Page 16 - Inżynieria & Utrzymanie Ruchu I Kwartał 2024
P. 16

Oprogramowanie
PREDYKCYJNE UTRZYMANIE RUCHU
Kausik ‘KD’ Dasgupta, FactoryEye North America
Obalamy pięć mitów
na temat predykcyjnego utrzymania ruchu
Sztuczna inteligencja (AI) i uczenie maszynowe (ML) mają wpływ na każdą branżę i coraz więcej firm zaczyna inwestować w tę rewolucyjną technologię. Według raportu McKinsey, wskaźniki adopcji wzrosły z 20 do 50% w latach 2017-2022. Widząc korzyści płynące ze sztucznej inteligencji dla innych firmJ, wielu producentów chce zobaczyć, jakie korzyści może ona przynieść ich fabrykom.
ednym z najbardziej kuszących zastosowań sztucz- nej inteligencji jest predykcyjne utrzymanie ruchu. Dzięki danym z czujników i maszyn na hali produk- cyjnej, sztuczna inteligencja może analizować i wy- krywać, w jaki sposób i kiedy może wystąpić awaria
lub uszkodzenie maszyny. Zdolność do wykrywania i unika- nia awarii okazuje się być ogromnym bodźcem dla producen- tów, zapobiegając przestojom i utracie przychodów.
Chociaż łatwo jest ekscytować się korzyściami płynącymi z nowych technologii, takich jak sztuczna inteligencja i pre- dykcyjne UR, ważne jest, aby przystąpić do projektu trans- formacji cyfrowej ze wszystkimi faktami. Przed wyruszeniem w podróż związaną z predykcyjnym UR należy poznać pięć najważniejszych mitów na jego temat:
Mit #1:
Predykcyjne utrzymanie ruchu jest tak proste, jak wykorzystanie dobrych danych i zastosowanie modelu
Chociaż prawdą jest, że dane wysokiej jakości są niezbędne do predykcyjnego UR, proces ten jest nieco bardziej złożony. Zanim dane będą mogły być wykorzystane do predykcyjnego UR, muszą zostać oczyszczone i przygotowane do modelowa- nia, aby odzwierciedlić specy czne potrzeby i pomiary każdej hali produkcyjnej. Gdy unikalne dane są już gotowe, kierow- nicy zakładów i eksperci technologiczni muszą połączyć siły, aby zde niować, czym jest awaria maszyny i aby de nicja ta była jak najbardziej jednoznaczna, co jest trudniejsze niż się wydaje.
Ilustracja 1: Predykcyjne UR może pomóc producentom w wykrywaniu i unikaniu awarii, co zapobiegnie przestojom i utracie przychodów. Dzięki uprzejmości: FactoryEye
Prosta de nicja awarii, taka jak "gdy wszystkie silniki ma- szyny nie pracują", nie jest wystarczająco wyraźna, aby pre- dykcyjne UR odniosło sukces. Często, gdy silniki maszyny są wyłączone, nie jest to spowodowane awarią; prawdopodobną przyczyną wyłączenia maszyny jest rutynowa konserwacja lub osiągnięcie pojemności zapasów. Jeśli jednak model ML otrzy- ma tylko prostą de nicję awarii, jak ta wspomniana wcześniej, nie będzie w stanie odróżnić prawdziwej awarii od nieszkodli- wego przestoju.
Przykładowo, kierownik zakładu zauważył spadek tempe- ratury przed poważną awarią i uważa, że to właśnie ten spadek temperatury jest przyczyną awarii. Jednak kierownik zauwa- żył, że gdy operatorzy zdają sobie sprawę, że coś jest nie tak z maszyną, najlepszym rozwiązaniem jest włączenie wentyla-
Wgląd w PREDYKCYJNE UTRZYMANIE RUCHU
Wdrożenie predykcyjnego UR wymaga skrupulatnego przygotowania danych i unikalnych algorytmów specy cznych dla maszyn, co rozwiewa mit o łatwych rozwiązaniach typu plug- and-play.
W przeciwieństwie do przekonania, że predykcyjne UR całkowicie eliminuje awarie, polega on raczej na zrozumieniu
i skutecznym łagodzeniu awarii w czasie.
14 I kwartał 2024
INŻYNIERIA & UTRZYMANIE RUCHU – www.utrzymanieruchu.pl


































































































   14   15   16   17   18