驚異的な進歩にもかかわらず、しかし、業界は高度な分析、ビッグデータ、エッジとクラウドコンピューティングを通じて、物事のその思春期の段階にとどまっている、我々は植物がされる将来のどのような非常によく知っている、とメーカーは業界4.0を完了するために、遠くに行く必要があります変更のツアー。
しかし、これらすべての進歩は予測保守にコストを削減し、効率を向上させるために一緒にされています。工場の床の機械自身のために交換部品を注文する場合にも必要に応じて、監視して、自分のパフォーマンスを評価します。
予知保全の実施により、メーカーは、安全性を向上させ、ダウンタイムを削減し、機器の寿命を延ばすことができます。
メンテナンス進化ケース
製造者は設備の効率と有効性を向上させるのに十分なパワーを持っています。メンテナンスが不十分な場合、プラントの生産性は5〜20%低下し、計画外のダウンタイムは米国のメーカーに年間500億ドルかかる場合があります。
生産の中断を減らすことは、信頼性の高い製品の配送を意味し、顧客のロイヤリティを維持するのにも役立ちます。
以前は、予防保全または修復機器を使用して故障を防止していましたが、予防保守は予防保守よりも効果的です。
私たちの目標は、部品がまだ早すぎるとき(良い状態にあるとき)に、部品が本当に必要なときに交換することではなく、マイレージではなく、レベルやベルトの厚みに基づく自動車のようなものです。メンテナンスサービスを提供する。
製造業者の予測メンテナンス費用は平均9ドル、予防メンテナンス費用は13ドル(44%高い)です。
データ駆動型予測メンテナンス
経験に基づいて、センサを使用してマシンデータを監視および収集し、自動分析を使用して機器の故障がいつ発生するかを判断することで、機器の70%を予測できます。失敗。
バックエンドはまた、新しい部品の発注およびインストールに関連する管理手順を自動的に開始するときにお金を節約する。
たとえば、機械はビット摩耗を感知し、自動的に新しいドリルビットを注文し、技術部門に現場の要員を派遣するよう警告し、新しい部品の購入要求をERPシステムに転送することができます。管理機能により、製造者はより高い効率を保証することができます。
しかし、現場にバックオフィスを接続することは容易ではありません。既存のビジネスプロセスで使用されるマシンはデータを生成する可能性がありますが、データにアクセスして評価する方法が課題です。
物理的操作(デジタル生成)の仮想コピーは、すべてのデータを理解し、情報を想起するためにしばしば必要となります。
意思決定や問題解決を支援する人工知能などの技術を導入し、ネットワークシステムをできるだけ自律的にする必要があるかもしれません。
メーカーの専有情報は秘密にし、データフィルタリングを使用し、ハッカーから財務データや顧客データを保護するためのセキュリティ対策を講じる必要があります。
最も重要なのは、どのデータ管理プラットフォームでも、高性能で信頼性の高い大量のデータを収集、フィルタリング、処理、共有するスケーラビリティが必要であることです。
将来の工場
機械データを使用して高精度IoT予測メンテナンスを実行できる場合、メーカーはデジタル機能を使用して技術的な自己認識などの製品を差別化することに専念することができます。
IoT予測保守を使用して機器の寿命を延ばし、保守手順の効率を高めることで、製造現場の品質だけでなく、資産の保護方法によってメーカの価値を評価することができます。
予測メンテナンスは、将来のプラントの重要な部分であり、製造プロセスを自動化するだけでなく、設備メンテナンスを自動化することで、製造者は新しいレベルの生産性を得ることができます。