Noticias de la Industria
0102030405
El mantenimiento predictivo debe implementarse completamente y no debe realizarse demasiado rápido.
2023-12-08
En los últimos años se ha mencionado con frecuencia el concepto de "mantenimiento predictivo". En la era de Internet industrial, los equipos de fabricación industrial se han vuelto más eficientes e inteligentes, pero han planteado grandes desafíos para el mantenimiento del equipo en sí. Las consecuencias de un mantenimiento deficiente no sólo afectan la eficiencia de producción de la fábrica, sino que también provocan enormes pérdidas. El mantenimiento posterior a una falla o el mantenimiento regular en el modo de mantenimiento tradicional afectará la eficiencia de la producción y la calidad del producto, y aumentará considerablemente el costo del fabricante. Con la aplicación madura de Internet de las cosas, surgieron big data, computación en la nube, inteligencia artificial y tecnología de detección, tecnología de mantenimiento predictivo, una aplicación "destructiva". Según la predicción de instituciones pertinentes, para 2024, la tasa de crecimiento compuesto anual del mercado mundial de mantenimiento predictivo superará el 39%, alcanzando los 23.500 millones de dólares. Se puede observar que en los próximos años, las perspectivas de desarrollo del mercado del mantenimiento predictivo son muy considerables.Beneficios del mantenimiento predictivo En la actualidad, el mantenimiento de equipos industriales se puede dividir a grandes rasgos en tres categorías: mantenimiento restaurativo, mantenimiento preventivo y mantenimiento predictivo. La diferencia es que el mantenimiento restaurativo es posterior a la reparación, el mantenimiento preventivo se trata más de juzgar las fallas por experiencia y el mantenimiento predictivo puede llevar a cabo un monitoreo de condición regular o continuo y un diagnóstico de fallas para algunas piezas importantes mientras la máquina está en funcionamiento.
El mantenimiento predictivo combina datos de múltiples fuentes, como sensores de equipos clave, planificación de recursos empresariales (ERP), sistema computarizado de gestión de mantenimiento (CMMS) y datos de producción. El sistema inteligente de gestión de la planta combina estos datos con modelos de predicción avanzados y herramientas de análisis para predecir fallas y resolverlas activamente. El mantenimiento predictivo tiene las siguientes ventajas: ● poco impacto en la línea de producción: a diferencia de la fabricación inteligente, la propia línea de producción necesita ser transformada y mejorada. El equipo de hardware para mantenimiento predictivo sirve principalmente para ayudar a establecer la conexión entre el equipo y el servidor. No es necesario cambiar la línea de producción ni el proceso de producción, lo que tiene poco impacto en el programa de producción general. ● alta reproducibilidad: la solución se puede copiar rápidamente en el mismo dispositivo y cuantos más dispositivos se importen, más datos disponibles se generarán, lo que es más útil para mejorar la precisión del modelo. ● resultados sustanciales significativos: el mantenimiento predictivo puede ayudar a reducir costos y aumentar la eficiencia de los servicios de operación y mantenimiento. Según la encuesta, el mantenimiento predictivo puede reducir los costos de MrOS (mantenimiento, reparación y operación) entre un 5% y un 10% y los costos generales de mantenimiento entre un 5% y un 10%; En términos de mejora de la eficiencia, el mantenimiento predictivo puede mejorar el tiempo de funcionamiento normal del equipo entre un 10% y un 20%, reducir el tiempo de mantenimiento del equipo entre un 20% y un 50% y ofrecer una mejor garantía de calidad del producto. ● amplios escenarios de aplicación: el principio fundamental del mantenimiento predictivo se basa en la conexión en red de equipos, la adquisición de datos, el análisis de big data y el aprendizaje automático. Tiene un gran potencial de desarrollo en el futuro y promueve gradualmente la extensión de escenarios de uso desde el mantenimiento de equipos hasta la programación, la gestión de activos, etc. Actores del mercado de mantenimiento predictivo En el proceso de mantenimiento predictivo, los datos son la clave. Cómo obtener y recopilar datos es esencial para los sensores. Finalmente, es necesario ordenar y analizar los datos recopilados y convertirlos en contenido real de valor, por lo que deben ser visualizados, evaluados y procesados. En base a esto, el mantenimiento predictivo también brinda oportunidades a los actores profesionales subdivididos en los campos de adquisición, análisis y evaluación de datos, incluidos los proveedores de hardware básico y clave. Por un lado, empresas del tipo Condition Monitoring (empresas que proporcionan sensores y soluciones de Condition Monitoring para medir parámetros mecánicos, como vibración o temperatura); Por otro lado, es una empresa de tipo sistema de control industrial (sistema PLC/DCS para procesamiento de procesos y procesamiento de datos relacionados con máquinas). En los últimos años, muchas empresas de renombre ya han incorporado el mantenimiento predictivo a su línea estratégica. En la actualidad, existen muchas plataformas excelentes en el mercado para la recopilación y análisis de datos. Por ejemplo, Ge, Siemens, abb, Phoenix Electric, Schneider Electric, Honeywell, etc. Predix de Ge: predix es una plataforma de servicios en la nube desarrollada por GE para análisis y datos industriales. Es responsable de conectar varios activos industriales, equipos y proveedores a la nube, proporcionando un estado completo del equipo y predicción de fallas para varios equipos industriales, a fin de lograr la optimización de la eficiencia de la producción, la gestión del consumo de energía, la optimización de la programación, etc. Predix adopta una combinación de Mecanismo y basado en datos para resolver problemas como la calidad, la eficiencia y el consumo de energía, y ayudar a las empresas industriales a realizar la transformación digital.
Mindsphere de Siemens: mindsphere es un sistema operativo abierto de Internet de las cosas basado en la nube lanzado por Siemens. Puede conectar de forma segura y rápida productos, fábricas, sistemas, maquinaria y equipos al mundo digital, y aprovechar plenamente el valor potencial de los datos generados por los equipos y sistemas en el proceso de operación empresarial, transferirlos a la aplicación industrial de mindsphere con función de análisis avanzada. para el análisis, a fin de producir mejores resultados de producción y operación.
ABB Ability: ABB Ability Integra las capacidades digitales integradas y multisectoriales de ABB, desde equipos, informática de punta hasta servicios en la nube. Las soluciones digitales personalizadas de ABB Ability han ayudado a muchas empresas en los campos de la energía, petroquímica, metalurgia, maquinaria, automóviles, barcos, centros de datos, infraestructura, etc., a lograr la interconexión con el Internet industrial de las cosas, aprovechar plenamente el potencial digital y mejorar la eficiencia. , reducir costos y mejorar la seguridad y la competitividad central.
Ecostruxure de Schneider Electric: la función principal de la plataforma ecostruxure es realizar una gestión efectiva de la eficiencia energética empresarial, a fin de reducir el costo operativo de las empresas, incluidos los productos interconectados, el control de borde y la aplicación, el análisis y el servicio. Ecostruxure combina la experiencia y los conocimientos de Schneider Electric en automatización y gestión de eficiencia energética con tecnología de análisis y medición basada en datos para ayudar a los clientes a maximizar el valor del Internet de las cosas.
Además de los proveedores de hardware y de análisis de datos, algunos proveedores de conexión realizan conexiones cableadas/inalámbricas a través de módulos de comunicación, puertas de enlace, M2M y otros dispositivos, como Huawei, y empresas que soportan el almacenamiento en la nube y plataformas de aplicaciones de Internet de las cosas, como PTC, SAP. y otros gigantes han entrado en la pista a través de segmentos de mercado.El desarrollo del mantenimiento predictivo es menor de lo esperado Las tecnologías emergentes como la computación en la nube, la tecnología de punta y la inteligencia artificial están abriendo la puerta a la oportunidad de cambiar el patrón del mercado del mantenimiento predictivo. El objetivo final del mantenimiento predictivo es tener un impacto positivo en los beneficios de la empresa. Aunque las perspectivas de desarrollo del mantenimiento predictivo son prometedoras, la tasa de penetración del mantenimiento predictivo en muchas industrias tradicionales de China sigue siendo muy baja y muchas empresas todavía dudan de que el mantenimiento predictivo pueda realmente aportar beneficios tangibles. Una encuesta muestra que las principales razones por las que el desarrollo posterior del mercado del mantenimiento predictivo es menor de lo esperado son las siguientes:● el retorno de la inversión es difícil de calcular Para las empresas industriales, si el retorno de la inversión no está claro, significa que el efecto es lento, el efecto es difícil de evaluar y el tiempo para que el mantenimiento predictivo realmente funcione es más largo de lo esperado. Naturalmente, la disposición de promoción de las empresas industriales no aumentará.● es difícil cambiar el modo de pensar empresarial tradicional Para los proveedores de mantenimiento predictivo, el concepto de venta de productos debe cambiarse de vender productos a vender servicios utilizados por los productos. Si sólo se consideran el riesgo de tiempo de inactividad reducido por el mantenimiento predictivo y la cuenta económica del ahorro de dinero, está lejos de ser suficiente. Un buen modelo de negocio no necesariamente ayuda a los usuarios finales a ahorrar más dinero, pero ayuda a los proveedores de servicios de equipos o a los fabricantes de equipos a ganar más dinero.● la base no es sólida y la cantidad de datos es insuficiente El mantenimiento predictivo de equipos industriales se enfrenta a un problema común que se evita: el número de sensores del equipo en sí no es suficiente, muchos datos no han formado una acumulación efectiva a largo plazo y, a menudo, los "datos correctos" son mucho mejores que los " big data" con cantidad y sin calidad. A partir de la situación de desarrollo actual, la tecnología de mantenimiento predictivo aún no está completamente madura y todavía queda una cierta distancia hasta el aterrizaje a gran escala. Para los proveedores, lo que se debe considerar en esta etapa es cómo utilizar la tecnología de mantenimiento predictivo para brindar valor práctico a los usuarios, es decir, reducción de costos, aumento de la eficiencia, seguridad y cambio del modo de pensamiento tradicional. La propia empresa debería tener suficiente conciencia de sí misma. Si la propia empresa no ha alcanzado la etapa o el nivel de digitalización e inteligencia, y no es suficiente para respaldar la implementación del plan de mantenimiento predictivo, la empresa debe realizar una evaluación general de su propia fábrica y comparar el costo de sus insumos con el mantenimiento actual. coste antes de tomar la decisión de introducir el mantenimiento predictivo. Para las empresas con un cierto nivel digital, lo que necesitan es suficiente experiencia y conocimiento profesional, en lugar de introducir ciegamente sistemas de software de alta tecnología. Deben comprender qué es "correcto" y "útil" para la operación y el mantenimiento empresarial, qué debe dar prioridad a la digitalización y cómo hacerlo de manera eficaz. El mantenimiento predictivo requiere que las empresas y los proveedores tengan suficiente conocimiento industrial para implementarlo completamente en más industrias y maximizar los beneficios y el valor.
El mantenimiento predictivo combina datos de múltiples fuentes, como sensores de equipos clave, planificación de recursos empresariales (ERP), sistema computarizado de gestión de mantenimiento (CMMS) y datos de producción. El sistema inteligente de gestión de la planta combina estos datos con modelos de predicción avanzados y herramientas de análisis para predecir fallas y resolverlas activamente. El mantenimiento predictivo tiene las siguientes ventajas: ● poco impacto en la línea de producción: a diferencia de la fabricación inteligente, la propia línea de producción necesita ser transformada y mejorada. El equipo de hardware para mantenimiento predictivo sirve principalmente para ayudar a establecer la conexión entre el equipo y el servidor. No es necesario cambiar la línea de producción ni el proceso de producción, lo que tiene poco impacto en el programa de producción general. ● alta reproducibilidad: la solución se puede copiar rápidamente en el mismo dispositivo y cuantos más dispositivos se importen, más datos disponibles se generarán, lo que es más útil para mejorar la precisión del modelo. ● resultados sustanciales significativos: el mantenimiento predictivo puede ayudar a reducir costos y aumentar la eficiencia de los servicios de operación y mantenimiento. Según la encuesta, el mantenimiento predictivo puede reducir los costos de MrOS (mantenimiento, reparación y operación) entre un 5% y un 10% y los costos generales de mantenimiento entre un 5% y un 10%; En términos de mejora de la eficiencia, el mantenimiento predictivo puede mejorar el tiempo de funcionamiento normal del equipo entre un 10% y un 20%, reducir el tiempo de mantenimiento del equipo entre un 20% y un 50% y ofrecer una mejor garantía de calidad del producto. ● amplios escenarios de aplicación: el principio fundamental del mantenimiento predictivo se basa en la conexión en red de equipos, la adquisición de datos, el análisis de big data y el aprendizaje automático. Tiene un gran potencial de desarrollo en el futuro y promueve gradualmente la extensión de escenarios de uso desde el mantenimiento de equipos hasta la programación, la gestión de activos, etc. Actores del mercado de mantenimiento predictivo En el proceso de mantenimiento predictivo, los datos son la clave. Cómo obtener y recopilar datos es esencial para los sensores. Finalmente, es necesario ordenar y analizar los datos recopilados y convertirlos en contenido real de valor, por lo que deben ser visualizados, evaluados y procesados. En base a esto, el mantenimiento predictivo también brinda oportunidades a los actores profesionales subdivididos en los campos de adquisición, análisis y evaluación de datos, incluidos los proveedores de hardware básico y clave. Por un lado, empresas del tipo Condition Monitoring (empresas que proporcionan sensores y soluciones de Condition Monitoring para medir parámetros mecánicos, como vibración o temperatura); Por otro lado, es una empresa de tipo sistema de control industrial (sistema PLC/DCS para procesamiento de procesos y procesamiento de datos relacionados con máquinas). En los últimos años, muchas empresas de renombre ya han incorporado el mantenimiento predictivo a su línea estratégica. En la actualidad, existen muchas plataformas excelentes en el mercado para la recopilación y análisis de datos. Por ejemplo, Ge, Siemens, abb, Phoenix Electric, Schneider Electric, Honeywell, etc. Predix de Ge: predix es una plataforma de servicios en la nube desarrollada por GE para análisis y datos industriales. Es responsable de conectar varios activos industriales, equipos y proveedores a la nube, proporcionando un estado completo del equipo y predicción de fallas para varios equipos industriales, a fin de lograr la optimización de la eficiencia de la producción, la gestión del consumo de energía, la optimización de la programación, etc. Predix adopta una combinación de Mecanismo y basado en datos para resolver problemas como la calidad, la eficiencia y el consumo de energía, y ayudar a las empresas industriales a realizar la transformación digital. Mindsphere de Siemens: mindsphere es un sistema operativo abierto de Internet de las cosas basado en la nube lanzado por Siemens. Puede conectar de forma segura y rápida productos, fábricas, sistemas, maquinaria y equipos al mundo digital, y aprovechar plenamente el valor potencial de los datos generados por los equipos y sistemas en el proceso de operación empresarial, transferirlos a la aplicación industrial de mindsphere con función de análisis avanzada. para el análisis, a fin de producir mejores resultados de producción y operación. ABB Ability: ABB Ability Integra las capacidades digitales integradas y multisectoriales de ABB, desde equipos, informática de punta hasta servicios en la nube. Las soluciones digitales personalizadas de ABB Ability han ayudado a muchas empresas en los campos de la energía, petroquímica, metalurgia, maquinaria, automóviles, barcos, centros de datos, infraestructura, etc., a lograr la interconexión con el Internet industrial de las cosas, aprovechar plenamente el potencial digital y mejorar la eficiencia. , reducir costos y mejorar la seguridad y la competitividad central. Ecostruxure de Schneider Electric: la función principal de la plataforma ecostruxure es realizar una gestión efectiva de la eficiencia energética empresarial, a fin de reducir el costo operativo de las empresas, incluidos los productos interconectados, el control de borde y la aplicación, el análisis y el servicio. Ecostruxure combina la experiencia y los conocimientos de Schneider Electric en automatización y gestión de eficiencia energética con tecnología de análisis y medición basada en datos para ayudar a los clientes a maximizar el valor del Internet de las cosas.Además de los proveedores de hardware y de análisis de datos, algunos proveedores de conexión realizan conexiones cableadas/inalámbricas a través de módulos de comunicación, puertas de enlace, M2M y otros dispositivos, como Huawei, y empresas que soportan el almacenamiento en la nube y plataformas de aplicaciones de Internet de las cosas, como PTC, SAP. y otros gigantes han entrado en la pista a través de segmentos de mercado.El desarrollo del mantenimiento predictivo es menor de lo esperado Las tecnologías emergentes como la computación en la nube, la tecnología de punta y la inteligencia artificial están abriendo la puerta a la oportunidad de cambiar el patrón del mercado del mantenimiento predictivo. El objetivo final del mantenimiento predictivo es tener un impacto positivo en los beneficios de la empresa. Aunque las perspectivas de desarrollo del mantenimiento predictivo son prometedoras, la tasa de penetración del mantenimiento predictivo en muchas industrias tradicionales de China sigue siendo muy baja y muchas empresas todavía dudan de que el mantenimiento predictivo pueda realmente aportar beneficios tangibles. Una encuesta muestra que las principales razones por las que el desarrollo posterior del mercado del mantenimiento predictivo es menor de lo esperado son las siguientes:● el retorno de la inversión es difícil de calcular Para las empresas industriales, si el retorno de la inversión no está claro, significa que el efecto es lento, el efecto es difícil de evaluar y el tiempo para que el mantenimiento predictivo realmente funcione es más largo de lo esperado. Naturalmente, la disposición de promoción de las empresas industriales no aumentará.● es difícil cambiar el modo de pensar empresarial tradicional Para los proveedores de mantenimiento predictivo, el concepto de venta de productos debe cambiarse de vender productos a vender servicios utilizados por los productos. Si sólo se consideran el riesgo de tiempo de inactividad reducido por el mantenimiento predictivo y la cuenta económica del ahorro de dinero, está lejos de ser suficiente. Un buen modelo de negocio no necesariamente ayuda a los usuarios finales a ahorrar más dinero, pero ayuda a los proveedores de servicios de equipos o a los fabricantes de equipos a ganar más dinero.● la base no es sólida y la cantidad de datos es insuficiente El mantenimiento predictivo de equipos industriales se enfrenta a un problema común que se evita: el número de sensores del equipo en sí no es suficiente, muchos datos no han formado una acumulación efectiva a largo plazo y, a menudo, los "datos correctos" son mucho mejores que los " big data" con cantidad y sin calidad. A partir de la situación de desarrollo actual, la tecnología de mantenimiento predictivo aún no está completamente madura y todavía queda una cierta distancia hasta el aterrizaje a gran escala. Para los proveedores, lo que se debe considerar en esta etapa es cómo utilizar la tecnología de mantenimiento predictivo para brindar valor práctico a los usuarios, es decir, reducción de costos, aumento de la eficiencia, seguridad y cambio del modo de pensamiento tradicional. La propia empresa debería tener suficiente conciencia de sí misma. Si la propia empresa no ha alcanzado la etapa o el nivel de digitalización e inteligencia, y no es suficiente para respaldar la implementación del plan de mantenimiento predictivo, la empresa debe realizar una evaluación general de su propia fábrica y comparar el costo de sus insumos con el mantenimiento actual. coste antes de tomar la decisión de introducir el mantenimiento predictivo. Para las empresas con un cierto nivel digital, lo que necesitan es suficiente experiencia y conocimiento profesional, en lugar de introducir ciegamente sistemas de software de alta tecnología. Deben comprender qué es "correcto" y "útil" para la operación y el mantenimiento empresarial, qué debe dar prioridad a la digitalización y cómo hacerlo de manera eficaz. El mantenimiento predictivo requiere que las empresas y los proveedores tengan suficiente conocimiento industrial para implementarlo completamente en más industrias y maximizar los beneficios y el valor.