صنعت ۵.۰: آینده نگهداری و تعمیرات
ترجمه: علیرضا خدائی
چشم انداز نگهداری و تعمیرات صنعتی میتواند دلهرهآور به نظر برسد. تیمهای نگهداری و تعمیرات به طور فزایندهای درگیر کمبود نیروی کار شدید هستند، به ویژه کمبود تکنسینهای با تجربه و از بین رفتن حافظه سازمانی با رسیدن نسل قدیمی به سن بازنشستگی. صنعت ۵.۰ ممکن است بتواند راه حلهایی در آینده نگهداری و تعمیرات ارائه دهد.
در همین زمان، تقریباً هر بخش تحت فشار بیشتری نسبت به گذشته فعالیت میکند و فضای کمتری برای اشتباهات یا خرابیهای برنامهریزی نشده وجود دارد. تیمهای نگهداری و تعمیرات در خط مقدم این واقعیت جدید قرار دارند.
به گزارش فناوری هوشمند و به نقل از iotforall ؛ با وجود این، آینده نگهداری و تعمیرات به لطف رویکرد انقلابی جدیدی که با هر دو نیروی انسانی و فناوری بر این مشکلات غلبه میکند، درخشان است: صنعت ۵.۰ . مرحله بعدی انقلاب صنعتی چابک، متصل و مشارکتی است.
این فناوری از قدرت هوش مصنوعی (AI) و اینترنتاشیاء صنعتی (IIoT) استفاده میکند تا تیمهای نگهداری و تعمیرات حتی در صورت کمبود نیروی کار و متخصص، کارآمدتر عمل کنند.
صنعت ۵.۰ از اتصال دادههای هوشمند برای کاهش ضایعات و کاهش هزینهها در عین حال بالا نگه داشتن تجهیزات و کارکرد آنها برای مدت طولانیتری استفاده میکند. برای مثال، فناوریهای جدیدی که امکان نگهداری و تعمیر پیشگیرانه را فراهم میکنند، به طور فزایندهای محبوب میشوند. بازار جهانی این محصولات در حال رشد است، طبق گفته IoT Analytics، تنها نگهداری و تعمیر پیشگیرانه تا سال ۲۰۲۴ به یک صنعت ۲۳.۵ میلیارد دلاری تبدیل خواهد شد.
اکنون زمان آن است که یاد بگیرید چگونه فناوریهای صنعت ۵.۰ ، از هوش مصنوعی گرفته تا IIoT و سیستمهای نگهداری و تعمیر پیشگیرانه ، صنعت را تغییر میدهند.
ظهور صنعت ۵.۰ انقلاب صنعتی پنجم یا Industry 5.0 یک روش جدید برای کار است. هدف آن کمک به هر عملیات برای رسیدن به حداکثر پتانسیل خود با اجازه دادن به کارگران برای تمرکز بر آنچه که به بهترین نحو انجام میدهند، است. گردش کار به عقب و جلو بین انسان و هوش مصنوعی حرکت میکند تا تیمهای نگهداری و تعمیرات بتوانند سطح بالاتری از مراقبت را به تجهیزات و داراییهای بیشتری ارائه بدهند.
از برخی جهات، این برای تیمهایی که قبلاً به انقلاب صنعتی چهارم پیوستهاند و از استراتژی نگهداری و تعمیر پیشگیرانه در کارخانههای خود استفاده کردهاند، آشنا خواهد بود. نگهداری و تعمیرات پیشگیرانه از حسگرهای لرزش برای نظارت مداوم داراییهای حیاتی استفاده میکند.
بیشتر بخوانیم: پنج ارکان اصلی تحول دیجیتال موفق
حسگرها تغییرات در الگوهای ارتعاش تجهیزات یا دما را تشخیص میدهند. حتی تغییرات جزئی میتواند نشان دهد که یک ماشین در حال ایجاد نقص جدید است. هر چه زودتر تیمهای نگهداری و تعمیرات این عیوب را شناسایی کنند، تعمیر آن آسانتر میشود.
نگهداری و تعمیر پیشگیرانه و پایش وضعیت باعث صرفهجویی در زمان و هزینه تیمهای نگهداری و تعمیرات میشود. این فناوریهای نگهداری و تعمیر Industry 4.0 داراییهای حیاتی را برای مدت طولانیتر کارآمد نگه میدارند و در هر کجا که اعمال شوند، بهرهوری را بهبود میبخشند.
CXP Group دریافت که ۹۱ درصد از کسب و کارها پس از اجرای نگهداری و تعمیر پیشگیرانه، زمان تعمیر و خرابیهای برنامهریزینشده را کاهش میدهند. صنعت ۵.۰ مدل نگهداری و تعمیرات پیشگیرانه را میگیرد و آن را با هوش مصنوعی ترکیب میکند تا مفهوم جدیدی را برای تیمهای تعمیر و نگهداری ارائه دهد.
گسترش دامنه و وسعت پایش وضعیت
امروزه، رایانش ابری و فناوری لبه با عملکرد بالا و کم هزینه، سنسورهای ارتعاش را به گزینهای مقرون به صرفه برای اکثر کارخانهها تبدیل کردهاند. فناوری بیسیم همچنین اتصال دائمی را آسانتر از همیشه میکند.
تیمهای مدرن میتوانند دادهها را به اشتراک بگذارند، آنها را وارد برنامههای تجزیه و تحلیل کنند و با سرعت خیرهکنندهای آنها را با دادههای تاریخی مقایسه کنند. کارگران در یک کارخانه میتوانند دادهها را با تصمیم گیرندگان هزاران مایل دورتر به اشتراک بگذارند. کارشناسان میتوانند به صورت شبانه روزی راهنمایی کنند.
ابر، همراه با نرمافزار CMMS مدرن، تیمها را در یک صفحه نگه میدارد، سیلوها را از بین میبرد و استراتژیهای نگهداری پیشگیرانه مداوم و گسترده را فعال میکند.
بیشتر بخوانیم: افزایش بهرهوری کسبوکار با دوقلوهای دیجیتال سازمانی (DTO)
این فقط استفاده از همان رویکرد در مکانهای بیشتر نیست
صنعت ۵.۰ همچنین به معنای گسترش استفاده از ابزارهای تحلیلی است تا کارگران از زیر بار الک دادههای انبوه رها شوند. پیشرفتهای هوش مصنوعی و تحلیل دادهها به این معناست که نرمافزار CMMS مبتنی بر ابر میتواند دادهها را فیلتر کند، ناهنجاریها را شناسایی کند و در مورد نحوه رسیدگی به آنها توصیههایی ارائه دهد. سپس یک متخصص انسانی میتواند وارد شود و مشکل را تجزیه و تحلیل کند.
آرون مرکین، مدیر ارشد فناوری در Fluke Reliability، توضیح داد: «با کمک هوش مصنوعی به انسان، اطمینان حاصل میکنیم که تیمهای نگهداری در حال بهینه کردن مکانهایی هستند که تخصص خود را به کار میگیرند. همیشه نیاز به تخصص انسانی وجود خواهد داشت. اما با بزرگتر و پیچیدهتر شدن کارخانهها، ساعات کافی در روز برای کارگران به سادگی وجود ندارد تا همه کارها را انجام دهند. الگوریتمها برخی از کارهای اولیه را انجام میدهند تا کارشناسان انسانی بتوانند انرژی خود را روی سختترین مشکلات متمرکز کنند. »
این الگوریتمها تغییر دهنده بازی هستند. این سطح از قابلیت همان چیزی است که بسیاری آن را نگهداری تجویزی مینامند.
نگهداری تجویزی
نگهداری تجویزی بر اساس موفقیت نگهداری پیشگیرانه بنا شده است. به جای اینکه فقط خرابیها را پیشبینی کند، نگهداری تجویزی میتواند ریشههای نقص ماشین آلات را تشخیص دهد و برای تیمهای نگهداری و تعمیرات توصیههایی ارائه دهد.
جان برنت، متخصص برنامههای کاربردی مکانیک و محصول در Fluke Reliability میگوید که بسیاری از تیمهای نگهداری و تعمیرات نحوه عملکرد دادهها را اشتباه متوجه میشوند. او میگوید: «یک تصور اشتباه رایج وجود دارد که داده چیزی بیش از یک عدد نیست. اگر من شروع به جمعآوری داده از یک دستگاه کنم، مبنایی از آنچه خوب است را به من میدهد و سپس زمانی که آن عدد از یک خط پایه خاص بالاتر رفت، مشکلی وجود دارد. سپس میتوانیم بیرون برویم و برای رفع آن کاری انجام دهیم. »
البته، برنت توضیح میدهد، به این سادگی نیست. دادهها در خلاء وجود ندارند. تنها زمانی ارزشمند هستند که زمینهسازی شوند. سطوح ارتعاش بسته به دارایی، سن آن و حتی محل آن معانی مختلفی دارد.
تا همین اوقات، اکثر برنامههای تجزیه و تحلیل نمیتوانستند این تمایزات را قائل شوند. امروزه، الگوریتمهای پیشرفته میتوانند فراتر از اعداد خام نگاه کنند و در مورد داراییهای خاص تعیین کنند.
این کاری نیست که یک الگوریتم یا CMMS بتواند به تنهایی انجام دهد. نگهداری تجویزی نیاز به ورودی مداوم از کارشناسان انسانی دارد. هر چه ورودی بیشتری به الگوریتمها داده شود، در تشخیص الگوها یا تشخیص مسائل مؤثرتر میشوند.
کارخانهها نیازی به داشتن تعداد زیادی از تکنسینهای با تجربه یا تحلیلگران داده ندارند. نتایج مشابه را میتوان با برون سپاری به کارشناسان در مکان دیگری یا همکاری با شرکتی که خدمات پایش وضعیت را ارائه میدهد، به دست آورد.
بیشتر بخوانیم: تولید دیجیتال؛ تعریف و نمونهها
کلید صنعت ۵.۰ : داده هوشمند پیش از کلان داده
چندی پیش، به صنعت نگهداری و تعمیرات توصیه میشد تا حد امکان داده جمعآوری کند. تصور میشد کلان داده تمرکز اصلی باشد. متأسفانه، امروزه بسیاری از کسب و کارها تحت فشار دادهها قرار دارند و برای استخراج هر گونه بینش معناداری تلاش میکنند. آینده کار با دادههای بیشتر نیست، بلکه با دادههای هوشمندتر است.
به جای اینکه دائماً هر قطعه داده موجود را پخش جریانی کنید، کارخانهها باید روی اطلاعات قابل قبولی تمرکز کنند که بتوان از آنها برای کاهش خرابی و کاهش هزینه استفاده کرد. دادههای سنسور میتوانند نمونه خوبی از دادههای “هوشمند ” باشند زیرا هدف فوری و روشنی دارند.
تغییر به سمت دادههای هوشمند همچنین به معنای فکر کردن به ذخیرهسازی است. پذیرندگان باید در نظر بگیرند که هر قطعه از داده چه مدت ارزش خود را حفظ میکند. برخی اطلاعات؛ مانند اندازهگیری لرزش و دما – در طول چرخه عمر ماشین مفید هستند زیرا میتوانند به الگویی اشاره کنند. اما سایر اطلاعات با گذشت زمان ارزش خود را از دست میدهند.
اینایده خوبی است که برای ایجاد یک برنامه جمعآوری و ذخیرهسازی داده با متخصصان کار کنید. نکته مهم این است که جمعآوری داده هدف نهایی نیست. هدف نهایی این است که تیمهای نگهداری و تعمیرات، دادههای قابل قبولی را جمعآوری کنند که کار آنها را آسانتر کند و باعث شود کارخانه روانتر کار کند.
تغییر آینده نگهداری و تعمیرات
صنعت ۵.۰ برای هر عملیاتی کمی متفاوت به نظر میرسد، آینده نگهداری و تعمیرات انعطافپذیر، شخصیسازی شده و بسیار تطبیقپذیر است.
یک راه حل واحد برای همه مناسب نیست و تیمهای نگهداری و تعمیرات باید برای مشورت با متخصصان، یادگیری هر آنچه ممکن است و یافتن راه حلهایی که برای آن عملیات بهترین کارایی را دارند، وقت بگذارند. با اجرای راه حلهای Industry 5.0، کارخانهها میتوانند انتظار داشته باشند که هم در زمان کار و هم در بهره وری کلی، و همچنین با بهبود رضایت شغلی در بین تیمهای نگهداری و تعمیرات، پیشرفتهای چشمگیری را مشاهده کنند.
- صنعت ۵.۰: آینده نگهداری و تعمیرات
بیشتر بخوانیم: پنج ستون و عامل اصلی در تحول دیجیتال موفق
۲۶ دیدگاه ها