Przewidzieć usterkę i jej zapobiec

kontrola na produkcji © Adobe Stock – Quality

Udostępnij:

Wysokie koszty związane z awarią maszyny, jeszcze wyższe – będące następstwem przestojów w produkcji, a do tego możliwe opóźnienia w realizacji zamówienia, co może negatywnie wpłynąć na relację z klientem – to tylko kilka potencjalnych negatywnych skutków niespodziewanej awarii w zakładzie produkcyjnym. Dlatego też przedsiębiorstwa nie powinny żałować środków finansowych na wszelkiego rodzaju działania, których celem jest zapobieganie wystąpienia kosztownych usterek.

Ogromne ilości danych gromadzonych podczas procesów produkcyjnych oraz pracy maszyn i urządzeń, poddane następnie analizie, mają służyć w efekcie optymalizacji produkcji. Bardzo dobrym przykładem takiego wykorzystania zebranych danych mogą być systemy predykcyjnego utrzymania ruchu, których celem jest przewidywanie niepożądanych stanów oraz podjęcie stosownych kroków naprawczych.



Predykcja lepsza od innych metod

Predykcyjne utrzymanie ruchu (ang. predictive maintenance) jest wciąż stosunkowo nową strategią utrzymania ruchu, która wykorzystuje odpowiednie modele matematyczne do zaawansowanej analityki danych produkcyjnych. Rozwiązanie to, analizując zebrane dane i porównując je do danych historycznych, jest w stanie z dużym prawdopodobieństwem przewidywać przyszłe stany obiektów, a tym samym prognozować zużycie narzędzi i podejmować zawczasu decyzje o ich wymianie, regeneracji czy np. regulacji, a także reagować na inne potrzeby maszyn bądź całych linii produkcyjnych.

Działania predykcyjne mają tę zaletę, że potrafią zidentyfikować niebezpieczną sytuację, której nie są w stanie przewidzieć standardowe metody. Metoda reakcyjna polega na reagowaniu dopiero w przypadku wystąpienia usterki bądź awarii, zaś metoda prewencyjna zakłada przeprowadzanie odpowiednich czynności serwisowych oraz konserwacyjnych w z góry określonych terminach.

Najważniejsze zalety systemów predykcyjnego utrzymania ruchu
  • Informowanie o ryzyku wystąpienia awarii zanim ona nastąpi.
  • Samouczenie się systemu, dzięki czemu jego skuteczność będzie z czasem coraz większa.
  • Korzystanie z wielu danych z różnych źródeł i ich kombinacji.


Kiedy predykcja jest zalecana?

Z racji sporych kosztów wdrożenia predykcyjnego utrzymania ruchu nie zawsze rozwiązanie to jest optymalne z punktu widzenia efektywności funkcjonowania zakładu produkcyjnego. Działania predykcyjne zaleca się przede wszystkim w odniesieniu do maszyn o wysokiej krytyczności, czyli o dużym znaczeniu dla całego zakładu produkcyjnego. Ewentualna awaria takiej maszyny może spowodować duże straty, nawet kilku-, a nawet kilkunastokrotnie wyższe niż wydatki poniesione na jej zapobiegnięcie.

Rozwiązania predictive maintenance nie są również polecane w przypadku produkcji jednostkowej, gdy maszyna czy linia produkcyjna są często przezbrajane i wykonują wiele różnych czynności. Tylko powtarzalne procesy są w stanie dostarczyć dane, które mogą być ze sobą porównane i posłużyć do prognozowania zużycia narzędzi czy innych elementów maszyny.

Nie tylko koszty awarii

Choć głównym zadaniem systemu predykcyjnego jest zapobieganie awariom szeroko pojętego sprzętu wykorzystywanego podczas procesu produkcyjnego, to trzeba jednak pamiętać, że negatywnych następstw usterek może być dużo więcej. Bardzo często wyłączenie z użytkowania jednej maszyny może skutkować zatrzymaniem całej linii produkcyjnej aż do czasu jej naprawy, a to może przełożyć się na przerwanie łańcucha logistycznego w ramach fabryki i wstrzymaniem także innych linii produkcyjnych. W efekcie może dojść nawet do opóźnień w realizacji zamówienia, co nierzadko wiąże się z wysokimi karami umownymi.

Awaria maszyny w trakcie produkcji może także rodzić zagrożenia bezpieczeństwa pracowników znajdujących się w jej pobliżu, a także powodować uszkodzenia materiałów i komponentów biorących udział w danym procesie, w efekcie czego określona partia produktów może nie spełniać wymaganych norm jakościowych.

Rozbudowany system

Dobrze funkcjonujący system predykcyjnego utrzymania ruchu wykorzystuje w swojej działalności szereg różnych narzędzi oraz metod o różnym stopniu zaawansowania technicznego, których dopiero kompleksowe działanie zapewnia najlepsze efekty. Do najważniejszych należą rozmaite czujniki, które zapewniają pozyskiwanie danych z maszyn, urządzeń oraz linii produkcyjnej. Są one następnie przesyłane do jednostki centralnej, gdzie podlegają dalszym analizom. Co istotne, nawet w starszym parku maszynowym możliwe jest podłączenie odpowiednich czujników, dzięki czemu system predykcyjnego utrzymania ruchu nie jest rozwiązaniem przeznaczonym tylko i wyłącznie dla nowoczesnych fabryk.

Poza wbudowanymi sensorami w systemach predykcyjnych dane są zbierane także m.in. dzięki mniej lub bardziej skomplikowanym urządzeniom pomiarowym, systemom wizyjnym, kamerom oraz systemom monitorowania. Istotna z punktu widzenia monitorowania niektórych parametrów może być także kontrola wzrokowa. Kolejnym ważnym elementem realizacji strategii predictive maintenance są systemy informatyczne odpowiedzialne z jednej strony za przesyłanie zgromadzonych danych, a z drugiej za analizę danych. Tylko odpowiednio zaprogramowane modele predykcyjnego utrzymania ruchu warunkują właściwe ich funkcjonowanie, analizę zebranych danych i ostrzeganie na tej podstawie we właściwym momencie o ryzyku wystąpienia usterki. W nowoczesnych rozwiązaniach stosuje się obecnie systemy informatyczne klasy CMMS i/lub MES.

Monitorowaniu i analizie powinny podlegać wszystkie parametry, które mogą mieć wpływ na funkcjonowanie danej maszyny. Istotne mogą być m.in. pomiary temperatury pracującej maszyny, czasy jej rozruchu oraz hamowania, poziom i stan środków smarnych czy też wykrywanie wszelkich wycieków. Niezwykle ważne są również parametry elektryczne, dlatego też szczegółowo analizowane są m.in. spektrum natężenia prądu silnika i zniekształcenia jego przebiegu, wszelkie inne zakłócenia, rezystencja i impedancja czy też odporność na przepięcie obwodów elektrycznych. W przypadku napędu pneumatycznego bądź hydraulicznego ważna jest wspomniana wyżej kontrola przecieków, a poza tym stan uszczelnienia oraz medium roboczego.

Do popularnych metod wykorzystywanych w układach predykcyjnego utrzymania ruchu należą pomiary drgań maszyn, na podstawie których można ocenić m.in. stan łożysk oraz napędów, które najczęściej są przyczyną awarii. Dostępne obecnie rozwiązania pozwalają na przeprowadzenie bardzo szczegółowej analizy przebiegu sygnału drgań i określenie na tej podstawie stanu poszczególnych elementów maszyny.

Wdrożenie systemu predykcyjnego utrzymania ruchu w zakładzie produkcyjnym wiąże się nie tylko z dość sporymi nakładami finansowymi, ale również wymaga przemyślanej strategii działania, czyli określenia, które urządzenia warto objąć systemem, zdefiniowania parametrów, które powinny podlegać kontroli i analizie, oraz określenia odpowiedniego algorytmu i jego monitorowania w czasie rzeczywistym. Nierzadko także systemy predykcyjne wymagają większego przeorganizowania działalności zakładu produkcyjnego. I choć powyższe warunki mogą zniechęcić przed krokiem w kierunku metod predykcyjnych, to jednak na dłuższą metę takie działania mogą przynieść przedsiębiorstwu wymierne efekty.

Kiedy warto inwestować w systemy predykcyjnego utrzymania ruchu?

Bogusław Krasuski, OmronInwestycja w zautomatyzowane rozwiązania i nowoczesne systemy predykcyjnego utrzymania ruchu w długiej perspektywie przynoszą wymierne korzyści finansowe dla każdego przedsiębiorstwa. W wyniku ich wykorzystania wyraźnie zmniejsza się liczba sytuacji wymagających interwencji pracownika i przestojów na linii produkcyjnej. Wpływa to korzystnie na przepustowość i elastyczność linii, a w sytuacjach awaryjnych umożliwia szybkie przywrócenie maszyny do pracy, co stanowi realne ograniczenie kosztów, które przedsiębiorstwo ponosi w wyniku zatrzymania pracy maszyny i wstrzymania produkcji. 

W tym kontekście potrzeba zapewnienia konserwacji predykcyjnej i zapobiegawczej ma ogromne znaczenie, a inteligentne urządzenia sterujące wyposażone w sztuczną inteligencję umożliwiają to na niespotykanym dotąd poziomie. Takie rozwiązania jak dostępny na rynku sterownik SI Sysmac, wykorzystujący sztuczną inteligencję na obrzeżach sieci („edge”), umożliwiają przetwarzanie danych w celu serwisu predykcyjnego już na poziomie maszyny i podejmowanie właściwych decyzji blisko miejsca, w którym są one potrzebne na linii. Wyraźnie skraca to czas potrzebny na reakcję i ewentualną naprawę maszyny, zmniejszając tym samym przestoje i redukując koszty przedsiębiorstwa.

Bogusław Krasuski, Sales Manager Channel&Panel, Omron Electronics

 

Artykuł ten ukazał się w czasopiśmie

Udostępnij:

Drukuj



Wojciech Traczyk




TOP w kategorii






Chcesz otrzymać nasze czasopismo?
Zamów prenumeratę
Zobacz również