الانتقال إلى استراتيجيات الصيانة الجديدة مع المراقبة عن بعد

الاستفادة من إنترنت الأشياء في صيانة المصاعد

بقلم دان براينت ويوهانس جونتش وكايل هندرين وكريستوفر بيرس

يؤدي تعطل المصعد إلى إبطاء الأشخاص والعمليات. بالإضافة إلى ذلك ، وجدنا أنه لا توجد معلومات كافية تعود حول الحالة الحالية للمعدات في الخدمة. هذا يخلق أوجه القصور اليومية لأصحاب المباني ومقدمي الخدمات. تؤثر زيادة تكاليف التشغيل ووقت التوقف عن العمل على ربحية مالكي المباني ، بينما يعاني مقدمو الخدمات من عدم كفاءة الموظفين وزيادة التكاليف عند الاستجابة لمكالمات الصيانة العاجلة.

مع التطورات الحديثة في تكلفة وإمكانيات أجهزة الاستشعار واتصالات البيانات والتخزين والحوسبة ، ستغير فئة جديدة من المنتجات الذكية اقتصاديات وديناميكيات صناعة النقل العمودي (VT). سيتم تسليم هذه المنتجات في شكل أجهزة مع برامج مضمنة ، إلى جانب الخدمات المستمرة التي تغطي الحصول على البيانات وإدارة البيانات السحابية والتحليلات المتقدمة.

استراتيجيات الصيانة

يسمح حل المراقبة التحليلية لإنترنت الأشياء (IoT) لأصحاب المباني ومؤسسات الخدمة بنقل أنشطة الصيانة من استراتيجيات الصيانة التفاعلية والوقائية القديمة إلى استراتيجيات الصيانة الاستباقية والقائمة على الظروف و / أو التنبؤية / الإلزامية.

اتبعت أنشطة الصيانة نفس العملية منذ الثورة الصناعية. تقوم الشركات بشراء الأصول ، وبعد وضعها في الخدمة ، قم بإعداد فترات الصيانة على أساس الدورات والإصلاح ، أو استبدالها عند كسرها. يمكن تحقيق كلا النهجين للصيانة دون استخدام التكنولوجيا. صناعة VT ليست استثناء. في الوقت الحالي ، تعتبر معظم خدمات صيانة VT إما تفاعلية أو وقائية.

يتم إجراء الصيانة التفاعلية / التصحيحية بعد اكتشاف تباين أو عطل وتهدف إلى إعادة الماكينة إلى ظروف التشغيل العادية وتقليل وقت التوقف عن العمل. يعتمد هذا النهج على الاعتقاد بأن التكاليف المتكبدة للتوقف عن العمل والإصلاح أقل من الاستثمار المطلوب لبرنامج الصيانة.

يتم تشغيل الصيانة الوقائية (PM) وقيادتها بالوقت أو الأحداث. يتم تنفيذ مهام الصيانة على فترات زمنية محددة مسبقًا أو وفقًا لمعايير محددة. تهدف هذه الإستراتيجية إلى تقليل مخاطر الفشل أو تدهور أداء المعدات. بموجب هذا النهج ، سيتم استبدال الأجزاء ذات الصلة أو إعادة بنائها في أو قبل الفشل المتوقع. نظرًا لأن الصيانة الوقائية تتطلب فنيين مؤهلين وذوي خبرة يفهمون متى لا تعمل المعدات بالمستويات المثلى ، فإن الصيانة الوقائية لن تأخذ في الاعتبار التشغيل الفعلي للآلة ، حيث يمكن في بعض الحالات استبدال الأجزاء عند عدم الحاجة إليها وغير ضرورية يحدث التوقف. التقدم إلى ما بعد المستويين الأولين هو المكان الذي تحدث فيه إنترنت الأشياء تأثيرها.  

في الصيانة الاستباقية ، يجب إجراء الصيانة فقط عندما تُظهر مؤشرات معينة علامات تدل على انخفاض الأداء أو فشل قادم حيث تقوم أجهزة الاستشعار بإنشاء إنذار عند كل انحراف. يتم تجديد أو استبدال جميع المعدات التي تعرض قيمًا غير طبيعية. بهذه الطريقة ، يمكن إطالة العمر الإنتاجي وتوليد مستويات عالية من الموثوقية والأمان والكفاءة.

تم تصميم الصيانة التنبؤية لتحديد حالة المعدات أثناء الخدمة للتنبؤ بالوقت الذي يجب إجراء الصيانة فيه لزيادة وقت التشغيل إلى أقصى حد. عند إنشاء البيانات أثناء العمليات ، يتم تحديد احتمال الانهيار ، ويتم إنشاء القياسات المضادة في فترات زمنية معينة.

الصيانة الوصفية (RxM) فريدة من نوعها من حيث أنها ، بدلاً من مجرد توقع الفشل ، تحاول تقديم توصيات أو سيناريوهات تركز على النتائج للعمليات والصيانة من التحليلات الوصفية. لن يخبرك فقط بموعد حدوث الفشل ، ولكنه سيوفر لك سيناريوهات مختلفة يمكنك الاختيار من بينها بناءً على إجراءات مختلفة.

لتحقيق RxM يتطلب الجمع بين بيانات المعدات وبيانات الخدمة الميدانية والتعلم الآلي. تتشابه أهداف هذه المستويات الثلاثة الأولى من حيث أنها تتطلع إلى تقليل وقت التوقف غير المخطط له الذي يمكن أن يتسبب في خسارة الإيرادات والمواد والعمالة.

نمو إنترنت الأشياء

بحلول عام 2020 ، سيكون هناك أكثر من 20 مليار جهاز إنترنت الأشياء قيد الاستخدام. [1] تقدر شركة McKinsey & Co. هذا الرقم بحوالي 26-30 مليار جهاز. [2] سواء كان الرقم 20 أو 30 مليارًا ، أو في مكان ما بينهما ، فإن هذا يعكس تركيزًا متزايدًا على استخدام التكنولوجيا القائمة على المستشعر وتحليلات البيانات لتحقيق النتائج.

سيكون لإنترنت الأشياء تأثير كبير على الاقتصاد من خلال تحويل المؤسسات وتسهيل نماذج الأعمال الجديدة وتحسين الكفاءات وتوليد أشكال جديدة من الإيرادات. ستكون الشركات أكبر محركات لحلول إنترنت الأشياء.

استخدام إنترنت الأشياء لـ VT

عندما تدخل الشركات لأول مرة في المراقبة عن بعد للمصاعد ، فإنها تمر بمراحل مماثلة من تطوير المنتج:

• التشخيص بالبيانات الأولية - محاولة تفسير الإشارات بطريقة خام
• التنبيه - بكل بساطة ، استخدام الإشارات لتنبيه المستخدم عندما يكون المصعد معطلاً
• Top Down Engineering - يبدأ بالصورة الكبيرة ويقسم كل نظام فرعي بمزيد من التفصيل.
• توفر مستشعرات إنترنت الأشياء والاتصال والسحابة والتعلم الآلي معلومات قابلة للتنفيذ دون أن يقوم شخص بتصميم التشخيصات. يعد استخدام خوارزميات التعلم الذاتي التكيفية أحد الأمثلة الرئيسية.

تعتمد الصيانة الاستباقية على تصميم دقيق وفعال وفعال من حيث التكلفة. الأهم من ذلك ، توفر جودة البيانات الشرطية مدخلات عالية الجودة للتعلم الآلي للحصول على أفضل التنبؤات. في عجلة من أمره للوصول إلى الصيانة التنبؤية ، تخطى الكثيرون هذا المستوى الاستباقي الهام القائم على الحالة. ومع ذلك ، فإن النهج الرئيسي الذي يتبعه Datahoist في الحصول على البيانات ومستويات التحليلات المتطورة يوفر بيانات أكثر قابلية للتنفيذ للصيانة القائمة على الحالة ، وبيانات أكثر ثراءً لعمل التنبؤات. 

تضيف السحابة قدرة هائلة على تحويل ممارسات الصيانة لدينا ، على الرغم من أن الحقيقة هي أنه من الصعب أكثر مما يعتقد معظم الناس الحصول على كل بيانات آلة المصعد داخل وخارج السحابة. ومما يزيد من تعقيد حلول إنترنت الأشياء أنه ، في كثير من الحالات ، لا تكون الشبكات الخلوية ببساطة سريعة بما يكفي للتعامل مع كمية البيانات التي يتم إرسالها ذهابًا وإيابًا. هناك حل: الحوسبة المتطورة.

تعتبر حوسبة الحافة مناسبة للغاية لصناعتنا. يتيح لنا القيام بأشياء على حافة الشبكة ، ومعالجة الأشياء محليًا ، وتقليل النطاق الترددي والتكاليف السحابية والخلوية. كما أن لديها وقت استجابة أفضل من المستشعرات التي تعمل مباشرة مع السحابة. تتطلب حلول إنترنت الأشياء الصناعية اكتشاف المشكلات في أجزاء من الثانية - وقت الاستجابة الأطول غير ممكن.

حوسبة الحافة ليست شيئًا جديدًا لمطوري ومهندسي Datahoist. في أواخر عام 2014 ، بدأوا في تطوير جهاز الجيل الخامس الخاص بهم مع خطة استخدام الحوسبة المتطورة طوال الوقت. بدأ آخرون في الالتفاف حول الزاوية بعد رؤية الفوائد الهائلة للحوسبة المتطورة.

بالإضافة إلى ذلك ، هناك بعض أدوات أجهزة إنترنت الأشياء الرائعة في السوق اليوم ، مثل Arduino و Raspberry Pi ، والتي يمكن أن تساعد في إنشاء النماذج الأولية وتشغيلها بسرعة. هذه الأنواع من الأدوات ليست مناسبة تمامًا للإنتاج التجاري ، ومع ذلك ، فهي تفتقر إلى الميزات. هناك أيضًا العديد من أدوات التحليل المختلفة المتاحة.

ومع ذلك ، لا توجد وظائف جاهزة للأدوات التنبؤية في عالم إنترنت الأشياء الصناعي. يجب أن يكون لكل صناعة خبرة في المجال الخاص بها. هذا هو المكان الذي يجلب فيه Datahoist و Draka Elevator تجربة مجال المصعد الخاصة بهم. لا يمكن التقليل من قيمة امتلاك خبرة في المجال كجزء من / جوهري في الحلول ، لأنها توفر رؤى أكثر قابلية للتنفيذ.

تستفيد Datahoist من خبرتها في صناعة المصاعد وتطوير الأجهزة / البرامج. وقد أدى ذلك إلى قيام فريقنا بالتوصل إلى حل واضح لمراقبة المصاعد عن بُعد وإدارة الأصول - Draka VantagePoint ، المدعوم من Datahoist. أولاً ، يستخدم حلنا تقنية مستشعر إنترنت الأشياء لسحب البيانات التشغيلية وبيانات الماكينة من أي مصعد ، بغض النظر عن نوعها. ثانيًا ، نحن نستفيد من الحوسبة المتطورة ، والتي تعد مناسبة تمامًا للمصاعد. أخيرًا ، يتم تخزين البيانات في السحابة ، حيث نستخدمها في واجهات المستخدم البديهية لمقدمي الخدمات وأصحاب المباني ومديري المرافق والاستشاريين.

ملخص

تعمل إنترنت الأشياء على تغيير منهجيات الصيانة للمصاعد. أدى انخفاض تكاليف أجهزة الاستشعار والاتصالات وتخزين البيانات والتحليلات إلى إمكانية جمع ومعالجة كميات هائلة من البيانات بشكل لم يسبق له مثيل. سيتم تحقيق 20 مليار جهاز إنترنت الأشياء في الخدمة بحلول عام 2020. من خلال تحليل البيانات من أجهزة الاستشعار ، ستعمل الشركات على تقليل الوقت بين أنشطة الصيانة ووقت الإصلاح ، مع تحقيق وفورات في تكاليف العمالة وتقليل وقت التوقف عن العمل.

سيتم تسليم منتجات مراقبة المصعد في شكل أجهزة مع برامج مضمنة ، إلى جانب الخدمات المستمرة التي تغطي الحصول على البيانات وإدارة البيانات السحابية والتحليلات المتقدمة. من خلال Draka VantagePoint ، وهو حل تحليلي للمراقبة عن بُعد ، سيسمح لمالكي المباني ومؤسسات الخدمة بنقل أنشطة الصيانة ، من استراتيجيات الصيانة التفاعلية واستراتيجيات PM إلى استراتيجيات الصيانة القائمة على الاستباقية ، وفي النهاية ، استراتيجيات الصيانة التنبؤية.

مراجع حسابات
[1] "جارتنر تقول أن 8.4 مليار" أشياء متصلة "سيتم استخدامها في عام 2017 ، بزيادة 31 بالمائة عن عام 2016 ، بيان صحفي من جارتنر ، 7 فبراير 2017.
[2] "إنترنت الأشياء: تحجيم الفرصة" ، ماكينزي وشركاه ، ديسمبر 2014.