Узнайте о важности обслуживания активов для организаций и узнайте разницу между реактивным обслуживанием, профилактическим обслуживанием и профилактическим обслуживанием. Вы узнаете, как машинное обучение может применяться для поддержания ваших активов в отличной форме.

Мы живем во времена, когда технологии могут решить больше бизнес-задач, чем когда-либо прежде. Последние достижения могут предложить компаниям конкурентное преимущество и значительное улучшение их процессов. Сегодня мы рассмотрим проблемы обслуживания для организаций и способы защиты ценных активов и экономии ресурсов с помощью современных подходов, таких как профилактическое и профилактическое обслуживание, а также мощной технологии машинного обучения.

Почему важно техническое обслуживание и какой ущерб могут нанести организации простои?

Время простоя — одна из ключевых проблем, которую каждая организация должна научиться сокращать или полностью устранять. Промышленные простои, в частности, являются постоянной проблемой для производителей, с которой необходимо бороться. Самая большая проблема с простоями и перебоями в работе для организаций — это их огромная стоимость. Неожиданный сбой может стоить организации значительно больше, чем запланированное техническое обслуживание, и может занять неопределенное количество времени для устранения проблемы. Перерыв в производстве может стать серьезным фактором, снижающим производительность или полностью останавливающим производственные процессы. Также существуют скрытые затраты на простои, которые могут повредить репутации компании в будущем. Неэффективные стратегии и подходы к техническому обслуживанию часто становятся основным фактором простоев производства. Особенно, когда организации стараются устранять проблемы только после их появления. Следующая инфографика покажет вам цифры, которые неэффективное техническое обслуживание стоит организациям по всему миру.

Согласно исследованию, проведенному компанией Vanson Bourne, которая с 1999 года специализируется на оказании помощи поставщикам технологий в понимании и общении с корпоративными организациями по всему миру, самые большие последствия незапланированных простоев для компаний:

Причин для незапланированного простоя множество. Vanson Bourne также заявляет, что среди компаний, в которых за последние три года произошел сбой, 45% были вызваны сбоем или сбоем оборудования, а 39% респондентов утверждают, что причиной был сбой программного обеспечения.

Чем крупнее организация, тем более разрушительными могут быть последствия незапланированного простоя. 8 августа 2016 года Delta Air Lines потеряла электроэнергию в своем операционном центре в Атланте из-за сбоя электрического оборудования. Это отключило компьютеры, которые использовались для бронирования пассажиров, почти на 5 часов. Ущерб обошелся компании почти в 150 миллионов долларов, при этом почти 1000 рейсов были отменены в день отключения и еще 1000 в следующие два дня. Delta Air Lines потратила дополнительные деньги на возмещение и предложение клиентам ваучеров на будущие путешествия.

Трудно точно рассчитать потери от простоя из-за их сложного характера и долговременных последствий. Тем не менее, есть базовая формула, которая может дать вам общее представление о потенциальном ущербе:

ПОТЕРЯННЫЙ ДОХОД = (GR/TH) x I x H

Где:

  • «GR» — ​​валовой годовой доход
  • «TH» — общее количество рабочих часов в год.
  • «I» означает процентное воздействие
  • «H» — количество часов простоя

Вместо того, чтобы подсчитывать потери от простоев, лучше их предотвращать. В следующем разделе этой статьи мы поговорим о популярных способах сокращения или устранения простоев в организации.

Что выбрать: реактивное обслуживание, профилактическое обслуживание или профилактическое обслуживание?

В зависимости от степени сбоя системы существует несколько способов решения ситуации. Рассмотрим подробнее различные виды системного обслуживания.

Реактивное обслуживание

Этот тип технического обслуживания проводится после поломки системы или оборудования. Все внимание направлено на то, чтобы восстановить все как можно ближе к «нормальному» состоянию. Очевидно, что экстренное исправление намного дороже, чем плановое техническое обслуживание. Еще одна причина высокой стоимости реактивного обслуживания заключается в том, что критические сбои чаще всего происходят в часы пик, нарушая процессы, когда они наиболее важны. Необходимость все исправить как можно быстрее может привести к дополнительным затратам на наем дополнительных услуг и покупку незапланированного оборудования.

Преимущества:

  • Экономия на первоначальной стоимости систем
  • Никаких усилий по планированию не требуется, поскольку действие будет предпринято только в случае сбоя системы.

Задачи:

  • Трудно спрогнозировать расходы бюджета, так как вы осознаете полное влияние конкретного простоя только тогда, когда это произойдет.
  • Система быстрее выйдет из строя по сравнению с регулярным и плановым обслуживанием
  • Выявление проблемы и замена сломанных деталей или даже ожидание доставки необходимых деталей займет много времени.
  • Возникновение очередной проблемы всегда будет неприятным сюрпризом
  • Запланированные обновления системы могут быть отложены или отменены, что может повредить вашему бизнес-видению и стратегии. Это происходит потому, что аварийный ремонт всегда имеет приоритет над плановыми работами.
  • Нет никаких гарантий, что те же проблемы не повторятся
  • Неправильно обслуживаемая система потребляет больше энергии

Подходит для:

  • Некритическое оборудование
  • Оборудование с низкими затратами на ремонт
  • Легко фиксируемое оборудование

Не подходит для ситуаций:

  • Когда отказ оборудования может привести к проблемам с безопасностью или безопасностью
  • Когда процесс ремонта затягивается
  • Когда оборудование должно быть доступно 24/7

Профилактическое обслуживание

Это популярный подход, который компании используют для планирования регулярных конкретных задач по техническому обслуживанию, чтобы поддерживать оборудование в рабочем состоянии. Ключевое отличие от Reactive Maintenance заключается в том, что у вас запланирован ремонт. Периодичность проверок может сильно варьироваться: от одного раза в несколько дней до ежегодных проверок.

Преимущества:

  • Экономия на финансовых потерях, связанных с простоем
  • Повышенная надежность системы и оборудования
  • Меньше случаев аварийного обслуживания

Задачи:

  • Больше расходов на постоянное обслуживание и риск переплатить за ненужные услуги
  • По-прежнему существует риск случайного выхода из строя определенных компонентов или оборудования.
  • Необходимость постоянного обучения ваших технических специалистов

Подходит для:

  • Оборудование с вероятностью отказа, которая увеличивается со временем или использованием
  • Виды отказов, которые можно предотвратить (но не усугубить) при регулярном техническом обслуживании

Не подходит для ситуаций:

  • Когда ваше оборудование может иметь случайные сбои, не связанные с обслуживанием или частотой обслуживания

Прогностическое обслуживание

Одной из целей этого типа технического обслуживания является постоянный мониторинг состояния оборудования, чтобы прогнозировать потенциальные проблемы, которые могут привести к дорогостоящим отказам, и заблаговременно принимать меры для предотвращения этих отказов. Для этого в Прогностическом обслуживании осуществляется постоянный мониторинг системы и анализ на основе данных, собранных с различных датчиков. В результате функционирование вашего оборудования будет оптимизировано, а затраты на ремонт снизятся. Хотя он не заменяет полностью традиционные подходы к обслуживанию, он является отличным дополнением к общему процессу обслуживания.

Преимущества:

  • Снижение затрат на обслуживание, иногда до 50%
  • Сокращение до 90 % случаев критических отказов
  • Время простоя, связанное с фактическим процессом ремонта, также будет меньше, потому что вы сможете определить определенные компоненты, которые могут выйти из строя в первую очередь. Сложность и стоимость обслуживания снижаются, поскольку вы заменяете только те детали, которые вызывают отказ, а не все детали, которые могли быть сломаны во время отказа.
  • По сравнению с профилактическим обслуживанием вам не нужно иметь запас запасных частей
  • Для дорогостоящего оборудования профилактическое обслуживание может сэкономить деньги на продлении срока службы отдельных деталей.
  • Потенциальное спасение жизней сотрудников, вызванное деструктивными сбоями
  • Помощь в планировании остановок на ремонт

Задачи:

  • Более сложная настройка системы с более высоким уровнем необходимых знаний в области ИТ по сравнению с профилактическим обслуживанием.
  • Дополнительные расходы на датчики, сбор данных, хранение и другую сопутствующую инфраструктуру

Подходит для:

  • Компании, которые имеют возможность собирать информацию о состоянии оборудования с помощью различных датчиков и нуждаются в экономически эффективном прогнозировании отказов.

Не подходит для ситуаций:

  • Когда у вас нет датчиков, дающих диагностическую информацию о вашем оборудовании — в таком случае лучше начать с апгрейда оборудования

Ключевой момент

Используя подход Predictive Maintenance, компания может проводить техническое обслуживание оборудования вовремя, поэтому вы не теряете деньги ни на сложном обслуживании, когда отказ уже произошел (в случае реактивного обслуживания), ни на ненужном обслуживании, когда на самом деле отказ не должен был произойти, но вы все равно выполняли техническое обслуживание оборудования (в случае профилактического обслуживания).

С точки зрения частоты технического обслуживания три вышеупомянутых метода можно сравнить как:

Вот визуальное представление того, что происходит в этих трех методах, когда выполняется техническое обслуживание:

Ключевой момент

Хотя прогностическое обслуживание требует дополнительных знаний в области ИТ и некоторых дополнительных расходов, оно является наиболее эффективным методом, позволяющим предотвратить катастрофические сбои и сэкономить много денег. Однако, в то же время, это наиболее изощренный метод и нуждается в более подробном объяснении, по сравнению с вполне очевидными Reactive and Preventive Maintenance.

Как вы можете внедрить систему профилактического обслуживания в своей организации?

Первое, что вам нужно сделать, это настроить правильный процесс сбора данных, который позволит вам получить всю необходимую информацию, включая данные с оборудования и датчиков, а также общие данные системы за определенный период времени. Далее нужно построить систему, которая будет делать выводы и прогнозы на основе собранных данных. Количество параметров, которые обычно собираются, будет невозможно обработать человеку. Есть два наиболее популярных способа работы с этой системой: создание системы ИИ на основе правил или использование моделей машинного обучения. Оба подхода имеют свои преимущества и недостатки.

Системы искусственного интеллекта на основе правил

Эти системы генерируют заранее определенные результаты в соответствии с правилами, запрограммированными экспертами-людьми. Системы, основанные на правилах, используют «набор правил» и «набор фактов» для формулирования утверждений. Лучше всего использовать этот подход, когда вам нужны быстрые результаты, есть очень высокий риск ошибки (однако системы машинного обучения могут работать и в этих сценариях) и вы не планируете внедрять машинное обучение в будущем.

Недостатки систем ИИ, основанных на правилах:

  • Они очень дороги и трудоемки в реализации
  • Они требуют полного знания поведения оборудования
  • Они плохо работают с ранее неизвестными неисправностями

Системы машинного обучения

Ключевое отличие состоит в том, что системы на основе машинного обучения определяют собственный набор правил, основанных на входных данных. Говоря о данных, ML-системы требуют, чтобы данные были собраны правильно и в определенном объеме, о чем мы рассказывали в одной из наших предыдущих статей. Таким образом, системы машинного обучения могут принимать правильные данные и работать на основе вероятностного подхода. Почему это такая мощная альтернатива системе, основанной на правилах?

  • Системы машинного обучения всегда «обучаются» и развиваются по сравнению со статическими системами, основанными на правилах, с детерминированным подходом.
  • Системы на основе правил ограничены определенной бизнес-логикой. Когда событие происходит вне этой бизнес-логики, система, основанная на правилах, игнорирует это событие. Системы машинного обучения всегда знают о «нормальном» состоянии системы. Когда произойдет что-то ненормальное, система ML обнаружит это
  • Системы машинного обучения могут обнаруживать закономерности в ненормальном поведении, тогда как системы, основанные на правилах, будут искать только заранее заданные сценарии.
  • Системы машинного обучения можно использовать в более сложных случаях по сравнению с простыми системами, основанными на правилах. Кроме того, когда нет простого и очевидного способа решить конкретную задачу, система машинного обучения может быть единственным решением проблемы.
  • Когда ситуация и тип данных быстро меняются, может быть неэффективно постоянно переписывать бизнес-логику для системы, основанной на правилах. Подход машинного обучения сможет идти в ногу с изменениями
  • Возможны конфликты между правилами, когда их количество растет в геометрической прогрессии. В какой-то момент вам может не хватить вычислительной мощности для управления всеми возможными комбинациями правил в вашей системе, или у вас возникнет проблема с правильным управлением всеми правилами.

Ключевой момент

В настоящее время подход машинного обучения к профилактическому обслуживанию позволяет нам создавать более надежные и гибкие решения, чем системы искусственного интеллекта на основе правил.

Заключение

Обслуживание активов является серьезной проблемой для организаций по всему миру. Правильный выбор стратегии обслуживания может сэкономить огромное количество денег, которые можно было бы потратить на будущий рост организации.

Каждый упомянутый подход может использоваться в определенном сценарии, однако профилактическое обслуживание с использованием технологии машинного обучения, вероятно, является наиболее эффективным способом решения этой проблемы. Конечно, вы не можете полностью исключить реактивное и профилактическое обслуживание из своих процессов, потому что некоторые инциденты все равно будут происходить, а ваше оборудование требует регулярного обслуживания и проверок. Тем не менее, вложение вашего времени и ресурсов в профилактическое обслуживание поможет сократить количество неприятных инцидентов и поддерживать оборудование в отличном состоянии с меньшими затратами.

В нашей следующей статье Прогнозирующее обслуживание: методы машинного обучения для решения проблемы PdM мы рассмотрим более технические детали разработки решения для предиктивного обслуживания для вашей организации, уделяя особое внимание подходам машинного обучения, в частности. Мы также обсудим методы глубокого обучения и решение для профилактического обслуживания на основе машинного обучения. Если вы заинтересованы в создании современной системы для своей компании, прочитайте наши следующие статьи, чтобы получить больше информации, основанной на нашем опыте!

Мы в Intelliarts AI любим помогать компаниям решать проблемы с разработкой и реализацией стратегии данных, поэтому, если у вас есть какие-либо вопросы, связанные с конвейерами машинного обучения в частности или другими областями науки о данных — не стесняйтесь протянуть руку.