Prediktivt vedlikehold

Øk utstyrets pålitelighet med forebyggende vedlikehold

Den følgende demonstrasjonen er et eksempel på hvordan Rockwell Automation har bygd en integrert portal plattform for å transformere virksomheten deres.

Siden de har mange ressurser på eksterne lokasjoner var det tidligere veldig vanskelig og tidkrevende å overvåke dette utstyret, og ikke minst å forstå ytelsen til det. Ved å koble dem til Microsoft Azure, kan Rockwell Automation nå se ressurstilstand og ytelsesinformasjon i sanntid, overvåke vedlikeholdsvinduer og foreta forebyggende vedlikehold på deler og utstyr før det oppstår et problem. Denne tidligere ubrukte datamengden gir Rockwell Automation mulighet til å analysere spesifikke deler for å avgjøre gjenværende driftstid eller finjustere optimal ytelse, dette transformerer forretningsdriften for både dem og kundene deres.

Disse skytjenestene åpner opp for en mengde nye forretningsmuligheter. Utstyret som for eksempel brukes innen utvinning, transport, raffinering og salg av oljeprodukter er dyrt og solid, og det kommer fra hundrevis av produsenter. Ved hjelp av forbedringer fra tingenes Internett (IoT), utvider Rockwell Automation systemene som overvåker disse verdifulle kapitalressursene og bruker disse dataene for prediktivt og til og med forebyggende vedlikehold. Azure IoT-løsningene har potensiale for å transformere leveransekjeden for oljeindustrien og levere bunnlinjeresultater innen global produktivitet som til sist kan føre til lavere bensinpriser for forbrukerne.

Instrumentbord

KPI-sammendrag

Varsel og advarsel

Ressursdetaljer

Varselløsning

Trinn 1 av 3

Fjernovervåking i sanntid

Operatører kan se lokasjonen og tilstanden til hele infrastrukturen i sanntid på dashbordet.

Trinn 2 av 3

Vis lokasjonen og statusen til ressursene

Forståelse av tilstanden til ressursene er avgjørende da problemer som forårsaker produksjonsforsinkelser kan være enormt kostbare for produksjonsvolumer og leveransekontrakter.

Trinn 3 av 3

Hold et øye med eksterne lokasjoner

Hvor et anlegg tidligere fikk rutinemessig vedlikehold hvert halvår, kan statusen nå spores i sanntid.

Trinn 1 av 2

Spor forretningsmåledata i sanntid

Kritiske anleggs- og produksjonsdata samles for å gi et sammendrag over forretning-KPI-er hvor de spores opp mot målsetninger og grenser i løpet av hele dagen eller produksjonsperioden.

Få sanntidsresultater fra ressurser som tidligere kanskje ikke ble overvåket på flere dager, uker eller måneder

Trinn 2 av 2

Integrer enkelt med eksisterende systemer

Sanntids sensordata kan kombineres med informasjon fra andre eksterne ressurser, eller til og med andre forretningssystemer som CRM- eller ERP-tjenester.

Trinn 1 av 3

Varsler og advarsler i sanntid

Varsler eskaleres i sanntid for at operatøren kan foreta tiltak. Svikt i utstyret kan reageres på raskt gjennom den tilpassede portalen eller ved å stenge ned maskiner gjennom kommandoer som sendes fra dashbordet.

Trinn 2 av 3

Forutsi svikt i utstyr før det oppstår

Det viktigste er at enkelte varsel forutses. Vedlikehold kan utføres på forskudd før en feil der hvor data peker mot en situasjon eller trend, som prediksjonsmodellen gjenkjenner som problematisk.

Trinn 3 av 3

Løs problemer før de blir større

Operatøren kan velge den kritiske feilen med høyest prioritet som ikke allerede blir løst eller overvåket.

Trinn 1 av 3

Analyser datafeeder i sanntid

Dashbordet behandler data i sanntid. På dette nivået kan den aktuelle produksjonsytelsen og tilstanden til en individuell ressurs overvåkes.

Trinn 2 av 3

Gi beslutningstakere mulighet til å handle

Disse dataene gir også beslutningstakere mulighet til å legge til rette for planlagt (eller ikke planlagt) arbeid, organisere vedlikeholdsvinduer eller forutse produksjonsresultater fra ressurser som kan være på eksterne lokasjoner.

Trinn 3 av 3

Foreta vedlikehold før en ressurs svikter

I dette eksempelet har en vifte en kritisk prediktiv advarsel. Den kommer til å svikte om noen få dager og forårsake nedstenging av ressursen. Den er også enda langt fra serviceintervallet for denne delen. Operatøren velge den spesifikke delen for å ta handling.

Trinn 1 av 5

Ta handling og løs

Dashbordets varseldetaljer gir operatøren spesifikk informasjon om delen og det registrerte problemet. Dette inkluderer serienummer, delenummer og til og med lagerbeholdningen og lokasjonen til reservedelene.

Trinn 2 av 5

Analyser forretningspåvirkningen

Den prediktive feilen registrerer at luftfilterviften vil svikte før enheten er planlagt for rutinemessig vedlikehold. Dette vil føre til en nedstenging av ressursen og tapt produksjonstid.

Trinn 3 av 5

Analyser data i sanntid

Sanntidsdata tas inn fra enheter i felten og vises i portalen. Operatøren kan overvåke i sanntid den faktiske datafeeden for å kontrollere at varslene og informasjonen stemmer. Grensen for varselet vises også slik at brukeren lett kan se sporingen i forhold til normal drift.

Trinn 4 av 5

Opprette servicesaker

Operatøren kan åpne en sak for at vedlikeholdspersonale bytter ut delen og holder ressursen i drift. De kan også ha informasjon og data for å utføre en forretningsanalyse og foreta driftsendringer basert på resultatet.

Trinn 5 av 5

Opprette servicesaker

Operatøren kan åpne en sak for at vedlikeholdspersonale bytter ut delen og holder ressursen i drift. De kan også ha informasjon og data for å utføre en forretningsanalyse og foreta driftsendringer basert på resultatet.