CMMS Studio TCS.net

Diagnozowanie maszyn z wykorzystaniem sztucznej inteligencji

Model uczy się na przykładach, więc potrzebuje dwóch rzeczy: pomiaru z maszyny oraz informacji, co się wtedy zepsuło. Pierwsze dają czujniki, drugie rejestr napraw, i to zwykle drugiego brakuje w zakładach.

Raport awaryjności w module CMMS zestawiający zgłoszenia awarii w wybranym przedziale czasu z podziałem na maszyny i urządzenia

W skrócie

Model uczy się na przykładach, więc potrzebuje dwóch rzeczy: pomiaru z maszyny oraz informacji, co się wtedy zepsuło. Pierwsze dają czujniki, drugie rejestr napraw, i to zwykle drugiego brakuje w zakładach.

Sygnały, z których czyta się stan maszyny

Diagnostyka opiera się na wielkościach mierzalnych w sposób ciągły. Każda z nich ujawnia inny rodzaj uszkodzenia, więc dobór czujnika wynika z tego, co w danym węźle psuje się najczęściej.

Wielkość mierzonaCo ujawniaTypowe zastosowanie
Drganiauszkodzenia łożysk, niewyważenie wirnikasilniki, pompy, wentylatory
Temperaturanadmierne tarcie, przeciążenie węzłaprzekładnie, łożyska ślizgowe
Prąd silnikauszkodzenia uzwojeń, praca pod przeciążeniemnapędy elektryczne
Ultradźwiękinieszczelności instalacji sprężonego powietrzasieci pneumatyczne, zawory

Pomiar bywa ciągły albo okresowy. Obchód z miernikiem raz w miesiącu daje mniej danych niż czujnik stały, natomiast kosztuje ułamek tej kwoty i przy wolno postępującym zużyciu bywa wystarczający. Miejsce takiej pracy wśród pozostałych trybów opisuje strona o strategiach utrzymania ruchu.

Próg alarmowy a model uczony na danych

Nie każde rozwiązanie wymaga uczenia maszynowego. Prosty próg na wartości skutecznej drgań wychwytuje znaczną część uszkodzeń i nie wymaga żadnych danych historycznych.

  • Próg stały - alarm po przekroczeniu wartości granicznej, prosty w konfiguracji oraz zrozumiały dla obsługi.
  • Model uczony - wykrywa zmianę charakteru sygnału przed przekroczeniem progu, wymaga zbioru przykładów.
Model bez okresu odniesienia zgłasza alarmy przy każdej zmianie obciążenia. Zanim zacznie być użyteczny, potrzebuje zapisu pracy maszyny w stanie sprawnym oraz informacji o tym, które okresy poprzedzały usterkę.

Historia napraw jako zbiór etykiet

Największą przeszkodą we wdrożeniu diagnostyki nie jest brak czujników, tylko brak opisu zdarzeń. Sygnał z akcelerometru mówi, jak maszyna drgała, natomiast dopiero dokument naprawy mówi, że wymieniono wtedy łożysko.

Etykiety powstają z pól, które technicy wypełniają przy zamykaniu zlecenia: rodzaju awarii ze słownika, daty zdarzenia oraz opisu wykonanej pracy. Jakość tych wpisów przekłada się wprost na jakość modelu, o czym mówi strona o danych o historii napraw.

Warunki wejścia dla diagnostyki predykcyjnej

Przed inwestycją w czujniki warto sprawdzić cztery warunki. Brak któregokolwiek oznacza, że pieniądze pójdą na dane, których nikt nie wykorzysta.

  • Powtarzalne uszkodzenia - maszyna psuje się w podobny sposób kilka razy w roku, nie raz na dekadę.
  • Kosztowny postój - zatrzymanie urządzenia przerywa produkcję, więc wcześniejsze ostrzeżenie ma wartość.
  • Zapisane zdarzenia - rejestr z rodzajem awarii oraz datami, prowadzony od co najmniej roku.
  • Ktoś, kto zareaguje - służby zdolne zaplanować pracę po ostrzeżeniu, zanim usterka się rozwinie.

Ostatni warunek bywa pomijany, a przesądza o wyniku. Ostrzeżenie bez reakcji zmienia się w kolejne powiadomienie, które obsługa wyłącza po miesiącu.

Co w tym łańcuchu robi moduł CMMS

Moduł utrzymania ruchu nie analizuje sygnałów ani nie buduje modeli. Pełni dwie inne funkcje, bez których łańcuch się rozpada: dostarcza opisu zdarzeń oraz przyjmuje wynik analizy w postaci zlecenia do wykonania.

Uruchamianie obliczeń przy bazie danych opisuje dokumentacja usług uczenia maszynowego Microsoft SQL Server. Rodziny metod używanych w utrzymaniu ruchu zestawia strona o algorytmach w utrzymaniu ruchu, a dobór samych czujników strona o układach sensorycznych w monitorowaniu maszyn. Wskaźniki liczone bez czujników, wyłącznie z dokumentów, opisuje strona o raportach w CMMS.

FAQ

Pytania o diagnostykę wspieraną algorytmami

01

Czy moduł CMMS zawiera diagnostykę opartą na modelach?

Nie prowadzi analizy sygnałów z czujników ani nie buduje modeli. Gromadzi natomiast dane, bez których żaden model nie powstanie: daty zdarzeń, rodzaje awarii oraz opisy wykonanych napraw przy konkretnych obiektach.

02

Ile danych potrzebuje model diagnostyczny?

Liczy się liczba przypadków awarii, nie liczba pomiarów. Kilkaset godzin nagrań drgań przy maszynie, która nie zepsuła się ani razu, nie nauczy modelu rozpoznawania usterki, bo brakuje przykładów stanu uszkodzonego.

03

Czym różni się wykrywanie anomalii od klasyfikacji usterek?

Wykrywanie anomalii wskazuje, że sygnał odbiega od normy, bez nazwania przyczyny. Klasyfikacja podaje rodzaj uszkodzenia, ale wymaga zbioru uczącego z opisanymi przypadkami, czyli właśnie historii napraw z uzupełnionym rodzajem awarii.

04

Czy sam pomiar drgań wystarczy?

Przy łożyskach oraz niewyważeniu wirników zwykle tak. Usterki elektryczne widać lepiej w prądzie silnika, a nieszczelności w ultradźwiękach, dlatego dobór wielkości mierzonej zależy od tego, co w danym węźle psuje się najczęściej.

05

Od czego zacząć, gdy w zakładzie nie ma czujników?

Od rejestru zdarzeń oraz od wybrania kilku maszyn, przy których postój kosztuje najwięcej. Rok konsekwentnych zapisów daje listę węzłów wartych oczujnikowania oraz punkt odniesienia do oceny, czy pomiar cokolwiek zmienił.

Słownik pojęć

Słownik pojęć: diagnostyka maszyn i uczenie maszynowe

01Diagnostyka predykcyjna
Rozpoznanie stanu maszyny przed wystąpieniem awarii.
02Wykrywanie anomalii
Metoda wskazująca odchylenie sygnału od normy, bez nazwania przyczyny.
03Klasyfikacja usterek
Przypisanie zmierzonego stanu do jednego ze znanych rodzajów uszkodzeń.
04Zbiór uczący
Dane z opisanymi przypadkami, na których model buduje reguły.
05Etykieta
Informacja o tym, co faktycznie się zepsuło, przypisana do okresu pomiaru.
06Analiza widmowa
Rozkład drgań na częstotliwości, ujawnia uszkodzenia elementów obrotowych.
07Wynik fałszywie dodatni
Alarm bez usterki, główna przyczyna utraty zaufania do systemu.
08Okres odniesienia
Czas pracy maszyny w stanie sprawnym, wzorzec dla późniejszych pomiarów.

Zacznij od danych, nie od modelu

Rejestry zdarzeń w demo pokazują, jakie pola opisują awarię i naprawę maszyny.