Ostrzeżenie jest warte tyle, ile czasu daje na reakcję. Meta Smart Factory prowadzi predykcyjne utrzymanie ruchu w swoim systemie CMMS: odczyt drgań lub temperatury powyżej progu sam tworzy zgłoszenie serwisowe, a zlecenie, które z niego powstaje, rezerwuje część zamienną i, tam gdzie działa APS, dostaje okno w harmonogramie produkcji.
Porozmawiajmy o Twoim utrzymaniu ruchuOprogramowanie do predykcyjnego utrzymania ruchu zbiera z maszyn dane o stanie, takie jak drgania, temperatura, prąd czy liczba cykli. Gdy odczyt przekroczy próg albo odbiegnie od normy tej konkretnej maszyny, tworzy zadanie dla utrzymania ruchu, zanim awaria zatrzyma produkcję. Działa tylko przy awariach, które dają mierzalny sygnał na tyle wcześnie, żeby zdążyć zareagować. W Meta Smart Factory jest częścią CMMS, obok planów prewencyjnych, więc ostrzeżenie zamienia się w zlecenie.
Zacznij od tego, co już ma PLC: prądy napędów, czasy cyklu, ciśnienia i temperatury kosztują znacznie mniej niż nowe czujniki. Dodatkowe opomiarowanie dokładaj tylko tam, gdzie te sygnały nie widzą awarii.
Alert na pulpicie, którego nikt nie otwiera, niczego nie zmienia. Dlatego moduł utrzymania ruchu prowadzi go aż do naprawy. Przekroczenie progu tworzy zgłoszenie z priorytetem i pełnym zapisem od usterki do zamknięcia. Technicy dostają zlecenie i historię maszyny na urządzenia mobilne i panele dotykowe MSF. Zlecenie rezerwuje część zamienną, a gdy brakuje jej w magazynie, uruchamia zamówienie zakupu.
Gdy działa APS, uzgodnione okno serwisowe trafia do planisty jako ograniczenie w harmonogramie. MTBF i MTTR dla każdej maszyny są liczone z pól zlecenia (czas zgłoszenia, rozpoczęcie i zakończenie naprawy), więc oba wskaźniki biorą się z zapisów, które technik i tak wypełnił.
Awarię warto monitorować, gdy narasta stopniowo i daje mierzalny sygnał na tyle wcześnie, żeby zdążyć zareagować. Drgania i prąd dobrze pokazują zużycie mechaniczne elementów wirujących: uszkodzenia łożysk, zużycie przekładni, niewspółosiowość i niewyważenie. Płytki sterujące i karty I/O psują się niemal losowo, a za kolizją czy błędem przezbrojenia nie stoi żaden narastający proces. Zawory bezpieczeństwa i blokady nie wysyłają żadnego sygnału aż do zdarzenia, przed którym mają chronić, więc moduł obejmuje je testami w stałych odstępach.
Pierwsze użyteczne progi biorą się z wiedzy inżynierskiej, na przykład z częstotliwości defektów łożyska albo z przyrostu temperatury ponad normę tej maszyny przy tym samym obciążeniu, i nie potrzebują historii awarii. Wykrywanie anomalii na platformie AI korzysta z autoenkodera LSTM, który uczy się normalnego zachowania czujników. Wymaga tylu godzin zdrowej pracy, żeby objąć normalną zmienność, a każdy model działa najpierw w trybie cienia, zanim jego alert zostanie włączony. Szacowanie pozostałego czasu życia wymaga przebiegów aż do awarii, których większość zakładów nie ma.
Prewencyjne utrzymanie ruchu uruchamia plany według daty, motogodzin lub liczby wyprodukowanych sztuk, bez względu na stan maszyny. Predykcyjne reaguje na dane z czujników, takie jak drgania, temperatura, prąd czy energia. Moduł obsługuje oba podejścia i oba wyzwalacze kończą się tym samym zleceniem.
Tak. Plany prewencyjne, zlecenia, rezerwacje części zamiennych i historia maszyn działają wyłącznie na zapisach. Pierwsze miesiące dają kodowanie awarii i historię przestojów, czyli punkt odniesienia, wobec którego ocenia się potem każdy monitoring stanu. Sklasyfikowanie dwunastu miesięcy własnych postojów nieplanowanych pokaże następnie, na których maszynach akcelerometr ma sens.
Nie, działa samodzielnie, a operatorzy wystawiają zgłoszenia z panelu HMI maszyny albo z przeglądarki. MES dokłada zgłoszenia tworzone z zarejestrowanych przestojów, a APS dokłada okno serwisowe jako ograniczenie w harmonogramie.
Rzadko samo z siebie. Ostrzeżenie pomaga tylko wtedy, gdy powtarzalnie wyprzedza czas dostawy danej części, a zmienność terminów dostaw i minimalne wielkości zamówienia nadal zostają. Najpierw zamień ostrzeżenia na planowane okna serwisowe, a do poziomów zapasu wróć po roku zebranych danych.
Przeprowadź Proof of Concept na własnych maszynach i danych. Trwa zwykle od 2 do 12 tygodni, zależnie od produktu.