مسیر پیش بینی خرابی تجهیزات با استفاده از هوش مصنوعی
مسیر پیش بینی خرابی تجهیزات با استفاده از هوش مصنوعی
مراحل عملیاتی در پیش بینی خرابی تجهیزات:
پیش بینی خرابی باید برای تجهیزاتی مورد استفاده قرار بگیرد که بهره اقتصادی آن شفاف بوده و بازگشت سرمایه آن قابل توجه باشد. از جمله مراحلی که باید در پیش بینی خرابی تجهیزات رعایت شود شامل موارد ذیل می باشد:
مرحله اول: داراییهای (تجهیزات) بحرانی شناسایی شود:
داراییهای بحرانی در یک واحد تولیدی دارای ویژگیهای زیر میباشد:
- هزینه تعمیرات بالا
- فرکانس خرابی بالا
- تاثیر اساسی بر فرآیند تولید و تولید محصول
به عنوان مثال در نیروگاه توربین یک تجهیز حساس و بحرانی میباشد، چراکه توقف آن باعث توقف تولید برق میشود.
مرحله دوم: تعریف مد خرابی در تجهیز بحرانی انتخاب شده:
بعد از شناسایی تجهیز بحرانی برای واحد تولیدی در این مرحله باید مد خرابی آن شناسایی شود، چرا که تجهیزات مختلف مد خرابی متفاوتی با هم دارند، به عنوان مثال یک پمپ با خراب شدن بلبرینگها از کار میافتد و از طرفی یک مرکز داده با افزایش دما از کار میافتد.
مرحله سوم: انتخاب سنسور
انتخاب سنسورهای مورد استفاده وابسته به نوع مد خرابی تجهیز میباشد. در ذیل برخی از سنسورها که برای مانیتورینگ استفاده میشوند ارائه شده است.
- سنسور دما
- سنسور جریان
- آنالیزور صدا
- Vibration Sensor
مرحله چهارم: اتصال سنسورها به تجهیزات اینترنت اشیاء برای انتقال دادهها به ابر یا Edge Computing
سنسور ماشین الات به دستگاههای اینترنت اشیاء وصل میشوند و دادهها را به صورت آنلاین به ابر یا Edge computing انتقال میدهند.
در ابر دادههای انتقال داده شده از ماشین الات مورد پردازش قرار گرفته و رفتار ماشین را نشان میدهد. Bluetooth, Zig-bee, GPRS از جمله تکنولوژیهای انتقال دادهها به ابر میباشند.
مرحله پنجم: توسعه الگوریتم پیش بینی
از دادههای تولید شده در ماشین آلات میتوان برای توسعه و بهبود الگوریتمهای یادگیری ماشین استفاده کرد، این الگوریتمهای میتوانند برای پیش بینی طول عمر تجهیزات و همچنین برای تشخیص خرابی در آنها مورد استفاده قرار بگیرند.
مرحله ششم: استقرار سیستم
بعد از آماده شدن الگوریتم و توانایی در دریافت دادهها میتوان برنامه توسعه داده شده را در ابر یا edge computing device جهت بهرهبرداری مستقر کرد.
اهمیت تعمیرات پیش گیرانه:
در روند تعمیرات مرسوم بیشتر به تجهیزات و ماشین الات گران قیمت (مانند چیلر و …) توجه میشود و تجهیزات ارزان قیمت تر مانند پمپها، فنها و … کمتر جهت تعمیرات پیشگیرانه مورد توجه قرار میگیرند درصورتی که همه آنها با هم میتوانند هزینه و تلفات انرژی بالایی را به واسطه شرایط غیر نرمال خود بر سیستم تحمیل کنند.
توقف واحدهای عملیاتی در شرکتهای نفت و گازی حکم مرگ برای آن شرکتها را دارد.توقف غیر برنامه ریزی شده به مدت 3.65 روز در این صنعت هزینهای معادل 5.037 میلیون دلار را به همراه خواهد داشت.سازمانهای نفت و گازی غیردریایی به صورت میانگین سالانه 27 روز توقفات غیر برنامه ریزی شده را تجربه میکنند. یکی از دلایل استفاده از تعمیرات پیشگیرانه، شناسایی تجهیزات قبل از رخ دادن خرابی در آنها میباشد.
طبق مطالعات انجام شده در McKinsey&Co تعمیرات پیشگیرانه میتواند 30 الی 50 درصد از توقفات بدون برنامه را کاهش داده و همچنین طول عمر ماشینآلات را 20 الی 40 درصد افزایش دهد. طبق گزارش McKinsey یک شرکت نفت و گازی Offshore از روش پیش بینی تعمیرات جهت کاهش 20 درصدی توقفات غیربرنامه ریزی شده استفاده کرد و نتیجه آن افزایش 500 هزار بشکهای در تولید سالانه بوده است.
منبع