В этой статье мы сосредоточимся на том, как IIoT может быть использован для достижения того, что мы определяем как профилактическое обслуживание.
- Профилактическое обслуживание включает в себя использование широкого спектра датчиков для регистрации ключевых параметров, измеренных по всей контролируемой и управляемой системе.
- Эти параметры анализируются на поминутной основе механизмами обработки данных, часто включающими искусственный интеллект, которые обычно доступны через Интернет.
- Наиболее известно предиктивное обслуживание на основе IIoT, применяемое к заводским системам. Как мы увидим, предиктивное обслуживание может быть применено к гораздо более широкому спектру сценариев использования.
Профилактическое обслуживание так же старо, как и сами машины. Рабочий на заводе осматривает клапан, чтобы увидеть, не протекает ли он. Технический специалист проверяет, не перегревается ли деталь, что всегда является верным признаком неисправности. Электрик вытаскивает вольтметр, поднимается по лестнице и проверяет напряжение и ток, поступающие в удаленную систему или выходящие из нее, чтобы убедиться, что она соответствует техническим характеристикам. Здесь есть четыре очевидные проблемы.
- Профилактическое обслуживание требует времени и усилий.
- Проблемы могут возникать между профилактическими проверками.
- Проблем может и не быть, и приложенные усилия не дадут никакой полезной информации.
- Некоторые профилактические работы могут быть физически опасны для людей; Наш электрик вполне может упасть с лестницы.
Профилактическое обслуживание основано на массивах датчиков, прикрепленных к компонентам, которые являются важными деталями всей системы, которая контролируется и контролируется. По описанию Intuz, примеры часто используемых датчиков включают датчики давления, газа, температуры, влажности, вибрации и приближения.
Обычно следующим шагом является оцифровка показаний каждого датчика и отправка их в точку мониторинга, которая может находиться в любой точке мира, где хранятся данные, и вот тут-то и начинается самое интересное.
В конце концов любое устройство выйдет из строя. Аналитики будут смотреть на исторические сохраненные данные и сравнивать их со значениями, наблюдаемыми в этой точке отказа и около нее. После замены устройства, за которым проводился мониторинг, компьютерная аналитика будет непрерывно контролировать выходные данные датчика, передаваемые по IIoT. Когда датчик начинает сообщать о значениях, соответствующих неисправности, тогда и только тогда на его замену направляется техник.
В настоящее время возможны три основных изменения в том, как проводится техническое обслуживание:
- Техническим специалистам не приходится проводить «охоту на ведьм», допрашивать и осматривать устройства, которым не грозит выход из строя.
- Устройство заменяется до того, как оно выйдет из строя, а не после.
- Производство не останавливается из-за непредвиденных отказов компонентов.
И на этом все не заканчивается. Потому что теперь инженеры и руководство будут иметь ежеминутную картину того, что происходит внутри системы, которую отслеживают и контролируют. Система буквально находится под микроскопом в любое время, когда она работает и когда у нее возникают проблемы, и поминутная запись того, что испытывает каждая контролируемая точка, доступна в памяти для анализа.
Например, что еще происходило, когда компонент «А» выходил из строя? Например, что происходило в этот момент в компонентах "В" и "C" или любой другой контролируемой точке? Эти данные в режиме реального времени передаются в централизованные системы, где передовая аналитика и алгоритмы машинного обучения обрабатывают информацию. Благодаря непрерывному мониторингу состояния оборудования эти алгоритмы могут обнаруживать незначительные отклонения от нормальной работы, указывающие на потенциальные проблемы.
Чтобы воспроизвести это с помощью операторов-людей, необходимо разместить по оператору в каждой рабочей точке. Оператору пришлось бы совершить нечеловеческий подвиг и сделать множество измерений в секунду, идеально скоординированных по времени с каждым другим оператором. Возможности датчиков по поставке информации безграничны и ограничены только мощностью используемых аналитических механизмов. Возможности аналитики усиливаются за счет использования искусственного интеллекта (ИИ). Например, ИИ может быть использован для определения того, соответствует ли изображение, пойманное камерой, ситуации, которая предвещает беду.
Периферийные вычисления включают в себя выполнение некоторого или даже большинства вычислительного анализа непосредственно у источника, где IIoT взаимодействует с системой, которую можно контролировать и контролировать. Это дает ряд критических преимуществ.
- Задержка. Решения можно принимать, а изменения вносить прямо на месте. Нет необходимости передавать все данные через Интернет на удаленный сервер, который может испытывать свои собственные временные проблемы, а затем передавать результаты обратно в контролируемую систему для внесения необходимых изменений исполнительным механизмом. Например, если клапан выходит из строя, может потребоваться немедленное отключение системы. Ожидание кругового пути к удаленному аналитическому механизму может оказаться слишком долгим, чтобы предотвратить катастрофу.
- Безопасность. Все, что передается через Интернет, находится под угрозой взлома. Если решения принимаются локально, на периферии, данные никогда не покидают контролируемую систему. У соперников и противников никогда не будет шанса получить доступ слабым сторонам вашей системы.
В настоящее время оценки количества энергии, потребляемой во всем мире интернет-серверами, варьируются от 2% до 4% от общей мировой электроэнергии. Вычисления ИИ, как известно, энергоемки, а бум ИИ только начинается.
Что еще хуже, вычисления ИИ обычно требуют многократного обращения к огромным объемам данных, хранящихся в памяти сервера. Физические серверы часто располагаются там, где электричество дешево и, чтобы сэкономить на охлаждении, там, где климат холодный. Если несколько датчиков, расположенных на устройствах, подлежащих мониторингу и контролю, должны будут часто ссылаться на серверы, расположенные за тысячи километров от них, работа Интернета в целом будет серьезно затруднена.
При использовании периферийных вычислений ссылки относятся только к небольшим наборам данных, расположенным на месте. Решения принимаются быстрее и безопаснее, потребляется меньше электроэнергии, а потребность в критически важной пропускной способности интернета значительно ограничена.
Цифровой двойник – это виртуальная версия физического объекта, процесса или местоположения, которая служит цифровым аналогом в режиме реального времени». Цифровые двойники создаются путем сбора всей доступной информации и ее последующего воссоздания в цифровом пространстве. Каждый отдельный компонент, способы взаимодействия этих компонентов и даже среда, в которой они существуют, воспроизводятся в цифровом виде. Кроме того, цифровой двойник затем использует искусственный интеллект для моделирования и демонстрации эффектов, которые будут иметь изменения в дизайне, процессе или условиях, без необходимости подвергать реальный объект тем же изменениям. Этот процесс можно определить как предиктивную аналитику.
Приведем несколько примеров:
- Аналитики могут смоделировать влияние, которое суровые условия могут оказать на реактивный двигатель. Это можно сделать, например, просто виртуально повысив температуру на цифровом двойнике и наблюдая за результатом на симуляторе, не подвергая опасности физический реактивный двигатель.
- Пытаясь оптимизировать схему движения вокруг нового стадиона, аналитики могут изменять схемы светофоров и направления улиц с односторонним движением на цифровом двойнике, не внося никаких изменений (пока!) в реальный мир.
Датчики, о которых мы говорили ранее, постоянно контролируются, и «благодаря этому постоянному потоку данных изменения, происходящие в реальном мире, отражаются в цифровом двойнике, что позволяет ему развиваться вместе с проектом.
Как упоминалось в самом начале этой заметки, применение профилактического обслуживания выходит далеко за рамки заводских цехов, хотя производственное применение является наиболее известным. Вот почему в этой статье использовались такие термины, как мониторинг и контроль системы, чтобы избежать намека на эксклюзивность. Вот несколько примеров непроизводственных сценариев использования.
- Возобновляемые источники энергии. Как отмечают в Forbes, профилактическое обслуживание на основе IIot может быть использовано для прогнозирования отказов в ветряных турбинах до того, как они произойдут. Состояние солнечных панелей можно отследить, при этом особое значение здесь имеет искусственный интеллект. Гидроэлектростанции могут контролироваться и управляться таким же образом, как и заводы, а аккумуляторные системы хранения энергии (BESS), которые часто вызывают проблемы, могут контролироваться и корректироваться по мере необходимости.
- Транспорт и логистика. Лаборатория Webby описывает, как датчики IoT, прикрепленные к грузовикам, контейнерам, судам и транспортным средствам, отслеживают состояние груза, температуру, влажность и местоположение в режиме реального времени. Профилактическое обслуживание в этом случае позволяет предприятиям оптимизировать маршруты, предотвратить повреждение грузов и ускорить сроки доставки.
- Реактивные двигатели. Роллс-Ройс устанавливал большое разнообразие датчиков в своих двигателях для активного мониторинга их работы в самолетах. Данные, генерируемые этими устройствами, агрегируются, а затем анализируются в облаке. Уже сейчас эта информация помогает делать прогнозы о потребностях в техническом обслуживании и ремонте конкретного двигателя на основе производительности многих других двигателей той же модели. Компания получает еще большую ценность, поскольку они анализируют их как группу, ища общие черты, а искусственный интеллект помогает в этих усилиях.
Число людей трудоспособного возраста во всем мире резко сокращается, но потребность в промышленных товарах неуклонно растет. В США проблема стоит особенно остро в связи с заявленной целью вернуть больше добычи на родные берега. Задача состоит не только в том, чтобы сделать больше, но и в том, чтобы сделать это меньшим количеством сотрудников.
Профилактическое обслуживание IIoT будет означать меньшее время простоя. Это также будет означать меньше человеческого времени, затрачиваемого на техническое обслуживание, а с полной цифровой картой объектов, доступной инженерам и планировщикам, все больше и больше операций могут контролироваться автоматически с помощью механизмов принятия решений, что соответственно снижает потребность в людях на передовой.
Вполне может оказаться еще один неожиданный результат – большая устойчивость.
Бичом возобновляемых источников энергии является неспособность, по состоянию на 2024 год, хранить произведённую энергию. Это делает нецелесообразным использование возобновляемых источников энергии для питания завода, поскольку рабочая сила будет простаивать, когда не светит солнце и не дует ветер. С помощью IIoT можно управлять заводом с меньшим количеством ботинок на земле, при этом большинство решений принимается цифровыми механизмами принятия решений. Предполагается, что компьютеры могут быть подкреплены небольшим ядром инженеров для тех особых случаев, когда может потребоваться человеческое суждение. Будем надеяться, что эти случаи будут становиться все более редкими, и их количество также может быть довольно низким.
В профилактическом обслуживании используются датчики, прикрепленные к критическим точкам по всей контролируемой или контролируемой системе. Нет никакой возможности, чтобы какое-либо практическое число наблюдателей могло контролировать такое количество точек данных, и даже если бы они могли, они не могли бы делать несколько показаний каждую секунду и правильно записывать их.
Благодаря IIoT эта информация может передаваться на удаленные серверы, на которых размещены различные типы аналитических механизмов, в том числе искусственного интеллекта, которые могут точно определить возможные источники проблем или проанализировать причину существующих проблем. С помощью процесса, называемого Edge Computing, во многих случаях эта информация может быть проанализирована в ее источнике, не дожидаясь решений, принятых за тысячи километров на удаленных серверах.
Совокупность этих данных, доступных на сервере, может помочь в создании цифрового двойника, по сути, симулятора для анализа того, что произойдет с системой, когда она подвергается воздействию различных условий.
Источник: https://www.electropages.com/blog/2024/09/predictive-maintenance-better-than-an-army-of-technicians
