Bảo trì dự đoán là gì?

Bảo trì dự đoán cho công nghiệp 4.0:  là một phương pháp ngăn ngừa sự cố tài sản máy móc
bằng cách phân tích dữ liệu sản xuất để xác định các mô hình và dự đoán các vấn đề trước
khi chúng xảy ra.  

Nguyên nhân sự ra đời của bảo trì dự đoán cho công nghiệp 4.0
Cho đến nay, các nhà quản lý nhà máy và vận hành máy móc đã tiến hành bảo trì theo lịch
trình và thường xuyên sửa chữa các bộ phận máy để ngăn chặn thời gian chết. Điều này dẫn
đến việc tiêu thụ các nguồn lực không cần thiết và làm giảm năng suất, một nửa trong số tất
cả các hoạt động bảo trì phòng ngừa là không hiệu quả :

 Công ty trung bình có thể giảm chi tiêu cho bảo trì phòng ngừa tới 50%, theo Nghiên
cứu Thị trường Quản lý Tài sản Doanh nghiệp và Quản lý Dịch vụ Lĩnh vực của
ARC Advisory Group.
 Theo một bài báo khác của ARC, chỉ có 18% tài sản có mô hình thất bại liên quan
đến tuổi , 82% hư hỏng máy móc xảy ra ngẫu nhiên.

Do đó, không có gì ngạc nhiên khi  bảo trì dự đoán sử dụng Công nghiệp 4.0 đã nhanh chóng
nổi lên như một biện pháp hàng đầu  cho các nhà sản xuất và quản lý tài sản:

 Triển khai các công nghệ IoT công nghiệp để theo dõi sức khỏe tài sản
 Tối ưu hóa lịch bảo trì và đạt được cảnh báo theo thời gian thực đối với rủi ro hoạt
động
 Cho phép các nhà sản xuất giảm chi phí dịch vụ
 Tối đa hóa thời gian hoạt động và cải thiện thông lượng sản xuất.

IoT dự đoán bảo trì hoạt động như thế nào?

Các thành phần cơ bản:

 Cảm biến - cảm biến thu thập dữ liệu được cài đặt trong sản phẩm hoặc máy vật lý
 Truyền dữ liệu  - hệ thống truyền thông cho phép dữ liệu lưu chuyển an toàn giữa tài
sản được giám sát và kho dữ liệu trung tâm
 Lưu trữ dữ liệu trung tâm - trung tâm dữ liệu trung tâm trong đó dữ liệu tài sản (từ
các hệ thống OT) và dữ liệu kinh doanh (từ các hệ thống CNTT) được lưu trữ, xử lý
và phân tích; hoặc trên cơ sở hoặc trên đám mây 
 Phân tích dự đoán - thuật toán phân tích dự đoán được áp dụng cho dữ liệu tổng hợp
để nhận dạng các mẫu và tạo thông tin chi tiết dưới dạng bảng điều khiển và cảnh báo
 Phân tích nguyên nhân gốc -  các công cụ phân tích dữ liệu được sử dụng bởi các kỹ
sư bảo trì và xử lý để điều tra những hiểu biết và xác định hành động khắc phục sẽ
được thực hiện
 Sơ đồ bảo trì dự đoán

Dữ liệu tài sản sản xuất được truyền từ các cảm biến đến kho lưu trữ trung tâm bằng các giao
thức và cổng giao tiếp công nghiệp . Dữ liệu kinh doanh từ hệ thống ERP và MES, cùng với
các luồng quy trình sản xuất, được tích hợp vào kho lưu trữ dữ liệu trung tâm để cung cấp
ngữ cảnh cho dữ liệu tài sản sản xuất. Sau đó, các thuật toán phân tích dự đoán được áp dụng
để cung cấp thông tin chuyên sâu về việc giảm thời gian chết, được điều tra bằng phần mềm
phân tích nguyên nhân gốc rễ .

Kết nối IoT đại diện cho xương sống của toàn bộ hệ thống IoT, nên cần thận trọng khi chọn
loại giao thức truyền thông IoT mà nó sẽ sử dụng. Hiện tại, ba giao thức truyền thông IoT
phổ biến nhất là MQTT, AMQP và CoAP. Các yếu tố quan trọng nhất cần lưu ý khi xem xét
sử dụng giao thức nào để tích hợp dữ liệu công nghiệp 4.0:

1. Kết nối: Phạm vi mô tả khoảng cách mà dữ liệu được truyền giữa các thiết bị trong
hệ thống IoT. Nếu mạng IoT mong muốn của bạn yêu cầu truyền dữ liệu qua khoảng
cách lớn, sử dụng giao thức được thiết kế để liên lạc trong phạm vi ngắn sẽ không
hoạt động. Phạm vi cũng có thể được sử dụng để hạn chế sự di chuyển của dữ liệu
như một biện pháp bảo mật bằng cách sử dụng các giao thức với các phạm vi đặc biệt
ngắn.
2. Băng Thông: Khối lượng dữ liệu có thể được chuyển trong một khoảng thời gian xác
định. Mỗi giao thức cung cấp dữ liệu theo một kích thước gói được xác định. Khối
lượng dữ liệu trong một truyền dẫn điển hình phải phù hợp với kích thước gói mà giao
thức được chọn có thể chứa. Sử dụng kích thước gói lớn hơn nhiều so với dữ liệu cần
 gửi là không hiệu quả. Mặt khác, việc phân chia các khối dữ liệu lớn để có thể truyền
đi bằng nhiều gói nhỏ hơn có thể dẫn đến xử lý không cần thiết.
3. Tiêu thụ điện năng : Sức mạnh cần thiết của một thiết bị để truyền dữ liệu. Đây là
một yếu tố đặc biệt quan trọng cần tính đến khi thiết kế các sản phẩm dựa vào năng
lượng pin. Hiệu suất năng lượng của quá trình truyền dữ liệu sẽ ảnh hưởng đến tuổi
thọ pin của thiết bị và đến lượt nó, chi phí vận hành.
4. Bảo mật : Các biện pháp được thực hiện để bảo vệ dữ liệu qua các giai đoạn truyền
khác nhau và trong quá trình lưu trữ. Khi dữ liệu di chuyển từ thiết bị này sang thiết bị
khác, nó trở nên dễ bị tổn thương. Bảo mật là một trong những mối quan tâm chính
của các công ty muốn giới thiệu kết nối dữ liệu cho các sản phẩm của họ. May mắn
thay, có nhiều công nghệ sẵn sàng cho phép kết nối IoT an toàn, bao gồm bảo vệ
cổng, xác thực và mã hóa.
5. Kiểm soát kết nối : Hành vi của một thiết bị liên quan đến thời điểm và trong bao
lâu, thiết bị ở trạng thái được kết nối trong trường hợp sử dụng thông thường. Khi một
thiết bị được kết nối, nó sẽ tiêu thụ năng lượng và sử dụng hết băng thông. Vì lý do
này, một số thiết bị kiểm soát khi chúng được kết nối và khi chúng ngoại tuyến. Việc
kiểm soát kết nối này cũng được liên kết chặt chẽ với việc hệ thống IoT mạnh như thế
nào, tức là các thiết bị vẫn được kết nối khi chúng được yêu cầu, mà không bị rơi ra
khỏi mạng một cách bất ngờ.
6. Khả năng tương tác : Khả năng của một thiết bị, cảm biến hoặc ứng dụng được kết
nối để giao tiếp với người khác, thường là từ một nhà sản xuất, máy chủ hoặc nhà
cung cấp khác. Trong một số trường hợp, thiết lập mạng IoT tối ưu và linh hoạt sẽ yêu
cầu tích hợp một số yếu tố không phải lúc nào cũng từ cùng một nhà cung cấp. Hoặc,
những tiến bộ trong công nghệ có thể dẫn đến việc tạo ra các thiết bị cải tiến mà
người dùng muốn chuyển sang để thay thế các yếu tố cũ hơn trong thiết lập IoT hiện
có. Khả năng liên quan đến khả năng tương tác là trọng tâm của giá trị của một sản
phẩm IoT.  

Phần mềm phân tích nguyên nhân gốc tự động làm phong phú dữ liệu máy lịch sử và thời
gian thực với dòng quy trình và dữ liệu lô sản xuất. Các thuật toán học máy - các kỹ thuật tiên
tiến về Thông tin lẫn nhau và phát hiện dị thường dựa trên quá trình - sau đó khai thác dữ liệu
để tự động theo dõi chuỗi sự kiện nguyên nhân đối với các vấn đề về thời gian ngừng hoạt
động và chất lượng sản phẩm.Các nhóm điều tra có được cái nhìn sâu sắc, chính xác về các
triệu chứng ban đầu của sự gián đoạn quá trình, giúp dễ dàng xác định và giảm thiểu các
nguyên nhân gốc rễ.

Để thực hiện một hệ thống bảo trì dự đoán một cách hiệu quả, các nhà sản xuất cần lập bản
đồ các thông số về sự cố cho máy móc và tạo ra một kế hoạch chi tiết cho hệ thống được kết
nối của họ - tài sản và cảm biến sản xuất, hệ thống kinh doanh, giao thức truyền thông, cổng,
đám mây, phân tích dự đoán và trực quan hóa.

Sử dụng bộ tạo mô hình IoT trực quan  , các nhóm kỹ thuật có thể nắm bắt đồ họa các quy
trình sản xuất trong sàn cửa hàng, bao gồm luồng dữ liệu, bảng điều khiển và logic của hệ
thống - với  các quy tắc giám sát và cảnh báo các vấn đề bảo trì . Nhà mô hình hóa tạo ra một
kế hoạch chi tiết hệ thống, điều này rất quan trọng cho các phân tích dự đoán chính xác.
Phân tích dự đoán  được  áp dụng cho dữ liệu máy - và dữ liệu kế hoạch chi tiết hệ thống - để
dự đoán các điều kiện của sự thất bại sắp tới. Bảng điều khiển cho các phân tích dự đoán tổng
hợp dữ liệu vận hành, cho phép các kỹ sư xử lý và bảo trì giải quyết những hiểu biết có thể
hành động dưới dạng hành động khắc phục.

Các công ty sử dụng các công cụ bảo trì dự đoán IoT như thế
nào?
Các tổ chức đang triển khai phân tích bảo trì dự đoán theo nhiều cách, từ các giải pháp được
nhắm mục tiêu cho một bộ phận máy, đến triển khai toàn nhà máy để tăng OEE trong toàn bộ
dây chuyền sản xuất.

Đối với các nhà sản xuất máy và phụ tùng, trường hợp sử dụng bảo trì dự đoán tương đối phổ
biến là theo dõi và phân tích tình trạng của động cơ để nhận thông báo về mức năng suất,
mức tiêu thụ điện, tình trạng sức khỏe và hao mòn bên trong.

Một trường hợp sử dụng mạnh mẽ khác của bảo trì dự đoán là  giảm thiểu lỗi sản xuất và
giảm chất thải . Thường được gọi là Chất lượng 4.0, việc triển khai như vậy có thể dự đoán
khi nào số lượng sản phẩm bị lỗi có khả năng vượt quá tỷ lệ phần trăm ngưỡng và cung cấp
nguyên nhân gốc rễ cho sự thất bại dự kiến.

Các nhà sản xuất cũng đang chuyển sang bảo trì dự đoán cho Nhà máy 4.0 hoặc nhà máy
được kết nối bằng cách lắp đặt cảm biến trong máy móc, máy trạm và các vị trí được chỉ định
khác như HVAC, camera an ninh hoặc thiết bị công nhân để dự đoán các sự cố trên sàn nhà
máy.

Các cách tiếp cận phổ biến để bảo trì dự đoán IoT
Hai cách tiếp cận phổ biến nhất để bảo trì dự đoán là dựa trên quy tắc và dựa trên máy học.

Bảo trì dự đoán dựa trên quy tắc

Cũng được gọi là giám sát tình trạng , bảo trì dự đoán dựa trên quy tắc dựa vào các cảm biến
để liên tục thu thập dữ liệu về tài sản và gửi cảnh báo theo các quy tắc được xác định trước,
bao gồm cả khi đạt đến ngưỡng xác định.

Với các phân tích dựa trên quy tắc, các nhóm sản phẩm làm việc cùng với các bộ phận kỹ
thuật và dịch vụ khách hàng để thiết lập các nguyên nhân hoặc các yếu tố đóng góp cho máy
của họ bị lỗi.

Khi các lý do phổ biến cho sự cố sản phẩm hoặc bộ phận được thiết lập, các nhà sản xuất có
thể xây dựng một mô hình ảo của hệ thống được kết nối của họ. Ở đây, họ xác định các
trường hợp sử dụng sản phẩm, với quy tắc của if if-this-then-that mà mô tả các hành vi và sự
phụ thuộc lẫn nhau giữa các thành phần hệ thống IoT khác nhau.
Ví dụ: nếu nhiệt độ và tốc độ quay cao hơn các mức được xác định trước nhất định, hệ thống
sẽ gửi cảnh báo đến bảng điều khiển của nhà điều hành, để giải quyết vấn đề trước khi thất
bại.

Các quy tắc này cung cấp mức độ bảo trì dự đoán tự động, nhưng chúng vẫn phụ thuộc vào
sự hiểu biết của nhóm sản phẩm về những phần hoặc yếu tố môi trường cần đo.

Bảng điều khiển giám sát điều kiện có thể được tích hợp với cái nhìn sâu sắc từ máy học để
cung cấp một bản đồ nhiệt dễ hiểu về điều kiện tài sản trong thời gian thực.

Bảo trì dự đoán với AI

Trí tuệ nhân tạo công nghiệp  có thể được áp dụng để bảo trì dự đoán và nhiều trường hợp sử
dụng khác trong ngành sản xuất, và mặc dù chúng ta mới bắt đầu khai thác công nghệ này, đã
có nhiều cơ sở được hưởng lợi từ AI công nghiệp.

AI hoàn toàn phù hợp để bảo trì dự đoán. Nó cung cấp một loạt các kỹ thuật để phân tích
lượng dữ liệu khổng lồ được thu thập từ quá trình sản xuất và cung cấp những hiểu biết có thể
hành động để đạt được và duy trì sự xuất sắc trong sản xuất. Những kỹ thuật này được gọi là
thuật toán Machine Learning.

Thay vì thực hiện bảo trì theo một lịch trình định trước, bảo trì dự đoán sử dụng các thuật
toán để dự đoán sự cố tiếp theo của một bộ phận / máy / hệ thống và sau đó cảnh báo nhân
viên thực hiện các quy trình bảo trì tập trung để ngăn chặn sự cố, nhưng không quá sớm để
lãng phí thời gian ngừng hoạt động một cách không cần thiết .

Áp dụng Machine Learning để dự đoán thất bại tài sản

Bảo trì dự đoán với học máy xem xét các tập hợp lớn dữ liệu lịch sử hoặc kiểm tra, kết hợp
với thuật toán học máy (ML) được tùy chỉnh, để chạy các kịch bản khác nhau và dự đoán
điều gì sẽ xảy ra và khi nào.

Thuật toán bảo trì dự đoán ML

Các thuật toán AI nâng cao tìm hiểu hành vi dữ liệu thông thường của máy và sử dụng điều
này làm cơ sở để xác định và cảnh báo các sai lệch trong thời gian thực.

Các thuật toán cần thiết cho học máy phải phân tích dữ liệu đầu vào (lịch sử hoặc tập dữ liệu)
và dữ liệu đầu ra (kết quả mong muốn). Một hệ thống giám sát máy bao gồm đầu vào trên
một loạt các yếu tố từ nhiệt độ đến áp suất và tốc độ động cơ. Đầu ra là biến trong câu hỏi -
một cảnh báo về một hệ thống trong tương lai hoặc một phần lỗi. Hệ thống sau đó sẽ có thể
dự đoán khi nào sự cố có thể xảy ra.

Có hai cách tiếp cận chính đối với AI và học máy để phân tích dự đoán - học máy có giám sát
và không giám sát - mỗi phương pháp có liên quan đến một kịch bản khác nhau và phụ thuộc
vào sự sẵn có của dữ liệu đào tạo lịch sử và tần suất thất bại của tài sản.
Bằng cách tránh sự thất bại với thuật toán học máy, các hệ thống có thể tiếp tục hoạt động mà
không bị gián đoạn không cần thiết. Khi cần bảo trì, nó rất tập trung - kỹ thuật viên được
thông báo về các bộ phận cần kiểm tra, sửa chữa và thay thế; sử dụng công cụ nào và phương
pháp nào cần tuân theo.

Lợi ích của bảo trì dự đoán

Các nhà sản xuất và khách hàng của họ nhận được một loạt các lợi ích kinh doanh từ bảo
trì dự đoán . Ưu điểm của PdM bao gồm:

Giảm thời gian bảo trì - Báo cáo tự động để lập lịch bảo trì chiến lược và tự sửa
chữa chủ động giúp giảm 20% thời gian bảo trì và giảm chi phí bảo trì tổng thể xuống 5%
10% . Những hiểu biết này tiết kiệm nhà sản xuất và khách hàng của họ thời gian và
tiền bạc.  

Tăng hiệu quả - hiểu biết dựa trên phân tích cải thiện OEE (hiệu quả thiết bị tổng
thể) bằng cách giảm bảo trì không cần thiết, kéo dài tuổi thọ tài sản và cho phép phân
tích nguyên nhân gốc của hệ thống để phát hiện ra các vấn đề trước thất bại.

Dòng doanh thu mới - Các nhà sản xuất có thể kiếm tiền từ bảo trì dự đoán công
nghiệp bằng cách cung cấp các dịch vụ dựa trên phân tích cho khách hàng của họ, bao
gồm bảng điều khiển PdM, lịch bảo trì được tối ưu hóa hoặc dịch vụ điều phối kỹ
thuật viên trước khi các bộ phận cần thay thế. Khả năng cung cấp dịch vụ kỹ thuật số
cho khách hàng dựa trên dữ liệu mang lại cơ hội cho các dòng doanh thu định kỳ và
một động lực tăng trưởng mới cho các công ty.
Cải thiện sự hài lòng của khách hàng - Gửi cho khách hàng các cảnh báo tự động
khi các bộ phận cần được thay thế và đề xuất các dịch vụ bảo trì kịp thời để tăng sự
hài lòng và cung cấp một biện pháp dự đoán lớn hơn.

Lợi thế cạnh tranh - Bảo trì dự đoán củng cố thương hiệu và giá trị của công ty đối với
khách hàng , phân biệt sản phẩm của họ với đối thủ và cho phép họ cung cấp lợi ích
liên tục trên thị trường.