Dlaczego Condition Monitoring nie zawsze wystarcza i dlaczego warto wdrożyć Predictive Maintenance?

Condition Monitoring (CM) – wgląd w stan majątku
Condition Monitoring (CM) to proces monitorowania parametrów stanu urządzenia (np. drgań, temperatury) w celu identyfikacji zmian mogących wskazywać na rozwijające się uszkodzenia. Dzięki Monitorowaniu Stanu specjaliści utrzymania ruchu są w stanie monitorować cały zakład lub linię produkcyjną, a także pojedynczą maszynę lub jej podzespół.

Stały dostęp do informacji i możliwość aktywnego monitorowania stanu maszyn dostarczanych przez CM to kolejny krok w rozwoju firm, które zrezygnowały z dotychczasowych nierzetelnych strategii utrzymania ruchu. Podejście prewencyjne (wykonywanie napraw zgodnie z harmonogramem) lub reaktywne (podejmowanie działań w przypadku wystąpienia zdarzeń) nie wykorzystuje ogromnego potencjału danych generowanych przez maszyny, przez co naraża firmy na straty i ogranicza wiedzę o ich majątku .

Definicje opisujące monitorowanie stanu wyraźnie podkreślają związek pomiędzy CM a Predictive Maintenance (lub PdM) – CM jest jednym z głównych elementów Predictive Maintenance (PdM).

Predictive Maintenance – zaawansowana analiza danych
Predictive Maintenance jest uznawane za jedno z najbardziej innowacyjnych rozwiązań do przewidywania awarii maszyn i jest stosowane w wielu różnych sektorach przemysłu. Predictive Maintenance ( PdM ) to technika opracowana w celu pomocy w ustaleniu stanu sprzętu w celu określenia właściwego czasu na prace konserwacyjne. PdM wykorzystuje różne narzędzia, aby spełnić obietnice złożone w swojej definicji. W przypadku maszyn wirujących wykorzystywane będą narzędzia CM (np. wibrodiagnostyka), natomiast w przypadku urządzeń lub konstrukcji statycznych będą to badania nieniszczące (NDT) oraz monitoring stanu konstrukcji (SHM).

Z pewnością ważnym krokiem w rozwoju systemów PdM jest wykorzystanie narzędzi uczenia maszynowego (ML) oraz sztucznej inteligencji (AI) – w skrócie analityki predykcyjnej. Narzędzia te dają możliwość wykonywania wielowymiarowych analiz dużych zbiorów danych, co pozwala nam zrobić kolejny krok w stosunku do klasycznych systemów diagnostycznych (takich jak klasyczna analiza poziomu drgań) – możemy nie tylko wykryć awarię na jej najwcześniejszym etapie, ale w niektóre przypadki również ostrzegają, zanim się pojawi. Wykorzystują w tym celu wszelkie dostępne dane, łącząc informacje z systemów typu CM, NDT, SHM, z informacjami z systemów pomiarowych, pomiarów środowiskowych itp.

Jednak „pełny" system PdM to nie tylko wczesne wykrywanie uszkodzeń – rozbudowane i odpowiednio dobrane systemy pomiarowe, przechowywanie i przesyłanie dużych ilości danych (w tym cyberbezpieczeństwa), analiza przyczyn awarii, odpowiednie przeszkolenie operatorów, współpraca z Istotne są również systemy ERP czy MES.

Dlaczego firmy powinny wdrażać Predictive Maintenance?
Techniki CM lub SHM opierają się zazwyczaj na znanych zależnościach fizycznych (np. wzrost drgań w danym paśmie częstotliwości). Konserwacja poparta analizą predykcyjnąwykorzystuje również analizę historycznych danych serwisowych i obsługowych, takich jak: duże zbiory danych z czujników (kilka lat/setki lub tysiące parametrów), dane o awariach i naprawach, dane opisujące parametry techniczne i proces pracy maszyn, dane środowiskowe itp. Ponadto, techniki analityczne, w przeciwieństwie do powszechnie stosowanych w przemyśle klasycznych technik monitorowania stanu (takich jak wibrodiagnostyka), dają możliwość wielopoziomowej analizy danych. Pozwala to nie tylko wcześnie wykrywać awarie, ale także próbować przewidywać awarie przed ich rozpoczęciem. Jeśli analiza drgań poinformuje nas o już istniejącym problemie na wczesnym etapie, analiza predykcyjna już przewiduje, że drgania mogą wzrosnąć i wskaże ich przyczynę.

Zaawansowane metody analizy pozwalają również na jednoczesną analizę danych z całej instalacji lub procesu, nie ograniczając się do danych z pojedynczej maszyny. Często awaria powstaje w wyniku nietypowego zdarzenia w procesie, którego konsekwencje są propagowane na kolejne etapy produkcji. Nawet najbardziej inteligentne czujniki nie będą w stanie przeprowadzić zaawansowanych analiz i wygenerować odpowiednich wniosków.

Streszczenie
Analityka predykcyjna polega na wyszukiwaniu zależności między danymi, które wyjaśniają występowanie awarii, a tym samym pozwalają uniknąć ich w przyszłości. Według badań przeprowadzonych przez firmę McKinsey & Company, wdrożenie strategii Predictive Maintenance w firmie pozwala w dłuższej perspektywie zaoszczędzić do 40% kosztów utrzymania ruchu, a także zmniejszyć wydatki na maszyny i urządzenia nawet o 5%.