Mejor práctica de mantenimiento predictivo | Senseye

Con un mayor énfasis en el mantenimiento predictivo visto como una de las principales tendencias que dominarán la fabricación en 2021 y más allá, ¿cómo deberían los fabricantes comenzar a abordar el desafío de evaluar y responder a los conocimientos sobre el estado de las máquinas?

En esta película, Alexander Hill y Rob Russell de Senseye se unen a Jim Davison de Make UK y a la Dra. Hannah Edmonds del Centro de tecnología de fabricación para explorar las mejores prácticas que brindan el máximo beneficio de mantenimiento predictivo y cómo se puede democratizar el conocimiento de los especialistas en monitoreo de condiciones y los ingenieros de confiabilidad para permitir que el mantenimiento predictivo se realice de manera sostenible y a escala.

Transcripción

Alexander Hill, Senseye:El mantenimiento predictivo será un foco de atención de las empresas industriales y de fabricación este año y en los próximos años. Tiene que ser. Para disfrutar de estas ganancias de eficiencia, ahorrar dinero y habilitar cosas como el trabajo remoto y el mantenimiento remoto, el mantenimiento predictivo es un componente absolutamente esencial.

Rob Russell, Senseye:Ese caso de uso principal para las fábricas inteligentes y la digitalización se ha construido en torno al mantenimiento predictivo. Se requiere un nivel de conocimiento del dominio, primero para comprender cómo obtener el tipo correcto de información de las máquinas, pero luego también cómo usar eso dentro del contexto de mantenimiento.

Jim Davison, Make UK:Los ingenieros de planta tradicionales tienden a ser como yo, con canas, llegando al final de sus carreras. Es un desafío para nosotros reclutar a la próxima generación para cumplir con esos roles. Al implementar cosas como tecnologías inteligentes, en realidad aporta un elemento realmente emocionante al rol con el que la gente no estaría familiarizada.

Rob Russell, Senseye:Al observar los desafíos de cómo responder a los resultados, con respecto al estado de la máquina, aún debe abordarlo con buenas políticas y prácticas de ingeniería. Las fuentes de datos y la identificación de esos problemas tempranos que tendría dentro de las máquinas que permiten el mantenimiento predictivo a veces detectan etapas tempranas de falla bastante sutiles.

El equipo de mantenimiento comenzará a adquirir formas de corroborar sus hallazgos y también comprenderá que la detección temprana les brinda una ventana de tiempo mucho más amplia. Esto les permite realizar la planificación y la investigación cuando la producción no necesita las máquinas y luego también planificar el mantenimiento en una etapa posterior, cuando nuevamente las máquinas estén inactivas y no haya impacto en la producción.

Dr. Hannah Edmonds, Centro de Tecnología de Manufactura:Como parte de un programa más grande en el que participé, teníamos muchos elementos de producción diferentes juntos, muchos análisis diferentes que estaban ocurriendo:la capacidad de combinarlos nos dio valor agregado.

Usamos el análisis automatizado de Senseye para diagnosticar problemas dentro del sistema de producción e identificar la vida útil restante de la maquinaria. Pudimos visualizar eso a través de un programa adicional, pero también lo combinamos con un sistema de gestión de mantenimiento computarizado, para programar las tareas de mantenimiento.

Alexander Hill, Senseye:No queremos reemplazar a los ingenieros de monitoreo de condición ni a los especialistas en confiabilidad. Solo queremos asegurarnos de que su tiempo se use de manera realmente efectiva porque a menudo observarán decenas de miles de flujos de datos y tratarán de comprender cuáles son importantes. Ese es un trabajo muy agotador y muy difícil de hacer.

La forma en que abordaríamos este problema es que automatizamos, tanto como sea posible, el rol tradicional de un ingeniero de monitoreo de condición que observa miles de puntos de datos y trata de entender cuáles son importantes.

No necesitamos construir y ajustar modelos manualmente, nuestra tecnología patentada y nuestros algoritmos nos permiten automatizar todo el proceso.