Predictive Maintenance – כי תזמון (התחזוקה) זה עניין של טיימינג
אחזקה חזויה (Predictive Maintenance) היא גישה למעקב ולשמירה על מכונות תפעוליות תעשייתיות כגון מנועי סילון, טורבינות רוח, משאבות נפט ועוד – תוך שימוש במודלי חיזוי.
אחזקה חזויה (Predictive Maintenance) היא גישה למעקב ולשמירה על מכונות תפעוליות תעשייתיות כגון מנועי סילון, טורבינות רוח, משאבות נפט ועוד – תוך שימוש במודלי חיזוי.
מודלים אלו יכולים להיות מבוססי Machine Learning או Deep Learning, והם משתמשים בנתונים מחיישנים כדי לזהות חריגות, לנטר את תקינות הרכיבים, וכן לדעת להעריך את זמן התפקוד הנותר של המכונה (Remaining Useful Life, RUL).
באמצעות נקיטת גישת אחזקה זו, נוכל:
- למזער זמן השבתה בלתי צפוי ובלתי נמנע שהיה מתרחש אילולא דאגנו לתיקון המכונה בזמן
- להפחית עלויות התפעול על ידי ביצוע תחזוקה אך ורק כאשר נדרש לכך
זאת באמצעות יכולת האלגוריתמים לענות על השאלות הבאות:
- האם המכונה שלי מתפקדת באופן תקין?
- למה המכונה שלי מתפקדת באופן בלתי תקין?
- כמה זמן נותר למכונה לתפקד עד שתקרוס?
בהתאם לתשובות לשאלות אלו, נוכל לגבש תובנות לכדי קבלת החלטה לתזמון ביצוע פעולות תחזוקה על המכונה.
לעומת גישות אחזקה אחרות, באמצעות אחזקה חזויה נוכל לבצע ניטור רציף על המצב הדינמי של המכונה, ולתת הערכה מדויקת לזמן שבו נדרש לדאוג לאחזקת המכונה, טרם קריסתה.
תחום האחזקה החזויה נשמע בול בשבילי! אבל למה ב-MATLAB ו-Simulink?
- כניסה מהירה לתחום ויישום מהיר של אלגוריתמים מורכבים בצורה יעילה ופשוטה
- הורדת כמות הנתונים שצריך לאחסן ולהזין לאלגוריתמים הלומדים
- הצגת תוצאות הניתוח והחיזויים ב-Dashboards שונים, בהתאם לקהל היעד
- יצירה סינטטית של נתונים עבור אימון האלגוריתם, במקרה ולא קיימים נתונים אמיתיים המעידים על כשלים במערכת.
בשורה התחתונה – יישום אחזקה חזויה בפרויקטים ניתן לביצוע בפשטות עם MATLAB, ויכול לתת לנו את היכולת לתזמן את תחזוקת המכונה בדיוק לזמן הנכון – לא מוקדם מדי, ולא מאוחר מדי.
למידע נוסף:
צפו בוובינר (35:30):
