Industria de fabricație se confruntă cu provocarea de a opera instalații de producție din ce în ce mai complexe, cu o disponibilitate maximă. Întreținerea predictivă s-a dovedit a fi o tehnologie cheie pentru a aborda proactiv uzura și defecțiunile. Componentele critice pot fi înlocuite calculat înainte de a apărea întreruperi neplanificate mai mari sau chiar deteriorarea pieselor de mașină.
Nicio predicție fără măsurare precisă
Pentru a face predicții fundamentate, trebuie mai întâi să cunoaștem cât mai exact starea actuală a unui sistem. Ceea ce pare inițial trivial este, în practica ingineriei mecanice, adesea o provocare mai mare. Mașinile și instalațiile devin din ce în ce mai complexe, ceea ce face ca măsurarea directă, non-distructivă a parametrilor critici să fie adesea fie imposibilă, fie nu este posibilă la costuri rezonabile.
Aici intervine senzorica virtuală, cunoscută și sub numele de Soft sau Inferential Sensing. Această tehnologie permite, pe baza parametrilor ușor de determinat, să se concluzioneze asupra unei mărimi dorite, care nu poate fi măsurată direct cu instrumente fizice sau poate fi măsurată doar cu un efort foarte mare.
Un exemplu interesant din industrie în acest sens este analiza curentului motorului sau Motor Current Signature Analytics (MCSA). Metoda se bazează pe faptul că curentul absorbit de un motor cu curent alternativ nu este influențat doar de tensiunea aplicată, ci și de starea motorului și de agregatele conectate la acesta. Deformările din curba evoluției curentului, care nu pot fi explicate prin distorsiuni în curba tensiunii, trebuie, așadar, să fie cauzate de defecțiuni în sistem. Prin amploarea abaterilor, se poate deja concluziona asupra severității unei deranjări. Dar aceasta nu este suficient – inginerii doresc să știe exact unde se află sursele potențiale de erori: există o dezechilibrare sau o deteriorare a rulmenților, apare cavitație în pompe, există o eroare de stator sau rotor? Pentru a concluziona asupra problemelor (mecanice) concrete din evoluțiile curentului și tensiunii măsurate, este necesară ulterior recunoașterea anumitor modele în abateri și corelarea cu surse specifice de erori.
Învățare automată și predicții
Când vine vorba de analiza unor volume mari de date și de recunoașterea modelelor, inteligența artificială, împreună cu subdomeniul învățării automate, poate să-și valorifice una dintre marile sale puncte forte. Tehnologia sprijină echipele de întreținere în realizarea întreținerii predictive bazate pe date în timp real. Astfel, ele pot decide când și ce lucrări de întreținere să fie efectuate și să le coordoneze optim cu utilizarea producției.
Prin combinația dintre MCSA și întreținerea predictivă bazată pe IA, așa cum este utilizată, de exemplu, în analiza motoarelor de către Eaton, echipele primesc predicții specifice despre tipurile de defecțiuni pentru fiecare motor în parte – într-o ordine de priorități și în contextul mai larg al sistemului lor electric. Ulterior, ele pot efectua analize mai detaliate cu un tablou de bord predefinit pentru a înțelege mai bine abaterile de performanță în funcționarea mașinilor și instalațiilor. Colectarea continuă de date digitale face ca evaluările manuale consumatoare de timp să fie inutile. Aceasta nu doar că ușurează munca angajaților, ci reduce și susceptibilitatea la erori.
Prin utilizarea soluțiilor MCSA, companiile pot, de asemenea, să prezică atât defecțiuni electrice, cât și mecanice cu până la 30% mai devreme și cu 25% mai precis decât cu sistemele tradiționale de monitorizare a stării. Funcția de prognoză susținută de IA oferă informații direct utilizabile, fără a fi necesare cunoștințe tehnice extinse despre sistemul respectiv sau experiențe în știința datelor.
În general, se dovedește că combinația dintre senzorica virtuală, analiza curentului motorului și întreținerea predictivă bazată pe IA oferă companiilor un avantaj decisiv în ceea ce privește disponibilitatea și eficiența instalațiilor lor. Perspectivele timpurii și precise asupra stării componentelor critice nu doar că permit întreținerea planificată, ci reduc și riscurile de defecțiune și costurile de operare. Astfel, întreținerea digitală, bazată pe date, devine un factor central de succes pentru industria de fabricație a viitorului.
Contact:
