Что такое прогностическое обслуживание? Какие его основные составляющие? В чем результат и выгода для производственных объектов?

1. Прогностическое
сервисное обслуживание
на основе технологий
промышленного
Интернета вещей

2. Что такое «прогностическое обслуживание»?
Результат: переход от техобслуживания по расписанию или
количеству циклов к экономически более выгодному
техобслуживанию «по состоянию здоровья»
* Техобслуживание по состоянию здоровья может быть и более частым, чем
по расписанию, в этом случае выгода заключается в избегании выхода
оборудования из строя
- 1 -
Компонент №1: удаленный мониторинг
Компонент №2: тренды и паттерны
Компонент №3: учим «что такое хорошо и что такое
плохо»
Компонент №4: используем автоматическое обучение

3. - 6 -
Виды программ технического обслуживания

4. - 6 -
Стоимость обслуживания и ремонта
Стоимость ремонта
Стоимость
обслуживания
у
ммммии
аааааа
ммооо
Прогностическое
облуживание
Реагирующее
облуживание
Упреждающее
облуживание

5. Удаленный мониторинг
Условием успешного анализа состояния оборудования
является “visibility”, то есть наличие полного набора
данных
В сложные агрегаты внедряются датчики и
специальные модули («агенты»), поддерживающие
связь с центром мониторинга
- 2 -
Часто мониторинг не является опцией, так как гарантирует
арбитраж между поставщиком и эксплуатантом
Агент автономен и может работать вне режима
эксплуатации (например, при транспортировке)
Примеры: оборудование для ЦОД, двигатели коммерческих
авиалайнеров, томографы

6. Ручное обучение
• В большинстве случаев использование Big Data и
хранение «сырых» данных является ненужным и
излишне дорогим, достаточно простого
линейного тренда на основе статистики по
периодам
• Примеры: заканчивающееся место на диске,
загрузка арендуемого канала через сеть
- 3 -
• Очень часто негативные паттерны сложны и могут быть выявлены
только группой экспертов по итогам глубокого анализа данных
• Пример: анализ «черных ящиков» после авиакатастрофы,
обусловленной отказом техники

7. Автоматическое обучение
• Из всех бесчисленных возможностей области
“Machine Learning” используется, в основном,
только анализ временных рядов (трендов)
• В большинстве случаев достаточно нахождения
негативного паттерна по одному конкретному
тренду (пример: нарушение цикла работы
компрессора в холодильнике)
- 4 -
• В более сложных случаях требуется корреляция нескольких
трендов («если эта метрика меняется так, а эта вот так, то все
плохо»)
• Можно проводить обучение по записанным ранее данным, а не в
реальном времени

8. Что получаем в результате
Предсказание времени до следующего отказа
(Time to Failure, TTF)
Оценка оставшегося периода эксплуатации
(Remaining Useful Life, RUL)
Эти метрики легко конвертируются из часов в циклы,
километры пробега, количество транзакций и т.д.
- 5 -
Оценка TTF и RUL достаточно сложна, но неплохо работает для
агрегатов, основанных на вращении (насосы, вентиляторы,
двигатели)

9. Способы диагностики состояния оборудования
1. Диагностика во время рабочего цикла
2. Диагностика методом неразрушающего контроля во
время сервисного обслуживания
Первый способ становится все более популярным по мере
развития датчиков и технологий промышленного Интернета
вещей.
Технологии диагностики: инфракрасное и акустическое
тестирование, вибрационный анализ, измерение уровня
шумов, анализ масла, анализ параметров
производительности, и так далее.
- 6 -

10. Другие возможности систем проактивного ТО
• Система прогностического техобслуживания обычно
включает систему управления ремонтными работами
(CMMS)
• Другой дополнительной функцией является логистика
техобслуживания
• По итогам анализа состояния оборудования часто
происходит изменение алгоритмов регулирования
• Для этого применяется централизованное обновление
встроенного ПО и изменение уставок при помощи средств
IoT-платформы
- 6 -