Стремление к нулевому времени простоя

Официальный поставщик продукции Leroy-Somer

Мало что может нанести больший ущерб финансовой стабильности производственного предприятия, чем неожиданный простой. В среднем производители страдают от 30% или более простоев в течение запланированного времени производства. В некоторых отраслях, таких как сборка автомобилей, время простоя может стоить до 17 000 фунтов стерлингов в минуту (умопомрачительный 1 миллион фунтов стерлингов в час). Некоторые незапланированные простои могут быть неподконтрольны производителю – вызваны сбоями инфраструктуры, человеческими ошибками или даже природными катастрофами. Однако есть способы снизить риск.

Автоматизированное оборудование может значительно повысить эффективность за счет ускорения производственного процесса и снижения вероятности человеческой ошибки, тем самым повышая общую эффективность оборудования (OEE).

Согласно ежегодному производственному отчету Hennik Research за 2017 год, две трети британских производителей вложили средства в автоматизацию за последние 12 месяцев. Однако, как только инвестиции будут подтверждены, внедрение автоматизации в производство должно пройти гладко.

Традиционно техническое обслуживание проводилось по фиксированному графику с заменой элементов через постоянные промежутки времени. Хотя интервалы обычно основаны на установленных знаниях, это только часть истории – как мы все знаем, детали изнашиваются с разной скоростью по самым разным причинам. Постоянные интервалы не учитывают уникальные и изменяющиеся условия обслуживания машины. Таким образом, хотя графиками общего назначения легко управлять, организуя доставку запасных частей предсказуемым образом, они рискуют потратить деньги впустую, заменяя детали, которые все еще находятся в рабочем состоянии.

С другой стороны, профилактическое техническое обслуживание заключается в том, чтобы максимально продлить срок службы оборудования при минимизации риска выхода из строя. Это гарантирует, что детали будут использоваться до истечения их естественного срока службы, но при этом существует риск простоя из-за задержек с доставкой запасных частей или дополнительных затрат из-за увеличения запасов. Идеальное сочетание — это прогнозируемое техническое обслуживание с цепочками поставок точно в срок.

Прогностическое и профилактическое обслуживание — это термины, которые часто используются как взаимозаменяемые, но так быть не должно. Задачи по профилактическому обслуживанию выполняются при остановке машин, а мероприятия по профилактическому обслуживанию выполняются при работе машин в обычном производственном режиме. Но оба выигрывают от моделирования процесса замены деталей.

Программа профилактического обслуживания обычно включает пять ключевых областей, охватывающих оборудование, измерения, инспекцию, управление данными и протоколы действий. Стоимость и сложность программы всегда будут зависеть от критического характера и стоимости оборудования и/или последствий простоя.

Приборы для мониторинга состояния будут искать отклонения в акустике, вибрациях, тепловой мощности, характеристиках тока двигателя и других областях, которые помогают определить графики технического обслуживания и меры реагирования, необходимые для поддержания оптимальной работы оборудования.

Этот процесс включает в себя сбор большого объема данных, таких как записи о техническом обслуживании и данные с датчиков на оборудовании. Сбор и архивирование производственных данных в масштабах всей компании чрезвычайно полезны, но могут быть труднодоступны. Дополнительные источники данных, такие как датчики на оборудовании, также будут важны для построения общей картины.

Одной из самых больших проблем является сбор и интерпретация так называемых неструктурированных данных, таких как свободный текст в записях технического обслуживания, спецификации дизайна, данные испытаний вышедшего из строя оборудования или даже комментарии в социальных сетях или поисковые запросы Google.

Собрав все данные, следующий шаг включает в себя использование анализа данных для осмысления данных. Инвестиции в автоматизацию привели к значительному увеличению числа внедрений программного обеспечения для автоматизации на заводах. Традиционно приложения SCADA были просто способом получения данных от оборудования. Однако современные программные приложения для автоматизации могут обеспечить гораздо более интеллектуальное понимание. Самое интеллектуальное программное обеспечение для автоматизации анализа данных также обеспечит графическую визуализацию производственных данных и создаст индивидуальные статистические отчеты.

После этого определение правил становится основой для предварительной модели профилактического обслуживания. Например, распознавание образов может также определять взаимосвязи между определенными типами событий и сбоями машины. Как только модель

построен, он должен быть протестирован и постепенно усовершенствован. Но плохая модель лучше, чем никакой модели, хотя и незначительно, но при постепенном совершенствовании с помощью непрерывного цикла обучения модель может постепенно обновляться.

Согласно недавнему опросу, проведенному компанией по тестированию и измерениям HBM, использование видео для сбора данных ускоряется. Исследование показывает, что почти половина респондентов (47%) уже сегодня используют видео для записи данных, в то время как 54% респондентов ожидают, что использование видео в их организации увеличится в следующем году.

Видеокамеры уже используются во многих тестовых и измерительных приложениях по всей отрасли в дополнение к сбору данных с помощью традиционных тактильных датчиков. Но до сих пор было очень мало информации об уровне и характере этого использования.

“Основываясь на результатах исследования, больше нет никаких сомнений в том, что запись видеоданных параллельно с тактильными датчиками или сигналами цифровой шины становится все более привлекательной для пользователей”, — говорит Кристоф Зальчер, менеджер по продуктам Instrumentation в HBM. “Видео поддерживает традиционные данные датчиков и становится ценным источником дополнительной информации, что еще больше сужает возможности для интерпретации при тестировании”.