Így kerülhető el az üzemleállás
A váratlan gépi állásidő minden termelésirányító rémálmai közé tartozik. A megelőző karbantartás megbízható gyakorlati módszer a költséges üzemleállások gyakoriságának csökkentésére.

Egy hirtelen bekövetkező üzemleállás végzetes és emellett rendkívül költséges lehet. Fennáll annak is a kockázata, hogy a gépen esetlegesen rosszul elvégzett beállítások miatt akár jóval a várható élettartam előtt véglegesen meghibásodhatnak az alkatrészek. Különösen az éjjel-nappal gyártó üzemek esetében jelent rendkívül magas költségeket a gépek működéséből kieső minden egyes óra. A Bosch Rexroth Online Diagnostics Network Hálózata (ODiN) szolgáltatáscsomag érzékelők, felhőalapú alkalmazások és gépi tanulási módszerek kölcsönhatásán keresztül biztosítja a modelleken alapuló üzemi körülmények monitorozását és a megelőző karbantartási tevékenységek elvégzését.

Algoritmussal felügyelik

A betanulási időszak során egy gépi tanulási algoritmus figyelemmel kíséri a gép, berendezés vagy gépcsoport különböző – például nyomás, áramlás, rezgés, hőmérséklet és olajminőség – érzékelőinek jeleit, majd ezek alapján határozza meg a gép normál (optimális) állapotát. A betanulási időszak után az online rendszer az adatokra alapozott modell segítségével végzi a monitorozott gép vagy gépcsoport állapotának folyamatos kalkulációját.

Nem eredményez feltétlenül hamis figyelmeztetést az, ha egyetlen mért érték rövid időre a tűréshatáron kívül esik, mivel a kopás ritkán mutatható ki csupán egyetlen jelből. A gép megváltozott viselkedése nyomán azonban a rendszer problémára figyelmeztet, amennyiben a több érzékelőből származó adatok előírt határértéken belüli megváltozása miatt romlik az állapotindex. A kalkulált állapotindex nemcsak a monitorozott gépcsoport állapotát jelzi, hanem a gépcsoport előtt és után elhelyezkedő mechanikus vagy hidraulikus rendszerek fokozatos változásait is. Ha az idő múlásával a mozgások elindulása tovább tart vagy több energiát igényel, akkor ez a mechanikus vagy hidraulikus rendszer kopását jelzi.

Prediktív analitikával a kiváló karbantartásért

Gépi tanulás és big data

A prediktív analitika alkalmazhatósága érdekében megfelelő infrastruktúrát kell biztosítani az óriási méretű adathalmazok tárolásához, elemzéséhez és megjelenítéséhez. Ez többek között gépi tanulás és trendelemzés alkalmazását teszi szükségessé. Az IoT terén a jövőbeni üzleti modellek sikeréhez létfontosságú a nagy adathalmazok rendelkezésre állása. Ez az abszolút kulcs a hagyományos adatfeldolgozó kapacitásokat meghaladó mennyiségű adat kezeléséhez. A prediktív analitika végzésének másik alapvető elemét a gépi tanulás jelenti – ezzel az MI- (mesterséges intelligencia) módszertannal szerzett tapasztalatok alapján biztosítható a tudás.

Ez teszi lehetővé, hogy a gépek – az emberekhez hasonlóan – képesek legyenek nagy mennyiségű mintaadatból tanulni, vagyis felismerni a hasonló adatsémákat, és azonosítani a nem hasonló sémákat. A tanulási folyamat során a gép megkapja a könyvtárak felépítéséhez és a sémák felismeréséhez szükséges mintaadatokat. Ezekkel a modellekkel történik az új adatok meghatározott kategóriákba rendezése. A modellek minden egyes adatkészlettel egyre tökéletesebbek lesznek. A gépi tanulás rendkívül bonyolult feladatokat (például dinamikus adatok elemzését, sokféle paraméter osztályozását stb.) képes elvégezni az ember helyett. A gépi tanulásra alapozott rendszerek gyorsabbak, pontosabbak és automatizáltak.

Gépi tanulás és big data

Adatvédelem mindenekelőtt

A mesterséges intelligencia akkor működik jól, ha rengeteg adat áll rendelkezésére, és azok több forrásból is gyűjthetők. Ehhez kapcsolódóan azonnal felmerül a biztonság kérdése is. Ha az információk illetéktelen kezekbe kerülnek, az komoly károkat okozhat a vállalat számára. Az adatkezeléssel kapcsolatos félelmek legfőképpen azért alakulhattak ki, mert a vállatoknál gyakori az a tévhit, hogy a felhőben tárolt adatok könnyen eltulajdoníthatók. A Bosch Rexroth élen jár a kiberbiztonságban. Az adatlopás megelőzése érdekében a vállalat magas biztonsági szintű hálózati kapcsolatot biztosít, és igény szerint helyi szerveren történő adattárolással is támogatja ügyfeleit.

Rendszerszintű távdiagnosztikai megoldások

Tervezett állásidő: kevesebb költség

A hidraulikus présrendszereket sokféle különálló, de összehangoltan működő gép, készülék vagy eszköz alkotja. Egyik fontos részük a hidraulikus tápegység, amely esetében többek között a villanymotor, a hidraulikus szivattyú, a munkafolyadék és a szűrők állapotának figyelése történik.

A mélyhúzó présgépek főhengereinek karbantartása roppant időigényes folyamatot jelent, ezért minden váratlan állásidő nagy költségekkel jár. A karbantartás tervezhetőségéhez tehát érdemes az ODiN használatával monitorozni a présrendszert, azon belül például a préselés sebességét, a nyomást, a pozicionálás pontosságát. Mindezek mellett további információt nyerhetünk a hengerek, tápegységek, szelepek aktuális értékeinek megfigyeléséből. A szerzett információknak köszönhetően ugyanis időben felkészülhetünk a henger cseréjére, amely így a tervezett állásidő alatt elvégezhető. Mindez gyorsabb karbantartást és alacsonyabb (kapcsolódó) költségeket eredményez.

Az első lépés a megelőzés felé

A legegyszerűbb módszer az adatgyűjtésre és vizualizációra a Bosch Rexroth saját fejlesztésű adatgyűjtő rendszerének, a ConnectivityKitnek a használata. Az adatokat egyszerű, állapotra vonatkozó jelzésekkel (zöld-sárga-piros színek logikája mentén) magán az eszközön is láthatóvá lehet tenni, de lehetőség nyílik arra is, hogy azokat decentralizált módon feldolgozzák, az eredményeket pedig elküldjék, majd egy webes felületen jelenítsék meg. Ezekből az eredményekből a karbantartók online láthatják a gép aktuális üzemelési értékeit, az információkból pedig tervezhetővé válik a karbantartás, és megelőzhető a nem kívánt gépleállás. A távdiagnosztikai rendszer webes felületének köszönhetően bárhol, bármikor láthatók az adatok, a megjelenítés egy online műszerfalhoz hasonló.

A Bosch Rexroth minden esetben testreszabott megoldásokat valósít meg ügyfelei számára, melyeket összetett, rendszerszintű, célorientált koncepció alapján alakít ki. A megelőző karbantartáshoz kínált i4.0 megoldások hosszú távon biztosítják, hogy az ügyfelek gépei és berendezései időtállóan működjenek.

Cikkünk eredetileg a GyártásTrend magazin novemberi lapszámában jelent meg.