คู่มืออุตสาหกรรม

AI ในการบำรุงรักษาเชิงคาดการณ์

การบำรุงรักษาเชิงคาดการณ์ใช้ข้อมูลเซ็นเซอร์และการเรียนรู้ของเครื่องจักรเพื่อคาดการณ์ว่าเครื่องจักรจะขัดข้องเมื่อใด ดังนั้นจึงสามารถแก้ไขได้ก่อนที่จะเสียหาย แทนที่จะทำตามกำหนดเวลาที่ตายตัวหรือหลังจากการพังทลายที่มีค่าใช้จ่ายสูง

ภาพรวม

การบำรุงรักษาเชิงคาดการณ์ใช้ข้อมูลเซ็นเซอร์และการเรียนรู้ของเครื่องจักรเพื่อคาดการณ์ว่าเครื่องจักรจะขัดข้องเมื่อใด ดังนั้นจึงสามารถแก้ไขได้ก่อนที่จะเสียหาย แทนที่จะทำตามกำหนดเวลาที่ตายตัวหรือหลังจากการพังทลายที่มีค่าใช้จ่ายสูง ช่วยประหยัดเงิน ป้องกันการหยุดทำงาน และปรับปรุงความปลอดภัย

AI ในการบำรุงรักษาเชิงคาดการณ์ใช้ AI ในสภาพแวดล้อมเฉพาะโดเมน ซึ่งกฎระเบียบ การปฏิบัติงาน และการยอมรับความเสี่ยงเป็นตัวกำหนดตัวเลือกการออกแบบอย่างมาก

เจาะลึก

การบำรุงรักษาแบบดั้งเดิมเป็นแบบโต้ตอบ (แก้ไขหลังจากชำรุด) หรือเชิงป้องกัน (เปลี่ยนชิ้นส่วนในปฏิทินโดยไม่คำนึงถึงสภาพ) ทั้งสองอย่างสิ้นเปลืองเงิน — อย่างหนึ่งเกิดจากการหยุดทำงานโดยไม่ได้วางแผนไว้ และอีกอย่างหนึ่งโดยการเปลี่ยนชิ้นส่วนที่แข็งแรง การบำรุงรักษาเชิงคาดการณ์ (PdM) อยู่ระหว่างนั้น: เซ็นเซอร์จะสตรีมข้อมูล เช่น การสั่นสะเทือน อุณหภูมิ การปล่อยเสียง คุณภาพน้ำมัน และกระแสมอเตอร์จากอุปกรณ์ และโมเดลการเรียนรู้ของเครื่องจะตรวจจับรูปแบบที่ละเอียดอ่อนที่เกิดขึ้นก่อนความล้มเหลว เป้าหมายทั่วไปคือการประมาณอายุการใช้งานที่เหลืออยู่ (RUL) — จำนวนชั่วโมงหรือรอบของชิ้นส่วนที่เหลืออยู่ โมเดลการตรวจจับความผิดปกติจะทำเครื่องหมายความเบี่ยงเบนไปจากลักษณะการทำงานตามปกติ ในขณะที่โมเดลที่ได้รับการดูแลที่ได้รับการฝึกเกี่ยวกับความล้มเหลวในอดีตจะคาดการณ์ประเภทข้อบกพร่องเฉพาะเจาะจง อุตสาหกรรมต่างๆ ตั้งแต่การบิน (เครื่องยนต์ไอพ่น) ไปจนถึงพลังงานลม (กระปุกเกียร์) ไปจนถึงการผลิต (เครื่องจักร CNC) พึ่งพาสิ่งเหล่านี้ โดยมักจะผ่านเซ็นเซอร์ IoT ที่ป้อนการวิเคราะห์บนคลาวด์หรือ Edge

ข้อมูลเชิงลึกทางเทคนิค

การสั่นสะเทือนเป็นสัญญาณที่ใช้งานได้: ตลับลูกปืนที่แข็งแรงมีสเปกตรัมความถี่ที่สะอาด ในขณะที่ความผิดปกติที่กำลังพัฒนาจะเพิ่มจุดสูงสุดที่เป็นลักษณะเฉพาะที่ความถี่ข้อบกพร่องเฉพาะ เทคนิคมีตั้งแต่การวิเคราะห์สเปกตรัมแบบ FFT ไปจนถึงโครงข่ายประสาทเทียมแบบเกิดซ้ำและแบบหมุนวน และ LSTM ที่สร้างแบบจำลองการลดระดับอนุกรมเวลา การตรวจจับความผิดปกติมักใช้ตัวเข้ารหัสอัตโนมัติที่ได้รับการฝึกเฉพาะกับข้อมูลที่ดีเท่านั้น เมื่อมีข้อผิดพลาดในการสร้างใหม่เพิ่มขึ้นอย่างรวดเร็ว ก็มีบางอย่างเปลี่ยนแปลงไป โมเดลจะแสดงค่าประมาณ RUL หรือความน่าจะเป็นของความล้มเหลวภายในหน้าต่าง

การเรียนรู้ AI ในการบำรุงรักษาเชิงคาดการณ์

การบำรุงรักษาเชิงคาดการณ์ใช้ข้อมูลเซ็นเซอร์และการเรียนรู้ของเครื่องจักรเพื่อคาดการณ์ว่าเครื่องจักรจะขัดข้องเมื่อใด ดังนั้นจึงสามารถแก้ไขได้ก่อนที่จะเสียหาย แทนที่จะทำตามกำหนดเวลาที่ตายตัวหรือหลังจากการพังทลายที่มีค่าใช้จ่ายสูง ช่วยประหยัดเงิน ป้องกันการหยุดทำงาน และปรับปรุงความปลอดภัย AI ในการบำรุงรักษาเชิงคาดการณ์ใช้ AI ในสภาพแวดล้อมเฉพาะโดเมน ซึ่งกฎระเบียบ การปฏิบัติงาน และการยอมรับความเสี่ยงเป็นตัวกำหนดตัวเลือกการออกแบบอย่างมาก เพื่อสร้างความเข้าใจอย่างลึกซึ้ง ให้ปฏิบัติต่อ AI ใน Predictive Maintenance เสมือนเป็นแบบจำลองการดำเนินงาน ไม่ใช่คุณลักษณะเดียว: กำหนดผลลัพธ์ที่ต้องการ ชี้แจงสมมติฐาน และแยกสิ่งที่ระบบสามารถทำได้อย่างน่าเชื่อถือจากสิ่งที่ยังต้องใช้วิจารณญาณจากผู้เชี่ยวชาญ

ในทางปฏิบัติ ทีมที่แข็งแกร่งที่ใช้ AI ในการบำรุงรักษาเชิงคาดการณ์จะปรับความสามารถทางเทคนิคให้สอดคล้องกับนโยบายโดเมน การตรวจสอบ และการตัดสินใจระดับแนวหน้า โดยจะบันทึกเกณฑ์ความสำเร็จที่ชัดเจน ทดสอบกับข้อมูลและขั้นตอนการทำงานที่สมจริง และทำซ้ำตามรูปแบบความล้มเหลวที่สังเกตได้ แทนที่จะชนะการวัดประสิทธิภาพเพียงครั้งเดียว นี่คือจุดที่ความเข้าใจทางทฤษฎีกลายเป็นความสามารถที่คงทนของผลิตภัณฑ์ นโยบาย และการดำเนินงาน

บริบททางอุตสาหกรรมเป็นตัวกำหนดว่าแนวคิด AI จะรอดจากการสัมผัสกับความเป็นจริงหรือไม่ ในเวลาเดียวกัน ข้อกำหนดด้านกฎระเบียบอาจทำให้ต้นแบบที่แข็งแกร่งเป็นโมฆะได้ แนวทางที่ยืดหยุ่นที่สุดคือการรวมความเร็วของการทดลองเข้ากับวินัยในการกำกับดูแล: ดำเนินการนำร่อง จับหลักฐาน เผยแพร่บันทึกการตัดสินใจ และอัปเดตการป้องกันอย่างต่อเนื่องเมื่อพฤติกรรมของโมเดล ความคาดหวังของผู้ใช้ และข้อกำหนดด้านกฎระเบียบมีการเปลี่ยนแปลง

ผลกระทบเชิงกลยุทธ์

บริบททางอุตสาหกรรมเป็นตัวกำหนดว่าแนวคิด AI จะรอดจากการสัมผัสกับความเป็นจริงหรือไม่

บริบททางอุตสาหกรรมเป็นตัวกำหนดว่าแนวคิด AI จะรอดจากการสัมผัสกับความเป็นจริงหรือไม่ ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ

ข้อจำกัดของโดเมนมีอิทธิพลต่ออัตราข้อผิดพลาดที่ยอมรับได้และแบบจำลองการควบคุมดูแล

ข้อจำกัดของโดเมนมีอิทธิพลต่ออัตราข้อผิดพลาดที่ยอมรับได้และแบบจำลองการควบคุมดูแล ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ

การปรับใช้ที่ประสบความสำเร็จจะปรับความสามารถทางเทคนิคให้สอดคล้องกับเวิร์กโฟลว์แนวหน้า

การปรับใช้ที่ประสบความสำเร็จจะปรับความสามารถทางเทคนิคให้สอดคล้องกับเวิร์กโฟลว์แนวหน้า ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ

อนาคตของ AI ในการบำรุงรักษาเชิงคาดการณ์

PdM กำลังก้าวไปสู่ ​​Edge AI ซึ่งโมเดลน้ำหนักเบาทำงานบนเซ็นเซอร์หรือตัวควบคุมโดยตรงเพื่อการตรวจจับทันทีโดยไม่มีเวลาแฝงของคลาวด์ Digital Twins — แบบจำลองเสมือนที่ป้อนโดยข้อมูลสด — ให้ผู้ปฏิบัติงานจำลองความล้มเหลวก่อนที่จะเกิดขึ้น โมเดลเจนเนอเรชั่นและโมเดลพื้นฐานกำลังเกิดขึ้นเพื่อจัดการกับข้อมูลความล้มเหลวที่หายากและถ่ายโอนความรู้ไปยังเครื่องจักรที่คล้ายคลึงกัน คาดหวังการบูรณาการที่เข้มงวดยิ่งขึ้นกับระบบสั่งงานอัตโนมัติ ดังนั้นข้อผิดพลาดที่คาดการณ์ไว้จะจัดกำหนดการชิ้นส่วนและช่างเทคนิคโดยอัตโนมัติ

การใช้งานจริงในโลกแห่งความเป็นจริง

สายการบินจะตรวจสอบการสั่นสะเทือนและอุณหภูมิของเครื่องยนต์ไอพ่นเพื่อกำหนดเวลาการซ่อมแซมก่อนเกิดความล้มเหลวในเที่ยวบิน เช่นเดียวกับในโครงการด้านสุขภาพเครื่องยนต์ของ GE และ Rolls-Royce

ผู้ปฏิบัติงานฟาร์มกังหันลมตรวจพบการสึกหรอของกระปุกเกียร์และแบริ่งตั้งแต่เนิ่นๆ จากเซ็นเซอร์การสั่นสะเทือนของกังหัน เพื่อหลีกเลี่ยงการซ่อมแซมเครนบนหอคอยที่มีค่าใช้จ่ายสูง

โรงงานที่ใช้เซ็นเซอร์กระแสมอเตอร์และอะคูสติกบนระบบสายพานลำเลียงและปั๊มเพื่อแจ้งการเสื่อมสภาพของตลับลูกปืนล่วงหน้าหลายสัปดาห์

การรถไฟวิเคราะห์ข้อมูลเซ็นเซอร์ล้อและรางเพื่อคาดการณ์การสึกหรอของส่วนประกอบและป้องกันความล้มเหลวที่ทำให้เกิดการตกราง

รูปแบบการดำเนินงาน

AI ในการบำรุงรักษาเชิงคาดการณ์ในทางปฏิบัติ

สายการบินจะตรวจสอบการสั่นสะเทือนและอุณหภูมิของเครื่องยนต์ไอพ่นเพื่อกำหนดเวลาการซ่อมแซมก่อนเกิดเหตุขัดข้องในเที่ยวบิน เช่นเดียวกับในโครงการตรวจสุขภาพเครื่องยนต์ของ GE และ Rolls-Royce

สายการบินจะตรวจสอบการสั่นสะเทือนและอุณหภูมิของเครื่องยนต์ไอพ่นเพื่อกำหนดเวลาการซ่อมแซมก่อนเกิดความล้มเหลวในเที่ยวบิน เช่นเดียวกับในโปรแกรมสุขภาพเครื่องยนต์ของ GE และ Rolls-Royce ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งการเพิ่มผลผลิตและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

AI ในการบำรุงรักษาเชิงคาดการณ์ในทางปฏิบัติ

ผู้ปฏิบัติงานฟาร์มกังหันลมตรวจพบการสึกหรอของกระปุกเกียร์และแบริ่งตั้งแต่เนิ่นๆ จากเซ็นเซอร์การสั่นสะเทือนของกังหัน เพื่อหลีกเลี่ยงการซ่อมแซมเครนบนหอคอยที่มีค่าใช้จ่ายสูง

ผู้ปฏิบัติงานฟาร์มกังหันลมตรวจพบการสึกหรอของกระปุกเกียร์และแบริ่งตั้งแต่เนิ่นๆ จากเซ็นเซอร์สั่นสะเทือนของกังหันเพื่อหลีกเลี่ยงการซ่อมเครนบนหอคอยที่มีค่าใช้จ่ายสูง ทีมงานมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับของมนุษย์สำหรับกรณี Edge และติดตามทั้งต้นทุนการผลิตที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

AI ในการบำรุงรักษาเชิงคาดการณ์ในทางปฏิบัติ

โรงงานที่ใช้เซ็นเซอร์กระแสมอเตอร์และอะคูสติกบนระบบสายพานลำเลียงและปั๊มเพื่อแจ้งการเสื่อมสภาพของตลับลูกปืนล่วงหน้าหลายสัปดาห์

โรงงานที่ใช้เซ็นเซอร์กระแสมอเตอร์และเซ็นเซอร์เสียงบนระบบสายพานลำเลียงและปั๊มเพื่อแจ้งล่วงหน้าหลายสัปดาห์เกี่ยวกับการเสื่อมสภาพของแบริ่ง ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณีขอบ และติดตามทั้งผลผลิตที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

AI ในการบำรุงรักษาเชิงคาดการณ์ในทางปฏิบัติ

การรถไฟวิเคราะห์ข้อมูลเซ็นเซอร์ล้อและรางเพื่อคาดการณ์การสึกหรอของส่วนประกอบและป้องกันความล้มเหลวที่ทำให้เกิดการตกราง

การรถไฟวิเคราะห์ข้อมูลเซ็นเซอร์ล้อและแทร็กเพื่อคาดการณ์การสึกหรอของส่วนประกอบและป้องกันความล้มเหลวที่ทำให้เกิดการตกราง ทีมมักจะได้รับผลลัพธ์ที่ดีขึ้นเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการผลิตที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

ความเสี่ยงและรั้ว

!

ข้อกำหนดด้านกฎระเบียบอาจทำให้ต้นแบบที่แข็งแกร่งเป็นโมฆะได้

!

ข้อมูลในอดีตอาจเข้ารหัสอคติที่เป็นอันตรายต่อชุมชนบางแห่ง

!

ระบบเดิมสามารถสร้างปัญหาคอขวดในการบูรณาการและต้นทุนแอบแฝงได้

แผนงานการดำเนินงาน

1

ให้ผู้เชี่ยวชาญโดเมนมีส่วนร่วมตั้งแต่การกำหนดกรอบปัญหาไปจนถึงการประเมิน

ให้ผู้เชี่ยวชาญโดเมนมีส่วนร่วมตั้งแต่การกำหนดกรอบปัญหาไปจนถึงการประเมิน ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

2

ออกแบบเส้นทางการตรวจสอบและเอกสารประกอบก่อนการเปิดตัว

ออกแบบเส้นทางการตรวจสอบและเอกสารประกอบก่อนการเปิดตัว ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

3

ตรวจสอบการปฏิบัติตามข้อกำหนดและภาระผูกพันด้านความปลอดภัยตั้งแต่เนิ่นๆ

ตรวจสอบการปฏิบัติตามข้อกำหนดและภาระผูกพันด้านความปลอดภัยตั้งแต่เนิ่นๆ ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

4

เปิดตัวเป็นระยะโดยมีเกณฑ์การหยุดและย้อนกลับที่ชัดเจน

เปิดตัวเป็นระยะโดยมีเกณฑ์การหยุดและย้อนกลับที่ชัดเจน ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

สำรวจต่อไป