Az ipar előrejelző karbantartásának központi eleme 4
Prediktív karbantartás és nagy adatok
Ennek a technológiának a hidegláncban való alkalmazása előnyt jelent az élelmiszeriparban Németországban. Hogyan tudják megakadályozni az érzékelők, a felhő és a hűtőházakban lévő okostelefonok az üzemszüneteket és az erőforrások pazarlását?
Képzeljük el a következő esetet: Különféle Németországban gyártott hűtőházak vannak, amelyekben nagy mennyiségű halat, húst, baromfit és fagylaltot, valamint egyéb, frissen tartandó élelmiszereket tárolnak. Ezeket az ételeket hatalmas hűtőelemekben és hűtőszekrényekben tárolják. Ha egy rendszer meghibásodik, a hús és más áruk gyorsan rothadással fenyegetnek. Akkor a gazdasági kár hatalmas, és az akkor értelmetlenül levágott állatok elvesztése még ijesztőbbé teszi az egészet. Nem csak a meggyőződött vegetáriánusok látják így.
Ma a vállalatok csúcstechnológiával küzdenek egy ilyen forgatókönyv mellett: A prediktív karbantartás, az utóbbi időben az építőiparban is használt kifejezés az óra divatszava.
Előre látható karbantartás - mi ez?
A prediktív karbantartás az Ipar 4.0-ban használt kifejezés, amely lazán lefordítva leírja a gépek vagy épületek "prediktív karbantartását". A módszer a gépek és rendszerek mérési és gyártási adatait használja karbantartási információk levezetésére. A cél a proaktív karbantartás és az állásidő csökkentése. Ideális esetben a gép hibái megjósolhatók a hatások vagy meghibásodások előtt. A meghibásodás tényleges előfordulását a korai vagy proaktív karbantartási intézkedésekkel kell megakadályozni.
A prediktív karbantartás elve alkalmazható hűtőkamránk példáján is: a hőmérséklet-szabályozott helyiség olcsó, a hidegre érzéketlen érzékelőkkel van felszerelve. Valamennyi fagyasztó, hűtőszekrény és hűtő szoba össze van kapcsolva a tárgyak internetéhez csatlakoztatott érzékelőkkel. Többek között mérik az értékeket: hőmérséklet, páratartalom, rezgésintenzitás, zajintenzitás vagy áramerősség. A Németországban gyártott IoT megoldás célja a technikai hibák és problémák minimalizálása, és ha mégis előfordulna, azonnal felismerje őket, és figyelmeztetést küldjön az illetékes karbantartó személyzetnek.
Esettanulmány az IoT és az érzékelők használatáról
Probléma:
A következő eset fordul elő: A láda kiürül, és a tartalmát kiszállítják. Az újratöltés általában időbe telik. A tárhely és az idő, vagyis a pénz elvész.
Megoldás:
A súlyérzékelők regisztrálják a fogyást, és automatikusan jelzik a problémát az érzékelőkön keresztül a felhőbe, majd közvetlenül a logisztikai csapat okostelefonjára: "Súlycsökkenés az 1. mellkasban - kérjük, töltse fel újra.".
Ily módon a tárolókapacitások mindig pontosan kimerülnek, és a megtakarítási lehetőségeket felismerik és optimálisan használják fel.
A Made-in-Germany technológia egy másik alkalmazása
Probléma:
Ugyanaz a forgatókönyv, más érzékelő: az elektromos hálózat és így a hűtőrendszer hideg lánca gyakran meghibásodik előre nem látható feszültségingadozások esetén.
Megoldás:
Hasonló, de némileg módosított megoldás lenne itt lehetséges: az összes fagyasztóban lévő érzékelők folyamatosan mérik, hogy melyik fagyasztó van bekapcsolva. A kapott adatokat elküldik a felhőbe. Ezekből az értékekből egy mesterséges intelligencia (KI/AI) kiszámítja, hogy hány fagyasztót lehet bekapcsolni, mikor és milyen sorrendben, hogy az áramhálózat és ezáltal a hideglánc még az úgynevezett csúcsok alatt is fenntartható legyen. A bosszantó és mindenekelőtt a költséges bontások csökkennek. A „nincs meghibásodás” státusz végső soron alacsonyabb karbantartási költségeket és további pénzügyi költségeket sem jelent a rendszer tárolókapacitásának elzáródása vagy túlterheltsége miatt. Ezenkívül minden bekövetkező kár azonnal felderíthető és orvosolható.
Prediktív karbantartás és nagy adatok
Az előrejelző karbantartás az Ipar 4.0 alapvető eleme - egyébként ez a kifejezés a szövetségi kormány kutatási szakszervezetére nyúlik vissza, és annak csúcstechnológiai stratégiájában ugyanez a név volt. Fontos tudni, hogy ez a karbantartási gyakorlat eltér a hagyományos megközelítésektől, például a reaktív vagy a megelőző karbantartástól. A prediktív karbantartás megbízható előrejelzése érdekében nagy mennyiségű adat (nagy adat) gyűjtésére, tárolására és elemzésére van szükség. A hatalmas adatfolyamok miatt a nagy adatkörnyezetből származó technikákat és adatbázisokat használják.
Ha átgondolja ezeket a forgatókönyveket, számos alkalmazási példát találhat az érzékelők számára, amelyeket intelligensen, azaz kommunikációképesen tervez, és összekapcsolja a felhővel és elemző eszközökkel.