Профилактическое обслуживание является одним из основных вариантов использования промышленного Интернета вещей (IIoT). Недавние разработки в области датчиков, хранения данных и вычислений, а также интернет-технологий создали прочную основу для развертывания более сложных стратегий технического обслуживания на производстве. Эта статья представляет собой попытку структурировать и упростить ландшафт стратегий обслуживания, а также кратко описать роль данных и аналитики в каждой из стратегий.

Цель всех стратегий обслуживания одна и та же: поддерживать и восстанавливать оборудование до хорошего состояния, чтобы оно продолжало работать. На самом высоком уровне стратегии обслуживания бывают двух видов — реактивные и проактивные.

Реактивное обслуживание — «оживление мертвых»

Центральная философия стратегии реактивного обслуживания: «Если это не сломано, не чините это».

Это самая простая и ранняя форма стратегии технического обслуживания, при которой оборудование ремонтируется только после его отказа. Если стоимость обслуживания намного выше, чем потенциальные потери из-за незапланированного сбоя, эта стратегия полезна даже в современном мире IIoT!

Подумайте об оборудовании, которое работает в удаленных или недоступных местах. В мире до IIoT, возможно, не было способа быстро узнать, работает ли такое оборудование или нет; возможно, симптомы отказа оборудования становятся заметными лишь спустя много времени после того, как отказ произошел. В этом случае технологии IIoT могут помочь удаленно контролировать состояние оборудования и инициировать ремонт вскоре после его выхода из строя.

Упреждающее обслуживание — «снижение риска»

Все другие стратегии технического обслуживания являются упреждающими, т. е. действия по техническому обслуживанию должны быть предприняты до отказа. Как вы, возможно, правильно догадались, если стоимость обслуживания меньше, чем потери из-за незапланированных поломок, полезны стратегии упреждающего обслуживания. На рис. 1 показаны различные типы стратегий упреждающего обслуживания — превентивное, основанное на состоянии, предупредительное и предписывающее, на типичной кривой PF.

Профилактическое обслуживание — «будь осторожен»

Это наиболее распространенная стратегия профилактического обслуживания. С появлением TPM основное внимание стало уделяться профилактическому обслуживанию.

Идея стратегии профилактического обслуживания заключается в том, чтобы поддерживать, т. Е. Проверять, очищать и обслуживать оборудование с заданной периодичностью, чтобы поддерживать его в хорошем состоянии.

Поскольку время до отказа оборудования обычно различается, некоторое оборудование можно обслуживать до отказа, но для другого профилактическое обслуживание может проводиться слишком поздно.

Сколько оборудования вовремя отремонтировано, а сколько упущено до выхода из строя, будет зависеть от периода времени, выбранного для обслуживания. Как выбрать хороший период времени? Это решение основано на данных! Используя исторические данные о времени до отказа, можно смоделировать время до отказа, используя либо параметрические модели, такие как распределение Вейбулла, либо непараметрические модели, такие как регрессия Кокса, чтобы установить вероятность отказа как функцию времени работы. Как только установлена ​​вероятность отказа, планирование технического обслуживания сводится к поиску компромисса между стоимостью обслуживания и стоимостью незапланированных поломок. На рис. 2 слева показан пример графика Вейбулла, а справа — соотношение двух затрат.

Если в компании есть хорошо функционирующий отдел технического обслуживания, она, вероятно, уже использует такие методы для планирования обслуживания ключевого оборудования. Однако упомянутые выше модели наработки на отказ могут быть построены не только для отдельных частей или оборудования, но и для целых систем. Недостаток классической стратегии профилактического обслуживания, основанного на времени, заключается в том, что некоторое оборудование обслуживается, даже если оно работает нормально и не проявляет признаков деградации, в то время как для другого оборудования обслуживание может быть проведено слишком поздно. Это также показано на Рисунке 1: диапазон профилактического обслуживания простирается от нормальной работы до аварийных ситуаций.

Давайте рассмотрим другие более современные проактивные стратегии одну за другой.

Техническое обслуживание по состоянию — «прислушайтесь»

Часть оборудования или система, прежде чем выйти из строя, обычно проявляют некоторые признаки надвигающегося отказа. Датчики можно использовать для измерения состояния или наличия каких-либо признаков отказа. Классическим примером такой стратегии технического обслуживания является обнаружение износа подшипников с помощью датчиков вибрации. Вибрационный сигнал подшипников меняется по мере их износа. Как правило, необработанный сигнал вибрации от подшипника подвергается дальнейшей обработке для расчета других производных показателей, например среднеквадратичной амплитуды. Техническое обслуживание рекомендуется, когда изменение диапазона значений или характер значений отклоняются от того, что считается нормальным. Пример разницы в сигналах вибрации между исправными и неисправными подшипниками показан на рисунке 3.

Если оно точное, техническое обслуживание по техническому состоянию является более эффективным, чем профилактическое обслуживание, поскольку ремонт и восстановление происходят только после того, как будут обнаружены признаки ухудшения состояния оборудования.

Когда речь идет о сложном оборудовании более высокого порядка или на уровне процесса, поиск правильных сигналов, на которые следует обратить внимание, может быть сложным, но здесь могут помочь алгоритмы машинного обучения, в частности, классификация и обнаружение аномалий. Коммерчески доступное программное обеспечение для мониторинга / технического обслуживания на основе состояния использует такие алгоритмы.

Техническое обслуживание по состоянию также практиковалось в эпоху до IIoT, но с ручным подходом. Инженеры по техническому обслуживанию, как и врачи, проверяли состояние ключевого оборудования, используя датчики для периодического сбора данных о состоянии и их анализа для диагностики состояния оборудования. С распространением датчиков и алгоритмов техническое обслуживание по состоянию теперь может выполняться непрерывно, в очень больших масштабах и для очень сложных систем. Таким образом, техническое обслуживание по состоянию стало самым большим бенефициаром революции IIoT и быстро распространяется в отрасли.

Профилактическое обслуживание — «заглянуть вперед»

В то время как техническое обслуживание по состоянию предупреждает нас о выходе из строя оборудования, профилактическое обслуживание идет еще дальше. Он дает оценку того, сколько времени осталось до того, как оборудование выйдет из строя в будущем, или, альтернативно, как долго оборудование будет продолжать продуктивно работать.

Очень часто для этой оценки используется термин «оставшийся срок полезного использования» или RUL. Как производится эта оценка? Это сложная проблема для решения и область активных исследований. Здесь обычно работают алгоритмы машинного обучения. Алгоритмы создают модель для прогнозирования траектории состояния оборудования вплоть до его отказа. Строго говоря, модели RUL действительны только для непрерывных процессов деградации, что во многих случаях является разумным предположением. Таким образом, такие модели не могут предсказать «детскую смертность» оборудования или катастрофические отказы.

Существует два подхода к моделированию RUL на основе данных. Первый подход заключается в том, чтобы просто предсказать путь деградации, доступный из данных мониторинга на основе состояния, в более далеком будущем, например, с использованием модели прогнозирования. Второй, более сложный подход, учитывает как измерения состояния, так и переменные, влияющие на состояние, например, условия процесса, свойства материала, погоду и т. д. Как и следовало ожидать, этот подход более надежен, но требует более глубоких знаний первопричины деградации. Например, если более высокая концентрация твердых частиц в жидкой фазе является основной причиной износа насоса, эта переменная будет частью модели RUL этого насоса.

Хотя основные причины отказа некоторых типов оборудования, таких как компрессоры и насосы, хорошо известны, на первый взгляд может показаться, что это невыполнимая задача для сложных систем более высокого порядка. Однако алгоритмы машинного обучения могут просеивать сотни или тысячи измерений датчиков и определять наиболее важные переменные, влияющие (или, строго говоря, коррелирующие) с состоянием оборудования. Для моделирования RUL применялся широкий спектр алгоритмов, от простой регрессии до нейронных сетей. Однако универсального алгоритма не существует, и может потребоваться ряд подходов для создания подходящей модели RUL.

На рисунке 4 выше показан пример подхода к определению RUL турбовентиляторного двигателя с использованием подхода, основанного на сходстве траекторий работоспособности. Траектория работоспособности двигателя (показана красным) рассчитывается на основе измерений датчиков. Из исторических данных идентифицируются двигатели с известным временем до отказа и траекториями, аналогичными интересующему двигателю. Тогда время отказа интересующего двигателя является просто средним или медианным значением времени отказа сопоставимых двигателей с историческими данными.

Как видите, в предсказании модели RUL есть некоторая неопределенность, и для этого есть веская причина. Модель RUL будет прогнозировать срок службы оборудования на основе условий процесса, которые она наблюдала на сегодняшний день, но условия процесса в будущем могут значительно отличаться от тех, что были в прошлом, и это просто невозможно точно узнать и принять во внимание, модель заранее.

Прогностическое обслуживание, основанное на модели RUL с очень большим интервалом прогнозирования или низкой точностью, эквивалентно профилактическому обслуживанию, поскольку прогнозы могут привести к слишком раннему или слишком позднему обслуживанию некоторого оборудования.

Прогностическое техническое обслуживание, такое как техническое обслуживание по состоянию, является эффективным, поскольку оно помогает нам выполнять техническое обслуживание в определенный момент только после того, как оборудование изношено. Но его преимущества выходят за рамки этого. Поскольку стратегия профилактического обслуживания позволяет оценить, когда оборудование может выйти из строя, становится возможным более точное планирование обслуживания. Это позволяет заблаговременно планировать работы по техническому обслуживанию, сводя к минимуму перерывы в работе и повышая эффективность.

Предписывающее техническое обслуживание — «избежать неприятностей»

Эта стратегия обслуживания на один уровень выше по сложности, чем профилактическое обслуживание. Стратегия предписывающего обслуживания направлена ​​не только на выявление текущих или будущих проблем с оборудованием, но и на рекомендации решений или изменений для смягчения проблем и продления срока службы оборудования. Простым примером может быть то, что в зависимости от уровня использования насоса предписывающая модель обслуживания регулирует время, необходимое для пополнения смазочного масла.

Как вы можете себе представить, рекомендации надежных решений возможны только в том случае, если пути и основные причины деградации оборудования хорошо изучены. Таким образом, путь к стратегии предписывающего обслуживания начинается с профилактического обслуживания. Неудивительно, что помимо наиболее изученного оборудования, такого как вращающиеся машины, плановое техническое обслуживание все еще находится в зачаточном состоянии.

Это все! Надеюсь, что эта статья предоставила хороший обзор различных стратегий обслуживания на основе данных. Спасибо, что дочитали до конца!