状態基準監視 (CbM) と予知保全 (PdM) は、インダストリアル 5.0 メンテナンス戦略を展開する上で非常に重要です。これにより、企業は機械や設備の状態をリアルタイムで監視し、タイムリーな介入が可能になります。
現代の産業問題
従来のメンテナンス アプローチは、通常、リアクティブまたはスケジュール型であり、技術者が呼び出されたり、待機したりして、マシンの状態の問題を監視または対処します。過剰なメンテナンス、つまり人員やメンテナンス用品の過剰な配備もコストがかかる可能性があります。状態ベースの監視により、ダウンタイムとメンテナンス コストを最小限に抑えるタイムリーで効率的な戦略が可能になります。
反応型メンテナンス
複雑な産業環境では、機械の劣化や故障が発生したときに診断することが難しい場合があります。技術者が修理に過度の時間を費やす可能性があります。
計画外のダウンタイム
予定外の産業設備のダウンタイムにより、企業によっては年間数十億ドルの損失が発生する場合があります。場合によっては、生産が完全に停止することもあります。
過剰なメンテナンス
現在の機械の状態監視では、必要のない定期的な検査が行われることがあり、生産性が低下することがよくあります。また、スペアパーツやその他のサポート資材/技術者の割り当ても非効率的である可能性があります。
edgeRX 状態ベースモニタリング
状態ベースの監視は、センサーと診断ツールから収集されたデータに基づいて機器の状態を評価します。
- データは、振動や温度を検出するために機械上または機械の近く (エッジ) に設置されたセンサーを介して収集されます。
- TDK SensEI の edgeRX 機械学習 AI はデータを分析して、稼働中、アイドル状態、故障などの特定のマシンの状態を識別します。
- データが分析されると、AI モデルがセンサーにインストールされ、リアルタイムの監視が開始されます。異常が検出されると (マシンの劣化/故障時)、ユーザーにフラグが付けられます。これにより、技術者はどのマシンで、環境内のどこで障害状態が発生しているかを把握できるため、予定外のダウンタイムが削減されます。
- ほとんどの状態ベースモニタリング (CbM) システムは、よく知られている ISO 標準の検出に限定されています。edgeRX の AI ソリューションは、従来の ISO 標準では見落とされる可能性のある追加の障害状態を識別することで、これらの制限を超えています。
edgeRX 予測メンテナンス
- 予測メンテナンスは、高度な機械状態監視の次のステップです。十分なトレーニングを行うことで、AI は資産の障害が発生する場所だけでなく、いつ発生するかを予測できるようになります。
- データ推論を使用して機械が故障する時期を予測し、修理を改善してダウンタイムを最小限に抑えることで、CbM を改良します。
- ユーザーは、機械の故障の可能性や、機械のどの部品に問題が発生するか (緩み、キャビテーションなど) を確認できます。予測が行われるたびに、AI アルゴリズムが適応して更新され、精度が向上します。
- ユーザーはマシンの状態を常に深く把握できるため、メンテナンスを正確にスケジュールできます。
edgeRX の高度なマシン状態監視ソリューションが資産保守戦略に役立つかどうかを確認するには、TDK SensEI にお問い合わせください。
