디지털 세계의 유지 관리

Bosch Rexroth의 Richard Chamberlain

오늘날과 같이 경쟁이 치열한 글로벌 시장에서 운영되는 제조업체의 경우 예상치 못한 가동 중지 시간은 상당한 문제를 야기하며 종종 더 높은 비용, 주문 기한 누락 및 평판 문제로 이어집니다. Bosch Rexroth의 Richard Chamberlain 역 유지보수에 대한 예측 접근 방식을 취하는 것이 가동 시간을 최대화하는 열쇠이며, 제조 환경을 변화시키는 인더스트리 4.0과 함께 지금은 설계 엔지니어가 기계 가동 중지 시간을 줄이고 일관된 수준의 효율성을 보장하기 위해 디지털 솔루션을 찾아야 할 때입니다.

유지보수 관련 가동 중지 시간이 제조업체에게 오랫동안 과제를 제시해 왔기 때문에 예측 유지 관리 프로세스는 값비싼 시설 가동 중지 시간의 위험을 줄이는 데 유용한 도구가 되고 있습니다. 상태 모니터링을 기반으로 필수 구성 요소에는 작동 지침과 과거 값의 경험을 기반으로 하는 센서 신호 및 경보에 대한 상한 및 하한 값으로 각각 프로그래밍된 센서가 장착되어 있습니다. 실제로 이것은 기계 상태에 대한 통찰력을 제공하고 제조업체가 중요한 기계의 구성 요소를 교체할 시기에 대해 더 나은 정보에 입각한 결정을 내리고 완전한 기계 고장을 방지할 수 있도록 합니다.

인더스트리 4.0의 도래와 함께 최신 기술은 이러한 장비 유지 관리 기능을 진정으로 예측 가능한 접근 방식으로 옮기고 있습니다. 전략적으로 배치된 센서를 통해 활용되는 데이터를 활용하여 공장에서 쉽게 통합할 수 있는 새로운 디지털 솔루션은 기계 상태와 지식을 기반으로 훨씬 더 신뢰할 수 있는 예측과 권장 사항을 생성합니다. 실시간 데이터를 해석하는 디지털 솔루션은 예측 관리 조치의 구현을 촉진하여 궁극적으로 가동 중지 시간을 줄입니다.

이를 염두에 두고 빅데이터를 수집할 수 있는 수단을 설치하는 것만으로는 충분하지 않습니다. 설계 엔지니어는 디지털 솔루션의 힘과 인간 지능의 힘을 결합해야 합니다.

데이터 중심

인더스트리 4.0의 광범위한 가능성을 전체적으로 볼 때 디지털 운동만으로는 결과를 얻을 수 없는 것처럼. 기본적으로 그것은 지능, 즉 인간 지능과 결합되어야 합니다. 실제로 센서 네트워크를 통해 활용되는 데이터를 유용하게 만들려면 시각화하고 평가하고 조치를 취해야 합니다.

이를 수행하는 한 가지 방법은 제조 시설의 관련 데이터를 간단하게 수집, 처리 및 시각화할 수 있도록 하는 Bosch Rexroth에서 개발한 도구인 ActiveCockpit을 ​​사용하는 것입니다. 중요한 기계에서 수집한 복잡한 데이터를 전략적으로 배치된 센서를 통해 번역하고 사용자 친화적인 시각 자료로 실시간으로 제시함으로써 작업 현장에서 더 빠르고 정확한 의사 결정을 내릴 수 있습니다. 이는 일단 설치되면 시스템과 프로세스가 발견 사항에 따라 조정되어 즉시 가시적인 결과를 얻을 수 있음을 의미합니다.

이를 실현하기 위해 알고리즘과 수학적 모델이 무대 뒤에서 끊임없이 작동합니다. 이들은 빅 데이터를 최대한 활용하기 위해 작성되었을 뿐만 아니라 엄청난 컴퓨팅 성능과 결합되어 소프트웨어가 데이터를 자체적으로 사용할 수 있도록 하고 연결 패턴, 경로 및 예측을 공장 현장에서 사용할 수 있도록 시각화합니다. 조치를 취하면 변경 사항을 평가하여 머신 러닝을 통한 지속적인 개선을 촉진할 수 있습니다.

인더스트리 4.0 시대의 예측 유지보수

따라서 기술이 발전하여 빅 데이터의 존재를 활용하고 최대 경쟁력을 유지하려는 제조업체의 노력을 지원함에 따라 제조업체가 이러한 인더스트리 4.0 개발을 구현하는 주요 동인은 동일하게 유지됩니다. 바로 비용 절감, 품질 수준 향상 및 생산량 증대입니다.

구성 요소가 완전히 네트워크화되고 연결되어 성능에 대한 더 큰 제어와 가시성을 제공하는 공장 현장에서는 예측 유지 관리를 위한 상태 지수 프로그램으로 변환될 수 있습니다. 본질적으로 자산 상태 및 연결된 공장에 미치는 영향과 같은 요소를 고려하여 가장 최적의 시기에 구성 요소를 교체할 수 있으므로 원활하고 효율적인 운영 흐름이 항상 유지됩니다.

이 접근 방식의 주요 이점 중 하나는 오류 찾기 및 예측 기능의 정확성입니다. 통계적으로 주어진 경우에 실수로 결함을 감지할 확률은 13%에 불과하며 전문가의 모니터링을 통해 43%로 증가합니다. 그러나 이를 기계 학습과 결합하면 오류 감지가 95%까지 가속화됩니다.

자가 학습 알고리즘과 예측 유지 보수 소프트웨어를 통합한 Rexroth의 ODiN 시스템은 연결된 기계의 상태 지수를 제공할 수 있는 실용적인 솔루션입니다. 제조업체는 장비 상태 표시를 제공하여 일관된 수준의 생산성을 유지하고 예상치 못한 다운타임의 발생을 줄이는 데 필요한 통찰력을 갖추고 있습니다.

큰 그림으로 접근

이러한 디지털 솔루션의 영향을 최대화하려면 설계 엔지니어가 인더스트리 4.0을 시설에 통합하는 방법을 정확하게 계획하는 것이 중요합니다. 여기에서 시설이 점진적인 접근 방식을 선택하든 완전한 디지털 정밀 검사를 선택하든 디지털 기술은 확장성이 뛰어나고 가장 복잡한 생산 환경과도 일치할 수 있다는 점을 기억하는 것이 중요합니다.

부품 마모가 높거나 예상치 못한 고장이 발생하기 쉬운 기존 기계도 지능형 센서, 제어 장치 및 드라이브를 수용할 수 있도록 장비를 조정하여 포괄적인 예측 분석의 기반을 형성함으로써 디지털 미래에 부합할 수 있습니다. 종단 간 시스템에 연결되면 기계 학습을 통한 예측 유지 관리 프로세스가 완벽하게 지원됩니다.

Bosch Rexroth와 같은 공급업체와 협력하면 계획에서 구현에 이르기까지 디지털 혁신의 각 단계를 지원하여 이러한 전환을 더 쉽게 수행할 수 있습니다. 따라서 데이터 활용 및 시각화가 소프트웨어를 더욱 스마트하게 만들고 공장을 더욱 지능적으로 만들면서 유지 관리에 대한 진정한 사전 예방적 접근 방식을 촉진하여 운영이 보다 효율적으로 실행되어 보다 일관된 품질과 출력을 제공함으로써 궁극적으로 오늘날의 수익성과 경쟁력을 극대화합니다. -변화하는 글로벌 시장.

자세한 내용을 보려면 여기를 클릭하십시오.

이 블로그의 작성자는 Bosch Rexroth의 Richard Chamberlain입니다.