۱۰ کاری که می‌توان با داده‌های حسگر تعمیر و نگهداری انجام داد.

فرض کنید چندین چشمِ مراقبت در طی شبانه‌روز حیاتی‌ترین تجهیزاتتان را زیر نظر دارند، در حالت ایده‌آل، حسگرها این نقش را ایفاء می‌کنند. آن‌ها برای پایش مواردی چون دما، رطوبت، لرزش، سطح آب و ارتعاش طراحی شده‌اند. تجاوز هر یک از این موارد از محدوده‌ی از پیش تعیین‌شده می‌تواند به تجهیزات یا محصولات نهایی آسیب برساند. 

نگهداری هر یک از این داده‌های لحظه‌ای بخش مهمی از فرآیند تعمیر و نگهداری است، با این وجود لازم است راه‌های مؤثر و کارآمد استفاده از این داده‌ها برای جلوگیری و حل مشکلات را بدانید. در ادامه به ده روش برتر استفاده‌ی کارمد از این داده‌های حسگرها اشاره شده است.

فهرست مطالب
استفاده از داده های سنسور ها در تعمیر و نگهداری

تعیین حداقل‌های عملکردی تجهیزات 

با جمع‌آوری خودکار داده‌های تجهیزات حیاتی خود در فواصل زمانی معین، خیلی سریع می‌توانید سطوح حداقلی عملکردی آن‌ها را تعیین کنید. به مرور، سابقه‌ای از چگونگی عملکرد تجهیزات خود، تعداد دفعات لازم تعمیر ‌و نگهداری و مشکلات رایج احتمالی خواهید داشت. آن‌گاه می‌توان از این داده‌ها برای برنامه‌ریزی تعمیر و نگهداری، پیش‌بینی عمر تجهیزات و تعیین بهترین زمان جایگزینی آن استفاده کرد.

تشخیص خرابی احتمالی دستگاه

هنگامی‌که حداقل‌های عملکردی مشخص شدند، می‌توان از داده‌های حسگرها برای شناسایی الگوهای غیرعادی یا انحراف از شرایط عملیاتی عادی استفاده کرد. به عنوان مثال، اگر عدد ارتعاشی که حسگر می‌خواهند، ناگهان افزایش یابد، می‌تواند نشانه‌ی خرابی قریب‌الوقوع دستگاه باشد. اگر از این داده‌ها در فرآیند تعمیر و نگهداری استفاده شود، می‌توان فوراً یک تعمیرکار فنی برای ارزیابی بیشتری آن تجهیزات فرستاد تا تعمیرات لازم را انجام دهد و احتمالاً بتواند مانع مداخلات پرهزینه‌تر، حوادث ایمنی یا خرابی‌های گران‌تر شود.

استفاده از داده‌های ارزشمندِ سنسورها و تجهیزات پایشی، باعث افزایش کارایی تجهیزات و ماشین آلات می‌شود.

حسگرها چگونه به هوشمندسازی تعمیر و نگهداری کمک می کنند

ارزیابی سلامت تجهیزات

ارزیابی سلامت تجهیزات نیز مانند تشخیص خرابی احتمالی آن‌ها، از کاربردهای بلندمدت و مفید داده‌ها حسگرها است. بررسی دوره‌ای شاخص‌های کلیدی سلامت تجهیزات، مانند سطح یا فشار مایع می‌تواند در شناسایی فرسودگی‌های قطعات کمکتان کند. به‌جای تکیه بر برنامه‌های تعمیر و نگهداری مبتنی بر زمان یا کارکرد، می‌توانید تعمیر و نگهداری را در جاهایی انجام داد که بیشترین نیاز وجود دارد. این امر باعث کاهش تعمیر و نگهداری‌های غیر ضروری، صرفه‌جویی در زمان و منابع می‌شود و از خرابی‌های غیرمنتظره نیز جلوگیری می‌کند. 

ایجاد مدل‌های پیش‌بینی

برای پیش‌بینی نیازهای تعمیر و نگهداری می‌توان از داده‌های حسگر در یادگیری ماشینی پیشرفته استفاده کرد و مدل‌های دقیقی برای پیش‌بینی خرابی یا نیازهای تعمیرونگهداری تجهیزات ایجاد کرد. این مدل‌ها می‌توانند با تجزیه‌وتحلیل الگوها و همبستگی‌های موجود در داده‌های حسگرها، زمان مورد نیاز مداخلات تعمیر و نگه‌داری را سریع و دقیق پیش‌بینی کنند. این امر در برنامه‌ریزی کارآمدتر وظایف تعمیر و نگه‌داری کمکتان می‌کند.

بهینه‌سازی عملکرد تجهیزات

داده‌های حسگرها هم در جلوگیری از خرابی‌ها کمک می‌کنند و در برنامه‌ریزی کارآمد تعمیر و نگهداری نقش دارند و هم می‌توانند در بهینه‌سازی عملکرد تجهیزات و فرآیندهای تولید کمکتان کنند. برای مثال، دمای بالا می‌تواند نشان‌دهنده‌ی انرژی‌بر بودن عملیات باشد. شناسایی دقیق این فرآیندها می‌تواند در بلندمدت، فرصتی برای کاهش مصرف انرژی و هزینه‌های مربوطه فراهم آورد.

شناسایی علت اصلی خرابی

در زمان‌هایی ‌که خرابی رخ می‌دهد، داده‌های حسگر می‌توانند در شناسایی علت اصلی مشکل مفید باشند. گروه‌‌های تعمیر و نگهداری می‌توانند با استفاده سوابق داده‌های حسگر درست قبل از وقوع خرابی، متوجه چیزهایی درباره‌ی رفتار دستگاه و آنچه ممکن است باعث خرابی آن شده باشد، شوند. سپس، می‌توانند از این دانش برای جلوگیری از خرابی‌های مشابه در آینده استفاده کنند.

جلوگیری از هدر رفت محصول

از آن‌جا که می‌توان داده‌های حسگر را در فواصل زمانی کوتاه جمع‌آوری کرد، ممکن است بتوانید از این داده‌ها برای جلوگیری از هدر رفت محصول استفاده کنید. به عنوان مثال، تولیدکنندگان مواد غذایی و نوشیدنی برای نگه‌داری و فرآوری محصولات خود، نیازمند دمایی ثابت و ایمن هستند. حسگرها ابزار بسیار خوبی برای تعیین زمان‌هایی هستند که فریزرها یا یخچال‌ها از محدوده‌ی ایمن خارج می‌شوند. به این ترتیب، وضعیت کاری اضطراری ایجاد می‌کنند و مانع از فساد و از بین رفتن محصول می‌شوند.

جلوگیری از آسیب‌های زیست‌ محیطی پرهزینه 

داده‌های حسگر هم می‌توانند مانع از تعمیرات پرهزینه‌ی ماشین‌ آلات فعلی شوند و احتمال خرابی‌های پرهزینه را در خطوط تولید پرکار کاهش دهند، هم می‌توانند از محیط اطراف محافظت کنند. به عنوان مثال، حسگرهای تشخیص آب یا فشار می‌توانند ترکیدگی لوله یا نشت‌های پنهان را به‌سرعت به گروه‌های تعمیر و نگهداری گزارش دهند و به طور بالقوه در صرفه‌جویی هزینه‌های ناشی از آسیب شدید آب یا رشد طولانی‌مدت کپک نقش داشته باشند.

حفاظت از ایمنی کارکنان و مشتریان

در نهایت، داده‌های حسگر می‌توانند در حفظ ایمنی کارمندان، مشتریان یا سایر ذی‌نفعانی احتمالی در تأسیساتتان کاربرد داشته باشند. گاه خرابی تجهیزات می‌تواند عواقب بسیار بدتری نسبت به صرفاً خرابی یا توقف خط تولید داشته باشد. انفجار یا حوادث شدید می‌توانند باعث جراحت یا مرگ شود. حسگرها می‌توانند با رصد فشار یا عوامل دیگر، مشکلات احتمالی را تشخیص دهند یا مانع از حوادث و از دست دادن جان افراد شوند. 
گروه ما می‌تواند کمکتان کند از دروازه‌های ایمنی، حسگرها و تجزیه‌وتحلیل‌های پیشرفته برای جمع‌آوری اطلاعات تجهیزات استفاده کنید و عملیات تعمیر و نگهداری و اطمینان‌سنجی خود را از حالت واکنشی به حالت پیشگیرانه درآورید که به نوبه‌ی خود، به کل کسب‌وکارتان کمک می‌کند که مأمورت خود را به انجام برساند. 

داده های مختلف در مدیریت بهینه نگهداری و تعمیرات 

تعمیر و نگهداری پیش بینانه چگونه است؟

تعمیر و نگهداری پیش بینانه چگونه است؟

درک نحوه‌ی عملکرد تعمیر‌ و نگهداری پیشبینانه predictive maintenance در تئوری آسان است. داده‌های تجهیزاتتان را جمع‌آوری می‌کند و اطلاعات را از آنها استخراج می‌کنید که در محاسبه‌ی نیازهای تعمیر و نگهداری کمکتان می‌کنند. 

در عمل، این فرآیند را می‌توان به سه مرحله تقسیم کرد:

جمع‌آوری داده

همان‌گونه که اشاره شد، به دنبال پیش‌بینی زمان خرابی هستیم. از آن‌جا که در وهله‌ی اول باید به داده‌های باکیفیت دسترسی داشته باشیم، اولین قدم نصب حسگرهایی است که قادر به جمع‌آوری داده‌های لحظه‌ای درباره‌ی عملکرد و «سلامت» تجهیزات باشند. روشی که می‌خواهید برای نظارت بر تجهیزات استفاده کنید، تعیین می‌کند که نیاز دارید چه داده‌هایی را جمع‌آوری یا اندازه‌گیری کنید. ممکن است لازم باشد میزان لرزش، دما، فشار، صدا، خوردگی یا مواردی دیگری را کنترل کنید؛ بستگی به این دارد که کدام‌یک برای تجهیزاتتان مناسب‌ترین است. چندین ابزار تعمیر‌ و نگهداری پیش‌بینی را به‌طور همزمان بررسی می‌کنیم.

داده‌کاوی

تا زمانی‌که ندانید چگونه از داده‌های تجهیزاتتان استفاده کنید، جمع‌آوری آن‌ها فایده‌ای ندارد. اینترنت اشیاء (IoT) این امکان را به حسگرها می‌دهد که تمام اطلاعات را به یک سیستم یا نرم‌افزار مرکزی بفرستند تا بتوانید آنچه را که دارد اتفاق می‌افتد، تجزیه‌وتحلیل کنید. در سیستم‌هایی که تجهیزات مختلف با هم ادغام شده‌اند، تعمیر ‌و نگهداری پیش‌بینانه کارآمدتر و جزئی‌نگرانه‌تر است.

محاسبات و یادگیری ماشین

ممکن است فکر کنید تعمیر ‌و نگهداری پیشگویانه همین‌جا متوقف می‌شود. اگر تنها زمانی وارد عمل می‌شوید که حسگرها متوجه ناهنجاری می‌شوند، صرفاً تعمیر و نگهداری مبتنی بر شرایط را انجام داده‌اید. متمایزترین مؤلفه‌ی تعمیر و نگهداری پیش بینانه، ایجاد و اعمال الگوریتم‌هایی است که پیش‌آگاهی می‌دهند.

نتیجه‌گیری

در ابتدا، می‌تواند مبتنی بر سوابق تجهیزات، گزارش‌های تعمیر و نگهداری و اطلاعات آماری باشد (در این مرحله، گزارشات نرم افزار CMMS بسیار مفید هستند). با این حال، با پیشرفت فزاینده‌ی هوش مصنوعی، می‌توان ناهنجاری‌ها را حتی زودتر شناسایی کرد، نقاط حساس را یافت و پیشنهادات هوشمندانه‌ای برای جلوگیری از خرابی دریافت کرد. این تعمیر و نگهداری هوشمند نوع جدیدی از تعمیر و نگهداری را ممکن می‌سازد که تعمیر و نگهداری تجویزی (Prescriptive Maintenance) نام دارد.

لینک‌های مرتبط:

برای کسب اطلاعات بیشتر در مورد سایر انواع نگهداری و تعميرات از مطالب زیر کمک بگیرید.
0 پاسخ

دیدگاه خود را ثبت کنید

تمایل دارید در گفتگو شرکت کنید؟
نظری بدهید!

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *