予知保全のためのAIの長所と短所

人工知能（AI）は、今日の自動予知保全（PdM）ソリューションを支えています。たとえば、Senseye PdMのアルゴリズムは、故障を防ぐために時間内に機械が劣化していることをユーザーに警告し、ダウンタイムの短縮やより的を絞ったメンテナンス作業などの関連する豊富なメリットを提供し、持続可能性と効率を高めます。これらのツールは非常に強力であるため、PdMのコンテキストでAIの機能に夢中になりがちです。

よくある誤解の1つは、AIベースのシステムは、人間の専門家には見えない手がかりを見つけることで、機械がいつどのように故障するかを予測できるというものです。しかし、真実は、訓練を受けた状態監視アナリストが機械の状態を理解するためのゴールドスタンダードを設定しているということです。人間のタッチと自動化が提供できるものとの最も重要な違いは、拡張性であり、魔法のような形式のデータ分析ではありません。

専門家は同時に1つの資産しか調べることができませんが、自動化されたシステムは数千の資産を同時に監視できます。これにより、大きな変化への道が開かれます。これまで、手動の状態監視にかかる時間、労力、およびコストにより、最も重要な資産のみに限定されていました。対照的に、自動化されたPdMシステムにより、操作全体を通じてすべてのマシンに同じアプローチを拡張することが実用的になりました。

意思決定支援ツール
スケーラビリティの利点は、PdMソリューションが仕事を脅かすという神話にも触れています。これらのツールは、オペレーターと保守チームがそれらを置き換えるのではなく、より良い意思決定を行えるようにすることを目的としています。 PdMソリューションを使用すると、ユーザーはこれまで不可能だった方法で資産管理の取り組みを指揮できるようになり、既存のチームの生産性が向上し、多くの場合予算が削減されます。

真のメリットは品質データに依存します
AIベースのPdMソリューションは、適切な種類のマシンデータにアクセスできる場合、メンテナンス操作に変革をもたらします。重要なのは、システムがアラートを発したときに適切に応答するために、ユーザーが自動化されたPdMシステムに十分な自信を持てるようにすることです。信頼水準は、主にシステムに入力される利用可能なデータの品質に依存します。 「ゴミを出して、ゴミを出して」という古いことわざから逃れることはできません。

基本的な状態監視データは、PdMに最低限必要なものです。これには、モーターによって引き出される電流や2つの設定値間のタイミングなどのパラメーターが含まれる場合があります。この場合、短期的なグリッチまたは長期的な傾向は、資産の状態が悪化していることを意味します。

プロセスや環境の変化も多くのパラメータに影響を与える可能性があるため、ユーザーは一次データを使用して発生するアラートに対する信頼を制限できます。密度の高い製品や周囲温度の変化を処理するためにポンプを切り替えると、重大な影響が生じる可能性があります。

状態インジケータは、そのような誤解を招く情報を考慮に入れ、機械自体の動作ではなく、処理および環境要因に関連する変更を取り除くことを目的としています。

高度な状態インジケータは、特定の障害モードを対象とすることでさらに一歩進んでいます。典型的な例は、振動監視です。これは、特定の周波数で見える障害の指標を探すために誰かが調整できます。これは、たとえば、モーターシャフトの位置がずれていることを示している可能性があります。

ユーザーは、各資産の保守履歴とそれに関連する一般的なエンジニアリング情報を調べることにより、PdM実装の開始時に障害モードを特定できます。次に、ユーザーは、付加価値のある状態インジケーターを選択し、センサーを設定して、最も大きなメリットをもたらす可能性のある障害モードに焦点を当てることができます。

実証済みの成功
AIベースのPdMソリューションは魔法の杖ではありませんが、成功するPdMレジームに移行することの大きなメリットは十分に証明されています。 Senseyeでは、独自のAIおよびMLベースのアルゴリズムを使用して、クライアントが世界中の数万台のマシンを監視し、メンテナンス効率を向上させ、正しい情報を事前に提供できるようにしています。その結果、計画外のマシンのダウンタイムが50％減少し、メンテナンスコストが40％減少し、メンテナンススタッフの生産性とダウンタイムの予測精度がそれぞれ55％と85％向上しました。

デモについてはSenseyeに連絡し、マシンの信頼性と持続可能性の目標を達成するために私たちがどのように役立つかについて学びましょう。