Voitot:
- Kyky tehdä yhteenveto lähetys-, telemetria- ja OEE-tiedoista tekoälyn avulla ja havaita pullonkauloja ja poikkeavuuksia
- Kyky rakentaa ennakoivaa huoltologiikkaa tärinä-, lämpötila- ja öljyanalyysitiedoilla AI-tuella
- Kyky testata tekoälyn tuottamaa tuotanto-/huoltoennustetta kenttätarkastuksella ja toimintapäällikön päätöksellä
Huolimatta siitä, kuinka hyvä suunnitelma paperilla on, kentällä tapahtuva tuotanto ratkaisee: kuinka monta tonnia kaivettiin, millä laatutasolla, kuinka monta kuorma-autoa sitä kuljetettiin, kuinka kovaa laitteet toimivat, kuinka paljon polttoainetta poltettiin. Nykyaikaisessa avolouhoksessa kaivinkoneet, kuorma-autot, porakoneet ja puskukoneet tuottavat dataa sekunti sekunnilta; Kalustonhallintajärjestelmät (lähetys) tallentavat jokaisen ajoneuvon sijainnin, kuorman ja tilan. Tämä tiedon valtameri on aarreaitta, joka oikein luettuna lisää tuotantoa, alentaa kustannuksia ja osoittaa pullonkauloja. AI; Tämä on tehokas apu toiminnallisten tietojen, trendien ja poikkeamien (poikkeamien odotetusta) havaitsemiseen, ennakoivan huollon ennustamiseen ja raportointiin. Vuoropäätökset, laiteseisokit ja tuotantotavoitteet kuuluvat kuitenkin toimintapäällikölle; AI antaa varoituksen, ihminen tekee päätöksen.
OEE:n kieli ja tuotantotiedot
Yleinen tapa mitata tuotannon suorituskykyä on OEE (Overall Equipment Effectiveness). OEE on kolmen komponentin tuote: saatavuus (onko laite toiminnassa), suorituskyky (kuinka paljon se toimii suunnittelunopeudella) ja laatu (kuinka suuri osa tuotannosta on tavoitteessa). Kuorma-auton alhainen OEE voi johtua rikkoutumisesta, pysähtymisestä tai hitaasta toiminnasta; Sen selvittäminen, mikä se on, vaatii tietojen leikkaamisen oikein. Tekoäly on hyvä hajottamaan OEE-komponentteja ja vastaamaan kysymykseen "missä on menetys"; mutta tarkka syy työvuoron keskeyttämiseen löytyy kenttävahvistuksesta.
Askel askeleelta: tekoäly työskentelee kalustotietojen kanssa
- Anonymisoi ja tunnista tiedot. Maski ajoneuvojen tunnukset; Kuvaile sarakkeet, aikaleima ja yksiköt.
- Tee yhteenveto. Tonneja, matkojen määrä, työ-/odotus-/vikaajat vuorossa/päivässä. AI: yhteenvetokoodi ja taulukko.
- Etsi pullonkauloja. Rajoittaako se lastausta, kantamista tai purkamista? Mihin jonoajat kertyvät? AI: ehdottaa poikkileikkausanalyysiä.
- Merkitse poikkeama. Polttoaine, sykliaika, kuorma poikkeaa odotuksista. AI: ehdottaa tilastollista kynnystä tai yksinkertaista mallia.
- Vahvista kentällä. Tarkista jokainen poikkeama käyttö-/huoltotiimin kanssa; Tietovirhe vai todellinen ongelma?
- Toimintaa ja tavoittelua. Päätöksen tekee operaatiovastaava; AI laatii seurantaraportin.
Vihje: Poikkeama ei aina ole toimintahäiriö; suurimman osan ajasta se on anturivirhe, aikaleimapoikkeama tai tietueväli. Esitä kysymys "Pitäisikö minun ensin epäillä tietoja vai konetta?" jokaisen poikkeavuuden kanssa.
Ennakoiva huolto: käsite ja raja
Huoltoja on kolme sukupolvea: korjaava (korjaus, kun vika ilmenee), ennaltaehkäisevä (huolto aikataulun mukaan) ja ennakoiva (ennustava: ennakoiva vika tiedoissa olevista merkeistä). Ennakoivassa kunnossapidossa seurataan indikaattoreita, kuten tärinää, lämpötilaa, öljyanalyysiä (kulumismetallit), virtaa ja painetta; Poikkeama normaalista voi olla merkki toimintahäiriöstä. Tekoäly on tehokas löytämään kuvioita ja poikkeavuuksia tästä monimuuttujatiedosta. Mutta kriittinen kohta on tämä: poikkeama on varoitus, ei diagnoosi. Päätös pysäyttää laite, vaihtaa osia tai jatkaa toimintaa; Se annetaan huoltoryhmän fyysisen tarkastuksen ja käyttöpäällikön hyväksynnän yhteydessä. Väärät positiiviset (turha pysäytys) ja väärät negatiiviset (jäänyt epäonnistuminen) ovat molemmat kalliita; Ihmiset hallitsevat tätä tasapainoa.
Ennakoivan huollon arvo on siinä, että vika havaitaan riittävän ajoissa, jotta se muuttuu suunnitelluksi seisokkiksi: suunnittelematon vika pysäyttää tuotannon puolivälissä, kun taas ennakoitua vikaa varten osat varataan ja huolto suoritetaan suunnitellussa ikkunassa. Tämä toimii kuitenkin vain, jos tiedot ovat luotettavia. Kaivoksessa anturit toimivat pölyn, tärinän ja lämmön alla; Kalibrointipoikkeama, löysä liitos ja kohdistusväli ovat yleisiä. Siksi ennakoivan ylläpito-ohjelman ensimmäinen askel ei ole mallin rakentaminen, vaan tietojen laadun varmistaminen. Ennen kuin tekoäly tekee "epäonnistumisen ennusteen", on tarpeen kysyä, kuinka luotettavasti tiedot on kerätty; Jopa edistynein malli, joka on rakennettu huonoilla tiedoilla, on harhaanjohtava. Lisäksi kaikki laitteet eivät ole yhtä kriittisiä: yhden pääkatkaisijan vika voi sammuttaa koko laitoksen, kun taas varapumpun vika voidaan sietää. Laitteiden kriittisyyteen perustuva ennakoivan työn priorisointi ohjaa rajalliset huoltoresurssit oikeaan paikkaan.
kolme minilaukkua
Tapaus 1 – Piilotettu pullonkaula. Yhden kaivoksen tuotanto on 12 % alle tavoitteen. Vuoropäällikön mielestä "kuorma-autoja on vähän". Heillä on AI-yhteenveto lähetystiedot; Osoittautuu, että keskimäärin 28 % kuorma-autoista odottaa kaivinkoneen jonossa. Ongelma ei ole kuorma-autojen määrä, vaan yksittäisen kaivinkoneen lastausnopeus. Häntä putoaa, kun toinen kuormaaja otetaan käyttöön. Tekoäly osoitti pullonkaulan numeroina; Joukkue teki päätöksen ja kenttävahvistuksen.
Tapaus 2 – Polttoainehäiriö. Tekoäly ilmoittaa, että kuorma-auton polttoaineenkulutus on ollut 18 % korkeampi kuin vastaavissa kahden viime viikon aikana. Huoltoryhmä tarkastaa; huomaa, että ilmansuodatin on tukossa ja moottori kamppailee. Kulutus palautuu normaaliksi, kun suodatin vaihdetaan. Täällä tekoäly varoitti; mutta fyysinen tutkimus teki diagnoosin (suodatin). Jos tekoäly olisi sanonut "moottori viallinen" ja moottori olisi purettu vastaavasti, se olisi ollut sekä väärin että kallista.
Tapaus 3 – Väärä positiivinen. Tekoäly näkee äkillisen hypyn hiomakoneen tärinätiedoissa ja varoittaa "välittömästä viasta". Huoltoryhmä huolehtii; havaitsee, että pomppiminen johtuu anturin löystymisestä, kone on ehjä. Jos varoitusta olisi seurattu sokeasti ja tehdas olisi pysäytetty, yksi tuotantovuoro olisi menetetty turhaan. Oppitunti: jokaisen poikkeaman kohdalla kyseenalaista ensin tietojen/anturin laatu; AI-varoitus on hypoteesi.
Kopioitavat kehotemallit
LAUSTON TIETOJEN YHTEENVETO"Rooli: Olet apulaiskaivostoiminnan analyytikko. Tee yhteenveto seuraavista lähetystiedoista vuoroittain: tonnit yhteensä, matkojen määrä, keskimääräinen sykliaika, ajo-/odotus-/vikaprosentit. Ajoneuvojen tunnukset on peitetty. Lippusiirtymät, jotka näyttävät epänormaalilta, mutta päättävät MIKSI; ehdota, mikä ylimääräinen poikkileikkaus kannattaa tutkia.
PULLONKAULAN ANALYYSI "Aseta analyysi selvittääksesi, mihin jono-/odotusajat kerääntyvät kuorma-kuljetus-purku-syklissä. Tulos: keskimääräinen odotusaika ja hävitetty kokonaisaika kussakin vaiheessa. Näytä, onko pullonkaula kuormaimessa, kuljetuksessa vai purkamisessa; SUOSITTELEE lopullista ratkaisua, luettele mahdolliset syyt ja ilmoita, että kentän vahvistus tarvitaan."
MERKINNÄN ANOMALIA (HUOLTO)"Alla on [värähtely/lämpötila/polttoaine] aikasarja laitteistosta. Merkitse pisteet, jotka poikkeavat normaalialueelta ja kullekin: (1) poikkeaman suuruus, (2) mahdollisen anturin/tietovian mahdollisuus, (3) mitä pitää ottaa huomioon fyysisessä tarkastuksessa. [DIAGNOOSI]..":ipastiivinen fault.
VAIRORAPORTTILUONNOS"Kirjoita vuororaportin luonnos seuraavista yhteenvetotiedoista: tuotettu tonnimäärä, poikkeama tavoitteesta, menetyksen tärkeimmät syyt, poikkeamat merkityt ja suositellut jatkotoimenpiteet. Merkitse päätökset "toimihenkilön hyväksynnän varaan". Tiedot: [liitä]."
Heikko kehote / Vahva kehote
HEIKKO OHJE: "Aikooko tämä kuorma-auto hajota?"
VAHVA KEHOITUS: "Rooli: Olet ennakoivan huollon analyytikko. Merkitse tärinä- ja lämpötilasarjan alle ne pisteet, jotka poikkeavat normaalista, ilmoita poikkeaman suuruus ja ERITTÄ anturin mahdollisen vian mahdollisuus todellisesta mekaanisesta merkistä. ÄLÄ ennusta tarkkaa vikaa; erittele, mitä huoltotiimin tulee etsiä. Tiedot: [paste fyysisen tarkastuksen aikana]."
Vertailukaavio: datasignaali ja päätös
signaali
AI-lähtö
kenen päätös
vahvistusta
Matala OEE
Komponenttien jäsennys puuttuu
Toimintapäällikkö
kenttähavainto
Jono/pullonkaula
missä se kerääntyy
Vuoronjohtaja
Kentän vahvistus
Polttoaineen poikkeama
poikkeavuuden merkki
huoltotiimi
fyysinen tarkastus
tärinäroiskeet
Varoitus (ei diagnoosi)
Huolto + käyttö
Anturi + tarkastus
vuororaportti
luonnos
Toimintapäällikkö
Hyväksyntä
Yleisiä virheitä
- Anomalian tulkitseminen selväksi toimintahäiriöksi. Useimmat poikkeavuudet ovat anturi-/tietovirheitä; Kysy tiedoista ensin.
- Tekoälyn pyytäminen ennustamaan tarkasti "hajoaako se?" AI-signaalit; tutkimus tekee diagnoosin.
- Olettaen, että numeerisen tarkastuksen pullonkaula. Tunne "vähemmän kuorma-autoja" osoittautuu usein vääräksi.
- Aikaleima-/äänenvoimakkuusongelmien ohittaminen. Tietueen aukot vääristävät OEE- ja syklilaskentaa.
- Sokeasti noudatetaan varoitusta ja lopetetaan tuotanto. Väärän positiivisen tuloksen hinta on myös todellinen.
Huomio: Ennakoivan huollon tarkoituksena on estää toimintahäiriöitä, mutta jokaiseen varoitukseen reagoiminen pysäyttämällä koneen aiheuttaa myös tappioita. Päätös kuuluu henkilölle, joka punnitaan yhdessä varoituksen vakavuuden, laitteiden kriittisyyden ja tarkastushavainnon.
Yhteenvetona
Laivasto- ja tuotantotiedot ovat aarreaitta, joka lisää tuotantoa oikein luettuna; Tekoäly käsittelee tämän tehokkaasti yhteenvedossa, pullonkaulojen löytämisessä, poikkeamien ilmoittamisessa ja ennakoivassa ylläpidossa. OEE-häviöt, jonotusajat ja anturipoikkeamat näkyvät nopeasti tekoälyllä. Mutta poikkeama on varoitus, ei diagnoosi; Laitteiden pysäytys- ja vuoropäätökset tehdään kenttävahvistuksella ja käyttöpäällikön suostumuksella. Jokaisen poikkeaman kohdalla kysy ensin tietojen/anturin laatua.
Sovellustehtävä
Käytä "Kalustotietojen yhteenveto"- ja "Pullonkaula-analyysi" -malleja näytetietojesi (tai omien anonymisoitujen) lähetystietojesi kanssa selvittääksesi syyt työvuoron katoamiseen. Käytä sitten "poikkeamamerkintä" -mallia laitteen värähtely-/polttoainesarjaan ja merkitse jokaisen lipun kohdalla, onko kyseessä tietovirhe vai todellinen ongelma. Lopuksi "Shift report draft" -toiminnolla käännä havainnot raportiksi ja merkitse päätökset toiminnallisesti hyväksyttäväksi.
tarkistuslista
- [ ] Peilin ja anonymisoin ajoneuvo-/henkilötunnukset.
- [ ] Varmistin pullonkaulan jono-/odotustiedoilla, en tunteella.
- [ ] Jokaisen poikkeaman kohdalla kyseenalaistin ensin anturin/tietojen laadun.
- [ ] En pitänyt tekoälyvaroitusta diagnoosina, vaan merkkinä, joka vahvistetaan tutkimuksella.
- [ ] Jätin laitteiden sulkemis-/tuotantopäätöksen toiminnanjohtajalle.
- [ ] Tarkistin aikaleiman ja äänenvoimakkuuden yhdenmukaisuuden.