Solusi IoT berbasis AI memperluas pemeliharaan prediktif di seluruh lini produksi
Brad Hopkins dari HID Global
Secara historis, penggunaan solusi pemantauan kondisi untuk pemeliharaan prediktif telah dibatasi untuk peralatan misi penting bernilai tinggi, membuat rata-rata 85% peralatan fasilitas produksi rentan terhadap waktu henti dan perbaikan yang tidak terduga yang mahal.
Masalah dengan solusi hari ini, kata Brad M. Hopkins, direktur Manajemen Produk Pemantauan Kondisi dengan HID Global , adalah bahwa mereka tidak selaras dengan persyaratan pabrik atau dianggap sangat mahal untuk diterapkan di seluruh fasilitas.
Sekarang, solusi pemantauan kondisi kelas baru menggabungkan teknologi Internet of Things (IoT) berbiaya rendah dan berdaya rendah dengan analitik cloud berbasis Artificial Intelligence (AI) untuk mengurangi biaya dan kompleksitas penerapan pemeliharaan prediktif di seluruh armada aset.
Biaya kegagalan yang tinggi
Meskipun motor umumnya dikategorikan sebagai kritis/mahal, semi-kritis, atau bagian dari “balance of plant” (BoP), kenyataannya adalah bahwa semua peralatan secara operasional kritis. Terlepas dari kategori peralatan mana yang gagal dan menyebabkan waktu henti, biaya per jam terkait berpotensi berkisar dari US$30.000 di pabrik pengolahan makanan hingga US$87.000 di industri petrokimia dan hingga US$200.000 di pabrik otomotif.
Kegagalan juga dapat menimbulkan biaya perbaikan dan penggantian tenaga kerja dan peralatan lainnya di seluruh armada aset ratusan atau ribuan motor BoP. Ada juga biaya kerugian produksi pabrik yang perlu dipertimbangkan ketika kegagalan berdampak pada jadwal dan perjanjian tingkat layanan produksi (SLA) atau memperpanjang jaminan simpanan.
Risiko ini dapat dimitigasi menggunakan solusi pemantauan kondisi berbasis IoT yang mengintegrasikan sensor berbiaya rendah dan berdaya rendah ke dalam platform komunikasi nirkabel dengan kemampuan analitik cloud yang digerakkan oleh AI. Pendekatan ini mengurangi biaya dan hambatan penerapan untuk memindahkan pemeliharaan dari pendekatan reaktif atau preventif ke pendekatan yang lebih berbasis pengetahuan dan prediktif yang mencakup seluruh lini produksi.
Pemantauan kondisi baru
Model Penerapan
Solusi berbasis AI saat ini berbasis IoT menggunakan sensor berbiaya rendah yang mudah dipasang, sehingga layak secara ekonomi untuk menggunakan pemantauan kondisi di seluruh lini produksi aset termasuk motor BoP. Solusi tersebut menggunakan algoritme dan analitik data untuk membantu menentukan kondisi aset dan memprediksi masalah atau kegagalan, dan mereka memanfaatkan mesin kebijakan yang kuat untuk mengidentifikasi dan memperingatkan pengguna tentang masalah yang akan segera terjadi secara real time.
Tidak seperti solusi pemantauan kondisi tradisional, penawaran berbasis IoT tidak memerlukan infrastruktur kabel, server, atau antena, dan lebih mudah untuk diintegrasikan ke dalam inspeksi, pemeliharaan, dan praktik operasi manajer pabrik di beberapa armada aset. Suar Bluetooth Low Energy (BLE) dengan sensor getaran dan suhu dipasang di setiap aset dan digunakan untuk deteksi aktif/nonaktif dan pemantauan siklus tugas, suhu, dan getaran secara real-time.
Beacon menggunakan pemrosesan tepi untuk menghitung metrik kesehatan mesin guna membantu mengurangi jumlah data yang dikirimkan melalui gateway Bluetooth-ke-WiFi ke cloud, tempat analisis lebih lanjut dilakukan. Hal ini juga memungkinkan pengumpulan data yang lebih sering, memberikan visibilitas hampir real-time ke status getaran alat berat dengan data baru setiap dua menit.
Setelah periode pelatihan awal untuk mempelajari perilaku getaran dasar untuk setiap aset tempat suar dipasang, solusinya menghasilkan model aktivitas normal. Kemudian menggunakan mesin kebijakan untuk mengidentifikasi penyimpangan yang signifikan dari baseline ini dan memberi tahu organisasi tentang perubahan ini untuk membantu mereka mengambil langkah-langkah untuk mengurangi waktu henti. Mulai saat ini, manajemen pabrik memiliki alat penting untuk meningkatkan pemeliharaan proaktif, inspeksi, dan strategi operasi serta membuat keputusan yang lebih baik tentang tindakan yang harus diambil.
Alat pengaktifan pemeliharaan prediktif ini dikirimkan melalui langganan software-as-a-service (SaaS) berbasis cloud. Hal ini memberikan fleksibilitas yang lebih besar bagi organisasi untuk menerapkan kemampuan yang mereka butuhkan, saat mereka membutuhkannya — mulai dari manajemen armada dasar untuk konfigurasi perangkat keras jarak jauh melalui pemantauan status peralatan yang lebih mendalam hingga berbagai pemantauan kondisi lanjutan termasuk deteksi kesalahan untuk peringatan berbasis AI .
Keberhasilan Awal
Produsen di berbagai industri menyadari manfaat berharga dari mengadopsi solusi pemantauan kondisi berbasis IoT menggunakan analitik cloud yang digerakkan oleh AI. Sebagai contoh, salah satu produsen baja terbesar di dunia memantau suhu dan getaran motor di lingkungan 70 hingga 80 derajat Celcius untuk meningkatkan strategi pemeliharaan prediktif mereka dan mengurangi waktu henti peralatan yang tidak direncanakan di seluruh pabrik.
Solusi ini sering kali menemukan masalah yang terlewatkan selama pemeriksaan.
Sebuah pabrik farmasi terkemuka diperingatkan untuk masalah seperti itu, yang ditempatkan di bawah pengamatan karena tidak dapat divalidasi secara visual (lihat Gambar 1). Peringatan dipicu kembali dalam waktu seminggu, yang mengarah ke pemeriksaan menyeluruh dengan bandwidth tinggi, instrumentasi tingkat lab, dan pemrosesan data tingkat lanjut. Degradasi telah dikonfirmasi, dan pabrik melakukan perbaikan yang diperlukan untuk mencegah waktu henti yang tidak direncanakan yang mahal.
Secara tradisional, pabrik belum menerapkan solusi pemantauan kondisi pada peralatan selain yang paling mahal atau misi-kritis. Sekarang, dengan peningkatan visibilitas baru ini di seluruh lini produksi, organisasi dapat menggagalkan waktu henti yang tidak direncanakan dan perbaikan tak terduga, penggantian peralatan, dan persyaratan tenaga kerja terkait yang terkait dengan sebagian besar armada mereka.
Dengan menggabungkan suar Bluetooth dengan mesin analitik berbasis AI berbasis cloud, solusi terbaru mengatasi tantangan ini dengan cara yang sangat berbeda dari sebelumnya. Mereka memberi organisasi cara cepat dan mudah untuk mengumpulkan dan memantau data yang dapat ditindaklanjuti yang mereka butuhkan untuk program pemeliharaan prediktif di seluruh pabrik dan operasi keseluruhan yang lebih cerdas.
Penulisnya adalah Brad M. Hopkins, direktur Manajemen Produk Pemantauan Kondisi dengan HID Global.
