I-Care 4.0自04年开始 I-Care 4.0自04年开始 I-Care 4.0自04年开始
维护可靠性工程 可靠性工程

重新发现工程:数字时代的工具和方法

自古以来,人类就通过使用工具而生存和进化。工具的使用是古代和现代工程进步的基础。随着现代技术的进步,人工智能(AI)、工业物联网(IIoT)和工业4.0等术语现在比故障模式和影响分析(FMEA)和根本原因分析(RCA)等健壮的工程工具更常用。

为了保持最新的,现代工程需要接受数字时代的快速速度,调整其实践,以跟上一股技术突破,并在行业的进步4.0革命。

本文通过AI,分析和商业智能工具,重新发现了一些有趣和经济实惠的工具和方法示例。通过激发思想,它可以帮助您的可靠性和制造卓越旅程,以更快,更简单,更可持续。

FMECA - 一种赋予你的新方法FMEA是通过分析

在广泛的选择中,失败模式,效果和关键性分析(FMECA)是一个不错的选择,而不仅仅是为了设计和资格步骤,而是赋予维护战略,资产管理和设施维护。1关键性(FMECA中的C)给出了基于风险的奖励,允许优先考虑的失败模式。请注意,C不是资产关键性,而是用于失败模式的临界。

虽然FMECA概念不是新的,但商业智能工具可以提高FMECA并刷新其使用情况。使用Analytics,可以将数据与资产,位置和操作单元进行过滤,计算关键参数作为失败效果概率,模态故障率,故障模式临界等。

通过通过查询与AutoTics Resources的自动循环寄出的等式可以自动计算。因此,计算机化维护管理系统(CMMS)中的多年信息可用于实际使用 - 超越通过CMMS数据库下载手动馈送的电子表格 - 仅使用数字工具从维护数据库收集数据。通过分析,您可以将旧的FMES升级到强大的FMECAS中。

通过使用来自CMMS的其他制造单元的全局数据库的内部基准数据,可以克服新机器的挑战。这是通过集成图形资源和数学能力现在可以提供的图形资源和数学能力来提供。此外,通过分析的快速学习曲线,所有这些成就都可以使用内部劳动力资源(例如,自动化工程师,可靠性工程师等)而无需重大努力。

现代RCFA利用率

在任何工业部门,根本原因分析RCA2对于寻求改善流程的所有公司来说是一个强制性的一步。对于一些高度监管的部门,例如药物和生物技术,根本原因分析(RCA)不仅仅是改进,这是一个合规要求。对于工艺安全的化学工业或环境必须,RCA有效地避免了问题的重复,确保人们的安全。在强调RCA对于任何工业玩家的重要性时,示例列表是巨大的。事实上,它是最具成本效益的方法来避免经常发生的故障,从而降低维护成本。因此,具有强大一组工具的良好RCA程序应成为组织策略的一部分,包括在其培训和发展计划中,成为其控制策略的一部分,并为任何追求其流程追求卓越的企业制定了强制性。

跨职能团队以及知识渊博的促进者,可以准确识别根源和贡献原因,以及缓解行动计划的设计,以有效减轻或消除风险。在调查失败时,罕见的是发现一个根本原因的情况。通常,几根原因或至少根本原因以及其贡献原因是RCA的常见位置。在这种情况下,重要的是要记住,未解决的故障将导致更大的连续休息,从而提高反应维护,停机冲击以及制造过程的潜在监管威胁。

然而,有了设备(如数字控制系统{DCS})和工业网络系统(如标准企业资源规划{ERP}系统)中可用的现代数字资源,通过分析工具主动使用有效的数据收集可以简化调查过程。可编程逻辑控制器(plc)和dcs的审计跟踪每天都在不断发展,为调查提供可追踪的过程信息。cms工单登记,填补RCA过程中的空白。甚至监视系统也有机会与登记册一起向RCA查询添加信息。关键是使用技术来增强您的老方法,以便为RCA目的收集和处理数据。

调查团队可以使用来自此类数字来源的数据进行更健壮的分析,从而对故障场景以独特而丰富的视角详细地进行故障调查。这些数据可以用于向RCA专用软件甚至传统工具提供输入,如故障树分析(FTA)、石川图等。智能数据与跨职能团队的结合,通过捕获更多的故障模式、减少重复发生、更快、更有效地部署行动计划,提供更好的结果和节省。

从设计到维护和运营的可靠性方法

良好的工程方法,整合现代和数字资源,可以持续改进和维持高效的制造过程。这一发现是多年前高速列车和航空航天制造商的一个重要突破。他们一直在使用可靠的方法来评估和改进他们的产品和安装。

在各种各样的选择中,最好的是由于其鲁棒性和低成本实现而成为可靠性,可用性,可维护性和安全性(RAM)方法。通过仅限一些工程方程式,可以使用非常低的投资部署RAM3.并通过使用分析资源系统地自动化计算。

图1:可靠性,固有的可用性和可维护性方程

这种方法最初只是用于设计,专注于铁路行业等特定领域,4.现在也蔓延到了其他领域。铁路行业是率先使用ram的行业之一,并逐渐取得了令人印象深刻的成果,每年都能生产出更快、更安全的高速列车。

RAMS被广泛认为是设计阶段的关键工具,也可以在资产生命周期的任何阶段部署。它扩展到维护项目,为这些挑战原型和提高操作和维护的可靠性的制造商带来了卓越。5.

像RAMS这样的方法可以有效地促进将可靠性的某种无形效果转换为有形的收益,增加了对资产健康和设备性能的假设和见解的数字。RAMS和其他资产管理方法通过在设备中不断变化的失效模式和更有效的工业投资能力来创造成本节约的机会。

加速DDM部署的分析

数据驱动维护(DDM)是一种强大的维护成本减少方法,一旦识别使用数据来驱动维护决策而不是依赖基于时间的检查。因此,除了具有预测技术的强大盟友之外,它还允许制造工艺改进6.由于基于数据的决策,而不仅仅是洞察力明显更可靠。

不幸的是,许多公司还没有从他们当前的维护历史中获益,因为他们没有以数据库的方式调整他们的方法。通过人工智能算法的应用,可以分析CMMS中的数千个维护寄存器,如工单,并使用模式识别,以类似的方式创造许多资产改进机会。这种方法正在应用于操作优化。

工作订单的方式录制并存储在CMMS中,使用的关键字,工作持续时间和许多其他参数可以利用,以便在AI算法处理时,通过工业4.0的眼睛加工时,可以提高维护节省。您的维护数据中的资产信息的丰富数据库可以促进系统和安装的重新设计,并彻底彻底改变您维护甚至操作设备的方式。

图2:IIT利用率利用收益和储蓄

结论

虽然IIOT正在迅速发展和传播,但仍然可能还有很长的路要走,直到可以获得适当的AI和机器学习,可用于所有工业流程的适当和机器学习,主要是在更保守和受监管的行业中。

然而,新技术正在增长和乘以其应用以降低成本的快速速度,促进人类适应性,提高可靠性,行业4.0的常见益处可能比您想象的更近。

在这种情况下,传统的工程方法,辅以现代技术和工具,如分析和商业智能资源,必须共同努力,加快新的数字领域的可靠性、维护和卓越运营旅程。

通过风险的方法,现代技术与现代技术与良好的传统工程方法之间的良好控制策略和协同作用,行业4.0十字军划线将继续加速发展曲线,使其突破会改变我们的生活并提升我们的进化。

参考

1.陆军部长的行政助理。“军队发布董事会。”TM 5-698-4:失败模式,效果和关键性分析(FMECA)用于指挥,控制,通信,计算机,智能,监控和侦察(C4ISR)设施https://armypubs.army.mil/ProductMaps/PubForm/Details.aspx?PUB_ID=83559

2.国际电工委员会。IEC 62740:2015根本原因分析(RCA)https://webstore.iec.ch/publication/21810.

3.国际电工委员会。IEC 61703:2016用于可靠性,可用性,可维护性和维护支持条款的数学表达式https://webstore.iec.ch/publication/25646

4.国际电工委员会。铁路应用。可靠性、可用性、可维护性和安全性(RAMS)的规范和演示https://webstore.iec.ch/publication/6747.

5.Tzanakakis K。铁路轨道及其长期行为;柏林/海德堡:Springer-Verlag:2013。

6. Stoecker,C.数据驱动的预测分析可以改变工厂工程;2016年秋季版智能制造