예방 유지 보수는 유지 보수 부서의 중요한 기능입니다. 생산에 사용되는 장비와 기계는 제조 또는 산업 운영의 생명선입니다. 장비 가동 중단은 제품이 만들어지지 않거나 고객에게 배송되지 않음을 의미합니다. 당신에게 이런 일이 일어난 적이 있습니까? 따라서 이러한 장비를 가능한 한 오랫동안 가동 상태로 유지하는 것이 중요합니다. 장비에 문제의 징후가 나타날 때까지 기다리면 생산에 심각한 영향을 미칠 수 있습니다. 이는 결과적으로 수익에 영향을 미칩니다. 이를 방지하려면 계획된 예방 유지 관리라는 프로세스를 사용해야 합니다. PP

제조 공장을 위한 예방 유지보수 소프트웨어에는 많은 이점이 있습니다. 그러나 상당수의 제조 회사에서 고위 경영진은 유지 보수를 필요악으로 보는 경향이 있습니다! 가치를 거의 추가하지 않는 비용 센터. 그들은 유지 관리 팀이 회사의 중요한 부분이 아니라고 생각할 수도 있습니다(때로는 청소 직원보다 몇 단계 위입니다!). 이러한 생각은 일반적으로 유지 관리 팀에 잘못된 결정을 내리게 합니다. 제조 시설의 예방 유지보수 소프트웨어는 외관상 보기에 따라 선택되는 경우가 많습니다. 예를 들어 아름답고 광범위한 보고서가 있습니다! 또는 다

잘 조직된 유지 관리 프로그램에는 명확한 장비 유지 관리 워크플로가 있습니다(아래 다이어그램 참조). 예를 들어 다음 단계가 포함된 워크플로: 외부 사용자 또는 고객이 유지 보수 작업 요청을 보냅니다. 우리는 이 유지보수 작업과 예방 유지보수를 예약하고 작업 지시를 생성합니다. 기술자는 이러한 작업 지시를 받아 완료합니다. 유지보수 보고서 등을 생성합니다. 하지만 그것은 이야기의 일부일 뿐입니다... 이러한 유지 관리 워크플로 프로세스에서 오류가 발생하면 많은 문제가 발생합니다. 아래 유지 관리 워크플로 다이어그램에

유지보수 수리 및 운영을 위한 유지보수 관리 소프트웨어를 선택하는 과정에 있습니까? 확실히 그것은 상당한 도전이 될 수 있습니다! CMMS 프로그램 목록을 소수의 적합한 제품으로 줄였을 수도 있습니다. 따라서 이제 유지 관리 소프트웨어 프로그램을 시험해 볼 시간입니다. CMMS 소프트웨어 평가판 기간을 최대한 활용하는 방법은 무엇입니까? 명확히 하자면 어떤 평가 프로세스가 의미가 있습니까? CMMS 소프트웨어 평가판 팁 1. 구매 후 사용하는 방식으로 CMMS 소프트웨어 평가판을 설정해 보십시오. 이것은 말보다 쉽습니다!

Senseye 베타가 진행 중인 이 게시물은 제품 사용에 대한 간략한 소개를 제공합니다. Senseye가 자동으로 데이터에서 통찰력 구축을 시작하고 대시보드 구축을 시작하기 위해 Senseye에 센서를 추가하는 단순성을 시연합니다. 아직 센서가 없더라도 Senseye 내에서 공개 데이터를 사용하는 방법을 보여드리겠습니다. 원시 센서 데이터 먼저 우리가 Thingspeak에서 모니터링하려는 채널입니다. https://thingspeak.com/channels/public으로 이동하면 사람들이 공개한 채널 목록을 찾을 수 있습니다. 이

산업이 IoT를 만나다 의심할 여지 없이 IoT에 대해 들어본 적이 있을 것입니다. 요즘은 놓치기 힘든 것 같습니다. 이제 우리는 산업 IoT도 가지고 있습니다. 이는 광범위한 산업 부문에 대한 적용 가능성을 설명하는 데 유행하고 있습니다. IoT는 이전에는 상상할 수 없었던 방식으로 새로운 데이터를 제공할 것입니다. 새로운 시장에 박차를 가하고 이전에는 거의 겹치지 않았던 기존 시장을 연결하여 의미 있는 결과를 추출하기 위해 사용 가능한 데이터를 이해할 수 있는 애플리케이션의 필요성을 더욱 촉진할 것입니다. 이러한 종류의

기계 고장을 예측하는 것은 훌륭하게 들립니다(실제입니다!). 우리는 항상 설정에 따른 고통을 최소화하려고 노력하지만 실패 예측은 데이터에 의해 좌우된다는 점을 인식하는 것이 중요하며 예측을 유용하고 신뢰할 수 있게 하려면 기계의 데이터가 충분한 양과 품질이어야 합니다( 수량에는 자체 품질이 있지만). 이제 PROGNOSYS와 같은 소프트웨어를 활용하여 기계의 상태 모니터링, 진단 및 예측을 자동화하여 가동 중지 시간을 줄이고 전체 장비 효율성(OEE)을 높게 유지할 준비가 되었음을 알 수 있도록 확인해야 할 3가지 사항이 있습니

또는 오히려 산업용 사물 인터넷은 예측 유지 관리(기계가 고장나 다운타임이 발생하기 전에 유지 관리)를 돕습니다. 예측 유지 관리가 까다로운 주제라는 것은 비밀이 아닙니다. 기계가 고장나기 직전에 유지보수할 수 있다는 아이디어는 여러 가지 이유로 이상적인 경우를 나타냅니다. 예비 재고를 보관할 필요가 없습니다. 장비를 과도하게 유지하는 것을 방지합니다(비싼) 실패를 방지하고 기계의 상태를 정확히 파악합니다. 일반적으로 제조업체는 MTBF(평균 고장 시간) 또는 MTTF(평균 고장 시간)를 지정합니다. 비슷하게 들리지만

사람들과 이야기할 때 예방 및 예측이라는 용어가 종종 정신적으로 겹칠 수 있음을 발견했습니다. 그러나 구현 기술과 실제 효과에는 현저한 차이가 있으므로 장단점과 예측 유지 보수가 제조업체의 유일한 미래인 이유에 대해 설명하기 전에 두 가지를 명확하게 정의하는 것이 중요합니다. 예방적 유지보수 기계와 해당 구성 요소의 평균 고장 사이의 시간을 나타내는 제조업체 지정 MTBF(평균 고장 간격)에 크게 의존합니다. 유지 관리 작업은 MTBF 수(일반적으로 작업 시간)를 초과하기 전에 수행됩니다. 예측 유지보수 기계 및 부품의

인더스트리 4.0과 사물 인터넷(또는 원하는 경우 산업용 사물 인터넷)은 매우 밀접하게 관련되어 있어 용어를 같은 의미로 사용할 수도 있습니다. 매일 사물 인터넷에 대한 뉴스와 사물 인터넷이 연결된 자동차, 연결된 사람, 연결된 세탁기 등 모든 것을 어떻게 바꿀 것인지에 대한 뉴스가 나오는 것 같습니다. 그러나 이러한 연결은 실제 사용 사례가 없으면 큰 의미가 없습니다. 예, 이제 냉장고가 전화와 통신하는 것이 가능하지만 아무도 묻지 않는 질문에 답하고 아무도 신경 쓰지 않는 문제를 해결하고 있습니다. 가장 인기 있는 냉장고 기반

예측 유지 관리는 훌륭하게 들립니다. 자산이 실패의 징후를 보이기 전에 계획되지 않은 가동 중지 시간(수익 손실)을 일으키기 전에 자산을 유지 관리하는 동시에 예방 유지 관리 프로그램보다 적은 비용을 지출하여 수익성과 처리량을 높입니다. 이점은 매우 분명합니다. 그렇다면 왜 비교적 적은 수의 회사가 활성 예측 유지 관리 프로그램을 가지고 있습니까? 기술 제조 회사는 재료의 흐름과 조립에 최적화되어 있습니다. 이들은 전통적으로 상태 모니터링 또는 데이터 분석의 전문가가 아니며 그렇게 해야 한다고 생각하지 않습니다. 최근까지 성공적

서비스화는 산업 부문에서 비교적 새로운 용어이지만 빠르게 다음과 같은 용어를 사용하고 있습니다. 매뉴팩처러(Manufacturer) 매거진과 함께 전체 회의 시리즈를 그것에 전념하고 있습니다. 한 문장으로 말하면 모든 제품/제공물이 개별 제품 + 유지 관리 조합이 아닌 서비스로(예:시간 또는 단위로) 제공될 수 있다는 개념입니다. 이것의 전형적인 예는 80년대에 롤스로이스가 더 이상 단순히 제트 엔진과 보증을 판매하지 않고 대신 운영자의 비행 시간을 제공하는 시간별 전력 모델로 비즈니스를 전환한 것입니다. 특정 가용성 지표를 달성하

고칠 수 없는 것은 고칠 수 없다는 몇 년 전 전통적인 사후 유지 관리의 철학이었습니다. 기계가 완전히 고장난 경우에만 도움이 요청되었습니다. 보고서를 작성하고 교체 부품을 찾거나 주문하고 필요한 유지 관리 전문 지식을 수집하는 과정에서 종종 불필요한 지연과 가동 중지 시간, 초과 근무 비용이 발생했습니다. 리드 타임과 결과적으로 배송 일정은 창밖으로 사라졌습니다. 실패 계획 생각은 1980년대에 JIT(Just in Time)를 포함한 일본 제조 기술의 인기로 업데이트되었습니다. 새로운 아이디어는 예정된 또는 계획된 예방

디지털화는 현재의 화두입니다. 매주 한 산업 회사에서 새로운 디지털화 책임자를 발표한 것 같습니다. Harvard Business Review가 데이터 과학 분야에서 그랬던 것처럼 이를 새로운 가장 섹시한 직업이라고 부르기까지 얼마나 오래 걸릴까요(지금은 6년 전 믿습니까? 데이터와 상호 연결된 장치가 풍부한 고도로 디지털화된 환경인 인더스트리 4.0은 제조업체에게 새로운 시대를 열어가고 있습니다. 원활하고 지능적인 디지털 플랫폼은 생산성을 높이고, 유연한 생산 능력을 촉진하고, 사이버 보안 문제를 해결하고, 고부가가치 일자리를

경쟁이 치열한 시장에서 상태 모니터링(CM) 프로그램을 구현하여 기계 신뢰성을 향상시키면 운영 비용을 줄이는 데 큰 도움이 될 수 있습니다. 기계 가동 중지 시간을 줄이고 자산 수명을 연장하며 유지 보수 비용을 절감할 것을 약속하는 CM은 충족해야 할 사항이 많습니다. 그러나 CM 야망을 실현하려면 계획, 헌신 및 지속적인 개선이 필요합니다. 여기에서 몇 가지 일반적인 함정을 살펴보고 조직이 CM 잠재력을 실현할 수 있는 방법에 대한 통찰력을 제공합니다. 장비 불량 및 고장 모드 선택 전체 규모의 CM 솔루션을 설치하는 것은 비

예측 유지보수 소프트웨어 공급업체인 Senseye는 오늘 운영 인텔리전스 분야의 선두업체인 OSIsoft의 Partner EcoSphere에 합류하여 PI System 고객의 디지털 혁신 여정을 지원하는 자동화 상태 모니터링 제품을 제공하게 되었다고 발표했습니다. Senseye는 고급 기계 학습 알고리즘을 사용하여 진동, 압력, 온도 및 토크를 분석하여 모니터링되는 각 자산의 특성을 학습합니다. 데이터. 최대 6개월 전에 기계의 새로운 문제를 식별하고 데이터 출력을 알려진 유지 관리 이벤트와 비교하여 자산이 고장날 가능성이 있는

산업용 소프트웨어 회사인 Senseye는 오늘 자사의 기술과 방법론이 미국의 자동차 제조 시설에서 출시되고 있다고 발표했습니다. Senseye의 기술 제품군인 Senseye PdM은 글로벌 자동차 제조업체에서 기계의 상태를 실시간으로 모니터링하는 데 사용됩니다. 모니터링되는 자산의 새로운 문제를 발견하고 기계 학습 알고리즘을 사용하여 진동, 압력, 온도 및 토크 수준과 같은 주요 상태 지표와 관련된 데이터를 분석하여 자산이 실패할 가능성이 가장 높은 시기를 식별합니다. 제조 및 제조의 효율성과 효과를 개선하기 위해 설계된 모범

도전은 혁신을 이끕니다. 해양 석유 및 가스의 경우 높은 가동 시간과 생산량 간의 적절한 균형을 달성하는 것이 그 과제입니다. 생산 공정의 안전에 중요한 유지 보수를 지연시키지 않고 이익에 대한 압박으로 인해 일부 공급자는 중요하지 않은 유지 관리를 연기했습니다. 종종 위험 기반 검사(RBI)가 사용됩니다. 이를 통해 가장 자주 점검해야 하는 장비와 점검하지 않아도 되는 장비가 결정됩니다. RBI는 각 자산에 대해 생성된 상세한 맞춤형 위험 평가를 생성해야 합니다. 또한 인적 오류가 발생하기 쉽습니다. 시간이 덜 걸리고 확장성

산업 자산의 상태 및 유지 관리 요구 사항을 예측하여 고장을 예방하는 것은 엄청난 과제입니다. 데이터 과학의 세계는 실제 환경에서 결과를 제공하기 위해 고군분투하는 모델로 가득합니다. 그렇다면 가장 좋은 방법은 무엇입니까? 이론 및 실습 이론상 이론과 실제는 같다. 실제로는 그렇지 않습니다. 산업 자산 모델을 작업 현장에서 개선을 제공하는 실행 가능한 통찰력으로 변환하려고 할 때보다 더 진실한 곳은 없습니다. 데이터 과학에 대한 학술 논문에는 특정 알고리즘이 다른 알고리즘보다 1~2% 향상될 수 있는 방법을 보여주는 분석이 포

나로서 디지털 혁신 프로젝트에 대한 투자가 계속 증가하고 실패한 이니셔티브의 수도 증가하고 있습니다. 기업은 어떻게 성공 가능성을 극대화할 수 있습니까? 기술의 결합이 보다 스마트하고 생산적인 작업 방식을 약속함에 따라 최근 몇 년 동안 디지털 혁신 프로젝트의 물결이 업계를 휩쓸었습니다. 영국, 미국, 프랑스 및 독일의 기업을 대상으로 한 주요 설문조사에 따르면1 , 디지털 혁신 노력이 가속화되고 있습니다. 응답자들은 전년도에 비해 향후 12개월 동안 디지털 혁신 프로젝트에 10% 이상 더 지출할 계획입니다. 디지털의 이점을