Predictive Maintenance przewidzi, kiedy nastąpi awaria cz. 1

447

Optymalizacja procesów produkcji zawsze była wpisana w DNA branży produkcyjnej. Od rewolucji przemysłowej następowała ona metodą małych kroków, które jednak, przemnożone przez ogromne i szybko rosnące wskaźniki produkcji, przekładały się na znaczne oszczędności. Jak twierdzi Platforma Przemysłu Przyszłości: Bez wątpienia jednym z najważniejszych wyzwań było ograniczenie do minimum liczby i długości trwania awarii.

Przez wiele lat rozwijano więc procesy szybkiego zgłaszania takich incydentów, dbając jednocześnie o dublowanie niektórych rozwiązań oraz utrzymując odpowiednie zapasy części. Dziewiętnastowieczne fabryki miały własne warsztaty, w których wykwalifikowani majstrowie potrafili stosunkowo szybko wytworzyć i naprawić praktycznie każdą część maszyn, systemów napędowych czy transportowych. Tacy pracownicy spełniali bardzo istotną rolę, ponieważ dzięki gruntownej wiedzy, wieloletniemu doświadczeniu oraz intuicji umieli odpowiednio szybko zareagować, a nawet zapobiec awarii.

Dzisiaj, w dobie „odchudzonej produkcji” (Lean Manufacturing) pracownicy często kontrolują fragmenty linii produkcyjnej, mając ograniczone możliwości reakcji. Producenci starają się nie utrzymywać rozbudowanych magazynów z częściami zamiennymi, za to korzystają z usług serwisowych. Intuicję muszę zastąpić nowe technologie, takie jak systemy samouczące się (kognitywne).

Predictive Maintenance

Konserwacja zapobiegawcza (Predictive Maintenance, PdM) to procedura pozwalająca organizacjom produkcyjnym na wykrycie anomalii i problemów operacyjnych przy jednoczesnym zapewnieniu pełnej widoczności i przejrzystości tych procesów wraz z funkcjami planowania. Dzięki danym zbieranym w sposób ciągły z hal fabrycznych PdM daje korzyści w postaci diagnostyki i monitoringu zasobów krytycznych dla linii produkcyjnych w czasie rzeczywistym i przez całą dobę. Dla porównania, konserwacja tradycyjna, prewencyjna (Preventive Maintenance, PM), zmusza producentów do statycznego krążenia w zaplanowanych odgórnie cyklach wymian komponentów, co jest nie tylko kosztowne, ale też nie rozwiązuje problemów z ciągłością produkcji.

Nowoczesne systemy przewidujące awarie są oparte na technologiach w rodzaju internetu rzeczy, analityki danych oraz chmury z warstwą automatyzacji, która potrafi nie tylko przyśpieszyć proces adaptacji takich strategii, ale również obniżyć cenę analizy zebranych danych. Im więcej danych, tym lepsza jakość analiz oraz skuteczniejsze systemy PdM. Mogę one wpływać pozytywnie na wiele sfer związanych z produkcją – informacja o możliwej awarii ma szansę:

  • spowodować zmianę w wolumenie produkcji komponentów, tak by incydenty nie zakłóciły istniejących planów produkcji
  • dać sposobność kierownikom utrzymania produkcji, żeby zmniejszyli liczbę nieplanowanych przestojów oraz odpowiednio zaplanować niezbędne, tak by ich negatywne oddziaływanie było jak najmniejsze
  • umożliwić osobom odpowiedzialnym za planowanie zaopatrzenia dostosowanie asortymentu zgromadzonych części zamiennych do rzeczywistych potrzeb.

Wcześniej takie osoby miały harmonogram rutynowych prac serwisowych, które polegały na okresowej wymianie szybko zużywających się części. Było to kosztowne i wcale nie gwarantowało spokoju, gdyż awaria mogła mieć miejsce tuż przed działaniem prewencyjnym.

Jak to działa?

Ponieważ omawiane rozwiązania są tak precyzyjne, jak zbierane dane, bardzo ważne są sensory dołączane do infrastruktury. Najczęściej są to stosunkowo proste mierniki gromadzące informacje na temat temperatury, wilgotności, wibracji, przyśpieszenia, ciśnienia, przepływów, rotacji (obrotów na minutę), ale coraz częściej także kamery czy mikrofony nagrywające odgłosy pracy monitorowanych urządzeń. Zebrane dane są przesyłane do zautomatyzowanych systemów wspierających utrzymanie ruchu (Computerised Maintenance Management Systems, CMMS), które rejestrują zdarzenia związane z utrzymaniem wyposażenia produkcyjnego w określonych interwałach. Następnie informacje są weryfikowane w odniesieniu do ustawionych progów alarmowych i wzorców działania prowadzących do prawdopodobnych awarii. Jeśli te progi zostaną naruszone, systemy wysyłają alarmy do osób zarządzających produkcją.

Proces zbierania danych może być zarówno zautomatyzowany, jak i manualny. Istotną zmianą w rozwoju systemów automatycznych było pojawienie się tanich, ale zaawansowanych technologicznie podłączonych do sieci sensorów wykorzystujących zminiaturyzowane rozwiązania elektromechaniczne (Microelectromechanical System, MEMS). Ich uzupełnieniem jest powszechne korzystanie z tagów RFID (Radio Frequency Identification), które dostarczają informacje w procesie przetwarzania, montażu, poprawiając możliwości śledzenia komponentów i logistykę.

Łączność, bezprzewodowa czy przewodowa, na terenie fabryki jest następnym istotnym elementem rozwiązań konserwacji zapobiegawczej. Przez wiele lat była też jednym z największych wyzwań z racji wysokich kosztów osieciowania całej fabryki. W tej mierze wykorzystanie technologii Industrial Ethernet miało kolosalne znaczenie, ponieważ cena sprzętu szybko spadała, korzystając z ekonomii skali, którą można było zastosować w jej popularyzacji w świecie biznesu. Równolegle firma Emerson rozwinęła protokół cyfrowy Fieldbus, który ze względu na bezpieczeństwo i niezawodność jest chętnie stosowany w instalacjach rafineryjnych, chemicznych czy spożywczych.

Nowe urządzenia w fabryce

Przez wiele lat takie informacje z hal produkcyjnych były gromadzone przez pracowników – w erze powszechnej komputeryzacji i rozwiązań mobilnych często za pomocą specjalnych, odpornych na zniszczenie kolektorów danych (urządzenia takich producentów jak Panasonic czy Zebra). Obecnie coraz częściej są one zastępowane przez konsumenckie produkty, takie jak smartfony lub tablety, które są tańsze, a dodatkowo wyposażone w zaawansowane rozwiązania geolokalizujące czy kamery. Nowoczesny pracownik firmy produkcyjnej to jednak osoba nie tylko z telefonem czy tabletem w ręce. Chętnie wykorzystywane są również urządzenia ubieralne (Wearables), które pozostawiają wolne ręce, umożliwiając dostarczanie pracownikowi dodatkowych treści w rozszerzonej rzeczywistości (Augumented Reality). Barierą w korzystaniu na przykład z Google Glass są koszty wdrożenia.

W wielu przypadkach, ze względu na krytyczne znaczenie danych instalacji w procesie produkcji, wymiana informacji między urządzeniami różnych producentów powinna następować w czasie rzeczywistym. Pomocnym czynnikiem jest odpowiedni standard, w tym przypadku mówimy o Open Platform Communications (OPC) Microsoftu, oparty o Object Linking and Embedding (OLE).

 

Bezpieczeństwo danych

I wreszcie ostatni, niezbędny element w warstwie komunikacyjnej – bezpieczeństwo. Nabiera on szczególnego znaczenia, ponieważ dzięki procesom cyfryzacji, wiele systemów typu Supervisory Control and Data Acquisition (SCADA) zostało wystawionych na ostrzał ze strony hakerów, narażając firmy produkcyjne na straty. A skala zagrożeń może tylko wzrosnąć w momencie upowszechnienia się chmur branżowych, co przyniesie potrzebę maskowania i tokenizacji danych. Większość liczących się dostawców bezpieczeństwa IT jest już świadoma tych zagrożeń i oferuje branży przemysłowej odpowiednie rozwiązania.

 

Zdjęcia: Pixabay.com