Predictive Maintenance
Z upływem lat nie zmienia się podstawowe wyzwanie dla osób zarządzających produkcją – jak ograniczyć do minimum ilość i czas trwania awarii urządzeń. Nie da się uniknąć stopniowego zużycia elementów oraz awarii maszyn i urządzeń. Ale przy doborze odpowiedniej strategii konserwacji oraz odpowiednich narzędzi, możemy zminimalizować ryzyko nieplanowanych przestojów oraz nieoczekiwanych awarii, które niosą ze sobą poważne straty finansowe.
Awarie i nieplanowane zatrzymanie produkcji lub pracy maszyn prowadzą do:
- spadku wydajności produkcji (ilości wyprodukowanych wyrobów),
- obniżenia jakości produkowanych wyrobów,
- wzrostu kosztów produkcji.
Sposób serwisowania czy konserwacji urządzeń zależy od specyfiki produkowanych wyrobów i organizacji procesu produkcji. Stąd też, dla każdego producenta kluczowe jest opracowanie optymalnego systemu utrzymania ruchu.
Istnieje kilka koncepcji utrzymania ruchu. Przed opracowaniem predykcyjnego podejścia do utrzymania ruchu (ang. Predictive Maintenance – PdM) najpopularniejszymi schematami były: obsługa reaktywna (zwana również metodą Run-to-Failure) oraz obsługa prewencyjna (ang. Preventive Maintenance – PM). Opierają się one na reagowaniu dopiero po wystąpieniu awarii (Run-to-Failure) lub działaniach według, z góry ustalonych, harmonogramów przeglądów, wymiany komponentów i napraw (PM). Reagowanie dopiero po wystąpieniu awarii, powoduje przedłużenie jej trwania i wiąże się z niezbędnymi kosztami usunięcia usterki. Z kolei konserwacje zapobiegawcze mogą generować nadmiarowe koszty działań serwisowych, kiedy są wykonywane zgodnie z planem a w rzeczywistości nie są konieczne.



Predykcyjne utrzymanie ruchu to działania oparte na obserwacji procesów oraz stanu maszyn w celu zapobiegania ich awariom oraz przewidywania czasu niezbędnych konserwacji zapobiegawczych. Działania te mają na celu zwiększenie efektywności wykorzystania urządzeń oraz minimalizację nieplanowanych przestojów. Koncepcja ta jest jedną z głównych gałęzi Przemysłu 4.0 (ang. Industry 4.0), wykorzystująca najnowsze technologie oraz innowacyjne metody i rozwiązania. Nowoczesne systemy przewidujące awarie oparte są między innymi na technologiach sztucznej inteligencji (ang. Artificial Intelligence), uczenia maszynowego (ang. Machine Learning) czy rozwiązaniach i aplikacjach chmurowych (ang. Cloud Solutions). Pozwala to na przyspieszenie procesu gromadzenia danych oraz obniżenie kosztów pozyskiwania informacji.
Aby działanie predykcyjne były skuteczne, niezbędne jest pozyskiwanie danych. Dlatego też gromadzi się i analizuje szereg parametrów, które na pierwszy rzut oka, mogą wydawać się niezwiązane z działaniem urządzeń, np. temperatura urządzenia oraz otoczenia, sprawność działania systemów grzewczych, nawiewów i klimatyzacji, wibracje maszyn, ciśnienie wody lub innych mediów w instalacjach, czas wykonywania przez maszyny poszczególnych czynności, itp. Maszyny są projektowane w ten sposób, aby alarmować o stanach odbiegających od normy – są wyposażone w niezbędne czujniki. Predykcyjne podejście do utrzymania ruchu bazuje na ich wykorzystaniu lub zainstalowaniu nowych. Na podstawie danych z nich zebranych, można dokonać analizy pracy urządzenia oraz zaplanować z wyprzedzeniem i przygotować się do dokonania ukierunkowanych remontów.
Dzięki doposażeniu urządzeń w sensory IoT i np. kamery możemy pozyskiwać dane, które dzięki komputerowej analizie obrazu (ang. Computer Vision) i wykorzystaniu rozwiązań sztucznej inteligencji (AI) są poddawane dokładnej analizie. Najnowocześniejsze rozwiązania technologiczne pozwalają na przetworzenie ogromnej ilości danych (Big Data) w chmurze, dzięki czemu wyniki można sprawdzać w dowolnym miejscu i czasie, przy zachowaniu optymalnych kosztów infrastruktury. W codziennej pracy umożliwia to zdalną kontrolę nad wieloma maszynami jednocześnie. Przekłada się to na efektywniejszą pracę osób zajmujących się utrzymaniem ruchu ciągów produkcyjnych.
W celu przewidywania z wyprzedzeniem potencjalnych awarii lub uszkodzeń należy:
- zbierać maksymalną możliwą ilość danych z maszyn i urządzeń i stworzyć wirtualne modele ich działania (wzorce),
- w sposób automatyczny i ciągły analizować oraz porównywać stan bieżący z wypracowanym wzorcem,
- w sposób automatyczny i ciągły analizować wartości stanów bieżących i historycznych oraz przewidywać ich przyszłe wartości.
Metodologia i algorytmy wykorzystywane w predykcyjnym utrzymaniu ruchu sprawdzą się doskonale dla:
- producentów maszyn i urządzeń wykorzystywanych przy masowej produkcji,
- fabryk i zakładów produkcyjnych wykorzystujących do produkcji maszyny i urządzenia,
- integratorów systemów i instalatorów dostarczających rozwiązania służące do masowej produkcji.

Nasuwa się pytanie, czy działania predykcyjne są lepsze od prewencji i które rozwiązania generują mniejsze koszty. Na pewno oba podejścia różni koszt wdrożenia. Predykcyjne utrzymanie ruchu wymaga poświęcenia więcej czasu i środków na działania wdrożeniowe. Podejście prewencyjne z kolei generuje koszty cyklicznych przeglądów i remontów maszyn, niezależnie, czy są one w danym momencie konieczne. W końcowym rozrachunku jest to więc rozwiązanie droższe i angażujące więcej zasobów. Skuteczne rozwiązania Predictive Maintenance prowadzą do optymalizacji planowania remontów maszyn w celu uniknięcia nieplanowanych awarii i przestojów. A to finalnie doprowadzi do oszczędności i minimalizacji kosztów produkcji.
Należy pamiętać, że skuteczne rozwiązania Predictive Maintenance są specyficzne i wręcz unikalne dla danych maszyn, urządzeń lub ciągów technologicznych. Zastępują one działania prewencyjne, choć najkorzystniejsza może być hybryda tych dwóch podejść. Opracowana metodologia, algorytmy i oprogramowanie wymagają dopasowania do konkretnego wdrożenia. Predykcyjne utrzymanie ruchu to przyszłość przemysłu. Innowacyjne rozwiązania w tym zakresie, pomogą uzyskiwać przewagę konkurencyjną, która przełoży się przede wszystkim na końcowe ceny wyrobów. Przedsiębiorstwa świadome konieczności odpowiadania na potrzeby rynku, będą szukały sposobów na utrzymanie parku maszynowego w optymalnej formie. Działanie urządzenia można porównać do funkcjonowania organizmu człowieka. Doskonale więc pasuje tutaj maksyma, że lepiej zapobiegać niż leczyć.
Andrew Szajna, Chief Digital Officer
Jesteśmy specjalistami w dziedzinie Predictive Maintenance. Autorskie rozwiązania DTP pozwalają naszym klientom znacznie usprawnić proces utrzymania ruchu w zakładach produkcyjnych. W ramach projektu unijnego, Digital Technology Poland aktualnie opracowuje innowacyjne metody analityczno-decyzyjne, wspierające procesy predykcyjnego utrzymania ruchu. Efektem projektu będzie produkt pozwalający monitorować stan parku maszynowego w zakładzie produkcyjnym ze wskazaniem najbardziej prawdopodobnych przyczyn przyszłych nieprawidłowości. Dzięki naszemu doświadczeniu z technologiami takimi jak między innymi: Cloud Computing, Artificial Intelligence, Computer Vision i Big Data, możemy zapewnić wsparcie na każdym etapie procesu predykcji.