Machine learning w utrzymaniu ruchu

Źródło: Unsplash

Konserwacja prognozowana (predictive maintenance – PdM) w coraz większym stopniu staje się niezbędnym elementem nowoczesnych, inteligentnych fabryk. Wdrożenie tej strategii umożliwia producentom dokładne śledzenie stanu maszyn oraz przewidywanie awarii przed ich wystąpieniem, co pomaga w zwiększeniu wskaźnika całkowitej efektywności wyposażenia (overall equipment effectiveness – OEE) oraz redukcji kosztów i straty czasu.

Konserwacja prognozowana bazuje na monitorowaniu stanu technicznego maszyn, jednak zbieranie danych dotyczących funkcjonowania urządzeń to nie wszystko. Zasadnicze znaczenie dla niezawodności systemu ma możliwość dokładnej interpretacji tych informacji oraz ich dalszego przekazywania, i tu właśnie ma zastosowanie uczenie maszynowe (machine learning – ML). Rozwiązanie do monitorowania stanu wyposażone w technologię ML eliminuje błąd ludzki i sprawia, że konserwacja prognozowana staje się bardziej efektywna.

Czym jest konserwacja prognozowana?

Jest to proces śledzenia parametrów pracy kluczowych podzespołów maszyn, takich jak silniki, co ma na celu minimalizowanie czasu przestoju podczas napraw. Konserwacja prognozowana umożliwia użytkownikom bardziej dokładne przewidywanie terminu wykonania prac konserwacyjnych maszyn, na podstawie danych otrzymywanych w czasie rzeczywistym bezpośrednio z tych urządzeń. Dzięki temu wdrożenie PdM może pomóc w skróceniu czasu przestojów maszyn, zwiększeniu średniego czasu między awariami (mean time between failures – MTBF) oraz wyeliminowaniu kosztów związanych z wykonywaniem niepotrzebnych prac konserwacyjnych i magazynowaniem nadmiernej ilości części zamiennych.

W tradycyjnym podejściu utrzymanie ruchu w zakładzie oparte jest na harmonogramach konserwacji zapobiegawczej (preventative maintenance – PM) dostarczanych przez producentów maszyn, co obejmuje regularną wymianę podzespołów na podstawie określonych przedziałów czasowych. Jednak informacje te mogą sugerować jedynie przybliżony termin, gdy dana maszyna będzie wymagała prac serwisowych – rzeczywiste użytkowanie i warunki, w jakich pracuje maszyna, mogą w bardzo dużym stopniu wpłynąć na wiarygodność danych szacunkowych. Z jednej strony oznacza to, że firma może ponosić koszt niepotrzebnych prac konserwacyjnych i wymiany części, z drugiej zaś może się zdarzyć, że wiele elementów maszyny popsuje się w okresach między planowanymi pracami konserwacyjnymi.

Monitorowanie stanu z uczeniem maszynowym

Monitorowanie stanu technicznego odgrywa podstawową rolę w konserwacji prognozowanej poprzez umożliwienie użytkownikom identyfikacji kluczowych zmian w funkcjonowaniu maszyn.

Jednym z ważnych parametrów do monitorowania stanu są wibracje. Drgania maszyn są często spowodowane przez niewyważone, zbyt luźne lub zużyte części. Wraz ze wzrostem wibracji może dojść do uszkodzenia maszyny. Dzięki monitorowaniu pracy silników, pomp, sprężarek, wentylatorów, dmuchaw i skrzyń przekładniowych pod kątem wzrostu wibracji można wykryć problemy, zanim staną się one poważne i spowodują awarię skutkującą nieplanowanym przestojem.

Czujniki drgań zwykle mierzą wartość skuteczną (root mean square – RMS) prędkości, co daje najbardziej jednolity pomiar drgań w szerokim zakresie częstotliwości pracy maszyny. Wartość skuteczna prędkości drgań jest orientacyjnym wskaźnikiem ogólnego stanu technicznego maszyny. Innym kluczowym punktem danych są zmiany temperatur (tj. przegrzewanie się). System wykorzystujący technologię uczenia maszynowego pobiera te informacje i automatycznie określa warunki wyjściowe oraz ustawia wartości progowe dla trudnych warunków pracy, tak więc ostatecznie użytkownik otrzymuje sprawdzone informacje na temat tego, kiedy maszyna będzie wymagała konserwacji.

Korzyści

Uczenie maszynowe tworzy inteligentne rozwiązanie do monitorowania stanu technicznego. Korzyści z jego zastosowania dla potrzeb konserwacji prognozowanej są następujące:

1️⃣ Monitorowanie stanu maszyn w sposób ciągły.

Dzięki tym rozwiązaniom możliwy jest monitoring ciągły pracy maszyn pod kątem występowania kluczowych zmian w ich funkcjonowaniu, w tym zmian wartości skutecznej prędkości drgań, wartości skutecznej przyspieszenia drgań oraz temperatury. Zmiany tych parametrów są głównymi wskaźnikami zbliżającej się awarii, dlatego informacja o nich uzyskana w czasie rzeczywistym umożliwia podjęcie na czas odpowiednich działań zaradczych.

2️⃣ Automatyzacja procesu analizy danych z czujników

Po zamontowaniu czujnika wibracji na maszynie wymaga on od użytkownika, tak jak większość czujników, zbierania wystarczającej ilości danych do ustanowienia parametrów odniesienia dla pracy maszyny. Uczenie maszynowe eliminuje możliwość wystąpienia błędu ludzkiego poprzez zautomatyzowanie analizy danych z czujników. Rozwiązanie do monitorowania stanu technicznego za pomocą uczenia maszynowego rozpoznaje specyficzne warunki odniesienia dla poziomów drgań i temperatury i automatycznie ustawia wartości progowe dla wyzwalania alarmów. To sprawia, że system monitorowania stanu technicznego staje się bardziej niezawodny i mniej zależny od obliczeń przeprowadzanych ręcznie lub nawet przy wsparciu komputera PC, w których można popełnić błędy.

3️⃣ Komunikacja bezprzewodowa

Bezprzewodowe rozwiązanie do monitorowania stanu technicznego można łatwo i szybko wdrożyć, a ponadto adaptować w miarę zmieniających się potrzeb użytkownika, bez konieczności długiego przestoju, niezbędnego do ułożenia kabli i przewodów, ich podłączenia i uruchomienia instalacji. Ponadto daje możliwość monitorowania maszyn znajdujących się w niewygodnych lokalizacjach, trudno dostępnych miejscach, co zapewnia bardziej kompleksową obsługę i zwiększa niezawodność w fabryce.

4️⃣ Powiadomienia lokalne i zdalne

Gdy wartość dopuszczalna (próg) drgań lub temperatury zostaje przekroczona, inteligentny system monitorowania stanu technicznego powinien wyzwolić powiadomienie zarówno lokalne, jak i zdalne, takie jak przesłanie sygnału do świetlnego sygnalizatora kolumnowego, znajdującego się w centralnej lokalizacji, lub wysłanie e-maila czy alarmu tekstowego. W ten sposób ostrzeżenia zostaną przesłane szybko pod właściwy adres, niezależnie od tego, czy maszyna znajduje się w zasięgu wzroku operatora.

5️⃣ Rejestrowanie danych

Rozwiązanie do monitorowania stanu technicznego, które umożliwia użytkownikowi rejestrowanie zbieranych danych w czasie, pozwala na jeszcze większą optymalizację. W systemie bezprzewodowym dane dotyczące wartości drgań i temperatury mogą być wysłane do sterownika bezprzewodowego lub programowalnego sterownika logicznego (PLC) w celu wykonania dalszej, dogłębnej i długoterminowej analizy.

Podsumowanie

Monitorowanie stanu przy wykorzystaniu rozwiązań wyposażonych w technologię ML pozwala zwiększyć niezawodność sprzętu, zredukować nieplanowane przestoje oraz zmniejszyć koszty utrzymania ruchu. Jest ono także łatwym sposobem na to, by zacząć podejmować lepsze, oparte na wiarygodnych danych decyzje
dotyczące parku maszyn oraz wejść na drogę przekształcenia zakładu w fabrykę inteligentną.


Fritz Cleveland jest dyrektorem ds. marketingu produktów bezprzewodowych w firmie Banner Engineering.