IoT-alapú ipari teljesítmény karbantartása és biztonsága

A folyamatos igény a fenntarthatóság és a magasabb hatásfok iránt innovációra ösztökéli az ipari automatikát. A dolgok internete (IoT) lehetővé tette a fejlett technológiák gyors beépítését az ipari automatikába. Az okos és teljesen összekapcsolt gyárak segítségével a gyártók javítani tudják a folyamataik hatékonyságát, biztonságát és fenntarthatóságát, míg a költségeik csökkennek.

A biztonság és a karbantartás fontos, ha a létesítményeket és a berendezéseket működő állapotban akarjuk tartani. A karbantartás garantálja az ipari termelékenységet, és ha rendszeresen végzik, az egészségesebb és biztonságosabb munkakörülményeket teremt. A nem megfelelő vagy hiányos karbantartás komoly egészségügyi problémákat és halálos baleseteket okozhat. Ez a cikk azzal foglalkozik, hogy a tandemben működő IoT-érzékelők és -szoftverek által nyújtott megoldások hogyan növelik a gyártási karbantartás és biztonság hatékonyságát.

Karbantartás

A karbantartási funkciók folyamatosan fejlődnek: eleinte a rendszerhibákra adott reakciók voltak, majd megtervezett, majd prediktív és a folyamat (egyelőre) kitetőzött az önjavításban. A működési érzékelőtechnológiák fejlődése és az információtechnológiákban elért sikerek együttesen segítenek valós idejű teljesítményadatokat kinyerni. Ezek a technológiák, ideértve a felhőalapú elemzéseket és platformokat, a kiterjesztett valóságot (AR) és a virtuális valóságot (VR), jellemzik az ütemezett vagy prediktív karbantartást elhanyagolható termelékenységi veszteség mellett.

Az ipari karbantartást osztályozhatjuk különböző típusok szerint:

• Javító karbantartás

  A javító karbantartás célja a hibák azonosítása, izolálása és kijavítása. A hibás berendezést, gépet vagy eszközt ezután újra üzemképes állapotba hozzák a meghatározott normális üzemi toleranciák vagy korlátok között.

• Megelőző karbantartás

  A megelőző karbantartás a rendszeres, rutinszerű karbantartásra utal, amely segít a berendezéseket üzemképes állapotban tartani, megelőzni a be nem tervezett leállásokat és csökkenteni a váratlan berendezéshibák miatt felmerülő komoly költségeket.

• Prediktív karbantartás

  A prediktív karbantartási technikák monitorozzák a berendezés állapotát és teljesítményét a normál üzem közben, hogy megjósolhassák, mikor kell elvégezni a karbantartást. A rendszer jelentéseket készít a gépek állapotáról és üzemi kapacitásáról specifikus változók monitorozásával, majd ezek alapján adatvezérelt döntéseket hoz.

• Leállító karbantartás

  A leállító karbantartás során az elfáradt vagy a használat miatt elkopott alkatrészeket automatikusan kicserélik meghatározott, rövidebb időközzel, mint a hibák között eltelt idők átlaga. Az efféle eljárások megelőzik a váratlan meghibásodásokat és a gyártás maximális teljesítménnyel üzemelhet.

• Időszakos karbantartás

  Az időszakos karbantartás naptári ütemterv szerint végzett. Olyan elsődleges feladatokból áll, mint az adatfelvétel, a szemrevételezés, a tisztítás és a kenés.

Biztonság

A biztonsági tényező a legfontosabb a gyártás összes fázisában: a dizájn, a gyártás, a telepítés, a kiigazítás, az üzemeltetés, a karbantartás és a végső selejtezés során. A gépekről szóló irányelv arra kötelezi a gyártókat, hogy garantáljanak egy minimális biztonsági szintet a gépeikre és tesztelőberendezéseikre, például a multiméterekre és a hőkamerákra nézve. A gépeknek és a szerszámoknak meg kell felelniük az irányelvben meghatározott alapvető egészségvédelmi és biztonsági követelménynek (EHSR), tehát a szabvány szerinti minimális biztonsági szintet el kell érniük.

Hogyan járulhat hozzá az IoT a gyárbiztonsághoz és -karbantartáshoz

Az IoT-megoldások bevezetése szélsőségesen megnöveli a működési hatékonyságot. Az IoT a teljesítmény követésével és a hibák idő előtti megjóslásával javítja a gépek hatékonyságát. Így meg lehet szabadulni a be nem tervezett leállásoktól. Ezenfelül az ipari IoT biztonságosabbá is teszi a munkahelyet. Az intelligens gyártásba és gyártórendszerekbe befektető iparágak fenntartható és optimális gyártást várhatnak el, minimális karbantartás mellett. Ez a karbantartást alapvető ipari tényezővé teszi. Az olyan rendszerek, mint az állapotalapú monitorozás (CBM) vagy a számítógépes karbantartás-menedzsment (CMMS), a vállalati erőforrás-szervezés (ERP) és a gyártási végrehajtás (MES) végzik a karbantartó tevékenységeket több iparágban is. Ezek a rendszerek funkciókat nyújtanak mint a megelőző és prediktív karbantartás, a karbantartás-tervezés, -ütemezés, -végrehajtás, -lekövetés és -monitorozás. Farnell karbantartási, javítási és biztonsági termékek széles választékát kínálja, számos vezető márkától. Tartsa a gyártóüzemet, a gépeket és a biztonsági berendezéseket jól karbantartva az alkatrészek, szerszámok és berendezések széles kínálatával. (További részletekért a termékekkel kapcsolatban kattintson ide vagy ide.)

Az állapotalapú monitorozás, a prediktív karbantartás és az IoT

Egy gép állapotát a CBM-rendszerek folyamatosan monitorozzák az előre maghatározott berendezésparaméterek megfigyelésével. Ez olyan mintákat fed fel, amelyek a berendezés meghibásodását jelezhetik. A CBM-rendszerek olyan paramétereket monitoroznak, mint a rezgés, a hőmérséklet-eltérések, az olajszint, a motorfeszültség és az áramerősség. Az efféle mért adatokat elemezni lehet, és ezek alapján létrehozható egy megfelelő akcióterv.

Az IoT-technológia lehetővé teszi a gyártók és a felhasználók számára, hogy erőfeszítés nélkül és kisebb költségen megoldják a technológiai hibákat. A műszerérzékelők manapság olcsóbbak, strapabíróbbak, megbízhatók és több funkciót nyújtanak. A robusztus vezeték nélküli hálózatok segítségével tettekre váltható adatokat lehet gyűjteni az érzékelőkről egy helyi átjáróba azonnali elemzésre és szűrésre. Mint azt a következő ábra mutatja, ezután tovább lehet küldeni az interneten keresztül egy felhőalapú számítógépes erőforráshoz, amely minden felhasználó számára nyújt szoftveres szolgáltatásokat. Az efféle szoftverek képesek az adatokat tárolni és minden elemzést elvégezni, amely a trendek észrevételéhez szükséges, és azonosítani a lehetséges hibaforrásokat.

Amint ezek a paraméterek elérhetővé válnak az elemzéshez, felépül egy hibamodell, amelyen láthatóvá válnak az alapértékektől való eltérések. Ez egyszerűen beállítható, ha a hibákat jelző paraméterérték-kombinációk ismertek. Meg lehet határozni szabályokat a hibafeltételekhez, és a klasszikus adatelemzés és matematika segítségével felépíthető a helyes modell. Azonban ha a hiba okát nem értjük, akkor az adattudomány és a gépi tanulás segítségére lesz szükség olyan algoritmusok kifejlesztéséhez, amelyek képesek észrevenni a lényeges mintákat az adatokban.

1. ábra: Prediktív karbantartás IoT-platform használatával

A gyárbiztonság fejlesztése IoT használatával

A fejlettebb karbantartás egyenlő a jobb termelékenységgel. Ezt a termelékenységet még tovább lehet növelni, ha a gyármenedzserek betartják jogi és erkölcsi kötelezettségüket a helyszíni biztonság optimalizálására vonatkozóan. A gyárbiztonságot elősegítheti az IoT-technológia is, ha a big data elemzésével kombináljuk. Meg lehet figyelni az olyan teljesítménymutatókat, mint az alkalmazottak távolléte, a járműbalesetek, a tulajdonban okozott károk, a majdnem-balesetek, a sérülések vagy bármely veszteség és kár, amely a normális nappali műveletek során keletkezik.

Ha csak a humán jelentésekre támaszkodunk, ezeknek a számadatoknak a nagy része gyakran „átcsusszan a szitán”, mert vagy nem vagy csak kevés esetben tesznek róluk jelentést. Az IoT összességében nagyobb biztonságot tesz lehetővé, hiszen valós idejű rálátást nyújt ezekre a fontos területekre. Minden felmerülő hibát azonnal meg lehet oldani, és meg lehet felelni az egészségügyi és biztonsági előírásoknak és a környezetvédelmi szempontoknak is.

A munkahelyi sérülés jó példa, mert az apró sérüléseket gyakran nem jelentik. Néha idővel sokkal nagyobb problémákká válhatnak, de az ilyen esetekben nagy talány, hogy hogyan lehet visszakövetni egy nagy problémát egy korábbi incidensre.

A hordható IoT-eszközök megoldást nyújthatnak erre a problémára, mert használatukkal folyamatosan figyelni lehet a dolgozók különböző egészségügyi adatait, például a pulzust, mozgást, aktivitást, kimerültséget, stresszt stb. Ezenfelül fontos biztonsági információk továbbítására is használhatók, amelyekkel csökkenthetők a felelősségbiztosítási költségek és a munkásállomány is szigorúbban követi a szabályokat.

A digitális címkézés is segíthet nyomon követni a munkásokat. A címkézés direkt a nagy kockázattal járó iparágak, például a bányászat számára lett kifejlesztve, hiszen ez a technológia tudatja a vezetőséggel, hogy pontosan mely személyek tartózkodnak a telephelyen, mennyi ideje vannak ott, és garantálja, hogy senkiről se feledkezzenek meg és senkit se hagyjanak hátra vészhelyzet esetén.

Speciális prediktív karbantartási érzékelők

A speciális érzékelők is mélyre menő belátást nyújtanak a gyár állapotába és a kibontakozó problémákba. A munkások biztonságával kapcsolatos IoT-technológiák nem csak a munkásokat felügyelik, hanem azok közvetlen ökoszisztémáját is. A kültéri munkahelyeken, például az építkezési területeken és bányákban számos különböző környezeti tényező jelenthet veszélyt a munkásokra nézve. A hőkamerák és IoT-érzékelők képesek érzékelni az érkező időjárási viszonyokat és extrém hőmérsékleteket. Ezeket az információkat a munkások figyelmeztetésére lehet használni. A mozgásérzékelők kiváló példák a speciális prediktív karbantartási érzékelőkre. Ezek riasztják a munkásokat, ha veszélyes területhez közelednek, például instabil vagy csúszós padlóhoz.

Az MI egyre növekvő hozzájárulásai a prediktív karbantartáshoz

Az állapotalapú monitorozásban használatos egy kifejezés: prediktív minőség és karbantartás, röviden PQM. A PQM-megoldások hasznosítják az IoT és a hagyományos régi rendszerek által gyűjtött adatokat. A PQM a minőségi és karbantartási problémák észlelésére és megoldására fókuszál, mielőtt azok komoly, leálláshoz vezető problémákká válnának.

A PQM-megoldások algoritmusokat használva átlagolt statisztikákat készítenek, hogy megjósolják, mikor lesz szükség a minőség javítására vagy karbantartásra. Az MI-alapú PQM-megoldások számos technológiát használnak, beleértve a gépi tanulást, a mély tanulást és a kognitív számítástechnikát.

Összegzés

Az IoT valódi értékének megismeréséhez az eszközkezelés holisztikus megközelítésére van szükség. Az IoT-technológiák és azok számos, adategyeztető és kifinomult elemzéseket végző rendszerekkel összekapcsolt terepközpontja új belátásokat nyújt valós időben a gyárak állapotába. A nagy teljesítményű virtuális felhőhálózatok folyamatosan gyűjtik, csoportosítják és modellezik az adatokat, hogy megjósolják a hibákat. A hibákra készenléti terveket állít össze, hogy korlátozza azok hatását a rendszer rendelkezésre állására. Az IoT kulcsfontosságú a költségek csökkentésének és az eszközök megbízhatóságának tekintetében, mert valós idejű, tettekre váltható és intelligens adatokat nyújt a végfelhasználó vagy a kapcsolt rendszerek számára. A gyárak örömmel fogadják az újabb és jobb karbantartási lehetőségeket, hogy kompetitívek maradjanak az üzemidejük folyamatos növelésével.