AI가 어떻게 계획되지 않은 가동 중지 시간을 0%에 도달하게 하는지

계획되지 않은 다운타임은 백만 달러의 문제입니다. 생산 또는 운영 중 예기치 않은 중단으로 인해 조직은 한 번에 평균 200만 달러(170만 유로)의 비용을 지출할 수 있으며 기업의 82%는 3년에 한 번 이상 계획되지 않은 중단을 경험합니다( Aberdeen 연구에 따르면). ).

Samotics의 CEO인 Jasper Hoogeweegen은 정전이 발생할 때마다 생산 시간 손실, 제품 손상, 추가 인건비 및 교체 부품에 대한 러시 주문의 위험이 있다고 말합니다. .

시스템 오류 및 비효율적으로 실행되는 시스템의 건강 및 안전 영향뿐만 아니라 고객 신뢰에 대한 손상을 고려하면 계획되지 않은 다운타임이 단순한 비용보다 훨씬 더 큰 문제로 치닫는다는 사실이 분명해집니다.

최근까지 가동 중지 시간을 최소화하는 접근 방식은 비효율적이거나 비효율적인 사후 대응 및 예방 전략을 중심으로 이루어졌습니다. 유지 관리 문제에 반복적으로 대응 발생 후 장기적으로 지속 가능하지 않습니다. 한편, 시계를 보고 고장을 사전에 방지하려는 예방 전략은 건강한 장비에 대한 불필요한 점검을 초래하는 경우가 많으며, 예방 정비를 아무리 많이 적용해도 전체 장비의 최대 85%가 무작위로 고장날 수 있습니다.

조직의 72%가 계획되지 않은 다운타임 제로 달성을 높은 우선 순위로 언급한다는 점을 고려할 때 이 모든 것은 이상적인 시나리오에 대한 주요 모순으로 작용합니다. 추측을 줄이는 것이 모든 예상치 못한 실패를 근절하는 열쇠가 될 것입니다.

다운타임 시 다운로드

수억 개의 자산이 산업 경제의 고동치는 심장을 구성합니다. 전기 모터, 펌프, 팬, 믹서, 롤러, 밸브... 목록은 계속됩니다. 물 관리 및 에너지, 화학 및 철강에 이르기까지 다양한 산업을 망라하는 전 세계의 조직은 가능할 때마다 계획되지 않은 가동 중지 시간을 없애기 위해 기계 상태를 실시간으로 모니터링하는 방법을 점점 더 많이 사용하고 있습니다.

<노스크립트>

모든 기계 결함과 고장에는 원인이 있습니다. 데이터는 고장의 징후를 미리 파악하고 더 큰 문제가 발생하기 전에 편리한 시간에 수정할 수 있도록 하는 열쇠입니다. 이를 위해서는 24시간 내내 수집 및 처리해야 하는 풍부한 데이터가 필요합니다. IoT의 시대는 이러한 데이터의 획득을 가능하게 했지만 페타바이트에 달하는 데이터에 필요한 분석의 양은 인간의 능력을 훨씬 뛰어넘습니다.

여기에 AI가 등장합니다.

유지보수 접근 방식 수정

자산 상태 모니터링을 위한 AI의 잠재력은 진화 초기에 인식되었습니다. 기존의 대응 및 예방 전략에 대한 환영할만한 대안을 제공하는 AI는 조직에 실행 가능한 통찰력과 단순히 수정 및 예방이 아니라 문제와 실패가 발생할 시기를 예측할 수 있는 수단을 제공합니다.

인간 분석가와 달리 AI는 수신되는 대량의 기계 데이터를 거의 실시간으로 중단 없이 처리할 수 있습니다. AI는 단 몇 주간의 데이터를 사용하여 기계 상태에 대한 진정한 그림을 구축할 수 있습니다. 이 기본 모델에서 특정 유형의 손상을 나타내는 실패 설정 행동 패턴의 트리거 또는 '지문'을 설정하고 감지할 수 있습니다.

이 동일한 기본 모델은 비효율적인 작업을 나타내는 기계의 정상적인 동작에서 벗어나는 부분을 찾아냅니다. 전기 모터는 종종 산업 조직에서 단일 최대 전력 소비자이기 때문에 이러한 비효율성을 해결하면 비용을 크게 줄이고 환경에 미치는 영향을 최소화할 수 있습니다.

반응 대신 행동 – 새로운 표준

모든 AI 기반 기술과 마찬가지로 시간이 지남에 따라 더 똑똑해집니다. 과거 데이터 라이브러리가 클수록 소프트웨어는 더 많이 학습하고 정확도를 향상시킬 수 있습니다. AI는 이제 계획되지 않은 가동 중지 시간을 줄이는 귀중한 도구로 잘 확립되었으며 이미 다양한 산업 분야에서 전 세계적으로 수천 개의 자산이 혜택을 받고 있습니다.

선도적인 솔루션은 최대 5개월 전에 장애의 90% 이상을 감지할 수 있습니다. 빠른 혁신이 눈앞에 펼쳐지면서 계획되지 않은 가동 중지 시간이 0%가 되는 미래를 향해 꾸준히 노력하고 있습니다.

<노스크립트>

또한 AI가 전 세계 조직이 반응하는 대신 행동하도록 장려함에 따라 중요하고 환영할만한 문화적 변화를 가져오고 있습니다. 숙련된 유지 관리 전문가의 부족이 증가함에 따라 AI 기반 기술은 작업을 생산 현장에서 순회하는 것에서 가장 필요한 곳에 전문 지식을 적용하는 것으로 전환할 수 있습니다.

조직이 유지 관리에 대한 사전 예방적 접근 방식을 취하도록 권한을 부여하는 것은 선순환입니다. 데이터가 많을수록 시스템이 더욱 지능화되어 조직이 더 빨리 조치를 취하여 계획되지 않은 다운타임과 비효율적인 자산으로부터 더 많은 비용을 절약할 수 있습니다. 전 세계 조직의 경우 통제 및 조치를 취하면 과거의 갑작스러운 유지 관리 문제로 인해 혼란이 생길 ​​것입니다.

저자는 Samotics의 CEO인 Jasper Hoogeweegen입니다. .