IoT Untuk pemeliharaan Prediktif
Atau lebih tepatnya bagaimana Industri Internet of Things membantu Predictive Maintenance (memelihara mesin sebelum rusak dan menyebabkan waktu henti).
Bukan rahasia lagi bahwa pemeliharaan prediktif adalah subjek yang rumit. Gagasan untuk dapat memelihara mesin Anda, tepat sebelum mesin tersebut hampir rusak merupakan kasus yang ideal karena sejumlah alasan:
- Tidak perlu menyimpan stok suku cadang
- Anda menghindari perawatan peralatan yang berlebihan (mahal)
- Anda menghindari kegagalan dan memiliki gagasan yang baik tentang kondisi mesin yang sebenarnya
Biasanya pabrikan akan menentukan Mean Time Between Failures (MTBF) atau Mean Time To Failure (MTTF). Meskipun terdengar serupa, ada perbedaan bahwa MTTF umumnya digunakan untuk mengukur sistem yang tidak dapat diperbaiki. Pemeliharaan akan dilakukan secara berkala pada waktu yang kurang dari Waktu Rata-Rata Antara Kegagalan. Secara statistik ini harus memastikan bahwa kegagalan 'tidak pernah' terjadi karena Anda selalu mempertahankan dan 'mengatur ulang' periode MTBF, sayangnya itu tidak benar-benar berfungsi seperti itu di dunia nyata.
Pemeliharaan prediktif bisa sesederhana operator terampil yang mendengar sesuatu yang berbeda tentang alat berat yang ia gunakan sehari-hari tetapi ketika kita membicarakannya dalam konteks IoT Industri. Kita berbicara tentang menggunakan pemantauan in-situ yang konstan dari banyak variabel seperti getaran, suhu, tekanan, arus, dll. tergantung pada situasinya – ini disebut indikator kondisi. Pemantauan in-situ biasanya berupa perangkat penginderaan dan pemrosesan kecil berbiaya rendah dengan koneksi ke internet – mengalirkan data ke cloud.
Keunggulan IIoT adalah kami dapat memantau parameter kompleks ini dengan murah dan mudah – tanpa memerlukan pemeriksaan manual.
Jadi kita bisa memantau semuanya dengan mudah tapi apa maksudnya? Dengan prognostik tingkat lanjut (mencari tahu kapan mesin akan gagal sebelum rusak, berdasarkan indikator penggunaan dan kondisinya), kita dapat beralih dari perawatan sederhana berbasis MTBF / MTTF. Itu berarti berpotensi menghemat uang (produsen akan konservatif dan condong ke arah pemeliharaan yang berlebihan) tetapi yang terpenting memiliki informasi kualitas yang lebih baik tentang apa yang perlu dipertahankan dan mengapa.
Ingin mempelajari lebih lanjut tentang produk diagnostik, prognostik, dan pemantauan kondisi kami yang baru dan mudah digunakan untuk membantu Anda menghindari waktu henti? Unduh brosur gratis kami di sini: