유지 관리에 대한 과도한 지출 제거

가동 중지 시간을 줄이는 것이 예측 유지 관리 체제를 선택할 때 가장 먼저 생각하는 항목일 수 있지만 다른 큰 보상도 제공됩니다. 과도한 유지 관리를 제거함으로써 얻을 수 있는 잠재적인 이점을 간과하지 마십시오.

초과 유지 관리는 미리 결정된 정기적인 간격으로 작업을 수행하는 모든 계획된 유지 관리 프로그램에 포함되어 있습니다. OEM에서 유지보수 관리자에 이르기까지 모든 사람이 '안전한 편'을 위해 유지보수 간격에 안전 여유를 구축하기 때문입니다.

높은 주의 비용

수명이 다한 베어링 교체 지침을 예로 들어 보겠습니다. 권장 교체 주기는 16,000~40,000 작동 시간입니다. 각 베어링 교체에는 30분에서 2시간이 소요됩니다. 베어링 교체에 소요되는 공수는 40,000시간에 비해 16,000시간의 교체 간격에서 2.5배 더 많을 것입니다. 일반적인 산업 현장에는 수천 개의 베어링이 있으므로 막대한 추가 비용이 듭니다.

예측 유지 관리는 고정된 간격이 아닌 고장을 방지하기 위해 팀이 적시에 유지 관리를 수행할 수 있도록 함으로써 이러한 유지 관리 초과 지출을 사실상 제거할 수 있습니다. 동시에 가동 중지 시간을 대폭 줄이고 상당한 생산성 향상을 약속합니다.

그러나 예측 유지 보수는 각 구성 요소의 고장 시기를 안정적으로 예측할 수 있는 효과적인 상태 모니터링의 지원이 있어야만 가능합니다. 상태 모니터링은 차례로 기계에서 실시간 데이터를 가져와 이를 사용하여 장비의 변화하는 상태에 대한 그림을 작성하는 데 의존합니다.

판도를 바꾸는 기술

상태 모니터링은 최근 인더스트리 4.0과 관련된 기술 및 기술의 등장으로 인해 많은 산업 분야에서 처음으로 저렴하고 실용적인 제안이 되었습니다. 예를 들어, 무선 통신을 사용하면 상태 모니터링 시스템에 필요한 기계 데이터를 공급하기 위해 저렴한 센서 네트워크를 설치하는 것이 더 저렴하고 덜 방해가 됩니다. 한편, 클라우드 기반 소프트웨어는 전례 없는 확장성을 제공하고 프로세스 운영자 또는 OEM이 실시간으로 설치를 모니터링할 수 있도록 합니다.

더군다나 차세대 인공 지능 및 기계 학습 솔루션을 사용하면 상태 모니터링 시스템이 데이터 분석을 자동화하여 전문 분석가가 모든 데이터 스크랩을 조사할 필요 없이 실행 가능한 통찰력을 제공할 수 있습니다. 이제 클라우드에서 수동 개입 없이 자동으로 수행할 수 있는 기계 오류를 시도하고 예측하기 위해 컨설턴트에게 비용을 지불해야 하는 이유는 무엇입니까?

보다 효과적으로 유지 관리 목표

Senseye PdM은 상태 모니터링을 위한 고급 기계 학습 사용의 선두 주자입니다. 고유한 독점 알고리즘은 데이터를 예측으로 알려진 기술인 제조 자산의 남은 유효 수명(RUL)에 대한 정확한 예측으로 전환할 수 있습니다.

Senseye PdM은 기존 데이터 소스에 연결하는 동시에 정상적인 기계 작동이 평소와 같이 계속됩니다. 14일 동안 백그라운드에서 작동하여 정상적인 기계 동작과 사용 가능한 경우 이력 데이터를 분석합니다. 그런 다음 확장 가능한 예측 유지 관리 프로그램 구축을 시작하는 데 필요한 통찰력을 제공할 준비가 되었습니다.

이것은 실제로 Senseye PdM이 기계 데이터를 자동으로 수집하고 분석하여 주어진 시간에 사이트의 모든 자산이 어떻게 수행되고 있는지 알려줄 수 있음을 의미합니다. 솔루션의 알고리즘은 개별 자산에 대한 업데이트를 생성하고 유지 관리 팀이 단기적으로 집중해야 하는 부분을 정확히 강조하고 향후 유지 관리 계획을 최적화하는 데 도움이 됩니다.

일반적인 구현은 가동 중지 시간을 절반으로 줄이고 생산성을 55% 향상시키며 유지 관리 정확도를 85% 높일 수 있습니다.

이 마지막 수치는 과잉 유지 관리의 감소와 가장 밀접한 관련이 있으며, 이는 예측 유지 관리를 통해 계획된 유지 관리에 비해 유지 관리 비용을 8~12% 절감할 수 있는 주요 이점 중 하나입니다. ¹ . 그리고 일반적인 산업 기업이 유지 관리에 지속적인 예산의 15~40%를 지출하므로 엄청난 절감 효과를 얻을 수 있습니다. ² .

Sensey PdM이 유지 관리 비용을 최적화하고 생산성을 높이는 데 어떻게 도움이 되는지 자세히 알고 싶으십니까? 지금 백서 '유지 관리에 대한 과도한 지출 제거'를 확인하거나 Senseye PdM 데모를 예약하세요.

1. 미국 에너지부
2. 로스트텐, 2000년