Pelnas:
- Galimybė apibendrinti siuntimo, telemetrijos ir OEE duomenis naudojant AI ir aptikti kliūtis bei anomalijas
- Galimybė konstruoti nuspėjamąją priežiūros logiką su vibracijos, temperatūros ir alyvos analizės duomenimis su AI palaikymu
- Galimybė išbandyti AI sukurtą gamybos / priežiūros prognozę su patikrinimu vietoje ir operacijų vadovo sprendimu
Kad ir koks geras planas būtų popieriuje, skaičiuojama gamyba lauke: kiek tonų buvo iškasta, kokio laipsnio, kiek sunkvežimių vežė, kaip sunkiai dirbo technika, kiek sudegė degalų. Šiuolaikinėje atviroje duobėje ekskavatoriai, sunkvežimiai, gręžtuvai ir buldozeriai sekundė po sekundės gamina duomenis; Automobilių parko valdymo sistemos (išsiuntimas) fiksuoja kiekvienos transporto priemonės vietą, apkrovą ir būseną. Šis duomenų vandenynas yra lobis, kurį teisingai perskaičius padidėja gamyba, sumažėja sąnaudos ir parodomos kliūtys. AI; Tai galinga pagalba apibendrinant eksploatacinius duomenis, tendencijas ir anomalijas (nukrypimus nuo tikėtino) aptikti, nuspėti techninės priežiūros prognozes ir teikti ataskaitas. Tačiau sprendimai pamainomis, įrangos sustabdymai ir gamybos tikslai priklauso operacijų vadovui; AI įspėja, sprendimą priima žmogus.
OEE kalba ir gamybos duomenys
Dažnas gamybos efektyvumo matavimo būdas yra OEE (bendras įrangos efektyvumas). OEE yra trijų komponentų produktas: prieinamumas (ar įranga veikia), našumas (kiek jis veikia projektiniu greičiu) ir kokybė (kiek produkcijos yra numatyta). Žemas sunkvežimio OEE gali atsirasti dėl gedimo, užstrigimo arba lėto veikimo; Norint išsiaiškinti, kuris iš jų, reikia teisingai iškirpti duomenis. AI gerai išskaido OEE komponentus ir atsako į klausimą „kur yra nuostoliai“; bet tiksli priežastis, kodėl pamaina nutraukiama, randama patvirtinus lauką.
Žingsnis po žingsnio: AI darbas su transporto parko duomenimis
- Anonimizuoti ir identifikuoti duomenis. Užmaskuoti transporto priemonių ID; Apibūdinkite stulpelius, laiko žymą ir vienetus.
- Padarykite santrauką. Tonos, reisų skaičius, darbo/laukimo/gedimų laikas pamainomis/dieną. AI: suvestinės kodas ir lentelė.
- Ieškokite kliūčių. Ar tai riboja pakrovimą, gabenimą ar iškrovimą? Kur kaupiasi eilių laikai? AI: siūlo skerspjūvio analizę.
- Pažymėkite anomaliją. Kuras, ciklo laikas, apkrova nukrypsta nuo lūkesčių. AI: siūlo statistinę slenkstį arba paprastą modelį.
- Patvirtinkite laukeliu. Patikrinkite kiekvieną anomaliją su operacijų / techninės priežiūros komanda; Duomenų klaida ar tikra problema?
- Veiksmas ir siekimas. Sprendimą priima operatyvinis pareigūnas; AI parengia tolesnių veiksmų ataskaitą.
Patarimas: anomalija ne visada yra gedimas; dažniausiai tai yra jutiklio klaida, laiko žymos poslinkis arba įrašo spraga. Užduokite klausimą „Ar turėčiau pirmiausia įtarti duomenis ar įrenginį? su kiekviena anomalija.
Nuspėjamoji priežiūra: koncepcija ir riba
Yra trys techninės priežiūros kartos: korekcinė (remontas, kai įvyksta gedimas), prevencinė (priežiūra pagal grafiką) ir nuspėjamoji (prognozuojanti: gedimo numatymas iš duomenų ženklų). Atliekant numatomą techninę priežiūrą, stebimi tokie rodikliai kaip vibracija, temperatūra, alyvos analizė (dėvėjimosi metalai), srovė ir slėgis; Nukrypimas nuo įprastos gali reikšti gedimą. AI yra galingas ieškant šių daugiamačių duomenų modelių ir anomalijas. Tačiau kritinis taškas yra toks: anomalija yra įspėjimas, o ne diagnozė. Sprendimas sustabdyti įrangą, pakeisti dalis arba tęsti eksploataciją; Jis suteikiamas fiziškai apžiūrėjus techninės priežiūros komandai ir patvirtinus veiklos vadovą. Klaidingi teigiami rezultatai (beprasmiškas sustabdymas) ir klaidingi neigiami rezultatai (praleistas gedimas) yra brangūs; Žmonės valdo šį balansą.
Nuspėjamosios priežiūros vertė yra pakankamai anksti pastebėti gedimą, kad jis virstų planuotu išjungimu: neplanuotas gedimas sustabdo gamybą pamainos viduryje, o numatytos gedimo dalys paruošiamos ir priežiūra atliekama per suplanuotą laikotarpį. Tačiau tai veikia tik tuo atveju, jei duomenys yra patikimi. Kasyklose jutikliai veikia esant dulkėms, vibracijai ir karščiui; Kalibravimo poslinkis, laisvas ryšys ir registracijos tarpas yra dažni. Todėl pirmasis nuspėjamosios priežiūros programos žingsnis yra ne modelio kūrimas, o duomenų kokybės užtikrinimas. Prieš DI numatant „nesėkmės prognozę“, būtina paklausti, kiek patikimai tie duomenys buvo surinkti; Netgi pažangiausias modelis, sukurtas naudojant blogus duomenis, yra klaidinantis. Be to, ne visa įranga yra vienodai svarbi: vieno pagrindinio pertraukiklio gedimas gali išjungti visą gamyklą, o atsarginio siurblio gedimas gali būti toleruojamas. Suteikus pirmenybę numatomoms pastangoms, pagrįstoms įrangos kritiškumu, riboti priežiūros ištekliai nukreipiami į reikiamą vietą.
trys mini dėklai
1 atvejis – paslėpta kliūtis. Gamyba vienoje kasykloje yra 12% mažesnė už tikslą. Pamainos viršininkas mano, kad „sunkvežimių mažai“. Jie turi AI apibendrintus išsiuntimo duomenis; Pasirodo, eilėje prie ekskavatoriaus vilkikų vidutiniškai laukia 28 proc. Problema yra ne sunkvežimių skaičius, o vieno ekskavatoriaus pakrovimo greitis. Uodega nukrenta, kai įjungiamas antrasis krautuvas. AI parodė kliūtis skaičiais; Komanda priėmė sprendimą ir patvirtino lauką.
2 atvejis – kuro anomalija. AI pažymi, kad per pastarąsias dvi savaites sunkvežimio degalų sąnaudos buvo 18% didesnės nei kitų. Techninės priežiūros komanda tikrina; nustato, kad oro filtras užsikimšęs ir variklis sunkiai veikia. Pakeitus filtrą suvartojimas normalizuojasi. Čia AI davė išankstinį įspėjimą; bet fizinė apžiūra nustatė diagnozę (filtrą). Jei dirbtinis intelektas būtų pasakęs „variklis sugedęs“ ir variklis būtų atitinkamai išardytas, tai būtų buvę neteisinga ir brangu.
3 atvejis – klaidingai teigiamas. AI mato staigų šlifuoklio vibracijos duomenų šuolį ir įspėja apie „neišvengiamą gedimą“. Priežiūros komanda prižiūri; nustato, kad atšokimas įvyko dėl jutiklio atsipalaidavimo, mašina nepažeista. Jei perspėjimo būtų aklai sekama ir malūnas būtų sustabdytas, viena gamybos pamaina būtų prarasta veltui. Pamoka: su kiekviena anomalija pirmiausia suabejokite duomenų / jutiklio kokybe; AI įspėjimas yra hipotezė.
Kopijuojami raginimo šablonai
PARKO DUOMENŲ SANTRAUKA"Vaidmuo: esate kasyklų operacijų analitiko padėjėjas. Apibendrinkite šiuos išsiuntimo duomenis pagal pamainą: bendras tonų skaičius, kelionių skaičius, vidutinė ciklo trukmė, važiavimo / laukimo / gedimo procentas. Transporto priemonių ID užmaskuoti. Žymėkite poslinkius, kurie atrodo nenormalūs, bet nusprendžia KODĖL; pasiūlykite, kurį papildomą skerspjūvį ištirti].
BŪDŽIO ANALIZĖ "Nustatykite analizę, kad sužinotumėte, kur kaupiasi eilės / laukimo laikas pakrovimo-gabenimo-iškrovimo cikle. Rezultatas: vidutinis laukimo laikas ir bendras prarastas laikas kiekviename etape. Parodykite, ar kliūtis yra krautuvėlyje, gabenant ar iškraunant; REKOMENDUOTI galutinį sprendimą, išvardyti galimas priežastis ir nurodyti, kad reikalingas lauko patvirtinimas."
ŽYMĖJIMO ANOMALIJA (TECHNINĖ PRIEŽIŪRA)"Žemiau yra [vibracijos/temperatūros/degalų] laiko eilutė apie įrangą. Pažymėkite taškus, kurie nukrypsta nuo įprasto diapazono ir kiekvienam: (1) nuokrypio dydis, (2) galimo jutiklio/duomenų gedimo galimybė, (3) į ką reikia atkreipti dėmesį atliekant fizinę apžiūrą. [DIPASTIVE fault].":ipastive fault.
SHIFT ATASKAITOS JUODRAŠTIS"Parašykite pamainos ataskaitos projektą iš šių apibendrintų duomenų: pagamintų tonų, nukrypimų nuo tikslo, pagrindinės praradimo priežastys, pažymėtos anomalijos ir rekomenduojami tolesni veiksmai. Pažymėkite sprendimus "priklauso nuo operacijų pareigūno patvirtinimo". Duomenys: [įklijuoti]."
Silpnas raginimas / Stiprus raginimas
SILPNAS raginimas: "Ar šis sunkvežimis suges?"
Tvirtas raginimas: "Vaidmuo: esate nuspėjamosios techninės priežiūros analitiko padėjėjas. Pažymėkite žemiau esančius vibracijos ir temperatūros eilučių taškus, kurie nukrypsta nuo įprasto, nurodykite nuokrypio dydį ir ATSKIRTI galimo jutiklio gedimo galimybę nuo tikrojo mechaninio ženklo. NENAUDOKITE tikslios gedimo prognozės; nurodykite, ko techninės priežiūros komanda turėtų ieškoti: [paste fizinės patikros metu].
Palyginimo diagrama: duomenų signalas ir sprendimas
signalas
AI išvestis
kieno sprendimas
patikrinimas
Žemas OEE
Trūksta komponentų analizės
Operacijų vadovas
lauko stebėjimas
Eilė / kliūtis
kur kaupiasi
Pamainos vadovas
Lauko patvirtinimas
Kuro nuokrypis
anomalijos ženklas
techninės priežiūros komanda
fizinė apžiūra
vibracijos purslai
Įspėjimas (ne diagnozė)
Priežiūra + eksploatacija
Jutiklis + patikrinimas
pamainos ataskaita
juodraštis
Operacijų vadovas
Patvirtinimas
Dažnos klaidos
- Anomalijos supainiojimas su aiškiu gedimu. Dauguma anomalijų yra jutiklio/duomenų klaidos; Pirmiausia pateikite duomenų užklausą.
- Prašymas AI tiksliai numatyti „ar jis suges? AI signalai; tyrimas nustato diagnozę.
- Darant prielaidą, kad skaitmeninio patikrinimo kliūtis. „Mažiau sunkvežimių“ jausmas dažnai pasirodo klaidingas.
- Laiko žymos / garsumo problemų apėjimas. Įrašų spragos iškreipia OEE ir ciklo apskaitą.
- Aklai paklūsta įspėjimui ir stabdo gamybą. Klaidingo teigiamo tyrimo kaina taip pat yra reali.
Dėmesio: Nuspėjamosios techninės priežiūros tikslas yra užkirsti kelią gedimui, tačiau atsakymas į kiekvieną įspėjimą sustabdant mašiną taip pat sukelia nuostolių. Sprendimas priklauso asmeniui, kuris kartu pasveria įspėjimo sunkumą, įrangos kritiškumą ir patikrinimo išvadas.
Apibendrinant
Laivyno ir gamybos duomenys yra lobis, kuris padidina gamybą, kai teisingai nuskaitomas; Dirbtinis intelektas tai veiksmingai tvarko apibendrindamas, nustatydamas kliūtis, pažymėdamas anomalijas ir nuspėjamąją priežiūrą. OEE nuostoliai, eilės laikas ir jutiklių nukrypimai greitai matomi naudojant AI. Tačiau anomalija yra įspėjimas, o ne diagnozė; Sprendimai dėl įrangos sustabdymo ir pamainos priimami patvirtinus lauką ir patvirtinus operacijų vadovui. Dėl kiekvienos anomalijos pirmiausia pateikite duomenų / jutiklio kokybės užklausą.
Taikymo užduotis
Naudokite šablonus „Parko duomenų suvestinė“ ir „Krūties kaklelio analizė“ su savo mėginio (arba savo anoniminiais) siuntimo duomenimis, kad išsiaiškintumėte pamainos praradimo priežastis. Tada pritaikykite šabloną „Anomalijos žymėjimas“ įrenginio vibracijos / degalų serijai ir pažymėkite, ar tai duomenų klaida, ar tikra problema. Galiausiai, naudodami „Pamainos ataskaitos projektą“, išverskite išvadas į ataskaitą ir pažymėkite sprendimus, kuriuos reikia patvirtinti.
kontrolinis sąrašas
- [ ] Užmaskavau ir padariau anoniminius transporto priemonių / personalo ID.
- [ ] Patikrinau kliūtis naudodamas eilės / laukimo duomenis, o ne pagal jausmą.
- [ ] Dėl kiekvienos anomalijos pirmiausia suabejojau jutiklio / duomenų kokybe.
- [ ] AI įspėjimą laikiau ne diagnoze, o ženklu, kurį turi patvirtinti tyrimas.
- [ ] Sprendimą dėl įrangos išjungimo/gamybos palikau operacijų vadovui.
- [ ] Patikrinau laiko žymos ir garsumo nuoseklumą.