Трансформация обслуживания с IoT-датчиками: прогнозное превосходство

 

Обслуживание меняется. Быстро.

Прогнозное обслуживание эволюционирует почти почасово.

Как и остальной мир, обслуживание становится связным и взаимосвязанным одновременно. Датчики распространяются далеко и широко по промышленному ландшафту невероятным темпом.

Вольты, амперы, нули и единицы текут туда-сюда через миллионы и триллионы кабелей и беспроводных соединений — доставляя данные, информацию и ценность современным организациям, требующим операционного превосходства.

Интернет вещей (IoT) теперь промыслился (ППВ) и движет 4-й промышленной революцией — Индустрией 4.0 — прямо перед нашими глазами.

Интернет вещей — видение, где каждый объект в мире имеет потенциал подключиться к интернету и предоставлять свои данные для получения действенных инсайтов самостоятельно или через другие связанные объекты. Enterprise IoT: A Definitive Handbook by N. Balani

 

Традиционное обслуживание эволюционирует в информированные, данные-ориентированные, цифровые и динамические стратегии, где интеллектуальные решения принимаются на основе здоровья и производительности активов — а не догадок, предположений или рекомендаций поставщиков.

Критические данные активов отправляются в алгоритмы машинного обучения, прогнозные модели и облачное ПО, автоматизирующие процесс интеллектуального принятия решений и в конечном итоге повышающие шансы на высокую надежность и доступность активов.

И IoT-датчики — ключ к этому интеллекту.

Интеллект обслуживания в достижимости вашей организации.

С чего начать с ППВ?

Будь вы небольшим производителем популярного крафтового пива или мультинациональным нефтехимическим заводом, IoT-датчики и прогнозное обслуживание (PdM) теперь доступны. Они больше не прерогатива крупных, глобальных, казнатейших корпораций.

Железо и ПО доступны и доступны всем.

Если вы активо-интенсивная организация, ищущая интеллектуальное принятие решений и анализ данных в реальном времени, начните путь к прогнозному обслуживанию. Конкурентное преимущество будет вашим. McKinsey* заявляет, что к 2025 году положительное экономическое влияние IoT на заводы США составит от $1.2 до $3.7 трлн.

Трудно игнорировать.

Устойчивый рост интереса к «прогнозному обслуживанию» в Google Trends.

 

Прогнозное обслуживание — также известное как мониторинг состояния — имеет ключевые техники и технологии, позволяющие анализ здоровья и состояния активов в реальном времени. Они обнаруживают и диагностируют надвигающиеся проблемы оборудования для вашей организации, предоставляя действенные инсайты и прогноз оставшегося ресурса системы, актива или компонента.

И знаете, что это значит?

Поняли!

Центральные цели доставки ценности в управлении активами: снижение организационных рисков и затрат и увеличение производительности активов.

 

Ключевые технологии и датчики ИоТ для прогнозного обслуживания

Есть 5 ключевых технологий в прогнозном обслуживании.

Хотя эти проактивные технологии имеют разные типы датчиков и устройств мониторинга в реальном времени, все они подходят для ППВ и Индустрии 4.0 и неизбежного марша к цифровому и взаимосвязанному миру.

Вибрационный анализ

Эта технология — лучший универсал. Охватывает много потенциальных проблем активов и лучше подходит для вращающегося оборудования.

У вас, наверное, много таких, верно?

Зрелая технология PdM, использующая акселерометр для измерения вибрации актива. Датчик может передавать сигналы на серверы по кабелям или беспроводно через сотовые сети или Wi-Fi.

Серьезность вибрации трендируется и может меняться во времени.

Когда уровни вибрации растут и превышают предустановленные тревожные уровни, это часто указывает на ухудшение актива или компонента.

И серьезные последствия могут последовать без вмешательства обслуживания.

Частые дефекты, обнаруживаемые вибрационным анализом:

• Дисбаланс
• Невыравнивание
• Резонанс
• Износ подшипников
• Повреждение зубьев шестерен
• Кавитация

Но полный список может быть обширным.

 

Источник: www.emerson.com

 

Эта начальная фаза — обнаружение. Получение раннего предупреждения от технологии. Алгоритмы ПО помогут идентифицировать конкретный режим отказа, у каждого своя уникальная вибрационная подпись или частота — это фаза диагноз. Прогнозные модели помогут в фазе прогноз. Это для определения оставшегося ресурса компонента.

 

Инфракрасная термография

Тепловизионная съемка использует передовые камерные электронные компоненты, чтобы «видеть» и измерять более длинные волны электромагнитного спектра. Здесь мы можем «видеть» тепло или тепловую энергию, излучаемую любым объектом. В вашей организации это может быть насос, мотор, сосуд, котел, здание, бак, двигатель или что угодно!

Изменения температуры часто особенно хорошие индикаторы надвигающегося отказа или неисправного процесса.

Инфракрасная термография может обнаружить ряд проблем и режимов отказа. Это может включать:

• Отказы электрических кабелей / изоляции
• Ослабленные электрические соединения и стыки
• Утечки газа
• Невыровненные нагрузки
• Перегрев коллекторов
• Поврежденная или отсутствующая изоляция
• Изношенные огнеупоры
• Изношенные подшипники
• Невыравнивание муфт
  

Источник: www.novatestpro.com

 

Хотя раньше это был дорогой вариант PdM, теперь это доступно, компактно и просто в использовании. Связность с ППВ теперь легко достижима вместе с постоянным онлайн-мониторингом ряда промышленных систем и активов.

Анализ масла

Помимо использования для смазок, эта PdM-технология преимущественно используется для оценки состояния смазочного масла, внешних загрязнений и частиц износа внутренних компонентов.

Эти три области могут требовать отдельных или частично интегрированных датчиков, но мониторинг состояния масла может означать разницу между длительным простоями и полным производством на критичных системах.

Смазки — жизненная кровь вращающихся активов, и когда кровь идет плохо… актив не отстанет далеко.

Источник: www.ph.parker.com

 

Анализ масла может выявить многие режимы отказа, включая:

• Изношенные подшипники
• Повреждение зубьев шестерен
• Исчерпание добавок смазки
• Низкая вязкость масла
• Попадание топлива
• Лакирование
• Попадание грязи
• Загрязнение водой

Есть несколько типов онлайн-датчиков анализа масла для разработки IoT-подхода. Включают датчики здоровья масла, видимо-ближнеинфракрасные датчики и оптические детекторы частиц.

Помните, масло — жизненная кровь.

Берегите его.

Анализ сигнатуры тока двигателя

MCSA в основном фокусируется на мониторинге здоровья и состояния асинхронных двигателей переменного тока.

Но учитывая, что эти активы так обширны и повсеместны во всех отраслях, есть внутренняя ценность в обеспечении их надежности и доступности.

Если они не крутятся, колеса промышленности не крутятся.

 

Для инженеров распознавание сигнатур токовых неисправностей двигателя требовало бы значительной экспертизы и опыта, но современные инструменты MCSA берут это на себя. Онлайн-система дает автоматизированную интерпретацию с помощью мощных ИИ-алгоритмов, обнаруживающих и диагностирующих надвигающийся отказ в асинхронных двигателях и насосах. www.semioticlabs.com

 

MCSA использует измерения тока (и напряжения) двигателя для обнаружения ряда режимов отказов или неисправностей в напряжении питания и компонентах двигателя: статоре, роторе, клеммном ящике.

Источник: www.signaguard.com

 

Ультразвуковой контроль

Эта технология обнаруживает воздухопередаваемые и структурно-передаваемые ультразвуковые излучения. Они неслышимы человеком и обычно выше 20 кГц. Благодаря передовым электронным компонентам эти звуки могут быть гетеродинированы и сделаны слышимыми, позволяя нам слышать механическое трение, турбулентность и удары.

Ультразвук имеет ряд применений и может обнаружить много режимов отказа, включая:

• Электрическая корона и дуговые разряды
• Обнаружение утечек
• Неисправные клапаны
• Дребезг электрических контактов
• Изношенные подшипники
• Дефекты зубьев шестерен
• Нехватка смазки
• Неисправные конденсатоустройства

 

Источник: www.uesystems.com

 

Очень хорошо подходит для раннего обнаружения дефектов в качающихся подшипниках.

В контексте ППВ-применений в промышленности, самыми распространенными ультразвуковыми датчиками являются для обнаружения структурно-передаваемых дефектов. Это значит, что они чаще всего используются для обнаружения частых проблем подшипников: поврежденные дорожки, дефектные шарики или ролики, нехватка смазки, усталость.

Этот обзор ключевых технологий и датчиков ППВ для прогнозного обслуживания показал, что есть несколько вариантов дать нашим организациям конкурентное преимущество в быстро меняющемся ландшафте обслуживания.

Если мы хотим принимать данные-ориентированные и интеллектуальные решения об наших вмешательствах в обслуживание, мы можем это сделать!

Связность и будущее прогнозного обслуживания в нашей досягаемости.

Читать далее: Полное руководство по ППВ в обслуживании

 

* https://www.mckinsey.com/business-functions/mckinsey-digital/our-insights/the-internet-of-things-the-value-of-digitizing-the-physical-world#