RSIMS (Reliability Solutions Intelligent Maintenance System) jest nowoczesnym systemem umożliwiającym realizacje strategii predykcyjnego utrzymania ruchu (Predictive Maintenance). Predykcyjne utrzymanie ruchu to najnowocześniejsze podejście do utrzymania technicznego maszyn, które ze względu na swoją ogromną efektywność zyskuje coraz więcej zwolenników. Podejście to powstało na skutek gwałtownego wzrostu liczby danych generowanych przez współczesne maszyny przemysłowe, szybkiego rozwoju technik analitycznych (modelowanie statystyczne, Machine Learning, Data Mining itd.) oraz wzrostu dostępnej mocy obliczeniowej komputerów. Wielopoziomowa analiza historycznych i bieżących danych z wykorzystaniem narzędzi sztucznej inteligencji daje możliwość wyszukania w nich odpowiednich zależności pozwalających nie tylko wyjaśnić charakter zachodzących zjawisk, ale przede wszystkim dokonać prognoz przyszłych, nieznanych zdarzeń. Innymi słowy, RSIMS potrafi nie tylko znaleźć odpowiedź na pytanie, co jest przyczyną awarii, ale również ją przewidzieć!

Co jest celem systemu RSIMS?

Celem systemu RSIMS jest wspomaganie służb utrzymania ruchu/serwisowych w procesie zarządzania eksploatacją maszyn. Uzyskana za pośrednictwem systemu RSIMS informacja o dokładnym czasie wystąpienia awarii w przyszłości (nawet do kilkudziesięciu godzin przed awarią) pozwala bardzo precyzyjnie planować bieżący serwis, remonty oraz produkcję. W przypadku wykrycia awarii maszyny, eksploatator ma bowiem możliwość przygotowania się do naprawy (organizacja części/narzędzi, dokładnej diagnostyki, odpowiednich kompetencji itp.), wykonania jej w trakcie planowanego przestoju technologicznego czy przeorganizowania produkcji. Wiedza nt. dokładnego stanu technicznego danej maszyny pozwala z jednej strony wydłużać sztywno ustalone prewencyjne resursy między naprawcze minimalizując straty finansowe zw. z wymianą niezużytych części, a z drugiej strony zapobiec występowaniu nagłych awarii minimalizując straty zw. z przestojem i naprawą. Ponadto, RSIMS daje możliwość zidentyfikowania przyczyn awarii celem ich wyeliminowania lub zapewnienia podstaw do świadomej kontroli, co pozwala znacznie zminimalizować ilość awarii w przyszłości.

RSIMS a rozwiązania klasy Condition Monitoring

Klasyczne techniki monitorowania stanu (takie jak wibrodiagnostyka, analiza gazów rozpuszczonych, emisja akustyczna itp.) dają możliwość wykrycia wczesnego stadium uszkodzenia, a tym samym uniknięcia awarii maszyny. Sprowadzają się one do montażu odpowiedniej aparatury pomiarowej (np. czujników piezoelektrycznych) i monitorowania jej wskazań pod kątem przekroczenia ustalonych wartości progowych (np. poziomu wibracji na łożysku). Ze względu na fakt, że proces ten ma charakter przepowiadający, techniki monitorowania stanu utożsamiane są często z analityką predyktywną – nic bardziej mylnego!

Analityka predyktywna zaszyta w systemie RSIMS umożliwia analizę znacznie szerszego zakresu danych, które mogą nieść pewne symptomy awarii. RSIMS nie patrzy jedynie na wskazania wyżej opisanej aparatury pomiarowej technik monitorowania stanu, lecz na wskazania wszystkich sensorów maszyny, instalacji na jakiej pracuje, jej warunków środowiskowo-eksploatacyjnych, historie serwisową, itp., wykorzystując do tego celu narzędzia sztucznej inteligencji.

Techniki monitorowania stanu umożliwiają jedynie płaskie spojrzenie na dane (pod kątem przekroczenia określonych wartości progowych), a nie na ich wielopoziomowe analizy (na przykład pod kątem częstotliwość skoków danych wartości, amplitud, sekwencji, zależności, warunków w jakich zachodzą itp.), co skutkuje zwyczajnym pominięciem tego typu zjawisk. Taka wielopoziomowa analiza danych z wykorzystaniem systemu RSIMS pozwala nie tylko znacznie wcześniej przewidywać awarie, ale również rozpatrzyć te, które nie mogłyby zostać wykryte z wykorzystaniem klasycznych techniki monitorowania stanu.

Co wyróżnia RSIMS na tle innych systemów klasy Predictive Maintenance?

RSIMS wyróżnia się na tle systemów konkurencji dzięki zastosowaniu wielu innowacyjnych rozwiązań. System opracowano na bazie doświadczeń pionierów w dziedzinie Predictive Maintenance oraz we współpracy z najlepszymi w Polsce uczelniami technicznymi, tj. m.in. Akademią Górniczo-Hutniczą (Wydział Inżynierii Mechanicznej i Robotyki, Wydział Matematyki Stosowanej), Politechniką Warszawską (Zakład Podstaw Budowy Maszyn) oraz Uniwersytetem Jagiellońskim (Instytut Informatyki i Matematyki Komputerowej). Innowacyjne założenia systemu pozwoliły uzyskać nam 2 granty od Narodowego Centrum Badań i Rozwoju.

1. Silnik analityczny

RSIMS to system o ogromnym potencjale i możliwościach analitycznych. Jako pierwsi na świecie do zagadnień związanych z przewidywaniem awarii wykorzystaliśmy najnowocześniejsze algorytmy klasy Deep Learning (głębokie sieci neuronowe), które w 2016 roku zrewolucjonizowały świat na wielu płaszczyznach (autonomiczne pojazdy, zwycięstwo komputera nad człowiekiem w rozpoznawaniu obrazów itp.). Wykorzystanie tak potężnych narzędzi analitycznych wymusiło na nas konieczność zastosowania bardzo wydajnej obliczeniowo architektury opartej o procesory graficzne. Dzięki temu silnik systemu RSIMS jest w stanie analizować online dane pochodzące z setek tysięcy czujników próbkujących z częstotliwościami rzędu milisekund i ekstrahować z nich głęboko ukrytą wiedzę z niespotykaną dotąd skutecznością.

Ponadto, RSIMS posiada moduł wykrywania anomalii w funkcjonowaniu maszyn, co umożliwia wdrożenie strategii predykcyjnego utrzymania ruchu dla maszyn, które nie dysponują pokaźnym zbiorem danych historycznych lub tych, w których nigdy nie dochodziło do awarii bądź nieprawidłowych zachowań (w obu przypadkach nie ma bowiem możliwości nauczenia algorytmów sztucznej inteligencji na podstawie danych historycznych). Rozwiązanie to polega na identyfikacji wzorców występujących podczas prawidłowego działania maszyny, jak również bezzwłocznym informowaniu o zachowaniu odbiegającym od normy. W ten sposób możliwe jest zidentyfikowanie problemu w zalążku.

2. Inteligencja – zdolność uczenia się

RSIMS to system, którego zadaniem jest wspomaganie człowieka w prawidłowym podejmowaniu decyzji. Z tego względu niezwykle istotne jest, aby system posiał umiejętność uczenia się i czerpania wiedzy od swojego użytkownika. W odróżnieniu od innych systemów, RSIMS automatycznie analizuje duże zbiory danych w poszukiwaniu odpowiednich zależności i koreluje je z wiedzą uzyskaną od użytkownika. Jeśli przykładowo podczas pracy maszyny wystąpi niespotykana dotąd usterka, a użytkownik wprowadzi do systemu informacje na ten temat, to RSIMS nauczy się jej i będzie w stanie przewidywać ją w przyszłości. Największą wartość z systemu można zatem uzyskać, wprowadzając do niego wszystkie istotne informacje, które zwiększają jego wiedzę, a tym samym skuteczność.

3. Ścisłe ukierunkowanie

RSIMS nie jest kolejnym standardowym pakietem analitycznym umożliwiającym analizę wszelkich możliwych zbiorów danych (np. giełdowych, marketingowych, sprzedażowych itp.). Jest to narzędzie ściśle ukierunkowane na zagadnienia Predictive Maintenance. Takie ukierunkowanie pozwoliło zaimplementować szereg narzędzi, które uwzględniają specyficzny charakter danych zw. z maszynami (np. sensorowych, o awariach i wykonanych naprawach, środowiskowych, eksploatacyjnych itp.). Jest to szczególnie istotne, gdyż przykładowo dane sensorowe tworzą wielowymiarowe szeregi czasowe, które nie są uwzględniane przez powszechnie stosowane pakiety analityczne. Ponadto, w trakcie opracowywania systemu wykonano szereg testów celem zidentyfikowania metod obliczeniowych, które są najefektywniejsze w przewidywaniu awarii, a następnie tak wyselekcjonowane metody zaimplementowano w RSIMS.

4. Łatwość wdrożenia

RSIMS to bardzo potężne narzędzie analityczne w formie lekkiej aplikacji przeglądarkowej. Dzięki temu RSIMS może działać zarówno w sieci Internet, jak również intranet (dla klientów ceniących najwyższy poziom bezpieczeństwa). W pierwszym przypadku RSIMS umieszczony jest na naszych serwerach, a klient otrzymuje jedynie login i hasło do aplikacji internetowej (cloud computing). Pozwala to wyeliminować konieczność zakupu kosztownych serwerów obliczeniowych po stronie klienta oraz umożliwia łatwą aktualizację aplikacji i świadczenie usługi zdalnego monitoringu maszyn przez naszych specjalistów dziedzinowych. W drugim przypadku RSIMS umieszczony jest bezpośrednio w zakładzie na serwerach klienta bez możliwości „wyjścia na świat”, co maksymalizuje poziom bezpieczeństwa danych.
Wdrożenie klasycznych technik monitorowania stanu maszyn wymaga montażu dodatkowej aparatury pomiarowej, co wymusza ingerencję w strukturę maszyny i konieczność przestoju. W odróżnieniu od nich, RSIMS wykorzystuje aktualną architekturę telemetryczną, co rozwiązuje ww. problem i przyśpiesza proces wdrożenia.

5. Prostota użytkowania

RSIMS został zaprojektowany w taki sposób, aby użytkownik, który posiada jedynie podstawową wiedzę w zakresie analizy danych (nabywaną podczas szkolenia) miał możliwość wykonywania pełnowartościowej analityki. Udało się to osiągnąć przez wykorzystanie szeregu algorytmów automatyzacji wyboru optymalnych parametrów w procesie uczenia algorytmów.

Nasz system daje możliwość tworzenia kont użytkowników różnych typów, o rozmaitych poziomach dostępu do systemu, zapewniając tym samym wysoki poziom bezpieczeństwa przetwarzanych danych. Administrator o najwyższych uprawnieniach ma dostęp do wszystkich funkcjonalności systemu (analityka, KPI, notyfikacje itp.) oraz podglądu aktywności wszystkich jego użytkowników. Dzięki temu administrator może nie tylko dowiedzieć się, co było przyczyną wygenerowania ostrzeżenia RSIMS o zbliżającej się awarii, ale również jaka była reakcja użytkowników na tą informację i jak wyglądał dalszy proces zarządzania nią.

Algorytmy umieszczone w chmurze obliczeniowej oraz przeglądarkowa forma systemu zapewnia kompatybilności z różnymi urządzeniami mobilnymi (komputer, tablet, smartfon), co daje możliwość podglądu stanu technicznego maszyn z każdego miejsca na ziemi.

RSIMS na bieżąco analizuje duże zbiory danych, a w przypadku wykrycia nieprawidłowości w funkcjonowaniu maszyn informuje o tym użytkownika za pośrednictwem panelu notyfikacji, sms, e-mail lub tworzy ticket do systemu CMMS (polecenie kontroli lub naprawy).

RSIMS a IT klienta

RSIMS jest systemem dedykowanym wyłącznie zagadnieniom Predictive Maintenance. Nie jest to system, który w jakikolwiek sposób zastępuje funkcjonalności systemów klasy CMMS, EAM, ERP, DCS, SCADA itp., lecz pozwala rozszerzyć ich funkcjonalności – wzbogacić je o inteligencję. Podczas procesu wdrożenia RSIMS integrowany jest z kluczowymi dla jego działania rozwiązaniami IT, co pozwala uzyskać efekt synergii. W trakcie swojej pracy RSIMS automatycznie pobiera dane sensorowe (PLC, DCS, HMI, SCADA itp.), serwisowe oraz środowiskowo-eksploatacyjne (CMMS, EAM, ERP), przetwarza je, a w przypadku wykrycia nieprawidłowości informuje o tym użytkownika lub tworzy zgłoszenie do systemu CMMS. W skrajnych przypadkach użytkownicy systemu mogą nawet nie mieć świadomości, iż istnieje wewnętrzny system, który sprawuje holistyczną kontrolę i zapewnia bezpieczeństwo.

Zacznijmy od początku — kwestie biznesowo-techniczne

Proces efektywnego ekonomicznie wdrożenia Predictive Maintenance w przedsiębiorstwie nie jest zadaniem trywialnym i wymaga dokładnego zrozumienia warunków biznesowych oraz możliwości technicznych przedsiębiorstwa. Rozpatrując pierwszy aspekt, bardzo duże znaczenie dla powodzenia całego przedsięwzięcia ma prawidłowe skwantyfikowanie modelu biznesowego uwzględniającego planowane do poniesienia nakłady finansowe związane z wdrożeniem Predictive Maintenance versus planowane oszczędności. Drugim istotnym aspektem są możliwości techniczne związane z obszernością danych oraz ich jakością. Jeśli dana maszyna nie posiada rozbudowanego systemu sensorowego, nie gromadzi danych lub dane w żaden sposób nie są związane ze zjawiskami jakie chcemy przewidywać, wówczas nie ma podstaw do nauczenia algorytmów. Pominięcie tych dwóch aspektów w analizie przedwdrożeniowej może skutkować nieprawidłowym zidentyfikowaniem potrzeb oraz możliwości przedsiębiorstwa, a w konsekwencji niepowodzeniem całego przedsięwzięcia.

Jak wygląda proces prawidłowego wdrożenia RSIMS?

Proces prawidłowego wdrożenia powinien rozpocząć się od zidentyfikowania linii/maszyn/podzespołów krytycznych (wąskich gardeł), dla których istnieje największe prawdopodobieństwo, że system RSIMS przyniesie największe oszczędności. Do tego celu można wykorzystać często przeprowadzane analizy typu FMEA, RAMS , RBI, a nawet RCM.

W kolejnym kroku, dla zidentyfikowanych maszyn, należy przeprowadzić audyt danych (pod kątem ich obszerności, jakości i przydatności) celem podjęcia decyzji o przejściu do następnego kroku lub montażu dodatkowej aparatury pomiarowej, czy modyfikacji sposobu gromadzenia danych.

Aby sprawdzić skuteczność RSIMS na specyficznych danych klienta, w kolejnym kroku, należy przeprowadzić analizę typu Proof-of-Concept. Przez skuteczność należy rozumieć efektywność w przewidywaniu awarii (ilość awarii jaką udało się przewidzieć, ilość awarii nieprzewidzianych, ilość fałszywych alarmów, horyzont czasowy predykcji itp.).

Wyniki uzyskane w procesie analizy PoC dają podstawy do wykonania analizy biznesowej (Bussiness Value Assesment), której celem jest określenie potencjalnych oszczędności wynikających z wdrożenia systemu RSIMS versus koszty wdrożenia. Dzięki temu klient ma pewność, że podejmowane przez niego decyzje są świadome i z korzyścią dla przedsiębiorstwa.

Korzyści wynikające z wdrożenia RSIMS

  • Zmniejsza ilość awarii i nieplanowanych przestojów;
  • Zwiększa gotowość techniczną;
  • Minimalizuje koszty utrzymania technicznego;
  • Minimalizuje straty zw. z nieplanowanym przestojem maszyny;
  • Zwiększa świadomość służb utrzymania ruchu;
  • Wydłuża czas cyklu życia aktywów;
  • Optymalizuje procesy serwisowe oraz produkcyjne;
  • Zwiększa zyski z produkcji;
  • Zapewnia dostęp i wiedzę na temat funkcjonowania maszyn w przedsiębiorstwie;
  • Zapewnia komfort oraz bezpieczeństwo.