Utrzymanie ruchu w przemyśle doskonale pasuje do świata Przemysłowego Internetu rzeczy (IIoT).
Utrzymanie Ruchu 4.0 (Maintenance 4.0) to nowe popularne określenie, oznaczające zwiększony poziom monitoringu stanu technicznego, konserwacji i zarządzania zasobami w przemyśle. W Utrzymaniu Ruchu 4.0 nacisk kładziony jest na zarządzanie ryzykiem. Niektóre z cech zarządzania ryzykiem w utrzymaniu ruchu obejmują wyższy poziom konserwacji opartej na stanie technicznym urządzeń, wykorzystującej czujniki zainstalowane na kluczowym sprzęcie oraz analitykę wielkiej ilości różnorodnych i zmiennych w czasie danych – analitykę Big Data, która bardziej precyzyjnie określa stan techniczny sprzętu i jego tendencje do zmian.
Oczywiście wyznaczanie poziomu ryzyka dla całościowego funkcjonowania każdego sprzętu w zakładzie w przypadku jego awarii – oraz skutków ekonomicznych – zostaje przeniesione na o wiele wyższy poziom. Sprawą kluczową jest aby podjąć proaktywne działania w celu wyeliminowania tego ryzyka dla sprzętu lub systemu posiadającego największy wpływ na funkcjonowanie zakładu. Może to przyjąć formę wyznaczanie statystycznego – jeśli np. łożyska jednej firmy mają większą trwałość w danej aplikacji to stosuje się te trwalsze łożyska niezależnie od ich kosztów. W analizie oleju, wykonywanej najczęściej przy wykorzystaniu czujników, monitorujemy nie po prostu stan samego oleju, ale raczej kluczowe systemy dodatków do tego oleju i gdy zaczynają one się rozkładać to jest to sygnalizowane. W ten sposób można wymienić olej zanim maszyna zacznie pracować na już zużytym oleju.
Gdy myślimy o nadzwyczaj dużej inwestycji kapitałowej oraz równie nadzwyczaj wysokich kosztach napraw w dużych farmach wiatrowych, to podejście z wykorzystaniem technologii Utrzymania Ruchu 4.0 wydaje się jedyną logiczną metodą zarządzania zasobami na tych farmach. Interesujące jest to, że gdy myślimy o wyprodukowaniu czegoś za pomocą skomplikowanych robotów, to działy produkcji i utrzymania ruchu w fabryce zaczynają łączyć się w jeden dział.
Operator w takiej fabryce nie wykonuje już prac produkcyjnych lub montażowych, zamiast niego wykonuje to robot. Natomiast operator programuje robota tak, aby wykonywał wymagane prace, a następnie monitoruje go wykorzystując zainstalowane na nim czujniki oraz analitykę Big Data aby zobaczyć, czy robot wykonuje swoje zadanie. Jednocześnie operator wykonuje prace konserwacyjne robota.
Gdy przeanalizujemy ryzyka i koszty związane z działaniem elektrowni nuklearnej to program Utrzymania Ruchu 4.0 także wygląda całkiem dobrze. Na Konferencji OilDoc w Bawarii (Niemcy) członek Stowarzyszenia STLE Steffen Bots, wiceprzewodniczący należącego do STLE Komitetu Certyfikacyjnego OMA (nadającego specjalistom certyfikaty OMA – Oil Monitoring Analyst – Analityk Monitoringu Oleju) oraz członek Rady Certyfikacyjnej STLE powiedział: „Określenia ‘Przemysł 4.0’ lub ‘Przemysłowy Internet’ powinny wskazywać punkt startowy czwartej rewolucji przemysłowej, nadchodzącej po epoce nowoczesnego przemysłu, produkcji masowej i rewolucji cyfrowej. Jest to synonim produkcji zautomatyzowanej, w której wszystkie informacje dotyczące procesu produkcji lub stanu technicznego i działania sprzętu produkcyjnego są monitorowane w sposób ciągły. Kluczowym aspektem tej idei jest praca sieciowa maszyn, czujników i ludzi w celu komunikowania na temat Internetu Rzeczy (IoT).”
Steffen Bots zilustrował te koncepcje na przykładzie ich wpływu na społeczność analityków oleju za pomocą technologii Analizy Oleju 4.0 (Oil Analysis 4.0). Widzi on, że klienci chcą aby więcej danych było do nich przesyłane droga elektroniczną. W tym celu konieczne jest, aby znacznie większa ilość testów, wyników oraz interpretacji była monitorowana wewnętrznie za pomocą czujników, programowania, przechowywania w pamięci oraz związanych z tym usług informatycznych. Pozwoli to na wysyłanie danych i w ostateczności zachowanie zgodności z obliczeniami oraz przesyłem danych Big Data. Analiza oleju jako dyscyplina utrzymania ruchu unikalnie pasuje do tego modelu dla analityki Big Data dla Przemysłu 4.0.
Jednym z wyzwań Big Data jest to, że typowe relacyjne bazy danych nie są zgodne z zadaniem zarządzania dużą ilością danych oraz wymaganiami statystycznymi. Wymagane są nowe metody przechowywania, przetwarzania i analizowania danych, jednak nie ma jeszcze żadnych standardów dla takiego opracowania. Tak samo nie ma żadnych modeli bezpiecznego dostępu do danych, interpretacji danych bez ludzkiej interwencji w celu dodania wiedzy, techniki i kontekstu aplikacji. Lub, jak określa to Steffen Bots, „kogoś siedzącego w kokpicie”.
Każda część przemysłu produkcyjnego posiada problemy – zarówno swoje unikalne – jak i wspólne, związane z wykorzystaniem i wdrożeniem analityki Big Data. Faktycznie słyszymy o podobnych niepokojach poza przemysłem produkcyjnym – z koncepcją zautomatyzowanych samochodów i ciężarówek.
Jednak jest to natura całej transformacji nauki i technologii. Istnieje bardzo mało sytuacji, gdy ktoś krzyknie „Eureka!”. Zamiast tego jest dużo ciężkiej pracy, przypominającej kopanie rowów w błocie: dwa kroki w przód, jeden do tyłu. Tak właśnie jest realizowany postęp. I tak właśnie rozwija się nauka.
Bob Gresham jest dyrektorem d/s rozwoju personalnego w Stowarzyszeniu STLE. Kontakt z nim jest możliwy pod adresem e-mail: rgresham@stle.org. Niniejszy artykuł po raz pierwszy został opublikowany w TLT, magazynie Stowarzyszenia STLE, będącym partnerem CFE Media d/s treści.
