Keuntungan:
- Keupayaan untuk meringkaskan data penghantaran, telemetri dan OEE dengan AI dan mengesan kesesakan dan anomali
- Keupayaan untuk membina logik penyelenggaraan ramalan dengan getaran, suhu dan data analisis minyak dengan sokongan AI
- Keupayaan untuk menguji ramalan pengeluaran/penyelenggaraan yang dihasilkan oleh AI dengan pengesahan lapangan dan keputusan pengurus operasi
Tidak kira betapa bagusnya rancangan itu di atas kertas, pengeluaran di lapangan yang penting: berapa banyak tan yang digali, pada gred berapa, berapa banyak trak yang membawanya, seberapa keras peralatan itu berfungsi, berapa banyak bahan api yang dibakar. Dalam lubang terbuka moden, jengkaut, trak, penggerudi dan dozer menghasilkan data kedua demi saat; Sistem pengurusan armada (penghantaran) merekodkan lokasi, muatan dan status setiap kenderaan. Lautan data ini adalah harta karun yang, apabila dibaca dengan betul, meningkatkan pengeluaran, mengurangkan kos dan menunjukkan kesesakan. AI; Ini adalah bantuan yang berkuasa dalam meringkaskan data operasi, arah aliran dan pengesanan anomali (penyimpangan daripada jangkaan), ramalan penyelenggaraan ramalan dan pelaporan. Walau bagaimanapun, keputusan syif, pemberhentian peralatan dan sasaran pengeluaran adalah milik pengurus operasi; AI memberi amaran, manusia membuat keputusan.
Bahasa OEE dan data pengeluaran
Cara biasa untuk mengukur prestasi pengeluaran ialah OEE (Keberkesanan Peralatan Keseluruhan). OEE ialah produk daripada tiga komponen: ketersediaan (adalah peralatan beroperasi), prestasi (berapa banyak ia beroperasi pada kelajuan reka bentuk), dan kualiti (berapa banyak pengeluaran mengikut sasaran). OEE rendah trak mungkin berpunca daripada kerosakan, terhenti, atau operasi perlahan; Untuk mengetahui yang mana satu itu memerlukan pemotongan data dengan betul. AI pandai memecahkan komponen OEE dan menjawab soalan "di mana kerugian"; tetapi sebab sebenar mengapa syif digugurkan didapati melalui pengesahan medan.
Langkah demi langkah: AI berfungsi dengan data armada
- Anonimkan dan kenal pasti data. ID kenderaan topeng; Terangkan lajur, cap masa dan unit.
- Buat rumusan. Tan, bilangan perjalanan, masa bekerja/menunggu/gagal mengikut syif/hari. AI: kod ringkasan dan jadual.
- Cari kesesakan. Adakah ia mengehadkan pemuatan, pembawa atau pemunggahan? Di manakah masa giliran terkumpul? AI: mencadangkan analisis keratan rentas.
- Tandakan anomali. Bahan api, masa kitaran, beban menyimpang dari jangkaan. AI: mencadangkan ambang statistik atau model mudah.
- Sahkan dengan medan. Sahkan setiap anomali dengan pasukan operasi/penyelenggaraan; Ralat data atau masalah sebenar?
- Tindakan dan pengejaran. Keputusan dibuat oleh pegawai operasi; AI merangka laporan susulan.
Petua: Anomali tidak selalunya rosak; selalunya ia adalah ralat penderia, hanyut cap masa atau jurang rekod. Tanya soalan "Perlukah saya mengesyaki data atau mesin dahulu?" dengan setiap anomali.
Penyelenggaraan ramalan: konsep dan sempadan
Terdapat tiga generasi penyelenggaraan: pembetulan (pembaikan apabila berlaku kerosakan), pencegahan (penyelenggaraan mengikut jadual) dan ramalan (ramalan: meramalkan kegagalan daripada tanda-tanda dalam data). Dalam penyelenggaraan ramalan, penunjuk seperti getaran, suhu, analisis minyak (logam haus), arus dan tekanan dipantau; Penyimpangan daripada normal mungkin menunjukkan kerosakan. AI berkuasa mencari corak dan anomali dalam data multivariate ini. Tetapi perkara kritikal adalah ini: anomali adalah amaran, bukan diagnosis. Keputusan untuk menghentikan peralatan, menggantikan bahagian atau meneruskan operasi; Ia diberikan dengan pemeriksaan fizikal pasukan penyelenggaraan dan kelulusan pengurus operasi. Positif palsu (berhenti sia-sia) dan negatif palsu (kegagalan terlepas) kedua-duanya mahal; Orang ramai menguruskan keseimbangan ini.
Nilai penyelenggaraan ramalan terletak pada mengesan kegagalan cukup awal untuk mengubahnya menjadi penutupan yang dirancang: kegagalan yang tidak dirancang menghentikan pengeluaran pertengahan syif, manakala bahagian kegagalan yang diramalkan disediakan dan penyelenggaraan dilakukan dalam tetingkap yang dirancang. Walau bagaimanapun, ini hanya berfungsi jika data boleh dipercayai. Dalam lombong, penderia beroperasi di bawah habuk, getaran dan haba; Kalibrasi hanyut, sambungan longgar dan jurang pendaftaran adalah perkara biasa. Oleh itu, langkah pertama program penyelenggaraan ramalan bukanlah untuk membina model, tetapi untuk memastikan kualiti data. Sebelum meminta AI membuat "ramalan kegagalan", adalah perlu untuk bertanya sejauh mana kebolehpercayaan data itu telah dikumpulkan; Malah model paling maju yang dibina dengan data yang buruk adalah mengelirukan. Selain itu, tidak semua peralatan adalah sama kritikal: kegagalan satu pemutus utama boleh menutup keseluruhan loji, manakala kegagalan pam sandaran boleh diterima. Mengutamakan usaha ramalan berdasarkan kritikal peralatan mengarahkan sumber penyelenggaraan yang terhad ke tempat yang betul.
tiga kes mini
Kes 1 — Kesesakan tersembunyi. Pengeluaran di satu lombong adalah 12% di bawah sasaran. Penyelia syif berpendapat "ada beberapa trak". Mereka mempunyai data penghantaran ringkasan AI; Ternyata purata 28% trak sedang menunggu dalam barisan di jengkaut. Masalahnya bukan bilangan trak, tetapi kelajuan memuatkan satu jengkaut. Ekor jatuh apabila pemuat kedua digunakan. AI menunjukkan kesesakan dalam nombor; Pasukan membuat keputusan dan pengesahan lapangan.
Kes 2 — Anomali bahan api. AI menunjukkan bahawa penggunaan bahan api trak adalah 18% lebih tinggi daripada trak setara dalam dua minggu lepas. Pasukan penyelenggaraan menyemak; mendapati penapis udara tersumbat dan enjin bergelut. Penggunaan kembali normal apabila penapis ditukar. Di sini AI memberi amaran awal; tetapi pemeriksaan fizikal membuat diagnosis (penapis). Sekiranya AI mengatakan "enjin rosak" dan enjin telah dibongkar dengan sewajarnya, ia akan menjadi salah dan mahal.
Kes 3 — Positif palsu. AI melihat lonjakan mendadak dalam data getaran pengisar dan memberi amaran tentang "kegagalan yang akan berlaku." Pasukan penyelenggaraan menjaga; mendapati bahawa lantunan adalah disebabkan oleh penderia yang longgar, mesin itu utuh. Jika amaran telah diikuti secara membuta tuli dan kilang telah dihentikan, satu anjakan pengeluaran akan hilang dengan sia-sia. Pengajaran: dengan setiap anomali, persoalkan dahulu kualiti data/sensor; Amaran AI adalah hipotesis.
Templat gesaan yang boleh disalin
RINGKASAN DATA ARMADA"Peranan: Anda ialah penolong penganalisis operasi lombong. Ringkaskan data penghantaran berikut mengikut syif: jumlah tan, bilangan perjalanan, purata masa kitaran, peratusan lari/tunggu/gagal. ID Kenderaan bertopeng. Anjakan bendera yang kelihatan tidak normal tetapi tentukan KENAPA; cadangkan keratan rentas tambahan yang hendak diperiksa. Data: [tampal]."
ANALISIS BOTTLENECK "Sediakan analisis untuk mencari tempat baris gilir/masa tunggu terkumpul dalam kitaran muat-pengangkutan-punggah. Output: purata menunggu dan jumlah masa hilang pada setiap peringkat. Tunjukkan sama ada kesesakan berada di pemuat, dalam pengangkutan atau pemunggahan; CADANGAN penyelesaian muktamad, senaraikan kemungkinan sebab dan nyatakan pengesahan medan diperlukan."
PENANDAAN ANOMALY (PENYELENGGARAAN)"Di bawah ialah siri masa [getaran/suhu/bahan api] bagi sekeping peralatan. Tandakan titik yang menyimpang daripada julat normal dan untuk setiap: (1) magnitud sisihan, (2) kemungkinan penderia/data gagal, (3) perkara yang perlu dicari dalam pemeriksaan fizikal definitif. [ faultNOSIS].
DRAF LAPORAN ANJAKAN"Tulis draf laporan anjakan daripada data ringkasan berikut: tan yang dihasilkan, sisihan daripada sasaran, punca utama kerugian, anomali dibenderakan dan langkah susulan yang disyorkan. Tandakan keputusan 'tertakluk kepada kelulusan pegawai operasi'. Data:[tampal]."
Gesaan lemah / Gesaan kuat
GERAKAN LEMAH: "Adakah trak ini akan rosak?"
PROMPT KUAT: "Peranan: Anda ialah penolong penganalisis penyelenggaraan ramalan. Tandakan titik dalam siri getaran dan suhu di bawah yang menyimpang daripada biasa, berikan magnitud sisihan dan DISKRIMINASI kemungkinan kemungkinan kegagalan sensor daripada tanda mekanikal sebenar. JANGAN buat ramalan yang tepat tentang kegagalan; itemkan perkara yang perlu dicari oleh pasukan penyelenggaraan] semasa pemeriksaan fizikal."
Carta perbandingan: isyarat data dan keputusan
isyarat
Keluaran AI
keputusan siapa
pengesahan
OEE rendah
Hilang penghuraian komponen
Pengurus operasi
pemerhatian lapangan
Beratur/sesak
di mana ia terkumpul
Penyelia syif
Pengesahan medan
Sisihan bahan api
tanda anomali
pasukan penyelenggaraan
pemeriksaan fizikal
percikan getaran
Amaran (bukan diagnosis)
Penyelenggaraan + operasi
Sensor + pemeriksaan
laporan syif
draf
Pengurus operasi
Kelulusan
Kesilapan biasa
- Menganggap anomali sebagai kerosakan yang pasti. Kebanyakan anomali adalah ralat sensor/data; Tanya data dahulu.
- Meminta AI untuk meramalkan dengan tepat "adakah ia akan rosak?" Isyarat AI; pemeriksaan membuat diagnosis.
- Dengan mengandaikan kesesakan daripada pengesahan berangka. Perasaan "kurang lori" sering menjadi salah.
- Melangkau isu cap masa/ volum. Jurang rekod memesongkan OEE dan perakaunan kitaran.
- Mematuhi amaran secara membuta tuli dan menghentikan pengeluaran. Kos positif palsu juga nyata.
Perhatian: Matlamat penyelenggaraan ramalan adalah untuk mengelakkan kerosakan, tetapi bertindak balas kepada setiap amaran dengan menghentikan mesin juga menyebabkan kerugian. Keputusan adalah milik orang yang menimbang bersama-sama keterukan amaran, kritikal peralatan dan penemuan pemeriksaan.
Secara ringkasnya
Data armada dan pengeluaran ialah harta karun yang meningkatkan pengeluaran apabila dibaca dengan betul; AI mengendalikan ini dengan kuat dalam ringkasan, mencari kesesakan, penandaan anomali dan penyelenggaraan ramalan. Kehilangan OEE, masa beratur dan sisihan penderia dengan cepat dapat dilihat dengan AI. Tetapi anomali itu adalah amaran, bukan diagnosis; Keputusan berhenti dan syif peralatan dibuat dengan pengesahan lapangan dan kelulusan pengurus operasi. Untuk setiap anomali, mula-mula tanya kualiti data/sensor.
Tugasan permohonan
Gunakan templat "Ringkasan data armada" dan "Analisis Bottleneck" dengan data penghantaran sampel anda (atau anda sendiri tanpa nama) untuk mengekstrak sebab anjakan hilang. Kemudian gunakan templat "Penandaan anomali" pada sekeping siri getaran/bahan api peralatan dan ambil perhatian untuk setiap bendera sama ada ia ralat data atau masalah sebenar. Akhir sekali, dengan "Draf laporan Shift", terjemahkan penemuan ke dalam laporan dan tandakan keputusan untuk kelulusan operasi.
senarai semak
- [ ] Saya bertopeng dan tanpa nama ID kenderaan/kakitangan.
- [ ] Saya mengesahkan kesesakan dengan data gilir/tunggu, bukan dengan rasa.
- [ ] Untuk setiap anomali, saya mula-mula mempersoalkan kualiti sensor/data.
- [ ] Saya menganggap amaran AI bukan diagnosis, tetapi tanda untuk disahkan melalui pemeriksaan.
- [ ] Saya menyerahkan keputusan penutupan/pengeluaran peralatan kepada pengurus operasi.
- [ ] Saya menyemak cap masa dan ketekalan volum.