Eliminowanie przestojów maszyn: wpływ SI na konserwację

Awaria maszyny wiąże się nie tylko z wysokimi kosztami. Może być nawet kwestią życia lub śmierci. Rozwój sztucznej inteligencji sprawia jednak, że przestoje niebawem odejdą w zapomnienie.

Eliminowanie przestojów maszyn: wpływ SI na konserwację

W dzisiejszych czasach społeczeństwo jest w dużym stopniu uzależnione od maszyn. Korzystamy z samochodów, autobusów i pociągów, aby dotrzeć do pracy. Polegamy na turbinach i sieciach elektrycznych, które zasilają nasze domy. Używamy maszyn rolniczych do uprawy roli i zbierania plonów. Można nawet zapomnieć, jak ogromny wpływ mają maszyny na nasze życie. Przypominamy sobie o tym dopiero wtedy, gdy dochodzi do awarii. Odpowiednia dbałość, konserwacja i utrzymanie maszyn w ruchu mają krytyczne znaczenie dla ich użyteczności. Jednak decyzje o tym, czy i kiedy należy naprawić lub wymienić podzespoły, często nie należą do łatwych. Podobnie jak w przypadku większości decyzji podejmowanych w oparciu o spekulacje, skutkiem może być znaczny spadek efektywności. Nie jest więc zaskoczeniem, że wiele organizacji dostrzega w sztucznej inteligencji i uczących się maszynach potencjalne źródło cennych danych oraz rozwiązanie chroniące przez spadkami efektywności i awariami.

Skrajnie negatywny wpływ przestojów na produktywność

Nieplanowane przestoje narażają producentów przemysłowych na koszty rzędu ok. 50 miliardów USD rocznie

Źródło: Deloitte

Przestój stanowi antytezę produktywności. Dzieje się tak, gdyż awaria jednej maszyny wystarczy, aby zatrzymać cały łańcuch dostaw. Oczywiście wiele firm przewiduje i bierze poprawkę na nieduże przestoje. Rozumieją one, że maszyny muszą być okresowo wyłączane z eksploatacji w celu sprawdzenia ich bezpieczeństwa i wykonania odpowiednich napraw. O ile jednak firmy mogą dostosować się do planowanych przestojów, aby zagwarantować możliwie największą wydajność pracy, przestoje nieplanowane mogą być bardzo uciążliwe. Nieoczekiwane przerwy w pracy i awarie sprzętu mogą być przyczyną znacznych kosztów czasowych i finansowych. Uniemożliwiają one pracownikom wykonywanie swoich zadań, opóźniają harmonogram produkcji oraz, zależnie od branży, mogą spowodować poważną utratę zaufania klientów. Wystarczy wyobrazić sobie, jak katastrofalna w skutkach może być awaria urządzenia medycznego w szpitalu.

The current state of maintenance

Stosowane obecnie czynności konserwacyjne można podzielić na trzy kategorie:

1. KONSERWACJA REAKTYWNA

Only fix when broken.

2. KONSERWACJA PLANOWANA

Konserwacja jest wykonywana zgodnie z ustalonym harmonogramem, niezależnie od okoliczności.

3. KONSERWACJA PREWENCYJNA

Części są wymieniane na podstawie wcześniejszych doświadczeń w celu niedopuszczenia do przyszłych awarii.

Słabe strategie konserwacji mogą zmniejszyć ogólną zdolność produkcyjną zakładu o 5-20%.

Źródło: Deloitte

Decyzja jest często podejmowana z uwzględnieniem ram czasowych i na podstawie danych statystycznych. W konserwacji reaktywnej (z której wynikają nieplanowane przestoje) stosowane jest podejście „niech pracuje, aż się zepsuje”. Potrafi to być bardzo uciążliwe, gdyż nieprzewidziana awaria maszyny wymusza zatrzymanie działań danej firmy. To pasywne podejście pozwala jednak obniżyć koszty konserwacji rutynowej. Personel techniczny jest potrzebny jedynie doraźnie.

Konserwacja planowana obniża ryzyko wystąpienia awarii dzięki okresowym ewaluacjom. Chociaż nadal istnieje ryzyko awarii, przedsiębiorstwa mają większe szanse zapobiegawczo rozwiązać problem, zanim dojdzie do jego eskalacji. Podejście to może wydłużyć okres eksploatacji maszyny, jednak może też prowadzić do znaczących przestojów w czasie, kiedy maszyna jest wyłączona z eksploatacji.

Konserwacja prewencyjna ma na celu zwiększenie efektywności prac konserwacyjnych. Wykorzystuje się w niej dane analityczne, aby zrozumieć możliwości maszyn, określić punkty krytyczne i zoptymalizować wykorzystanie zasobów konserwacyjnych. Wykorzystanie danych do analizy i usprawniania pracy jest w tym przypadku ważniejsze niż przestrzeganie harmonogramu.

Dla firm zarządzających dużymi flotami maszyn konserwacja prewencyjna zdaje się być najbardziej ekonomiczną strategią zarówno w kontekście krótkoterminowym, jak i długoterminowym. Podejście takie ma jednak swoje ograniczenia, gdyż skupia się jedynie na kontrolowaniu czynników prowadzących do awarii, nie zaś na badaniu samej maszyny. 

Którą więc opcję wybrać? Na szczęście lepsza łączność i niesamowite innowacje technologiczne pomagają uzupełnić brakujące ogniwa.

Jak łączność zmieni konserwację

Wielu gigantów technologicznych skupia się obecnie na rozwijaniu sztucznej inteligencji. Firmy takie jak Microsoft, Google, Amazon, IBM, Facebook i Apple oraz tysiące start-upów zajmujących się sztuczną inteligencją staje w szranki o tytuł lidera w dziedzinie SI. Według badań rynkowych firmy Tractica wartość światowego rynku SI w 2017 roku wyniosła w 1,99 miliarda EUR i szacuje się, że do 2025 roku jego wartość wzrośnie do 30 miliardów EUR. Przyczyną intensywnego rozwoju SI będzie możliwość jej wdrożenia we wszystkich branżach i zastosowaniach — również w konserwacji.

Przewiduje się, że do roku 2020 SI wyeliminuje 1,8 mln miejsc pracy. Jednocześnie szacuje się, że doprowadzi ona do utworzenia 2,3 mln stanowisk w tym samym czasie. Stale rosnące zapotrzebowanie na pracowników będzie występować w sektorze medycznym, publicznym i edukacyjnym. Zmiany będą najmocniej odczuwalne w sektorze produkcyjnym.

Źródło: Garner

Przyczyną intensywnego rozwoju SI będzie możliwość jej wdrożenia we wszystkich branżach i zastosowaniach — również w konserwacji. Wszystko dzięki temu, że specjaliści od sztucznej inteligencji mają wspólny cel, niezależnie od tego, co tworzą. Celem tym jest eliminacja czynności powtarzalnych i zwiększenie wydajności i skuteczności ludzi we wszystkich ich wysiłkach. Usprawnienie konserwacji jest również częścią tego celu.

Sztuczna inteligencja może sprawić, że konserwacja wyewoluuje z zapobiegawczej lub prewencyjnej w predykcyjną

Konserwacja predykcyjna

Wiele branż zależnych w dużym stopniu od maszyn inwestuje w konserwację predykcyjną.

Dzieje się tak, gdyż dzięki sztucznej inteligencji konserwacja może przestać być jedynie zapobiegawcza lub prewencyjna. Zamiast tego może stać się predykcyjna. Przy tego typu konserwacji naprawy wykonuje się tylko wtedy, gdy jest to konieczne. Jest to możliwe dzięki podłączonym czujnikom, przełącznikom i narzędziom wykorzystującym SI, zdolnym analizować tysiące zmiennych związanych z pracą maszyny, aby zauważyć dane w innym przypadku niedostrzegalne. Możliwość zbierania, łączenia i analizowania danych z różnych źródeł w czasie rzeczywistym umożliwia przedsiębiorstwom przewidywanie awarii maszyn z wyprzedzeniem. Gdy dane wskazują na spadek wydajności, operatorzy mogą zdecydować się na wysłanie maszyny do naprawy, zanim dojdzie do zatrzymania całej linii montażowej. Taka zdolność przewidywania konieczności napraw przyczyni się w znacznym stopniu do obniżenia kosztów i ułatwi ich kontrolę. Jednocześnie może ona przynieść szersze korzyści biznesowe. Przykładowo, jeśli według konserwacji predykcyjnej awaria jest nieunikniona, to zależnie od natury problemu wiele czynności — takich jak wysłanie zlecenia, poinformowanie odpowiednich techników lub zamówienie części zamiennej — może zostać zautomatyzowanych. Z biegiem czasu konserwacja predykcyjna umożliwia określenia najlepszego trybu przeprowadzania działań naprawczych. Ta dodatkowa warstwa danych analitycznych pozwoli przedsiębiorstwom uzyskać cenne wskazówki, jak zwiększyć wydajność i z biegiem czasu wyeliminować przestoje.

SI może bowiem ustalić rzeczywistą trwałość sprzętu i najlepszy moment na naprawę, a także zaplanować działania tak, aby zminimalizować czas naprawy. Co więcej, dane zgromadzone w toku konserwacji predykcyjnej umożliwiają kierownikowi ustalenie, dlaczego różne zespoły osiągają różne wyniki mimo korzystania z takich samych zespołów maszyn. Jak już wspomniano, dane te mogą stanowić dla przedsiębiorstw cenne wskazówki w zakresie zwiększenia rentowności. Mogą pomóc w planowaniu projektów, zarządzaniu personelem, zarządzaniu inwentarzem oraz obsłudze klienta. Decyzje są poparte dowodami — są więc pewniejsze i mniej ryzykowane.

Wychodzenie naprzeciw przyszłości

Konserwacja predykcyjna jest kluczowa dla innowacyjnej produkcji, ponieważ umożliwia organizacjom optymalizację całej strategii konserwacji w każdym aspekcie. Wróży to ciekawą przyszłość dla tego sektora, a kolejna dobra wiadomość jest taka, że te rozwiązania są już wdrażane. W wielu branżach już dziś stosuje się pewne formy konserwacji predykcyjnej, korzystając z technologi ciągłego monitorowania. Narzędzia z obsługą Internetu rzeczy pomagają organizacjom czuwać nad wydajnością systemów i środowiskiem operacyjnym. Ciągłe monitorowanie może jednak generować ogromne ilości danych — dlatego właśnie konieczna jest użycie SI. Zaawansowane algorytmy i uczące się maszyny zapewnią przedsiębiorstwom dostęp do bieżących danych w procesie podejmowania decyzji.

Oto niektóre zastosowania konserwacji predykcyjnej na dzień dzisiejszy:

Kolej

W Niemczech Deutsche Bahn współpracuje z firmą Siemens w celu usprawniania technologii konserwacji zapobiegawczej. Przedsiębiorstwo kolejowe liczy na to, że dzięki zastosowaniu inteligentnych czujników i algorytmów zaawansowane systemy analityczne będą zdolne wykrywać powtarzalne wzory w danych operacyjnych. Na przykład inteligentne układy hamulcowe mogą być monitorowane, aby określić najlepszy moment na ich wymianę. Czujniki mogą monitorować stan torów pod kątem wymaganych napraw. Zmniejszenie liczby awarii podzespołów pociągów pozwala Deutsche Bahn ograniczyć zapotrzebowanie na części zamienne i skrócić czas przestojów.

Motoryzacja

Wycofanie produktu z rynku jest nie tylko kosztowne dla producentów — jest również bardzo niebezpieczne dla klientów. Można temu na szczęście zapobiec poprzez zdecydowanie szybsze wykrywanie problemów za sprawą danych i sztucznej inteligencji. BMW współpracuje z firmą Teradata, aby usprawnić proces podejmowania decyzji dzięki wykorzystaniu ogromnych ilości danych generowanych podczas projektowania, produkcji i dystrybucji pojazdów. Poprzez łączenie tych danych i ich obróbkę za pomocą potężnych narzędzi analitycznych producenci samochodów mogą usprawniać swoje łańcuchy dostaw i wydajniej wykrywać błędy, zanim staną się one przyczyną problemów.

Lotnictwo

Konserwacja samolotów jest zazwyczaj bardzo skomplikowana, dlatego naukowcy pracują nad niewielkimi robotami, które można wprowadzić do wnętrza silnika w celu przeprowadzenia kontroli i napraw. Jak donosi tygodnik The Economist, pracami nad tym projektem zajmuje się zespół naukowców z firmy GE Global Research. Na tę chwilę roboty są programowane pod kątem przeprowadzania inspekcji. Naukowcy liczą na to, że gdy ta funkcja zostanie udoskonalona, roboty będą w stanie dokonywać napraw i pracować w czasie pomiędzy lotami.

Magazynowanie

Roboty przeznaczone do podnoszenia ciężarów są już w użyciu. Roboty jutra mają jednak również pomagać ludziom w magazynach. SecondHands to robot zaprojektowany z myślą o wspieraniu ludzkich techników konserwacyjnych. Jest on opracowywany przez firmę Ocado Technology we współpracy z Instytutem Technologii w Karlsruhe, z myślą o usprawnieniu prac konserwacyjnych prowadzonych przez ludzi. Przykładowo, robot może z własnej inicjatywy podawać ludziom narzędzia, gdy wykryje, że wymagane jest działanie. Robot wykorzystuje w tym celu takie umiejętności jak analiza wizualna sytuacji, rozpoznawanie czynności człowieka oraz planowanie i wykonywanie zadań.

Przyszłość napraw

Konserwacja predykcyjna jest szczególnie korzystna dla dużych firm, które odpowiadają za dużą liczbę maszyn. Potrzeba bowiem odpowiednich ilości danych, aby móc określić wzorce i rozwiązać problemy. Gdy duże przedsiębiorstwa uzyskają już zdolność predykcyjnego podejmowania decyzji, będą mogły udzielić mniejszym firmom licencji na swoją wiedzę. W ten sposób, każdy można zyskać dzięki SI. Przewiduje się, że w przyszłości technologia konserwacji pójdzie o krok dalej i maszyny będą polegać wyłącznie na samokonserwacji. Będzie to możliwe dzięki połączeniu sztucznej inteligencji z takimi technologiami jak druk 3D. Gdy to nastąpi, konieczność interakcji z człowiekiem stanie się znikoma. Na dzień dzisiejszy wiedza na temat rzeczywistego wpływu nieplanowanych przestojów na organizację pomoże przedsiębiorstwom określić w co zainwestować środki — korzyści płynące z większej wydajności i niższych kosztów ogólnych są znaczne. Ci, którzy przygotują się już dziś, będą mieli większe szanse utrzymać swą konkurencyjność na rynku w przyszłości.

Total
0
Shares
Poprzedni post

Ponowne włączanie świateł: Zabezpieczenie na przyszłość

Następny post

Respiratory medyczne: rozbicie komponentów i czujników niezbędnych w podstawowej opiece medycznej

Powiązane posty