Reliable Plant 0 комментариев

Как решить проблему ложных срабатываний в системах мониторинга состояния оборудования?

Когда ремонтные бригады верят в получаемые оповещения, предиктивное техническое обслуживание наконец-то может выполнить свои обещания: меньше неожиданностей, более обоснованные решения и более надежная работа.

Прогнозируемое техническое обслуживание изменило подход организаций к мониторингу состояния оборудования, помогая ремонтным бригадам выявлять проблемы на ранних стадиях и избегать дорогостоящих незапланированных простоев. Однако даже самые передовые программы мониторинга состояния оборудования сталкиваются с распространенной проблемой: ложными срабатываниями. Когда оповещения неоднократно не приводят к каким-либо конкретным действиям, ремонтные бригады могут оказаться перегруженными, скептически настроенными и в конечном итоге потерять интерес к работе. 

Чтобы изучить причины усталости от оповещений, создаваемые ею риски и стратегии, которые организации могут использовать для повышения точности диагностики, мы поговорили с Остином Андерсоном из Tractian.

Кроме портала, мы предлагаем вам и альманах «Управление производством». Все самое интересное и уникальное мы публикуем именно в нем. 300+ мощных кейсов, готовых к использованию чек-листов и других полезных материалов ждут вас в полном комплекте номеров. Оформляйте подписку и получайте самое лучшее!

— Каковы наиболее распространенные причины ложных срабатываний в программах мониторинга состояния оборудования? 

— Одной из наиболее распространенных причин является неправильное определение исходного уровня. Многие организации начинают мониторинг оборудования, не имея полного представления о его текущем состоянии. Машина может уже работать с износом, повреждениями или проблемами с производительностью, которые не задокументированы. В результате система мониторинга не имеет четкого представления о том, что считается «нормальным» состоянием для данного оборудования. 

Это особенно часто встречается в программах мониторинга вибрации. Если установить датчики, не понимая, на каком этапе жизненного цикла находится объект, система может испытывать трудности с различением существующего состояния и развивающейся неисправности. 

— Что происходит с реагированием ремонтных бригад на ложные срабатывания, когда они достаточно часто сталкиваются с этой проблемой? 

— Проще говоря, они перестают слушать. У ремонтных бригад и так каждый день огромный объём работы. Предупреждающее техническое обслуживание призвано облегчить им задачу, помогая выявлять проблемы до того, как они перерастут в поломки. Но если система постоянно генерирует оповещения, которые не требуют принятия мер, она начинает создавать больше работы, а не меньше. 

В конечном итоге эти оповещения превращаются в фоновый шум. Команды перестают обращать на них внимание, потому что не видят смысла реагировать на них. Вместо этого они возвращаются к реактивным методам обслуживания, на которые всегда полагались, потому что эти подходы кажутся более предсказуемыми и заслуживающими доверия. 

— Как усталость от оповещений влияет на работу ремонтных бригад и на общий успех программы? 

— Усталость от оповещений может повлиять не только на повседневные работы по техническому обслуживанию. Она может подорвать всю инициативу по прогнозируемому техническому обслуживанию. Когда ремонтные бригады получают ложные срабатывания на ранних этапах программы, они часто приходят к выводу, что технология не помогает им решать реальные проблемы. Вместо того чтобы рассматривать превентивное техническое обслуживание как ценный инструмент, они видят в нем еще одну систему, усложняющую их работу. 

Самое серьезное последствие — потеря доверия. Как только пользователи теряют доверие к получаемым оповещениям, восстановить это доверие может быть сложно. В некоторых случаях организации теряют веру не только в конкретное решение. Они начинают сомневаться в превентивном техническом обслуживании в целом и возвращаются к реактивному тушению пожаров. 

— Почему опора на один-единственный сигнал может создавать больше шума и неопределенности? 

— Ни один отдельный показатель не может дать вам всю необходимую информацию о состоянии оборудования. Я часто сравниваю это с медицинской диагностикой. Вы же не будете пытаться диагностировать каждое заболевание, основываясь только на показаниях артериального давления. Разные заболевания требуют разных анализов и разных показателей. 

То же самое относится и к мониторингу состояния оборудования. Вибрационный анализ, например, может предоставить ценную информацию и выявить широкий спектр проблем, но он не может самостоятельно диагностировать все возможные виды отказов. Иногда сигнал может указывать на то, что что-то изменилось, но не на причину этих изменений. Без дополнительной информации эта неопределенность может привести к ненужным тревогам и путанице. 

«Усталость от оповещений может повлиять не только на повседневные работы по техническому обслуживанию. Она может подорвать всю инициативу по прогнозируемому техническому обслуживанию». 

— Как объединение данных о вибрации, ультразвуке, электрических параметрах и эксплуатационных характеристиках повышает достоверность оповещений? 

— Я рассматриваю эти технологии как большую диаграмму Венна. Каждая технология предоставляет свой взгляд на состояние активов, и когда они пересекаются, картина становится гораздо яснее. 

Диаграмма Венна — один из самых известных способов визуализации данных и логических связей между объектами. Она помогает наглядно показать, какие элементы принадлежат одному или нескольким множествам одновременно, где находится их пересечение, а где — уникальная область каждого набора.

В управлении техническим обслуживанием и ремонтом (ТОиР) диаграмма Венна применяется для наглядного анализа пересечений между стратегиями обслуживания, причинами отказов, зонами ответственности персонала или потоками данных в EAM-системах. Она помогает выявить дублирование работ, найти скрытые взаимосвязи между сбоями и оптимизировать ресурсы.

Например, данные о вибрации могут указывать на дисбаланс. Однако данные об электрической активности могут помочь определить, является ли причина механической или электрической. Ультразвуковое исследование может обеспечить дополнительное подтверждение, а данные об эксплуатации предоставляют важную информацию о том, как на самом деле работает оборудование. 

Оперативные данные приобретают все большее значение, поскольку каждая машина работает в уникальной среде. Темпы производства меняются, нагрузки колеблются, скорость изменяется, а процессы развиваются. Без этого контекста трудно понять, отражает ли оповещение реальную проблему или просто изменение условий эксплуатации. 
Когда эти технологии работают вместе, организации могут с гораздо большей уверенностью выявлять конкретные виды отказов и уменьшать неопределенность, которая часто приводит к ложным срабатываниям. 

— Какую роль может сыграть ИИ в фильтрации шума и выявлении действительно важных оповещений? 

— В действительности, люди не способны обрабатывать огромные объемы машинных данных, поступающих одновременно из множества источников. Современные системы мониторинга способны собирать данные каждые несколько секунд или каждые несколько минут. Когда же объединить потоки данных о вибрации, электрических параметрах, ультразвуке и производственных процессах, объем информации очень быстро становится ошеломляющим. 

Искусственный интеллект помогает выявлять закономерности в данных, отфильтровывать несущественную информацию и выделять сигналы, коррелирующие с известными режимами отказов. Вместо того чтобы заставлять ремонтные бригады анализировать бесконечные графики трендов и осциллограммы, ИИ может сосредоточить их внимание на тех моментах, которые с наибольшей вероятностью потребуют принятия мер. 

В конечном итоге, это помогает организациям приблизиться к пониманию первопричины проблемы, а не просто признать, что что-то изменилось. 

— Можете ли вы привести пример, когда сокращение количества ложных срабатываний привело к улучшению результатов технического обслуживания? 

— Один из самых наглядных примеров — бумажная фабрика. На этом предприятии действовала отлаженная программа прогнозирующего технического обслуживания, охватывающая большое количество вращающегося оборудования и несколько критически важных точек отказа на всей линии производства бумаги. После внедрения определенного решения для мониторинга состояния оборудования их завалило ложными срабатываниями. 

Основная проблема заключалась в том, что система не учитывала скорость линии, которая является фундаментальным аспектом производства бумаги. Эти машины регулярно работают с разной скоростью, и многие из них работают на относительно низких скоростях. В данном случае датчики неточно определяли скорость оборудования, поэтому система не могла отличить нормальное изменение режима работы от развивающейся неисправности.  

Например, когда скорость конвейера изменялась с 1200 футов в минуту до 2000 футов в минуту, это приводило к значительному соответствующему изменению данных о вибрации. Поскольку система не могла должным образом учесть это изменение условий эксплуатации, она генерировала волну ложных срабатываний. Эти оповещения были неточными. Они просто реагировали на нормальные изменения технологического процесса.   

«Если система постоянно генерирует оповещения, которые не требуют принятия мер, она начинает создавать больше работы, а не меньше». 

Когда к нам обратились, мы заменили датчики и применили другой подход. Определяя скорость работы оборудования на уровне отдельных объектов и учитывая этот контекст эксплуатации в анализе, мы можем генерировать гораздо более точные оповещения и, что не менее важно, знать, когда не следует подавать сигнал тревоги. В результате клиент получает более значимую информацию, значительно меньше ложных срабатываний и гораздо больше уверенности в программе мониторинга. 

— Какой совет вы бы дали организациям, которые сегодня сталкиваются с проблемой усталости от оповещений? 

— Во-первых, убедитесь, что организация поддерживает эту идею и предъявляет реалистичные требования. Технологии мониторинга состояния оборудования мощны, но это не волшебство. Организациям следует уделить время изучению основ прогнозирующего технического обслуживания, чтобы лучше интерпретировать результаты и оценивать качество получаемой информации. 

Во-вторых, не стоит сразу же отбрасывать программу мониторинга при возникновении ложных срабатываний. Вместо этого необходимо выяснить причины их возникновения. Тесно сотрудничайте с поставщиком решения, чтобы понять, что вызвало оповещение, какие данные изменились и какие выводы можно сделать из произошедшего. 

Даже ложные срабатывания могут дать ценную информацию. Каждое оповещение предоставляет возможность лучше понять оборудование, усовершенствовать стратегии мониторинга и улучшить его работу в будущем. 

Цель состоит не просто в устранении оповещений. Она заключается в создании системы, в которой ремонтные бригады могли бы быть уверены, что при поступлении оповещения им следует уделить ему внимание. 

Текст: Reliable Plant. Изображение Magnific

0 комментариев
Отправить
обсуждения
Это очень хороший результат. Построение понятной цепочки всегда путь к более светлому будущему! Оши... Ресурсы в запасах: как на НЛМК изменили логику управления страховыми запасами
Очень круто! Отличный пример того, как анализ привычных процессов дает ощутимый результат. Особенно... Ресурсы в запасах: как на НЛМК изменили логику управления страховыми запасами
Михейкин Владимир, Спасибо за точный и очень полезный комментарий! Полностью согласны: контроль по а... Иллюзия контроля: что скрывается за зелёными галочками в вашей системе ТОиР
Повышение операционной эффективности за счет предложений по улучшению от работников - отличное дело!... По идейным соображениям: «Фабрика идей» на МГОКе
Если осуществлять контроль по альтернативному признаку (Ок или не Ок), то это: (1) создает собла... Иллюзия контроля: что скрывается за зелёными галочками в вашей системе ТОиР
Узнайте больше Альманах “Управление производством” 300+ мощных кейсов, готовых к использованию чек-листов и других полезных материалов
Альманах “Управление производством”