Praktik Terbaik Pemeliharaan Prediktif | Senseye

Dengan peningkatan penekanan pada pemeliharaan prediktif yang dilihat sebagai salah satu tren utama yang akan mendominasi manufaktur pada tahun 2021 dan seterusnya, bagaimana seharusnya produsen mulai mengatasi tantangan menilai dan menanggapi wawasan kesehatan mesin?

Dalam film ini, Alexander Hill dan Rob Russell dari Senseye bergabung dengan Jim Davison dari Make UK dan Dr. Hannah Edmonds dari Pusat Teknologi Manufaktur untuk mengeksplorasi praktik terbaik yang memberikan manfaat maksimal dari pemeliharaan prediktif, dan bagaimana pengetahuan spesialis pemantauan kondisi dan insinyur keandalan dapat didemokratisasi untuk memungkinkan pemeliharaan prediktif dilakukan secara berkelanjutan dan dalam skala besar.

Transkrip

Alexander Hill, Senseye:Pemeliharaan prediktif akan menjadi fokus perusahaan manufaktur dan industri tahun ini, dan beberapa tahun ke depan. Itu harus. Untuk menikmati peningkatan efisiensi ini, menghemat uang, dan memungkinkan hal-hal seperti kerja jarak jauh dan pemeliharaan jarak jauh, pemeliharaan prediktif adalah komponen yang sangat penting.

Rob Russell, Senseye:Kasus penggunaan utama untuk pabrik pintar dan digitalisasi telah dibangun di dalam dan di sekitar pemeliharaan prediktif. Ada tingkat pengetahuan domain yang diperlukan, pertama-tama untuk memahami cara mendapatkan jenis informasi yang tepat dari mesin, kemudian juga bagaimana menggunakannya dalam konteks pemeliharaan.

Jim Davison, Make UK:Para insinyur pabrik tradisional cenderung seperti saya, dengan rambut beruban, mendekati akhir karir mereka. Merupakan tantangan bagi kami untuk merekrut generasi penerus untuk memenuhi peran tersebut. Dengan menerapkan hal-hal seperti teknologi pintar, ini benar-benar membawa elemen yang sangat menarik ke dalam peran yang orang-orang tidak akan kenal sebelumnya.

Rob Russell, Senseye:Saat melihat tantangan tentang cara merespons keluaran, terkait dengan kesehatan alat berat, Anda masih harus mendekatinya dengan kebijakan dan praktik teknik yang baik. Sumber data dan identifikasi masalah awal yang Anda miliki dalam mesin yang memungkinkan pemeliharaan prediktif terkadang mendeteksi tahap awal kegagalan yang cukup halus.

Tim pemeliharaan akan mulai mencari cara untuk mendukung temuan mereka dan juga memahami bahwa deteksi dini memberi mereka rentang waktu yang jauh lebih besar. Hal ini memungkinkan mereka untuk melakukan perencanaan dan investigasi ketika produksi tidak membutuhkan mesin dan kemudian juga merencanakan perawatan di tahap selanjutnya, ketika mesin mati lagi dan tidak akan ada dampak produksi.

Dr. Hannah Edmonds, Pusat Teknologi Manufaktur:Sebagai bagian dari program yang lebih besar yang pernah saya ikuti, kami memiliki banyak elemen produksi yang berbeda bersama-sama, banyak analitik berbeda yang terjadi - kemampuan untuk menggabungkannya memberi kami nilai tambah.

Kami menggunakan analisis otomatis Senseye untuk mendiagnosis masalah dalam sistem produksi dan mengidentifikasi sisa masa pakai mesin yang berguna. Kami dapat memvisualisasikannya melalui program tambahan, tetapi kami juga menggabungkannya dengan sistem manajemen pemeliharaan terkomputerisasi, untuk menjadwalkan tugas pemeliharaan.

Alexander Hill, Senseye:Kami tidak ingin mengganti teknisi pemantauan kondisi dan spesialis keandalan. Kami hanya ingin memastikan bahwa waktu mereka digunakan dengan sangat efektif karena mereka akan sering melihat puluhan ribu aliran data dan mencoba memahami mana yang penting. Itu pekerjaan yang sangat melelahkan, sangat sulit untuk dilakukan.

Cara kami menangani masalah ini adalah dengan mengotomatisasi, sebanyak mungkin, peran tradisional teknisi pemantau kondisi yang melihat ribuan titik data dan mencoba pahami mana yang penting.

Kami tidak perlu secara manual membuat dan mengubah model, teknologi dan algoritme kami yang dipatenkan memungkinkan kami untuk mengotomatiskan seluruh proses tersebut.