Prediktivní údržba: Chytré senzory, strojové učení a modely

Cenové modely pro software jako službu (SaaS) budou i nadále získávat podíl na trhu, i když přímo neřeší konflikt zájmů mezi dodavatelem strojů a jejich uživatelem. Obrázek poskytla společnost: Interact Analysis. Cenové modely pro software jako službu (SaaS) budou i nadále získávat podíl na trhu, i když přímo neřeší konflikt zájmů mezi dodavatelem strojů a jejich uživatelem. Obrázek poskytla společnost: Interact Analysis.

Chytré senzory a algoritmy strojového učení detekují anomálie v průmyslových strojích. Při stále lepším vyškolení algoritmů může software přesně předvídat, kdy jsou stroje s průmyslovou automatizací ohroženy selháním. Nové obchodní modely „stroje jako služby“ (Machine as a Service – MaaS) mohou pomoci překonat pomalé přijímání technologií prediktivní údržby.

V souvislosti s prediktivní údržbou existuje něco, o čem se příliš nemluví – výrobci výrobních zařízení vydělávají peníze, když se průmyslové stroje pokazí. Zatímco je v nejlepším zájmu uživatelů prodloužit životnost průmyslového zařízení a zajistit, aby na jejich výrobních linkách nedocházelo k neplánovaným odstávkám, výrobci OEM přicházejí o výnosy z nahrazování, čím déle je zařízení v provozu. Tento konflikt zájmů mezi dodavatelem a zákazníkem existoval vždy. Jak si výrobci zařízení udržují ziskovost s příchodem technologií prediktivní údržby, aniž by kanibalizovali příjmy plynoucí z nahrazování průmyslových zařízení a ze servisních smluv? 

Senzory, monitorování a software

Mezi technologie prediktivní údržby patří produkty průmyslové automatizace: chytré senzory (vibrační senzory, teplotní senzory a další), přenosná monitorovací zařízení, specializovaný software pro prediktivní údržbu a brány určené pro funkce prediktivní údržby. Hardware pro průmyslovou automatizaci měří výkon zařízení shromažďováním údajů o měření, jako jsou chytré senzory pro vibrace a teplotu stroje. Software následně pomocí algoritmů strojového učení detekuje anomálie v těchto odečtech. Postupem času, jak jsou tyto algoritmy lépe vyškoleny pomocí vibračních a teplotních senzorů, může software lépe předvídat, kdy hrozí selhání průmyslového zařízení.

Chytré senzory umožňují monitorování

Zatímco koncept sledování stavu existuje již nějakou dobu, trh sofistikovanějších produktů pro prediktivní údržbu je stále velmi mladý. Chytré senzory, produkt umožňující růst prediktivní údržby, se staly hlavním proudem v roce 2016, kdy společnost ABB na Hannoverském veletrhu představila návštěvníkům, včetně prezidenta Baracka Obamy a německé kancléřky Angely Merkelové, svůj chytrý senzor ABB Ability.

Většina řešení prediktivní údržby se prodává na bázi jednotek, přičemž dodavatelé obvykle účtují roční nebo měsíční cenu za senzor, což poskytuje přístup k vyhrazenému softwaru k provádění analýz. Využívání tohoto způsobu ocenění bude i nadále růst, ale neřeší přímo konflikt zájmů mezi dodavatelem strojů a jejich uživatelem (viz obrázek).

Stroj jako služba zlepšuje metriky

Změny ve využívání těchto technologií mohou tento konflikt zájmů řešit a tento přístup bude hlavním trendem pro budoucí implementace technologií prediktivní údržby.

Tento koncept nese označení „stroj jako služba“ (Machine as a Service – MaaS). Tento přístup přebírá model softwaru jako služby (SaaS), přehodnotí ceny a použije jej na strojní zařízení. Namísto stanovení ceny za řešení jako ročního předplatného se ceny stanoví na základě výkonu. Cíle týkající se klíčových ukazatelů výkonu (KPI) jsou dohodnuty mezi zákazníkem a dodavatelem. Cena smlouvy je určena mírou, v jaké jsou tyto cíle plněny.

Například společnost Pearson Packaging nabízí v rámci tohoto modelu různé typy balicích strojů. Místo přímého prodeje stroje si společnost Pearson ponechává vlastnictví a účtuje zákazníkovi počet paletizací, postavení nebo zabalení. S tímto přístupem je výrobce stroje motivován k tomu, aby udržel stroj v chodu co nejdéle a s maximální dobou provozuschopnosti – dvě oblasti, které jsou řešeny přímo technologií prediktivní údržby.

Vlastnictví průmyslových dat je jednou z překážek většího rozšíření prediktivní údržby, kterou model MaaS pomáhá překonat. Vlastnictví dat je klíčovým bodem diskuse mezi uživateli řešení prediktivní údržby a dodavateli řešení průmyslové automatizace nebo výrobci OEM.

Výzkum ukazuje, že výrobci jsou obecně konzervativní, pokud jde o sdílení provozních údajů jejich závodů, protože data by mohla být zneužita zlovolnou stranou k získání obchodních tajemství nebo provozních informací, které nejsou veřejně dostupné. Výrobci v Evropě bývají při sdílení těchto údajů nejcitlivější, následuje USA a nejméně citlivý je asijsko-pacifický region.

Dodavatelé řešení prediktivní údržby budou často komerčně využívat data nepřímo tím, že je použijí ke zlepšení schopností svých produktů. (Více dat vede k lépe vyškoleným algoritmům.)

CTL2003 MAG2 F3 ProcessSensors Endress ProcessSensor

Existují obavy, že dodavatelé prediktivní údržby budou používat přímější metody komercializace dat prodejem dat překupníkům nebo prodejem aplikací, které zákazníkům umožní generovat vlastní vhled do trendů v reálných provozních datech. Možnost, že poskytovatelé prediktivní údržby budou prodávat provozní data, vede k ochraně ze strany zákazníků.

První rozhodovací bod je pro dodavatele často nejobtížnější překonat. Koncept MaaS problém s vlastnictvím dat zcela nevyřeší, ale protože pro fungování tohoto modelu musí být data sdílena, věříme, že MaaS je určitým „ostřím klínu“, které uživatele přiměje ke sdílení tohoto typu strojních dat. Sladění motivací mezi dodavatelem a zákazníkem prostřednictvím modelu stroje jako služby staví oba do jednoho týmu, otevírá dveře ke společnému sdílení dat a může optimalizovat prediktivní údržbu pro efektivnější provoz strojů. 

Lepší modely cen za službu

Výrobce vybavení po motory, společnost SKF, uplatňuje pro ložiska model „jako služba“. Nabídka řešení definuje ceny na bázi snížení historické míry poruchovosti ložisek. Tento typ modelu opět slaďuje motivace dodavatele a zákazníka, protože obě strany nyní mají vlastní zájem na prodloužení životnosti zařízení, spíše než na dohadování o ceně ložisek. (Souvisejícím produktem je SKF Pulse, přenosný senzor s Bluetooth a mobilní aplikace pro sledování rotujících zařízení.)

Tento typ modelu rozhodně není univerzálním řešením pro každého. Model společnosti SKF funguje dobře při prodeji koncovým uživatelům. Nicméně otázka „kdo platí za co“ se při prodeji výrobcům strojů komplikuje, protože výrobce strojů nepředstavuje konečné umístění zařízení. To však neznamená, že by výrobci zařízení nemohli tento model použít při prodeji výrobcům strojů, pouze by bylo zapotřebí dalších jednání k upřesnění podrobností o tom, kdo sleduje technický stav ložisek v místě stroje. Model vyžaduje aktivnější proces prodeje kvůli potřebě vyjednat konkrétní cíle pro každého jedinečného zákazníka a bude pravděpodobně vhodný pro nejkritičtější aplikace. Snížení investičních výdajů na strojní zařízení a sladění motivací činí model atraktivním pro výrobce a je účinným způsobem, jak odlišit svou nabídku od konkurence.

Je pravděpodobné, že modely MaaS budou v průběhu času více převládat a trh s prediktivní údržbou se díky tomu podstatně rozroste. Hodnotová nabídka prediktivní údržby je příliš velká na to, aby ji bylo možné ignorovat. S nedávným příchodem chytrých senzorů a nových inovativních obchodních modelů má tento trh všechny předpoklady k rychlému růstu. 

Řízení a údržba průmyslového podniku

Časopis Řízení a údržba průmyslového podniku již přes 10 let patří mezi neodmyslitelný zdroj informací v oblasti průmyslové údržby a diagnostiky. Část obsahu je z pera licenčních autorů Plant Engineering z USA.

www.udrzbapodniku.cz