Page 17 - Inżynieria & Utrzymanie Ruchu I Kwartał 2024

torów przed wyłączeniem maszyny. Dlatego spadek tempera- tury nie jest przyczyną awarii maszyny, ale jest wynikiem pra- cy operatorów, aby zapobiec dalszym uszkodzeniom. Dlatego tak ważne jest określenie warunków, aby de nicja awarii była jak najbardziej jednoznaczna.
Mit #2:
Predykcyjne utrzymanie ruchu to plug and play
Wielu producentów uważa, że predykcyjne UR powinno być stosowane w ten sam sposób dla każdej maszyny w hali pro- dukcyjnej. W rzeczywistości, aby predykcyjne UR działało, należy zastosować unikalny algorytm dla każdej maszyny. Na przykład, gdy człowiek nosi zegarek Apple, który wykorzystu- je uczenie maszynowe, może zidenty kować, kiedy wykonuje czynności takie jak ćwiczenia. Apple Watch działa na każdym człowieku, od razu po wyjęciu z pudełka, ale jeśli ktoś próbo- wałby wziąć ten sam kawałek technologii i użyć go na psie lub kocie, to nie zadziała. Są one zbyt różne.
Tak jak ludzie i zwierzęta różnią się od siebie, tak samo każda maszyna na hali produkcyjnej jest inna. Identy kacja i wskazywanie awarii dla każdej maszyny będzie inne. Do- datkowo, większość maszyn ma niestandardowe ustawienia, które zostały do nich zastosowane, co sprawia, że dostrojenie predykcyjnego UR jest jeszcze ważniejsze.
Mit nr 3:
Predykcyjne utrzymanie ruchu jest gotowe do działania od pierwszego dnia
Kiedy większość ludzi po raz pierwszy słyszy o predykcyjnym UR, chcą je wdrożyć tak szybko, jak to możliwe. W końcu kto nie chciałby, aby jego maszyny rzadziej się psuły?
Wdrożenie uczenia maszynowego nie jest jednak tak proste, jak pobranie aplikacji. Przed przystąpieniem do pro- jektu predykcyjnego UR należy położyć solidne fundamenty. Obejmuje to zebranie wystarczającej ilości danych, oczyszcze- nie i przygotowanie danych, a także zde niowanie problemu. Spiesząc się z wdrożeniem, producenci ryzykują stworzenie nieefektywnych modeli oraz stratę czasu i pieniędzy.
Mit 4:
Predykcyjne utrzymanie ruchu wymaga pełnoetatowego wewnętrznego zespołu IT
Pomysł, że predykcyjne UR wymaga pracy, może prowa- dzić niektórych producentów do porzucenia predykcyjnego UR niemal tak szybko, jak chcieli je wdrożyć. Wielu średniej wielkości producentów uważa, że predykcyjne UR wymaga posiadania wewnętrznego, pełnoetatowego zespołu technolo- gicznego do prawidłowego funkcjonowania. Jednak dla wielu producentów po prostu nie ma na to środków w budżecie.
Ilustracja 2: Predykcyjne UR wymaga solidnej podstawy danych, gdzie wszystko jest gromadzone, czyszczone i przygotowywane, aby producenci mogli zidentyfikować potencjalny problem. Dzięki uprzejmości: FactoryEye
INŻYNIERIA & UTRZYMANIE RUCHU – www.utrzymanieruchu.pl I kwartał 2024 15