Neplánované odstávky patria medzi najdrahšie incidenty v modernom priemysle. Každá minúta nečinnosti linky sa prepisuje do strát, ktoré bolia celú firmu. Hoci mnohé podniky zbierajú zo svojich zariadení obrovské množstvo údajov, v praxi ich často využívajú len reaktívne, a teda zasahujú až vtedy, keď je komponent zničený a výroba stojí. Premena týchto surových dát na prediktívnu silu pritom nemusí znamenať okamžitú a nákladnú obmenu celej fabriky. Kľúčom k úspechu je dobre pripravený a ohraničený pilotný projekt, ktorý naplno využíva silu UI.

Príbeh z prevádzky: keď prevodovka varuje potichu

Predstavte si situáciu, ktorá sa odohráva vo väčšine fabrík. Hlavný pohon linky, robustný elektromotor spojený s prevodovkou funguje roky bez zjavných problémov. Jedného dňa sa však v prevodovke začne unavovať ložisko. Vznikajú mikroskopické odery, ktoré generujú nepatrné zmeny vo vibráciách a zvukovom spektre.

Bežné snímače teploty či jednoduché prahové alarmy si to nevšimnú. Teplota je stále v normále a motor odoberá štandardný prúd. Až kým v jeden deň ložisko definitívne zlyhá a linka sa na niekoľko dní zastaví. Údržba hasí požiar, náhradný diel je na ceste a vedenie počíta stratu v tisíckach eur. Dalo sa tomu vyhnúť? Odpoveď je áno, ak by sme mali k dispozícii inteligentný nástroj, ktorý vďaka strojovému učeniu dokáže zachytiť jemné nuansy skôr, než prerastú do katastrofy.

Architektúra, ktorá dáva zmysel: lokálne a bezpečne

Posielať citlivé prevádzkové dáta do externého cloudu sa mnohým podnikom nechce. Preto vznikol moderný prístup, ktorý stavia na lokálnom spracovaní dát priamo v prevádzke, na takzvanej edge architektúre. Na to skvele slúži hardvérový základ umiestnený v rozvádzači pri stroji, napríklad v podobe riešení Siemens Industrial Edge. Ten zabezpečuje zber a okamžitú analýzu dát bez toho, aby dáta opustili brány fabriky. Na tomto základe potom bežia pokročilé aplikácie poháňané UI, ktoré dávajú dátam skutočný zmysel.

Od problému k riešeniu – keď dáta dostávajú inteligenciu

Tradičné pravidlá pri komplexných strojoch často nestačia. Pri budovaní pilotného projektu sa osvedčilo kombinovať dva typy inteligentných pohľadov na dáta:

1. Analýza mechanických sústav poháňaná UI

Na odhalenie nevyváženosti rotora, nesúosovosti hriadeľov či poškodenia ložísk v prevodovke nestačí sledovať len teplotu. V praxi existujú špecializované aplikácie bežiace priamo na edge hardvéri, napríklad Drivetrain Analyzer, ktoré využívajú algoritmy umelej inteligencie ako citlivý lekár pre vaše pohony. UI model priebežne vyhodnocuje vibrácie, rozpoznáva vzorce únavy materiálu a v predstihu upozorní na zlyhanie komponentu.

2. Stráženie anomálií pomocou učenia bez dozoru

To, čo je pri plnom zaťažení normálne, môže byť pri voľnobehu anomália. Klasické pravidlové systémy tu zlyhávajú. Na to slúžia aplikácie na detekciu anomálií, napríklad Anomaly Detection, ktoré sú poháňané umelou inteligenciou fungujúcou na princípe učenia bez dozoru (unsupervised learning). UI sa sama učí spoznávať „normálne správanie“ stroja za všetkých podmienok a len čo sa správanie odchýli od normálu, aplikácia okamžite signalizuje anomáliu.

Praktické rozbehnutie pilotného projektu v štyroch krokoch

1. Výber správneho stroja: Vyberte jedno kritické zariadenie s históriou porúch, ktoré je vybavené snímačmi (alebo ich možno dorobiť).

2. Inštalácia edge infraštruktúry: Nainštalujte lokálny priemyselný počítač k stroju, prepojte ho so zberom dát a nasaďte analytické aplikácie poháňané umelou inteligenciou.

3. Kalibrácia a zber dát: Nechajte systém bežať v reálnej prevádzke, aby sa UI modely naučili, aké je charakteristické správanie stroja.

4. Vyhodnotenie: Sledujte výstupy z aplikácií, porovnávajte ich so skutočným stavom stroja pri prehliadkach a vyhodnoťte presnosť detekcie.

Záver

Cieľom pilotného projektu v prediktívnej údržbe nie je ohúriť vedenie grafmi, ale priniesť pokoj do výroby. Keď údržbári vidia, že systém poháňaný umelou inteligenciou im reálne pomohol predísť havárii, dôvera v moderné technológie rastie prirodzene. Kombinácia HW základu Industrial Edge a špecializovaných aplikácií poháňaných UI, ako sú Drivetrain Analyzer a Anomaly Detection, ukazuje, že cesta k prediktívnej údržbe je dnes prístupná aj pre menšie a stredné podniky. Čas na váš prvý pilotný projekt s umelou inteligenciou je práve teraz.

Ing. Dušan Šútora
Siemens s.r.o.
Digital Industries Products
dusan.sutora@siemens.com
www.siemens.sk