予測メンテナンスが製造に与える影響

毎日、すべての製造環境で、障害とダウンタイムが発生します。これは、反復的なタスクを実行する機器を扱っている場合の現実です。しかし、問題は、今日の市場での製造には効率と高品質の生産が必要であるということです。 「ジャストインタイム」の製造環境で1台のマシンで計画外のダウンタイムが発生すると、遅延が発生し、顧客の不満、競合他社への顧客の減少、企業の収益への直接的な打撃につながる可能性があります。

（モノのインターネット）の成長の真に素晴らしい結果の1つは、マシンデータを活用して、計画的および計画外の両方で、運用コストとダウンタイムの影響を制限できるという事実です。これは、予知保全とも呼ばれます。

予知保全とは何ですか？

予知保全（略してPdM）は、工場フロアの機械の保守要件を予測するための方法です。機械からの運用データを分析することにより、オペレーターが故障モードを理解し、特定のユニットでいつメンテナンスが必要になるかを予測できるパターンが明らかになり、より低コストの時間で計画を立てることができます。

以前は、メーカーは事後対応型のメンテナンスやその他のメンテナンス戦略に依存していました。これは、「壊れていない場合は修正しない」方法としても知られています。計画外のダウンタイムとマシンの他のパーツへの潜在的な影響、およびパーツが故障したときの出力の品質の両方の観点から、故障したときにのみマシンを保守することは莫大なコストであったことをよく想像できます。 。

時が経つにつれて、企業は事後対応型の保守から離れ、予防保守戦略を実装しようとしました。しかし、予防保守は平均に依存しており、機器の現在またはリアルタイムの状態を反映していませんでした。

予防的および予知保全は事後対応型保守からのステップアップですが、明確な勝者があります。予知保全の実装は、潜在的な問題を検出するために各マシンから取得された特定の情報に依存しています。例として、振動解析があります。

ベースラインを使用して機械の予知保全データを収集するモデルは、損傷や異物の侵入によって引き起こされる可能性のある特定の部品の振動の増加などの変化を検出できます。ベースラインからの逸脱により、オペレーターは、問題が深刻になり、機器の故障につながる前に、メンテナンスの必要性を予測できます。

予知保全はどのように機能しますか？

予防保守とは異なり、予知保全プログラムは機器によって生成されたデータを使用し、そのデータをクラウドに送信します。生産およびビジネスプロセスデータと同様に、リアルタイムの状態ベースのメンテナンスを分析して、マシンの状態またはその部品やツールの寿命に関するパターンと傾向を検出し、メンテナンスコストを削減できます。

多くの場合、OEM機器は、部品またはツールの予想されるライフサイクルを示している場合があります。ただし、これは業界全体の平均に基づいています。部品の摩耗が予想よりも遅い可能性のある軽量アプリケーションや、摩耗が速い可能性のある頑丈なアプリケーションは考慮されていません。

生産および保守監視プラットフォームの高度な分析では、傾向と状態ベースの保守を使用して、実際の摩耗時間をプロットしたり、故障モードを予測したりします。これらの洞察に基づいて予知保全プログラムを開発し、ダウンタイムを削減してコストを管理できます。

堅牢な予知保全プログラムは、プラットフォームを使用して、障害が差し迫っているときに保守スタッフにアラートを送信し、事後に技術者が到着するのを待つことによるダウンタイムを削減できます。また、予定された切り替え時に修理を行うための予想される切り替え時間や、清掃のための計画されたダウンタイムなど、工場の生産情報を処理することもできます。

スケジュールされたアラートを技術者からMRO倉庫に拡張できるため、ダウンタイムを回避するために部品をステージングできます。また、部品は、システムによって規定されている確立された最小/最大部品数に対して再注文するために自動化できます。全体的なメンテナンス戦略の一環として、各企業は自社のニーズに合わせて予知保全技術を調整できます。

予知保全の利点は何ですか？

コスト削減の観点から、予知保全戦略の利点には、計画されたダウンタイムの最適化と計画外のダウンタイムの最小化が含まれます。予知保全プログラムは、従業員の生産性と機器の寿命も最適化します。高度な分析と機械学習アルゴリズムを使用して、予防保守を過小評価することはできません！

予知保全が計画的なダウンタイムの最適化にどのように役立つか

計画的なダウンタイムには、機械の清掃や給油から、定期的に故障することがわかっている部品の交換まで、あらゆるものが含まれます。この種の予防保守は、計画外のダウンタイムのリスクを軽減します。コンピューターの世話をしてウイルスを一掃したり、家の中で他の電化製品を清潔に保ったりするのと同じように、適切に整備されたマシンからより効率的で高品質の出力を得ることができます。

機械操作で収集されたデータのおかげで、予知保全を定期的に、また注文生産への影響が最も少ない時間にスケジュールすることができます。この性質を適切に維持することで、交換が困難で費用のかかる機械設備の寿命を常に延ばすことができるという追加の利点もあります。予知保全プログラムで稼働時間とコンポーネントの寿命を最大化すると、最終的に大幅なコスト削減につながります。

予知保全は計画外のダウンタイムを制限します

ウォールストリートジャーナルの投稿によると、「計画外のダウンタイムは、産業メーカーに年間推定500億ドルのコストをかけています。」競争の激しい製造業では、予知保全を使用してこのコストを制限することが重要です。

スケジュールされた予防保守により、マシンがほとんどの時間スムーズに稼働することを保証できる限り、監視マシンは、分析されると、任意のマシンのパターンを示す大量のデータをデジタルで収集します。履歴データに基づくこの種のパターン検出は、停止が発生する可能性が高く、メンテナンスを事前に計画できるマシンを特定するのに役立ちます。

予知保全は機器の寿命を最適化するのに役立ちます

機械の効率、出力、品質を長期にわたって監視できると、上記のように、機械のメンテナンスが必要な時期を特定するデータが明らかになりますが、機械の寿命が尽きる時期を特定するのにも役立ちます。事後対応型および予防型のメンテナンスではこれを行うことはできません。

機械の老朽化や使用レベルに応じて、予知保全により管理できるメンテナンススケジュールが変更されます。機械の部品は、時間の経過とともに生産ストレスに異なる反応を示します。データパターンを通じて予測されるメンテナンスの最終的な増加は、マシンがコスト対パフォーマンスの転換点に到達したときに明らかになります。最終的に機械の大部分またはユニット全体を交換する必要性は、コスト/予算と時間/労力の両方の観点から、その必要性を予測して計画することで管理可能になります。

予知保全は従業員の生産性を最適化するのに役立ちます

予知保全が従業員の生産性を最適化する方法はたくさんあります。まず、人件費自体を見てみましょう。修理が予定されている場合、機器全体の交換ではなく、コンポーネントの交換回数が少なくなるため、修理に必要な時間が短縮されます。また、機器の重大な障害に対する修理の頻度が減り、「重大なコールアウト」の数が大幅に減ります。

従業員の観点から、予知保全は故障の減少と事故回避システムにつながります。これらは、労働者に危険がある場合に機器に警告または停止することさえでき、工場の状態を劇的に改善し、労働者の怪我を最小限に抑えます。

さらに、ダウンタイムと最適ではないパラメータを使用した運用は、出力だけでなく従業員の士気にも影響を与えます。問題が発生したときに急いで解決するのはストレスがたまります。予知保全はそのような事例を最小限に抑えます。

予知保全は収益の増加に役立ちます

上記で説明した予知保全の利点は、最終的にはすべて同じ目標を持っています。それは、収益を増やすことです。良好なコンポーネントのメンテナンスが少なく、欠陥のあるコンポーネントの修理が迅速に行われるため、修理をより効果的に処理できるため、修理時間を短縮できます。予知保全などの産業分析の可能性に関する最も包括的な研究の1つは、2015年にマッキンゼーによって実施されました。彼らは、次の改善の機会を発見しました。

メンテナンスコストを10〜40％削減

計画的なメンテナンスはスケジュールに基づいているため、メンテナンスタスクが不要なときに実行される場合があります。予知保全はそのような非効率性を防ぐことができます。

廃棄物を10〜20％削減

検出されない最適でない操作は、無駄な生産につながる可能性があります。そのような場合、原材料、エネルギー、人件費、および機械時間は無駄になります。予知保全システムは、問題が発生する前に無駄になる可能性のある問題を発見できます。

10〜50％の新しい改善の機会が明らかになりました

データ収集が自動化されると、高度な分析を通じて、プロセス最適化の機会に関する新しい洞察を毎日明らかにすることができます。

予知保全技術

堅牢なデータ駆動型の予知保全プログラムで使用される予知保全技術には、さまざまな種類があります。この状態監視装置を使用して、操作の予知保全ソリューションを作成できます。これらのテクノロジーには次のものが含まれます：

赤外線サーモグラフィ

ほとんどの場合、熱は製造環境の副産物です。ただし、実行されているマシンまたはジョブの種類ごとに予測できることがよくあります。 PdMプラットフォームは、これらの熱パターンをマシンまたはジョブごとにマッピングし、温度の急上昇を分析して、接近している問題を特定できます。赤外線サーモグラフィは、モーター、ベアリング、その他の摩擦面などの機器の温度を監視および測定できます。また、電気キャビネットの「ホットスポット」を発見し、絶縁不良を検出するのにも役立ちます。赤外線サーモグラフィは温度を測定し、測定されているユニット全体の画像としてユニットを表示します。監視プラットフォームは、これらの画像を保存および分析して、問題を検出し、特定の条件下での傾向を特定できます。

音響モニタリング

一部の予知保全監視プラットフォームは、高周波信号を使用して機器の状態を判断できます。同じ原理は、空中音を使用して適用することができます。この音響ノイズを捕捉することにより、故障を検出することができます。高度な機械学習アルゴリズムを使用して、時間の経過とともに予測機能を向上させます。これらの分析を他の監視テクノロジーと組み合わせて、異常が発生する前にドリルダウンして発見することができます。

振動解析

すべての製造およびフライス盤が振動します。そして、マシンおよびジョブタイプごとのこの振動をプロットして、曲線上の健全な範囲を決定できます。振動分析は、予知保全エンジニアが微妙で重要な変化が何を意味するかを知るのに役立ちます。機械学習アルゴリズムが時間の経過とともにより正確になるにつれて、摩耗率と障害点を評価できます。

オイル分析

予知保全プラットフォームは、音、振動、温度を使用して、機器や部品の状態と故障の可能性の両方を評価できますが、機械の内部で何が起こっているかを把握するもう1つのツールはオイル分析です。技術者は、油の純度、破片の含有量、汚染物質、および油の組成を測定することにより、原因を特定、プロット、および予測し、それらを修正するための戦略を立てることができます。オイル分析からのデータを分析プラットフォームに送信し、他の監視データと組み合わせて、マシンの状態を明確に把握することができます。

予知保全を実装する方法

予知保全が計画外のダウンタイムを回避し、製造コストを高くする確実な方法であることが明らかになった今、問題は、予知保全計画をどのように実装するかということです。

まず、修正しようとしている問題の核心に迫ります。

• 計画外のダウンタイムやコンポーネント障害のコストについてもっと心配していますか？
• フロアにあるいくつかのマシンはより「重要」ですか？つまり、より頻繁に使用され、より多くの注文の中心になります。

次に、既存のステータスを評価するか、マシンのパフォーマンスに関するデータのベースラインを作成する必要があります。このために、独自の標準、OEE標準、または他の業界標準を使用できます。各マシンを確認して、過去のパフォーマンスレベル（ダウンの頻度、定期的に障害が発生するコンポーネント、現在メンテナンスがスケジュールされている頻度など）を確認します。

次に、パターンの履歴データと、問題を示すメトリック、ベースラインからの逸脱がオペレーターにフラグを立てる必要があるかどうかなどを調べます。

最後に、これらのパターンとベースラインパフォーマンス測定値に関連するデータを使用したら、データを継続的に更新してレビューし、現在のステータスを反映し続け、明確に信号を送る劣化パターンにフラグを立てることを確認するプロセスを開始する必要があります。メンテナンスの必要性。これが重要です。分析できないものを予測することはできません。正確なデータが不可欠です！

少なくともマシンの機能に関連するため、計画外のダウンタイムを最小限に抑えることは、大幅なコスト削減であり、収益に影響を与える市場への遅延を防ぎます。今日の製造環境では、予知保全は「必要なもの」ではありません。必需品です。

予知保全戦略を開始

デモを予約する