Buka Keunggulan Pemeliharaan Prediktif: Praktik Terbaik Ahli untuk Produsen
Dengan penekanan yang meningkat pada pemeliharaan prediktif yang dianggap sebagai salah satu tren utama yang akan mendominasi manufaktur di tahun 2021 dan seterusnya, bagaimana produsen harus mulai mengatasi tantangan menilai dan merespons 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 Manufacturing Technology Centre untuk menjelajahi praktik terbaik yang memberikan manfaat maksimal dari pemeliharaan prediktif, dan bagaimana pengetahuan spesialis pemantauan kondisi dan insinyur keandalan dapat didemokratisasikan 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. Ini harus. Untuk menikmati penguatan efisiensi ini, menghemat uang dan memungkinkan hal-hal seperti bekerja jarak jauh dan pemeliharaan jarak jauh, pemeliharaan prediktif adalah komponen yang sangat penting.
Rob Russell, Senseye: Use case utama untuk pabrik cerdas dan digitalisasi telah dibangun di sekitar dan di dalam pemeliharaan prediktif. Ada tingkat pengetahuan domain yang diperlukan, untuk pertama-tama memahami bagaimana mendapatkan jenis informasi yang tepat dari mesin, tetapi juga bagaimana menggunakannya dalam konteks pemeliharaan.
Jim Davison, Make UK: Insinyur pabrik tradisional cenderung seperti saya, dengan rambut abu-abu, mendekati akhir karir mereka. Ini adalah tantangan bagi kami untuk merekrut generasi berikutnya untuk memenuhi peran tersebut. Dengan menerapkan hal-hal seperti teknologi cerdas, itu sebenarnya membawa elemen yang sangat menarik ke peran yang orang mungkin tidak terbiasa dengannya.
Rob Russell, Senseye: Saat melihat tantangan bagaimana merespons outputnya, dengan cara yang berkaitan dengan kesehatan mesin, Anda masih harus mendekatinya dengan kebijakan dan praktik teknik yang baik. Sumber data dan identifikasi masalah-malah awal yang Anda miliki dalam mesin yang memungkinkan pemeliharaan prediktif kadang-kadang mendeteksi tahap awal kegagalan yang cukup halus.
Tim pemeliharaan akan mulai mendapatkan cara-cara untuk membenarkan temuan mereka dan juga memahami bahwa deteksi awal memberikan mereka jendela waktu yang jauh lebih besar. Ini memungkinkan mereka untuk melakukan perencanaan dan penyelidikan saat produksi tidak membutuhkan mesin dan kemudian juga merencanakan pemeliharaan di tahap lebih lanjut, ketika mesin lagi mati dan tidak akan ada dampak produksi.
Dr. Hannah Edmonds, Manufacturing Technology Centre: Sebagai bagian dari program yang lebih besar yang telah saya ikuti, kami memiliki banyak elemen produksi yang berbeda, banyak analitik yang berbeda yang terjadi - kemampuan untuk menggabungkannya memberikan nilai tambah kepada kami.
Kami menggunakan analisis otomatis Senseye untuk mendiagnosis masalah dalam sistem produksi dan mengidentifikasi sisa umur yang berguna dari mesin. Kami dapat memvisualisasikannya melalui program tambahan tetapi kami juga menggabungkannya dengan sistem manajemen pemeliharaan komputer, untuk menjadwalkan tugas pemeliharaan.
Alexander Hill, Senseye: Kami tidak ingin mengganti insinyur pemantauan kondisi dan spesialis keandalan. Kami hanya ingin memastikan waktu mereka digunakan dengan sangat efektif karena mereka seringkali akan melihat puluhan ribu aliran data dan mencoba memahami mana yang penting. Itu adalah pekerjaan yang sangat melelahkan, sangat sulit untuk dilakukan.
Cara kami mendekati masalah ini adalah bahwa kami mengotomatisasi, sejumlah mungkin, peran tradisional insinyur pemantauan kondisi yang melihat ribuan titik data dan mencoba memahami mana yang penting.
Kami tidak perlu membangun dan menyesuaikan model secara manual, teknologi dan algoritma paten kami memungkinkan kami untuk mengotomatisasi seluruh proses tersebut.
