Best Practice für vorausschauende Wartung | Senseye

Mit zunehmender Betonung der vorausschauenden Wartung, die als einer der wichtigsten Trends angesehen wird, die die Fertigung im Jahr 2021 und darüber hinaus dominieren werden, wie sollten Hersteller damit beginnen? die Herausforderung angehen, Einblicke in den Maschinenzustand zu bewerten und darauf zu reagieren?

In diesem Film werden Alexander Hill und Rob Russell von Senseye von Jim Davison von Make UK und Dr. Hannah Edmonds vom Manufacturing Technology Centre begleitet, um die Best Practices zu erkunden, die maximalen Nutzen bringen vorausschauende Wartung und wie das Wissen von Zustandsüberwachungsspezialisten und Zuverlässigkeitsingenieuren demokratisiert werden kann, um eine vorausschauende Wartung nachhaltig und in großem Umfang zu ermöglichen.

Transkript

Alexander Hill, Senseye:Predictive Maintenance wird in diesem Jahr und in den nächsten Jahren ein Schwerpunkt von Fertigungs- und Industrieunternehmen sein. Es muss sein. Um diese Effizienzgewinne zu genießen, Geld zu sparen und Dinge wie Remote-Arbeiten und Fernwartung zu ermöglichen, ist Predictive Maintenance ein absolut notwendiger Bestandteil.

Rob Russell, Senseye:Dieser Hauptanwendungsfall für intelligente Fabriken und Digitalisierung wurde in und um vorausschauende Wartung herum gebaut. Es ist ein gewisses Maß an Domänenwissen erforderlich, um zunächst zu verstehen, wie man die richtigen Informationen von den Maschinen erhält, aber dann auch, wie man diese im Wartungskontext verwendet.

Jim Davison, Make UK:Die traditionellen Anlageningenieure neigen dazu, wie ich zu sein, mit grauen Haaren, die sich dem Ende ihrer Karriere nähern. Es ist eine Herausforderung für uns, die nächste Generation zu rekrutieren, um diese Rollen zu erfüllen. Durch den Einsatz von Dingen wie intelligenten Technologien bringt es tatsächlich ein wirklich aufregendes Element in die Rolle, mit dem die Leute nicht vertraut wären.

Rob Russell, Senseye:Wenn Sie sich die Herausforderungen ansehen, wie Sie auf die Ausgaben in Bezug auf den Maschinenzustand reagieren, müssen Sie dies immer noch mit guten technischen Richtlinien und Praktiken angehen. Die Datenquellen und die Identifizierung dieser frühen Probleme, die Sie in Maschinen haben würden, die eine vorausschauende Wartung ermöglichen, erkennen manchmal ziemlich subtile frühe Stadien des Ausfalls.

Das Wartungsteam wird damit beginnen, Wege zu finden, wie es seine Ergebnisse untermauern kann, und auch verstehen, dass die Früherkennung ihm ein viel größeres Zeitfenster bietet. Dies ermöglicht es ihnen, die Planung und Untersuchung durchzuführen, wenn die Produktion die Maschinen nicht benötigt, und dann auch die Wartung zu einem späteren Zeitpunkt zu planen, wenn die Maschinen wieder heruntergefahren sind und es keine Auswirkungen auf die Produktion gibt.

Dr. Hannah Edmonds, Manufacturing Technology Centre:Als Teil eines größeren Programms, an dem ich beteiligt war, hatten wir viele verschiedene Produktionselemente zusammen, viele verschiedene Analysen, die durchgeführt wurden – die Fähigkeit, diese zu kombinieren, gab uns einen Mehrwert.

Wir haben die automatisierte Analyse von Senseye verwendet, um Probleme innerhalb des Produktionssystems zu diagnostizieren und die verbleibende Nutzungsdauer von Maschinen zu ermitteln. Wir konnten dies durch ein zusätzliches Programm visualisieren, aber wir haben es auch mit einem computergestützten Wartungsmanagementsystem kombiniert, um Wartungsaufgaben zu planen.

Alexander Hill, Senseye:Wir wollen Zustandsüberwachungsingenieure und Zuverlässigkeitsspezialisten nicht ersetzen. Wir möchten nur sicherstellen, dass ihre Zeit wirklich effektiv genutzt wird, da sie sich oft Zehntausende von Datenströmen ansehen und versuchen zu verstehen, welche wichtig sind. Das ist eine sehr anstrengende, sehr schwierige Aufgabe.

Wir gehen dieses Problem so an, dass wir die traditionelle Rolle eines Zustandsüberwachungsingenieurs, der Tausende von Datenpunkten betrachtet und versucht, so weit wie möglich zu automatisieren verstehen, welche wichtig sind.

Wir müssen Modelle nicht manuell erstellen und optimieren, unsere patentierte Technologie und Algorithmen ermöglichen es uns, diesen gesamten Prozess zu automatisieren.