Konserwacja predykcyjna to ewidentnie jeden z kluczowych elementów inteligentnej fabryki, czy szerzej – Przemysłu 4.0. Dzięki niej oraz inteligentnemu monitoringowi procesów w fabrykach, BMW chce uniknąć przestojów w produkcji.
W mediach mainstreamowych rzadko mówi się o koszcie, jaki mogą generować fabryki, huty czy zakłady produkcyjne przez kilka godzin przestoju. Straty liczy się często w setkach tysięcy złotych. Dlatego tak istotne jest zapobieganie wszelkiego rodzaju awariom. Z pomocą przychodzą rozwiązania IIoT (Przemysłowy Internet Rzeczy, analiza danych czy sztuczna inteligencja). I właśnie na te aspekty stawia BMW. Zamiast wcześniejszego podejścia opartego na czasie lub regułach, wprowadzana jest konserwacja predykcyjna działająca w oparciu o platformę chmurową.
Konserwacja predykcyjna jako system wczesnego ostrzegania w produkcji
Konserwacja predykcyjna pozwala przewidzieć, kiedy system ulegnie awarii, zanim jeszcze do niej dojdzie. To wszystko dzięki monitorowaniu stanu maszyn. Innymi słowy – dzięki szeregu różnej maści czujników IoT, w które wyposażone są poszczególne maszyny. Podejście oparta na analizie danych pomaga w osiągnięciu optymalnego stanu konserwacji. Dzięki temu można profilaktycznie wymienić komponenty i zapobiegać przestojom w produkcji. Jednocześnie sprawne elementy nie są niepotrzebnie wymieniane, co zwiększa wydajność i zrównoważony rozwój.
Prognozowanie stanu na bazie platformy opartej na chmurze
Konserwacja predykcyjna korzysta z nowoczesnej platformy w chmurze, aby otrzymywać wczesne ostrzeżenia o możliwych przestojach w produkcji. BMW nie podaje, z którego dostawcy chmury korzysta, a ja nie byłem na tyle dociekliwy, by się w to zagłębiać. Istotny jest fakt, że monitorowane urządzenia produkcyjne podpięte są do chmury, do której regularnie przesyłają dane o swoim stanie czy wykonywanych procesach, które są następnie automatycznie analizowane. To co ważne, BMW twierdzi, że system składa się z poszczególnych komponentów, które można włączać lub wyłączać w razie potrzeb – co się zgadza, bo między innymi po to właśnie migruje się do chmury. Ponadto jest łatwo skalowalny, a to oznacza ni mniej, ni więcej jak tyle, że można go łatwo wdrażać w nowych lokalizacjach.
Konserwacja predykcyjna umożliwia dostosowanie procesów serwisowych do rzeczywistych warunków. Oznacza to, że działania konserwacyjne są nie tylko odłączone od bieżącej produkcji i zaplanowane w czasie pozaprodukcyjnym, ale także, że są również przeprowadzane w sposób bardziej ukierunkowany, ekonomiczny i oszczędzający zasoby. Wydłużenie czasu pracy znacznie zwiększa również zrównoważony charakter stosowanych środków produkcji.
Konserwacja predykcyjna pomocna w produkcji elementów silników elektrycznych
W fabrykach BMW wytwarzane są m.in. obudowy silników elektrycznych. System konserwacji predykcyjnej wykrywa anomalie za pomocą prostych modeli statystycznych, a w bardziej złożonych przypadkach za pomocą predykcyjnych algorytmów sztucznej inteligencji. Za pomocą wizualizacji i alarmów pracownik produkcji jest informowany z wyprzedzeniem o wymaganych pracach konserwacyjnych.
Z kolei przy budowie karoserii zacisk spawalniczy wykonuje do 15 tysięcy spawów dziennie. Specjalnie opracowane oprogramowanie zbiera dane z zacisków spawalniczych na całym świecie i przekazuje je do chmury, aby z wyprzedzeniem wykrywać ewentualne usterki podczas produkcji. Tam są one przetwarzane i analizowane za pomocą algorytmów. Wszystkie dane dostępne są do wykorzystania na całym świecie w celu wspierania procesów serwisowych.
Konserwacja predykcyjna zapobiega również awariom elementów przenośników na liniach montażowych pojazdów. Na przykład w zakładach BMW Group w Ratyzbonie urządzenia sterujące przenośnikami przesyłają przez całą dobę dane dotyczące m.in. prądów elektrycznych, temperatur i pozycji do platformy w chmurze, gdzie są one na bieżąco analizowane. W ten sposób specjaliści ds. danych wiedzą, gdzie w danej chwili znajduje się każdy element przenośnika, jaki jest jego stan i co robi. Na tej podstawie aplikowane są predykcyjne modele AI, które wykrywają anomalie i w ten sposób dostarczają wskazówek dotyczących problemów technicznych.
Zamiast przeglądów okresowych, konserwacja predykcyjna
O zaletach Internet of Things, także w zastosowaniu przemysłowym piszę i opowiadam od wielu lat. Oczywiście zdaję sobie sprawę z faktu, iż w dużych fabrykach czy hutach znacznie trudniej jest wdrożyć IIoT, bo chociażby oczujnikowanie jednego pieca w hucie, to od kilkuset do kilku tysięcy czujników. Jednak przy stratach rzędu kilkuset tysięcy złotych, które powoduje jeden dzień przestoju, warto rozważyć taką opcję. Zresztą, że jak widać na przykładzie fabryk BMW, konserwacja predykcyjna zastępuje okresowe przeglądy i zaskoczenie niespodziewaną awarią, gdyż wszelkie maszyny monitorowane są w czasie rzeczywistym. To pozwala przewidzieć ryzyko awarii i odpowiednio wcześnie jej zapobiec, bądź opracować alternatywny plan. W dzisiejszych czasach, w dobie powszechności rozwiązań chmurowych i Industrial Internet of Things, ich brak w zakładach produkcyjnych, to ewidentny przykład na niegospodarność zarządów. I tak – nie boję się tak twierdzić. Na szczęście BMW tego zarzucić nie mogę.
