Прогнозна поддръжка основен компонент на индустрията 4
Прогнозна поддръжка и големи данни
Прилагането на тази технология в студената верига е предимство за хранителната индустрия в Германия. Как сензорите, облакът и смартфоните в хладилните складове могат да предотвратят престоя в експлоатация и загубата на ресурси?
Нека си представим следния случай: Имаме различни хладилни камери, произведени в Германия, в които се съхраняват големи количества риба, месо, птици и сладолед, както и други храни, които трябва да се поддържат свежи. Тези храни се съхраняват в огромни охлаждащи елементи и хладилници. Ако системата се провали, месото и други стоки могат бързо да изгният. Тогава икономическите щети са огромни и загубата на безсмислено закланите тогава животни прави цялата работа още по-страшна. Не само убедените вегетарианци го виждат по този начин.
Днес компаниите се справят с подобен сценарий с високотехнологични технологии: Прогнозната поддръжка, термин, който наскоро се използва в строителната индустрия, е модната дума на часа.
Прогнозна поддръжка - какво е това?
Прогнозната поддръжка е термин, използван в Индустрия 4.0 и, в превод, описва „предсказуема поддръжка“ на машини или сгради. Методът използва данни за измерване и производство от машини и системи за извличане на информация за поддръжката. Целта е проактивна поддръжка и намаляване на престоя. В идеалния случай машинните неизправности могат да се предвидят преди да възникнат ефекти или откази. Действителната поява на неизправността трябва да бъде предотвратена чрез ранните или проактивни мерки за поддръжка.
Принципът на предсказуема поддръжка може да се приложи и за примера на нашата охлаждаща камера: Температурно контролираната стая е оборудвана с евтини сензори, които не са чувствителни към студа. Всички фризери, хладилници и хладилни камери са свързани помежду си, като се използват сензорите, свързани към Интернет на нещата. Наред с други неща се измерват стойностите: температура, влажност, интензивност на вибрациите, интензивност на шума или сила на тока. Целта на IoT решението, произведено в Германия, е да сведе до минимум техническите неизправности и проблеми и ако се появят, да ги разпознае незабавно и да изпрати предупреждение до отговорния персонал по поддръжката.
Казус за използване на IoT и сензори
Проблем:
Възниква следният случай: Раклата се изпразва и съдържанието се доставя. Обикновено отнема време за пълнене. Пространството и времето за съхранение, т.е.парите, се губят.
Решение:
Сензорите за тегло регистрират загубата на тегло и автоматично отчитат проблема чрез сензорите в облака и след това директно в смартфона на логистичния екип: „Загуба на тегло в сандъка 1 - моля презареждане.“ Комуникацията работи лесно и чрез съществуващите технологии като таблети и смартфони.
По този начин капацитетът за съхранение винаги е точно изчерпан и потенциалът за спестяване се разпознава и използва оптимално.
Друго приложение на тази технология Made-in-Germany
Проблем:
Същият сценарий, различен сензор: Електрическата мрежа и по този начин студената верига в споменатата охладителна система често отказват в случай на непредвидени колебания на напрежението.
Решение:
Подобно, но леко модифицирано решение би било възможно тук: сензорите във всички фризери постоянно измерват кога кои фризери са включени. Получените данни се изпращат в облака. От тези стойности изкуственият интелект (KI/AI) изчислява колко фризери могат да бъдат включени, кога и в кой ред, така че електрическата мрежа и по този начин студената верига да могат да се поддържат дори по време на така наречените пикове. Досадни и най-вече скъпи неуспехи са намалени. Състоянието „без повреда“ в крайна сметка означава и по-ниски разходи за поддръжка и никакви допълнителни финансови разходи поради запушвания или пренаселеност на капацитета за съхранение на системата. Освен това всяка възникнала повреда може да бъде открита и отстранена незабавно.
Прогнозна поддръжка и големи данни
Прогнозната поддръжка е основен компонент на Индустрия 4.0 - между другото, термин, който се връща към изследователския съюз на федералното правителство и едноименен проект в неговата високотехнологична стратегия. Тук е важно да се знае, че тази практика на поддръжка се различава от конвенционалните подходи като реактивна или превантивна поддръжка. За да се правят надеждни прогнози за прогностична поддръжка, е необходимо да се събират, съхраняват и анализират голямо количество данни (големи данни). Поради огромните потоци от данни се използват техники и бази данни от средата за големи данни.
Ако премислите тези сценарии, можете да намерите много примери за приложения за сензори, които проектирате интелигентно, т.е. способни за комуникация, и да ги свържете в мрежа с облака и инструментите за анализ.