“예방 유지 보수”또는 “예측 유지 보수”라는 단어를 들어 본 적이 있습니까? 생산 라인의 장비 유지 보수와 관련하여 사물 인터넷 (IoT)이 최근 주목을 받고 있습니다. 또한이 두 단어는 비슷하고 의미가 다른 것처럼 보입니다. 이 섹션에서는 예방 유지 보수 및 예측 유지 보수와 같은 보존 활동의 전반적인 정의, 예방 유지 보수와 예측 유지 보수의 차이점, 예측 유지 보수의 이점 및 예측 유지 보수와 유지 보수 간의 관계 엣지 컴퓨팅.
보존 활동이란 무엇입니까?
보존 활동이란 무엇입니까? JIS (일본 산업 표준)는 유지 보수 활동을 “계획, 검사, 조정, 수리, 교체 등을 포함하여 고장을 제거하고 장비를 정상적이고 양호한 상태로 유지하는 활동에 대한 일반적인 용어”로 정의합니다.
즉, 생산 라인의 성능을 유지하기 위해 생산 라인에 대한 인간의 영향으로 생각할 수 있습니다. JIS에 정의 된 바와 같이, 보존 활동은 유지 보수 활동과 개선 활동으로 나뉩니다.
유지 보수 활동은 제품의 품질과 생산 설비의 성능을 유지하기위한 활동, 즉 생산 시설의 완벽한 상태를 유지하기위한 활동입니다. 여기에는 예방 및 사후 유지 보수가 포함됩니다. 한편, 개선 활동은 고장 발생 시 재발을 방지하기 위해 기계류를 검토하는 “개선 유지 보수”, 고장 및 실수를 방지하기 위해 기계 및 장비를 대체하는 “유지 보수 방지”와 같은 활동을 말합니다.
예방 유지 보수는 매일 점검하고 악화 된 부품이 발생하기 전에 교체하여 고장을 예방하는 것입니다. 여기에는 예측 및 주기적 유지 보수가 포함됩니다. 사후 유지 보수는 오작동 등으로 인해 장비에서 고장이 발견되었을 때 장비의 기능을 복원하는 것을 말합니다. 즉, 장비가 고장 났을 때 “수리”될 것이라고 가정합니다.
주기적 유지보수는 고장 기록 및 장비 특성에 따라 주기를 결정하고 각 주기에 대해 부품을 교체 및 검사하는 행위입니다. 또한 경과 된 시간을 기반으로 수행 된 유지 보수로 다시 표현할 수 있습니다. 일반적으로, “예방적 유지보수”는 주기적인 유지보수를 의미한다.
한편, 예측 유지보수는 지속적으로 측정되는 설비의 상태로부터 열화를 검출 또는 예측하고, 고장이 발생하기 전 최적의 시간에 최선의 조치를 취할 수 있도록 하는 것이다. 장치의 상태를 기반으로합니다.
주기적 유지 보수와 예측 유지 보수의 주요 차이점은 예방 유지 보수는 장비의 상태에 관계없이 특정 시간주기로 수행되는 반면, 예측 유지 보수는 장비의 상태를 지속적으로 모니터링하고 고장 징후가 감지되면 응답한다는 것입니다.
현재까지 보존 활동
기존의 보존 활동에는 주로 정기적 인 유지 보수, 예측 유지 보수 및 사후 유지 보수가 포함됩니다. 장비의 수명을 연장하기 위해 개선 활동(예: 수정 및 업그레이드)을 수행할 수 있지만 고가의 장비의 경우와 같이 응답이 제한됩니다.
이미 언급했듯이 정기적 인 유지 보수에는 장비 상태에 관계없이 정기적으로 부품을 교체해야합니다. 또한 예측 유지 보수는 수년간의 경험을 통해 재배 된 직관에 의존하는 현장 근로자와 엔지니어가 수행했으며 “그 부품을 교체 할 때가 왔습니다.”
주기적인 유지 보수 시간 간격은 가장 중요하고 수명이 짧은 부품에 맞게 조정되지만 다른 부품은 교체 중에 교체되는 경우가 많습니다. 그 이유는 부품의 수명이 유형에 따라 다르기 때문에 매번 장비를 정지하고 교체하면 장비의 작동 속도가 악화되기 때문입니다. 이러한 이유로 아직 유효수명이 끝나지 않은 부품도 교체될 것이며, 주기적인 유지보수에 많은 낭비가 발생하는 문제점이 있다.
예측 유지 보수
예측 유지 보수 수행은 실패 예상과 실제 실패 사이의 징후를 기반으로합니다. 즉, 예상 단계에서 유지 보수 계획을 생각하고 고장이 발생하기 전에 부품을 교체하는 등의 조치를 취할 수 있습니다. 이를 통해 고장으로 인해 기계가 비상 정지 상태에 있는 상태를 최소화할 수 있습니다.
또한 IoT를 사용하여 예측 유지 보수가 자동화되면 실패 징후가 있을 때 경보가 울립니다. 경보가 발령 될 때만 응답에 대해 생각할 수 있기 때문에 시간과 노력이 필요하지 않으며이 측면에서 인건비가 절감됩니다.
예측 유지보수의 구체적인 예
제조 장비에서는 모터가 자주 사용됩니다. 이 모터에서 동력을 전달하는 “샤프트”(구동 샤프트)를 지원하는 “베어링”이라는 구성 요소가 있습니다. 베어링이 고장 나면 축이 회전하지 않거나 샤프트의 하중을 분산시킬 수 없어 심각한 사고가 발생할 수 있습니다. 따라서이 베어링은 매우 중요합니다.
베어링 자체는 본질적으로 높은 신뢰성을 갖지만, 예를 들어 제철소에서 가열된 철을 연신하는 과정(압연 공정)에서 더 높은 신뢰성이 필요한 경우 베어링 모니터링이 수행되는 경우가 많습니다.
베어링 모니터링 시스템은 베어링에 진동 센서를 설치하여 진동의 파형, 주파수 및 진폭 조건을 감지합니다. 그런 다음 진동 상태가 실패 징후를 나타낼 때 경보가 발행됩니다.
예를 들어, 베어링이 한 곳에서 손상되면 베어링에 가해지는 하중이 변경됩니다. 부하가 변함에 따라 진동 센서와 베어링 사이의 거리는 변하지만 진동 센서는 거리의 미세한 변화를 감지합니다. 그런 다음 베어링의 회전 부분이 일정한 주기로 회전하기 때문에 거리의 변화는 회전마다 발생합니다. 이것은 진동을 일으키며,이 진동을 감지하여 실패의 신호로 만들 수 있습니다. 숙련 된 엔지니어는이 진동을 기계 소리의 변화로부터 가져 와서 손상의 신호로 사용했습니다.
이 예제는 명확성을 위해 단순화되었지만 여러 장소가 손상되거나 손상된 경우에도 진동의 변화가 없기 때문에 소리로 인한 실패를 예측하려면 경험이 필요합니다. 이러한 이유로 숙련 된 엔지니어가 아닌 한 그러한 판단을 내릴 수 없었습니다. 불행히도 숙련 된 기술자의 수는 감소하고 있습니다. 인공 지능 (AI)은 해결책으로 간주됩니다. 최근 몇 년 동안 주목을 받고 있는 인공 지능은 인간의 행동을 모델로 한 구조로 “딥 러닝”이 스스로 학습할 수 있게 해준다. 물론 먼저 학습이 필요하지만 인공 지능은 경험에서 실패의 징후를 포착 한 인간처럼 배우고 실행할 수 있습니다. 숙련 된 엔지니어의 수가 감소함에 따라 인적 자원 부족에 대응하는 효과적인 수단 중 하나라고 할 수 있습니다.
예측 유지 보수 및 엣지 컴퓨팅
이러한 방식으로 예측 유지 보수의 자동화는 인적 자원 부족을 제거하고 유지 보수 활동을 최적화하는 효과적인 수단입니다. 그러나 예측 유지 보수를 자동화할 때 주의해야 할 몇 가지 사항이 있습니다.
앞에서 설명한 인공 지능의 인간 행동을 모방하는 구조를 “신경망”이라고하며 딥 러닝의 실현에 크게 기여합니다. 그러나 신경망은 매우 복잡한 메커니즘입니다. 따라서, 예측 유지보수에 필요한 속도를 유지하면서 예측 유지보수를 실현하는 것이 실질적인 문제이다.
하드웨어로 신경망을 실현하는 “뉴로 칩”이라는 방법도 있지만 매우 일반적인 방법은 아닙니다. 여기서 문제는 속도이므로 인터넷상의 서버에서 항상 주고받는 클라우드 컴퓨팅은 비실용적입니다. 그래서, 에 대해 생각해 봅시다. 배포 엣지 컴퓨팅 및 인공 지능 활용 엣지 서버. 이것을 호출합니다. 엣지 AI. 결과적으로 현재 가장 좋은 대답은 가능한 한 속도를 유지하면서 예측 유지 보수를 자동화하는 것이라고 말할 수 있습니다.
예측 유지 보수 및 인공 지능의 가능성
이 논문은 주로 예측 유지 보수와 예방 유지 보수의 차이점과 예측 유지 보수의 장점에 대해 설명합니다. 인공 지능의 발전으로 예측 유지 보수의 가능성이 크게 확대되고 있습니다. 그리고 인공 지능을 사용하여 예측 유지 보수를 가능하게합니다. 엣지 컴퓨팅은 현재 가장 이상적인 수치입니다.
