Предиктивное обслуживание оборудования: что это и какие данные нужны для прогноза поломок
Чем предиктивное обслуживание отличается от планово-предупредительного ремонта, какие датчики и данные нужны, как модель прогнозирует отказ и с чего начать внедрение на производстве.
Станок обычно ломается не внезапно. За дни и недели до отказа подшипник начинает сильнее вибрировать, двигатель берёт больше тока, узел греется. Человек этого не замечает, а датчики видят. Предиктивное обслуживание (predictive maintenance) использует эти признаки, чтобы ремонтировать оборудование незадолго до поломки, а не после неё и не «на всякий случай» по графику.
Три подхода к обслуживанию
| Подход | Когда ремонтируют | Минусы |
|---|---|---|
| Реактивный | после отказа | внеплановые простои, аварийный ремонт, срыв сроков |
| Планово-предупредительный (ППР) | по графику или наработке | меняют исправные узлы, а скрытый дефект всё равно может проявиться между ремонтами |
| Предиктивный | когда данные показывают растущий риск отказа | нужны датчики, данные и модель |
Предиктивный подход не отменяет ППР полностью. Обычно он дополняет график: плановые работы остаются, а критичные узлы получают постоянное наблюдение.
Какие данные нужны
Сигналы с оборудования
- вибрация: главный источник для вращающихся узлов, подшипников, редукторов, шпинделей;
- температура подшипников, обмоток, масла;
- ток и мощность двигателей: рост нагрузки часто говорит об износе или заклинивании;
- давление и расход в гидравлике и пневматике;
- данные контроллера: режимы, обороты, циклы, коды ошибок из ПЛК или SCADA.
Часть этих данных уже есть в SCADA или в контроллерах станков. Недостающее добирают недорогими IoT-датчиками, которые крепятся к корпусу без переделки оборудования.
История ремонтов
Модели нужно знать, чем всё закончилось: когда и какой узел отказал, что меняли, сколько длился простой. Эти данные лежат в журналах механиков, CMMS или 1С:ТОиР. Даже неполный журнал за год-два заметно помогает.
Как модель прогнозирует отказ
- Сбор и очистка данных. Сигналы приводят к единому времени, убирают пропуски и периоды, когда станок стоял.
- Признаки износа. Из сырого сигнала считают показатели, которые меняются по мере износа: уровень и спектр вибрации, тренд температуры, отклонение тока от нормы для текущего режима.
- Модель. Если отказов в истории много, модель учится предсказывать вероятность отказа на горизонте нескольких дней. Если отказов мало, начинают с поиска аномалий: модель запоминает нормальное поведение узла и сигналит об отклонениях.
- Действие. Прогноз превращается в задачу: уведомление механику или заявку в систему управления техобслуживанием с указанием узла и срока.
Расчёты можно вести рядом с оборудованием на edge-устройствах и передавать дальше только события. Это снижает нагрузку на сеть и не требует облака.
Что получилось у нашего заказчика
Для производителя прецизионного оборудования «ТехноПром» мы сделали систему, которая собирает данные с датчиков вибрации, температуры, тока и давления, прогнозирует вероятность отказа за 7–14 дней до инцидента и сама создаёт заявки в CMMS. Внедрение прошло без остановки производства, через edge-устройства и существующую SCADA. Неплановые простои снизились на 35%, OEE выросла на 22%, а расходы на аварийный ремонт сократились на 41% (кейс).
С чего начать
- Выберите узкое место. Возьмите 3–5 единиц оборудования, простой которых стоит дороже всего.
- Проверьте, что уже собирается. Посмотрите, какие сигналы есть в SCADA и контроллерах и как ведётся журнал ремонтов.
- Добавьте датчики там, где данных нет. Чаще всего не хватает вибрации.
- Запустите пилот. Несколько месяцев наблюдения покажут, какие отказы система замечает заранее и сколько простоя это экономит. Подробнее в статье как запустить пилот ИИ на производстве.
Частые вопросы
Нужно ли менять оборудование? Нет. Датчики ставятся на существующие станки, данные из контроллеров забираются через SCADA или напрямую.
Что если отказов в истории почти нет? Тогда начинают с поиска аномалий по нормальной работе оборудования. По мере накопления событий модель дообучают.
Где хранятся данные? На серверах предприятия или на edge-устройствах у оборудования, без передачи в облако, если этого требует служба безопасности.
Как мы внедряем такие системы, описано на странице предиктивного обслуживания оборудования. Если хотите оценить, какое оборудование стоит взять под наблюдение первым, опишите задачу: инженер ответит в течение рабочего дня.