Umělá inteligence v údržbě už není sci-fi – může přinést výrazné úspory i malým a středním podnikům

Neodhalit chybu včas bývá drahé

Výrobní podniky hledají řešení, která by jim automatizovala a zlevňovala údržbu. Tradiční vibrodiagnostické metody jsou v mnoha případech příliš pomalé. Snímání hodnot za přítomnosti diagnostika jednou za čas nemusí odhalit poruchu dopředu. Své o tom ví pan Zykmund z podniku vyrábějícího české brambůrky. Vyosení čerpadla vlivem podlomení stojny ho již několikrát stálo prasknutí zařízení a následný výpadek výroby, kvůli němuž pět kamionů nevyjelo k zákazníkům.

Umělá inteligence v údržbě už není sci-fi

Manažer údržby si doma před cestou do práce na telefonu prohlíží nejnovější zprávy a vidí upozornění, že na jednom z jeho heliových kompresorů došlo ke zvukové anomálii. Zároveň s tím knihovna umělé inteligence identifikuje povolený šroub na stojně kompresoru.

Manažer zvedá telefon a volá svému kolegovi, který se chystá na denní směnu, aby cíleně prohlédl strojní součásti. Díky včasnému zásahu se podaří zjistit nevyváženost zařízení. Ta by bývala způsobila poruchu válce kompresoru a výpadek výroby na dlouhé hodiny.

Nejčastější nedostatek – kvalifikovaní údržbáři

Příběhy z firem, které se vydaly na cestu digitalizace, už nejsou jen sci-fi. Jsou reálnými příklady toho, jak se malé a střední podniky vyrovnávají s nedostatkem kvalifikované pracovní síly na  trhu. „Dříve jsme měli jednoho mechanika-údržbáře, který pravidelně všechny stroje obcházel a  kvalifikovaným poslechem diagnostikoval jejich stav. Takoví zkušení kolegové ale už odcházejí do  důchodu a  noví nepřicházejí,“ slýchávám často od zástupců firem, kteří přijdou za  námi do  Neuron soundware.

Příklad heliového kompresoru se týká českého výrobce převodových zařízení pro automobilový průmysl. V tomto případě by porucha bez včasné identifikace znamenala tři zásadní věci: výměnu celého zařízení, jehož náhradní díl nemusí být zrovna na  skladě, protože skladovat náhradní zařízení je dnes drahé. Dále znehodnocení aktuálních kusů převodových zařízení ve  výrobě, a  tím pádem vyhození celé vyráběné serie. A  v  neposlední řadě by představovala až šestnáctihodinový výpadek výroby. Ztráty by šly do desítek tisíc eur.

Trendem je sledování strojů na dálku v reálném čase

Takový kritický scénář nehrozí, pokud je technologie údržby kromě mechanické znalosti strojů vybavena také umělou inteligencí. Ta tuto znalost sama aplikuje na aktuální stav stroje a je schopna rozeznat, ke  kterému anomálnímu chování na stroji právě dochází, a na základě toho poslat odpovídající alert s přesnou instrukcí k  údržbě. Toho dnes využívají například výrobci mechanických zařízení, jako jsou výtahy, eskalátory či pojízdná zařízení. Na mezinárodním německém letišti takto sledujeme pojízdný chodník, kde detekujeme poškození koleček a hlásíme potřebu jejich výměny.

Umělá inteligence pomáhá v různých fázích výroby

Technologie prediktivní údržby mají ale mnohem širší využití. Díky schopnosti učení umělé inteligence jsou velmi univerzální. Jsme například schopni kontrolovat kvalitu ve výrobě. Realizovali jsme několik projektů v  oblasti automotive pro výrobce klimatizačních jednotek či palivových pump. Nyní úspěšně identifikujeme vadné či potenciálně nespolehlivé ráfky kol, v nichž se náhodně objevují okem neviditelné praskliny. John Harper z  Maxion Wheels si tak velmi pochvaluje hlavně automatizovanou diagnostiku vzniklé chyby a  srozumitelnost instrukcí, ze kterých ví, co přesně se na daném výrobku stalo. Druhá oblast aplikace spočívá v  monitoringu výrobních procesů. Představit si to můžeme na příkladu drtičky štěrku. Dopravce přiveze do  zásobníku různě velké kusy kamení, z  nichž má vzejít daná granularita štěrku. Dříve nechával výrobce běžet drtičku po  určitý čas, který znamenal, že i  za  přítomnosti největších kusů kamení došlo k jejich dostatečnému nadrcení. Nyní s aplikací audio diagnostiky může nechat umělou inteligenci „poslouchat“ velikost štěrku a  včas proces drcení zastavit. Znamená to nejen úsporu opotřebování drticího zařízení, ale hlavně časovou úsporu a  tím pádem prostor pro zvýšení dodaného objemu štěrku za směnu. To je pro výrobce velká finanční příležitost.

Největší úspory jsou v podnicích s vysokým počtem stejných zařízení

Při implementaci technologie prediktivní údržby nezáleží na tom, o jak velký podnik se jedná. Nejčastějším rozhodovacím kritériem totiž bývá škálovatelnost nasazeného řešení. V  podnicích, kde je větší počet mechanicky podobných zařízení, je totiž možné rychle nasbírat ukázkové vzorky, které reprezentují jednotlivé problémy a ze kterých se neuronová síť učí. Ta následně zvládne

obsloužit libovolné množství strojů najednou. Čím více strojů, tím více možností pro neuronovou síť se učit a  aplikovat detekci nežádoucích zvukových projevů. Své o  tom vědí výrobci polovodičových součástek v  Malajsii. Ti nyní nasazují technologii prediktivní údržby na  celou sérii čerpadel, která jsou nezbytná pro výrobu čipů, dnes tolik poptávaných součástek do  výpočetních jednotek, například v automobilech.

Budoucnost prediktivní údržby: dostupná a všude

Vzhledem k  ceně výpočetní techniky a  zpracování dat bývají technologie condition monitoringu určené spíše pro větší provozy než pro dílny s  pár obráběcími stroji. Jak se ovšem hardware a  přenos a  zpracování dat postupně zlevňují, dostává se technologie i  tam. I  výrobce domácích džemů tak zanedlouho bude mít jistotu, že včas dodá objednanou zakázku odběratelům a nepokazí si pověst.

V  budoucnosti bude prediktivní údržba nutností, a  to nejen v  průmyslu, ale například i  ve  větších elektronických spotřebičích, jako jsou ledničky či kávovary, nebo v  automobilech. Každý z  nás například pozná poškozený výfuk nebo nezvykle znějící motor. Často ale příliš pozdě na  to, abychom s autem bez návštěvy servisu bezpečně dojeli například z dovolené. Díky instalaci zařízení se dozvíme o blížící se poruše včas a včas ji dokážeme také vyřešit. Aniž by se motor zadřel a  my museli volat odtahovou službu. Tento případ se mimochodem stal mému kamarádovi a  byl také jedním z  hlavních důvodů, proč jsme se do vývoje této technologie zde v Čechách pustili.

Text napsal Pavel Konečný pro Trade News 9/2021 

Sdílet článek

linked in twitter facebook link

Chcete si přečíst více?
Vraťte se do sekce novinek

Případové studie

Číst více…
Neuron Soundware
Our Office
Panorama Business Center
Škrétova 490, Vinohrady
120 00, Praha 2
Czech Republic
sales@neuronsw.com
+420 774 989 993
Získejte naše případové studie a technologické novinky do vaší poštovní schránky.