Trang chủ » Bảo trì tiên đoán ( Predictive Maintenance) là gì ?
Bảo trì tiên đoán ( Predictive Maintenance) là gì ?
Manufacturing ApplicationsSmart FactoryTechnologyTrí tuệ nhân tạo và máy học (AI & Machine Learning)

Bảo trì tiên đoán ( Predictive Maintenance) là gì ?

Admin 19 Th11, 2021
Chia sẻ:
173 0

Bảo trì tiên đoán đánh giá tình trạng của thiết bị bằng cách thực hiện giám sát điều kiện thiết bị định kỳ (offline) hoặc liên tục (trực tuyến) . Mục tiêu cuối cùng của phương pháp này là thực hiện bảo trì tại một thời điểm đã lên lịch khi hoạt động bảo trì hiệu quả nhất về chi phí và trước khi thiết bị downtime tại thời điểm nào đó có tiên đoán trước được.

Một trong những ưu tiên hàng đầu đối với các nhà sản xuất là tối đa hóa vòng đời của máy móc. Một sự cố máy móc có thể dẫn đến ngưng trệ dây chuyền sản xuất và chi phí sửa chữa tốn kém. Do đó, các doanh nghiệp sản xuất cần có một giải pháp để giảm chi phí bảo trì, tăng thời gian hoạt động và tính khả dụng của các thiết bị máy móc.

Thông thường, các nhà sản xuất sẽ ứng dụng phương pháp bảo trì dự phòng (Preventative maintenance) – thường xuyên kiểm tra các thiết bị máy móc và điều chỉnh chúng, kể cả lúc chưa cần thiết. Tuy nhiên, bảo trì dự phòng không dựa trên tình trạng thực tế của thiết bị, do đó, việc bảo dưỡng đôi khi trở nên dư thừa và lãng phí. Mặt khác, bảo trì dự đoán ( Predictive Maintenance) cung cấp một giải pháp bảo trì hiệu quả và tiết kiệm hơn.

Bảo trì tiên đoán ( Predictive Maintenance) là gì ?

Bảo trì tiên đoán ( Predictive Maintenance) là quy trình giám sát tình trạng thực tế của thiết bị để tiên đoán khi nào sẽ xảy ra hỏng hóc và tiến hành bảo trì máy trước khi sự cố xảy ra. Nhà sản xuất có thể giảm đáng kể chi phí khi áp dụng phương pháp bảo trì dự đoán ( Predictive Maintenance) do giảm thiểu tần suất bảo trì, tránh các sự cố không mong muốn và loại bỏ việc bảo trì dự phòng không cần thiết.

Bảo trì tiên đoán cho công nghiệp 4.0 là một phương pháp ngăn ngừa sự cố tài sản bằng cách phân tích dữ liệu sản xuất để xác định các mô hình và tiên đoán các vấn đề trước khi chúng xảy ra.

Cho đến nay, các nhà quản lý nhà máy và vận hành máy đã tiến hành bảo trì theo lịch trình và thường xuyên sửa chữa các bộ phận máy để ngăn chặn downtime . Ngoài việc tiêu thụ các nguồn lực không cần thiết và làm giảm năng suất, một nửa trong số tất cả các hoạt động bảo trì phòng ngừa là không hiệu quả .

Do đó, không có gì ngạc nhiên khi bảo trì dự đoán đã nhanh chóng nổi lên như một case studyCông nghiệp 4.0 hàng đầu cho các nhà sản xuất và quản lý tài sản. Triển khai các công nghệ IoT công nghiệp để theo dõi sức khỏe tài sản, tối ưu hóa lịch bảo trì và nhận được cảnh báo theo thời gian thực đối với các rủi ro hoạt động, cho phép các nhà sản xuất giảm chi phí dịch vụ, tối đa hóa thời gian hoạt động và cải thiện thông lượng sản xuất.

Bảo trì tiên đoán ( Predictive Maintenance) (PdM), bắt nguồn từ phân tích tiên đoán và sử dụng dữ liệu từ nhiều nguồn, cụ thể là các cảm biến thiết bị, hệ thống hoạch định nguồn doanh nghiệp (ERP), hệ thống quản lý bảo trì điện tử (CMMS) và dữ liệu sản xuất. Với những insight thực tế thu được theo thời gian thực sẽ giúp phát hiện sớm các dấu hiệu hỏng hóc hoặc bất thường để các quản lý bảo trì có thể phân bổ nguồn lực hiệu quả hơn.

Sự khác biệt giữa bảo trì dự đoán và bảo trì dự phòng

Hãy tưởng tượng bạn đã mua một chiếc xe kinh tế mới cách đây ba tháng. Để đi lại, bạn thay thế giữa đi xe đạp, đi bộ và lái xe mới của bạn. Vì vậy, trong ba tháng kể từ khi bạn đã sở hữu chiếc xe, bạn đã điều khiển khoảng 1.000 dặm trên nó. Tuy nhiên, nhãn hiệu của xe nói để có được dầu thay thế mỗi ba tháng hoặc 3.000 dặm. Vì đã ba tháng rồi, bạn nên đưa xe của mình đến cửa hàng để có một sự thay đổi tốn kém về dầu được cho là sẽ giữ cho chiếc xe của bạn chạy trong tình trạng tuyệt vời. Đây là một ví dụ về bảo trì phòng ngừa.

Bây giờ hãy tưởng tượng, bạn sở hữu một chiếc xe hơi sang trọng. Có lẽ đó là một chiếc BMW được trang bị các chỉ báo dịch vụ dựa trên điều kiện cho bộ lọc dầu và bộ lọc động cơ của bạn trong số các bộ phận khác. Bạn lái xe sáu tháng, đưa khoảng 5.000 dặm trên nó, và sau đó một cảnh báo nói trên nói rằng bạn đã 500 dặm trái trước khi bạn phải thay đổi dầu.

Đây là một ví dụ về bảo trì dự đoán . Nó ngăn ngừa sự cố và cung cấp cho bạn lời nhắc dịch vụ phản ánh mức độ bạn thực sự lái xe của mình với cảnh báo trước đủ để sửa chữa sự cố trước khi máy không hoạt động.

Bảo trì như thế nào là phù hợp ?

Bảo trì dự phòng được kích hoạt theo thời gian, sự kiện hoặc chỉ số đồng hồ. Tuổi của một thiết bị ngoài các khuyến nghị về dịch vụ của nhà sản xuất cũng được xem xét để bảo trì phòng ngừa. Một cách khác để nói việc bảo trì phòng ngừa được lên kế hoạch bảo trì định kỳ. Tuy nhiên, như trong ví dụ xe hơi của chúng tôi, phương pháp bảo trì dựa trên thời gian này có thể không phản ánh chính xác việc sử dụng một thiết bị và có thể dẫn đến các sửa chữa bảo trì không cần thiết bất kể trạng thái thực tế của thiết bị hoặc bộ phận.

Mặt khác, bảo trì dự đoán dựa trên tình trạng thực tế của thiết bị thay vì các yếu tố thời gian hoặc tuổi tác. Nó được sử dụng để tiên đoán lỗi máy trước khi chúng xảy ra, và cũng cung cấp cho công ty đủ thời gian để lên lịch cuộc hẹn dịch vụ trong tương lai trước. Điều này cho phép các kỹ thuật viên dịch vụ hiện trường có cơ hội phục vụ máy và ngăn chặn sự thất bại trước khi nó thực sự xảy ra.

Kỹ thuật bảo trì khác nhau

Với việc bảo dưỡng phòng ngừa, kể từ khi sửa chữa máy móc dựa trên thời gian và tỷ lệ phân tích của các bộ phận tương tự, công nghệ dịch vụ hiện trường sẽ thay thế hoặc sửa chữa các bộ phận dựa trên ngày lỗi dự kiến ​​của chúng. Ngày này không dựa trên dữ liệu hiệu suất của máy cụ thể.

Để bảo trì dự đoán , các kỹ thuật tiên tiến khác nhau bao gồm chụp ảnh nhiệt hồng ngoại, phân tích rung và phân tích dầu có thể được sử dụng để tiên đoán lỗi. Ví dụ: nếu doanh nghiệp của bạn sử dụng thiết bị cơ khí và hệ thống điện, hình ảnh hồng ngoại nhiệt có thể quét, hình dung và phân tích nhiệt độ của thiết bị. Bạn thực sự có thể thấy những phần nào trên thiết bị “đang chạy nóng”, đó là thông tin vô giá cho cả nhà sản xuất và kỹ thuật viên dịch vụ hiện trường.

Chi phí và tiết kiệm

Theo như chi phí bảo trì có liên quan, chi phí bảo trì dự phòng tốn 13 đô la mỗi năm trong khi chi phí bảo trì dự đoán là 9 đô la mỗi giờ, giúp bảo trì dự đoán là một lựa chọn rẻ hơn. Ngoài ra, với việc bảo trì dự phòng đôi khi có nghĩa là các bộ phận được thay thế khi không cần thiết, nếu kỹ thuật viên gây ra thiệt hại trong khi bảo trì máy trong suốt cuộc gọi dịch vụ không cần thiết, việc bảo trì không cần thiết thậm chí còn tốn kém hơn.

Nhưng việc bảo trì dự đoán có một số khoản tiết kiệm chi phí từ việc giảm thiểu thiết bị thời gian không hoạt động để cắt giảm giá phụ tùng và vật tư.

Nguyên lý chung của bảo trì dự đoán ( Predictive Maintenance)

Mục đích chính của PM là tiên đoán thời điểm lỗi có khả năng xảy ra với thiết bị và cung cấp thông tin chi tiết để hỗ trợ lập kế hoạch bảo trì máy móc. Tận dụng công nghệ Internet of Things – cảm biến không dây, dữ liệu được thu thập và phân tích để theo dõi trạng thái hoạt động của máy móc trong thời gian thực. Có nhiều loại dữ liệu khác nhau được thu thập, mỗi loại theo dõi các bộ phận khác nhau của dây chuyền sản xuất – từ nhiệt độ đến độ rung và dò sóng siêu âm.

Để tiên đoán các lỗi hỏng hóc có thể xảy ra, các nhà sản xuất phải tìm ra kỹ thuật tiên đoán phù hợp nhất với họ. Kỹ thuật được chọn không chỉ có thể tiên đoán được hỏng hóc mà còn cung cấp đủ thời gian cảnh báo để bảo trì. Phải có sự kết hợp giữa phần cứng để theo dõi các thiết bị và phần mềm để đề xuất thứ tự quá trình khắc phục.

Các phương pháp bảo trì dự đoán ( Predictive Maintenance) bao gồm:

  • Phân tích độ rung: Đối với máy móc hoạt động nặng, nhà sản xuất có thể ứng dụng cảm biến rung để phát hiện các dấu hiệu xuống cấp khi hoạt động. Ví dụ như các trục và vòng bi trong máy bơm và động cơ sẽ chuyển động khác đi khi chúng bị hư tổn. Phân tích độ rung được cho là một trong những kỹ thuật chính xác nhất để xác định các vấn đề trong máy móc.
  • Tạo bản đồ nhiệt: Còn được gọi là kỹ thuật hồng ngoại, nhằm phát hiện các điểm có nhiệt lượng cao trong thiết bị khi hoạt động, nghĩa là các bộ phận đó bị ma sát quá nhiều. Những phát hiện này thường cảnh báo các nhà sản xuất những vấn đề tiềm tàng cần được bảo trì.
  • Phân tích sóng âm và siêu âm: Kỹ thuật này sử dụng các tín hiệu âm thanh để phát hiện các vết nứt nhỏ và mối hàn bị hỏng trước khi chúng có thể nhìn thấy được và gây rò rỉ khí hoặc chất lỏng.
  • Phân tích dầu: Phân tích dầu kiểm tra số lượng các mảnh vụn trong các thiết bị sử dụng dầu. Số mảnh vụn kim loại càng nhiều thì dấu hiệu hao mòn càng lớn. Bên cạnh đó, kỹ thuật này cũng có thể tìm thấy rò rỉ và kiểm tra độ sạch của dầu.

Bên cạnh các phương pháp trên, bảo trì dự báo cũng có thể áp dụng kỹ thuật kiểm tra khí thảigiám sát tình trạng để tăng cường phân tích hiệu suất. Sự kết hợp hợp lý của nhiều phương pháp khác nhau, tích hợp với Machine learning và các công cụ bổ sung như CMMS, sẽ giúp giảm thiểu tối đa sự cố và khối lượng công việc để bảo trì. Dẫn đến giảm tổng số thời gian và ngân sách dành cho việc duy trì các thiết bị máy móc.

Các cách tiếp cận phổ biến để bảo trì dự đoán IoT

Hai cách tiếp cận phổ biến nhất để bảo trì dự đoán là dựa trên quy tắc và dựa trên máy học.

Bảo trì tiên đoán dựa trên quy tắc

Cũng được gọi là giám sát tình trạng , bảo trì dự đoán dựa trên quy tắc dựa vào các cảm biến để liên tục thu thập dữ liệu về tài sản và gửi cảnh báo theo các quy tắc được xác định trước, bao gồm cả khi đạt đến ngưỡng xác định.

Với các phân tích dựa trên quy tắc, các nhóm sản phẩm làm việc cùng với các bộ phận kỹ thuật và dịch vụ khách hàng để thiết lập các nguyên nhân hoặc các yếu tố đóng góp cho máy của họ bị lỗi.

Khi các lý do phổ biến cho sự cố sản phẩm hoặc bộ phận được thiết lập, các nhà sản xuất có thể xây dựng một mô hình ảo của hệ thống được kết nối của họ. Ở đây, họ xác định các case studysản phẩm, với quy tắc của if if-this-then-that mà mô tả các hành vi và sự phụ thuộc lẫn nhau giữa các thành phần hệ thống IoT khác nhau.

Ví dụ: nếu nhiệt độ và tốc độ quay cao hơn các mức được xác định trước nhất định, hệ thống sẽ gửi cảnh báo đến Dashboardcủa nhà điều hành, để giải quyết vấn đề trước khi thất bại.

Các quy tắc này cung cấp một mức độ bảo trì dự đoán tự động, nhưng chúng vẫn phụ thuộc vào sự hiểu biết của nhóm sản phẩm về những phần hoặc yếu tố môi trường cần đo.

Bảng điều khiển giám sát điều kiện có thể được tích hợp với cái nhìn sâu sắc từ máy học để cung cấp một bản đồ nhiệt trực quan dễ hiểu về các điều kiện tài sản trong thời gian thực.

Bảo trì tiên đoán với AI

Trí tuệ nhân tạo công nghiệp có thể được áp dụng để bảo trì dự đoán và nhiều case studykhác trong ngành sản xuất, và mặc dù chúng ta mới bắt đầu khai thác công nghệ này, đã có nhiều cơ sở được hưởng lợi từ AI công nghiệp.

AI hoàn toàn phù hợp để bảo trì dự đoán . Nó cung cấp một loạt các kỹ thuật để phân tích lượng dữ liệu khổng lồ được thu thập từ quá trình sản xuất và cung cấp những hiểu biết có thể hành động để đạt được và duy trì sự xuất sắc trong sản xuất. Những kỹ thuật này được gọi là thuật toán Machine Learning.

Áp dụng Machine Learning để tiên đoán lỗi tài sản

Bảo trì tiên đoán với Machine Learning xem xét các tập hợp lớn dữ liệu lịch sử hoặc kiểm tra, kết hợp với thuật toán Machine Learning (ML) phù hợp, để chạy các kịch bản khác nhau và tiên đoán điều gì sẽ xảy ra và khi nào.

Thuật toán bảo trì dự đoán ML

Các thuật toán AI nâng cao tìm hiểu hành vi dữ liệu thông thường của máy và sử dụng điều này làm cơ sở để xác định và cảnh báo các sai lệch trong thời gian thực.

Bảo trì tiên đoán dựa trên dữ liệu thu thập IoT

Các thuật toán cần thiết cho Machine Learning phải phân tích dữ liệu đầu vào (lịch sử hoặc tập dữ liệu) và dữ liệu đầu ra (kết quả mong muốn). Một hệ thống giám sát máy bao gồm đầu vào trên một loạt các yếu tố từ nhiệt độ đến áp suất và tốc độ động cơ. Đầu ra là biến trong câu hỏi – một cảnh báo về một hệ thống trong tương lai hoặc một phần lỗi. Hệ thống sau đó sẽ có thể tiên đoán khi nào sự cố có thể xảy ra.

Có hai cách tiếp cận chính đối với AI và Machine Learning để phân tích tiên đoán – Machine Learning có giám sát và không giám sát – mỗi phương pháp có liên quan đến một kịch bản khác nhau và phụ thuộc vào sự sẵn có của dữ liệu đào tạo lịch sử và tần suất thất bại của tài sản.

Lợi ích của bảo trì dự đoán

Các nhà sản xuất và khách hàng của họ nhận được một loạt các lợi ích kinh doanh từ bảo trì dự đoán . Ưu điểm của PdM bao gồm:

  1. Giảm thời gian bảo trì – Báo cáo tự động để lập lịch bảo trì chiến lược và tự sửa chữa chủ động giúp giảm 20% thời gian bảo trì và giảm chi phí bảo trì tổng thể xuống 5 510% . Những hiểu biết này tiết kiệm nhà sản xuất và khách hàng của họ thời gian và tiền bạc.
  2. Tăng hiệu quả – thông tin chi tiết dựa trên phân tích cải thiện OEE (hiệu quả thiết bị tổng thể) bằng cách giảm bảo trì không cần thiết, kéo dài tuổi thọ tài sản và cho phép phân tích nguyên nhân gốc của hệ thống để phát hiện ra các vấn đề trước thất bại.
  3. Luồng doanh thu mới – Các nhà sản xuất có thể kiếm tiền từ bảo trì dự đoán công nghiệp bằng cách cung cấp các dịch vụ dựa trên phân tích cho khách hàng của họ, bao gồm DashboardPdM, lịch bảo trì được tối ưu hóa hoặc dịch vụ điều phối kỹ thuật viên trước khi các bộ phận cần thay thế. Khả năng cung cấp dịch vụ kỹ thuật số cho khách hàng dựa trên dữ liệu mang lại cơ hội cho các dòng doanh thu định kỳ và một động lực tăng trưởng mới cho các công ty.
  4. Cải thiện sự hài lòng của khách hàng – Gửi cho khách hàng các cảnh báo tự động khi các bộ phận cần được thay thế và đề xuất các dịch vụ bảo trì kịp thời để tăng sự hài lòng và cung cấp một biện pháp tiên đoán lớn hơn.
  5. Lợi thế cạnh tranh – Bảo trì tiên đoán củng cố thương hiệu và giá trị của công ty đối với khách hàng , phân biệt sản phẩm của họ với đối thủ và cho phép họ cung cấp lợi ích liên tục trên thị trường

Các lưu ý khi triển khai bảo trì dự đoán ( Predictive Maintenance)

Việc áp dụng bảo trì dự đoán ( Predictive Maintenance) cần phải được thực hiện cẩn thận. Phương pháp này yêu cầu trình độ chuyên môn cao và chuyên sâu để giải thích chính xác tình trạng của dữ liệu giám sát. Các nhân viên phải được đào tạo tốt và phải có kinh nghiệm, bao gồm cả về công nghệ thông tin và thiết bị máy móc.

Hơn nữa, so với bảo trì dự phòng, việc áp dụng các kỹ thuật giám sát có thể khá tốn kém ở giai đoạn đầu. Điều này dẫn đến một số doanh nghiệp chọn giải pháp nhà thầu giám sát theo điều kiện để giảm thiểu chi phí trả trước của hệ thống bảo trì dự phòng.

Trước khi đưa ra quyết định lắp đặt bảo trì dự đoán ( Predictive Maintenance) , các nhà sản xuất nên xem xét quy mô và mức độ ưu tiên của công ty trước. Nếu doanh nghiệp ưu tiên các phương pháp hiệu quả về chi phí, thì bảo trì dự đoán ( Predictive Maintenance) là lựa chọn tốt hơn so với bảo trì dự phòng. Mặc dù PdM có chi phí lắp đặt trước cao, nhưng về lâu dài, hệ thống bảo trì dự đoán ( Predictive Maintenance) có thể mang lại nhiều lợi ích cho bộ phận bảo trì máy móc cũng như toàn bộ doanh nghiệp.

Từ khóa:
Chia sẻ:
173 0

Bình luận

Leave a Reply

avatar
  Subscribe  
Notify of