维护利用从每台机器收集的数据,并评估与机器正常的操作模式相关。任何微小的变化或不一致,基线数据将导致随后的警报预测未来的失败,从而可以计划优化的维护工作。这样,任何损坏或故障都会被隔离,因此其他部件仍未受到影响,避免了总设备故障。

预测性维护的数字转换,即所谓的维护4.0原则,基于条件的监控技术构建,但采用更广泛的链接和网络传感器和设备,作为工业互联网的一部分。这为新的聚合和分析技术提供了更全面的数据点集,显着提高了预测维护的功率和能力。此外,机器学习和人工智能的进步也在预测维护解决方案中发挥作用。

从更大数量的系统和设备收集数据。现在重要的是我们如何利用该数据如何为资产的健康做出有意义的决定。我们可以通过利用边缘和云的解决方案的组合以及一组分析工具来分析和解释该数据来实现这一目标。事实上,在使用基于边缘的解决方案时,我们还可以实现实时决定,以便在植物周围的资产的操作和维护进行。

这些都是先进的技术,现在可用。Mitsubishi Electric例如长期以来提供了其智能条件监测(SCM)解决方案,以提醒旋转机械上的即将发生的问题,便于低成本的近代维护解决方案。

除此之外,三菱电气可以提供基于边缘的解决方案,包括嵌入式分析工具,包括使用数字双胞胎。这可用于在许多其他益处中用于更加了解对其数字完全优化模型的“现实世界”资产的表现方面的许多其他效益中的预测性维护策略。

在人工智能和机器学习的影响方面,三菱电气正在将专有的AI技术嵌入到其前方的一些产品系列中。作为示例,未来的伺服范围将嵌入式预测维护功能,用于电机轴承故障检测和输送机张力损失,其Melfa机器人软件在机器人的每个单独轴上提供预测的维护信息。

输入规范维护的领域

资产维护策略仍在发展,因为数字化转型技术进一步发展,我们现在看到建立维护制度,这些制度并不能简单地指向未来维护的需求。它还可以明确诊断问题并以实时补救动作反馈,以延长资产的寿命,而不会对性能进行显着影响。使用规定分析的这种概念导致了新的维护范式,即规范维护。

这些新的开发边缘技术不仅可以用于提供预测性维护信息,但可以扩展到包括物流,库存和MRO系统的链接。通过这样做,他们提供了一个凝聚力的概述和执行维护活动,这些活动通过实施昂贵的定制MES解决方案仅在过去才能提供。

因此,数字转换是解锁预测性维护的潜力,将数据转化为有意义的信息,这些信息可以帮助公司提高植物可用性和资产利用率。随着我们进入规范维护领域,所有帮助公司在日益竞争的时代优化生产的境地,还有更多。

    注册PWE时事通讯亚博yabo让球

    最新问题

    要查看最新植物和工程工程的数字副本,点击这里

    查看过去的问题存档亚博体育88app这里

    请订阅日记点击这里

    阅读官方BCAS压缩空气和真空技术指南2018单击映像

    轮询

    “在Brexit谈判期间英国制造商最重要的问题是什么?”





      推特

      活动日记