Întreținerea predictivă este adesea identificată cu inteligența artificială și modelele complexe. Cu toate acestea, pentru majoritatea organizațiilor, primul pas valoros este mai simplu: aveți un registru de active de încredere, date de stare interpretabile și un flux de lucru consistent.

Cele trei logici de întreținere

Reactiv și planificatReparație după defecțiuneIntervenție bazată pe timp sau ore de funcționareSimplu, dar poate fi prea devreme sau prea târziu
Condițional și predictivIntervenție bazată pe starea măsurabilăDeteriorări și urmărirea riscurilorO sincronizare mai bună, dar necesită date și proces bune

Nu toate instrumentele necesită o abordare predictivă. Pentru o componentă necritică ieftină, ușor de înlocuit, strategia reactivă poate fi și economică. Decizia trebuie luată în funcție de consecința defecțiunii, frecvența acesteia, detectabilitatea acesteia și costul intervenției.

O alarmă nu este încă un diagnostic

O depășire a limitei indică faptul că ceva este diferit de ceea ce se așteaptă, dar nu vă spune neapărat de ce. Aceeași temperatură ridicată poate rezulta din schimbările de sarcină, efectele asupra mediului, defecțiunea senzorului sau deteriorarea tehnică reală.

Prin urmare, valoarea trebuie luată în considerare împreună cu starea de funcționare, sarcina, mediul și comportamentul trecut. Scopul nu sunt cât mai multe alarme, ci cele câteva evenimente, justificate și prioritizate.

Întregul lanț: de la stare la foaia de lucru

Măsurarea condițieiAbatereRiscFișă de lucruFeedback

Evenimentul trebuie să fie legat de activ, rolul său critic și istoricul de întreținere al acestuia. Fișa de lucru înregistrează testul, eroarea găsită, materialul folosit și rezultatul. Acest feedback face ca regula sau modelul să fie mai precis mai târziu.

De la o simplă regulă la o predicție

Merită să mergi treptat. Primul nivel poate fi o valoare limită bine aleasă și o condiție de durabilitate. Următorul pas este de a evalua tendința, rata de schimbare sau mai multe semnale împreună. Un model statistic sau de învățare automată este justificat atunci când sunt disponibile date istorice suficiente și de înaltă calitate și exemple de erori documentate corespunzător.

Un model complicat nu compensează identificarea incompletă a dispozitivului, un punct de măsurare prost sau codificarea erorilor inconsecvente.

Pilot și criterii de succes

Un grup critic, dar bine observabil de instrumente este un început bun. Este necesar să înregistrăm în prealabil ceea ce considerăm a fi rezultatul: mai puține opriri neașteptate, timp mai lung de prognoză, mai puține verificări inutile sau o mai bună proiectare a componentelor. Numărul de alarme false trebuie măsurat în același mod ca și erorile detectate.

Lista de verificare a deciziei

  • Este defectarea dispozitivului un risc operațional sau financiar substanțial?
  • Există un semnal măsurabil care previne eroarea în timp?
  • Pot fi interpretate datele de stare cu sarcina și contextul de mediu?
  • Va deveni evenimentul o sarcină de întreținere reglementată?
  • Înregistrăm rezultatul testului și modul de eșec adevărat?
  • Măsurăm și alarmele false și ratate?

Valoarea prognozei poate fi măsurată în execuție

OrigSmart nu tratează starea dispozitivului ca un tablou de bord separat: evenimentul poate fi legat de datele de bază ale dispozitivului, locație, sarcina de întreținere și rezultatul închiderii.

Să vorbim despre monitorizarea sănătății