تحول در فرآیند نگهداری و تعمیرات با بکارگیری اینترنت اشیا صنعتی

تحول در فرآیند نگهداری و تعمیرات با بکارگیری اینترنت اشیا صنعتی

فهرست مطالب

مقدمه

با افزایش دیجیتالی شدن و چرخش اتوماسیون صنعتی وپروسه ها به فرآیندهای مجازی در صنعت ، فنآوری اینترنت اشیا صنعتی مدل های متنابهی از کارکرد خود را در صنعت هوشمند و تجارت معرفی می نماید.
این فنآوری در بین دیگر فنآوری ها را ه های جدیدی برای مدیریت دانش و اطلاعات را در صنعت هوشمند پیش رو قرار می دهد.
در این مقاله در باره چگونگی استفاده از اینترنت اشیا صنعتی در فرآیند نگهداری و تعمیرات و تحولات شگرف آن توضیحاتی داده می شود.
درنگهداری و تعمیرات از سه روش کاربردی بهره برده می شود.اول تعمیرات اصلاحی یا نگهداری واکنشی, دوم نگهداری و تعمیرات پیشگیرانه و سوم نگهداری و تعمیرات پیش بینی کننده یا نگهداری و تعمیرات مبتنی بر شرایط. نگهداری و تعمیرات واکنشی به عنوان یک روش فوری و اضطراری در فرهنگ نگهداری و تعمیرات قلمداد می گردد. کل تجهیزات تا زمان خرابی کار می کنند و سپس تعمیر یا جایگزین می شوند.
با استفاده از این نوع روش نگهداری و تعمیرات، هزینه های صرف شده برای تعمیر خرابی ها با توجه به تعداد نقص ها می تواند به شکلی غیرقابل پیش بینی متفاوت باشد ، اما اغلب به دلیل خرابی های غیرمترقبه ، توقف های نابهنگام، صدمات زیادی به خط تولید می زند، و هزینه های کلی نگهداری می تواند بسیار قابل توجه باشد. نگهداری و تعمیرات پیشگیرانه شامل اقدامات قبل از خرابی تجهیزات شامل تعویض یک قطعه ، بازرسی های مختلف غیره است. معمولاً با استفاده از سنسورها و پرسنل مجرب ، قطعات مورد بررسی قرار می گیرند و شرایط عملکرد آنها را تضمین می کنند. هنگامی که یک مؤلفه به شکست رسید ، نگهداری و تعمیرات واکنشی انجام می شود که عنصر را به وضعیت عملیاتی اولیه باز می گرداند. نگهداری و تعمیرات پیش بینی کننده معمولاً در دو روش طبقه بندی می شود. روش مبتنی بر مدل که به دانش دقیق تجهیزات و فناوری متکی است و باید دقت بیشتری را با استفاده از مدلهای خاص برای پیش بینی خرابی های قریب الوقوع تضمین کند. رویکرد داده محور برای اجراآسان تر است و به دستیابی به سنسورهای واقعی متکی است. سپس ، داده ها به منظور تولید پیش بینی نقص، مورد تجزیه و تحلیل قرار می گیرند. در حالی که مورد اول اغلب یک رفتار کلی تجهیزات را توصیف می کند ، از اثربخشی مورد دوم باید در موقعیت های خاص اطمینان حاصل شود زیرا داده ها همیشه مربوط به یک شرایط دقیق هستند.
رویکرد اینترنت اشیا صنعتی مربوط به سیستمهایی است که پیچیدگی آنها زیاد و در حال افزایش است. به همین دلیل ، با رویکرد دانش مهندسی می توان مدل های داده و داده را تعریف کرد واین امکان حاصل می گردد تا قوانین بهتر همراه با افزایش دیجیتالی شدن، مجازی سازی فرآیندها و اتوماسیون در صنعت، اینترنت صنعتی اشیا برای سناریوهای احتمالی و مدل های تجاری عملکرد مناسب داشته باشد. فرصت های این فناوری، در میان سایر موارد، بر روشی جدید برای مدیریت داده و دانش متکی است. مهندسی دانش تا حد زیادی برای پشتیبانی از فعالیت های طراحی مرتبط با فناوری های دیجیتال در نظر گرفته می شود. تجزیه و تحلیل نقش اینترنت صنعتی اشیا برای پشتیبانی از عملیات نگهداری و تعمیرات و ارزیابی اینکه آیا پذیرش ساختار داده و ادغام با سیستم دانش مهندسی می‌تواند با شکاف‌ها و نیازهای واقعی مواجه شود امری است که به آن می پردازیم. دراین محیط یک ساختار چند سطحی را در نظر می گیرد: امکانات محلی، کل شرکت، تامین کنندگان، خرده فروشان و شبکه جهانی در تجزیه و تحلیل شرکت کرده اند. بر اساس آن سناریو، چگونه داده ها و دانش را می توان برای هر سطح پی ریزی و مدیریت کرد. علاوه بر این، این داده‌ها می‌توانند برای بهبود مدل نگهداری و تعمیرات پیش‌بینی‌کننده و همچنین برای ارتقای طراحی محصولات جدید از طریق کسب و نظارت بر مجموعه‌ای از پارامترها استفاده شوند.

هزینه های نگهداری و تعمیرات به عنوان یکی از بخش های اصلی کل هزینه های عملیاتی برای شرکت ها شناخته می شود و تلاش های زیادی برای ارتقای برنامه های مدیریت نگهداری و تعمیرات انجام شده است  استراتژی‌های نگهداری و تعمیرات نسبتاً جدید، مانند استراتژی‌های پیش‌بینی، اکنون می‌توانند از قابلیت‌های نوآورانه‌ای که توسط اینترنت صنعتی اشیا طراحی شده است، بهره‌مند شوند. نگهداری و تعمیرات یک زمینه کاربردی صنعتی جالب برای کشف فرصت ها و مزایای جدید با بهره برداری از پتانسیل های اینترنت اشیا صنعتی است. در صنایع آینده، ادغام اینترنت اشیا صنعتی در یک حوزه صنعتی با انتشار گسترده شبکه های حسگر و در دسترس بودن حجم زیادی از داده های به دست آمده توسط ماشین ها ارتقا خواهد یافت.

رویکرد پذیرش اینترنت اشیا صنعتی مستلزم شناسایی استراتژی‌هایی با هدف شناسایی داده‌های به دست آمده، معنا بخشیدن به آن داده‌ها، انتخاب استراتژی‌های ذخیره‌سازی، شناسایی پارادایم محاسباتی مناسب، استقرار خدمات و البته ایجاد ارزش برای شرکت است. توسعه بیشتر محصول و بهبود مدل های پیش بینی شده را می توان با استخراج دانش از داده های جمع آوری شده انجام داد. در این دیدگاه، تکنیک‌های مدیریت و استفاده از دانش می‌توانند به طور مؤثری از پذیرش فناوری‌های اینترنت اشیا صنعتی در شرکت‌ها حمایت کنند. مهندسی دانش یکی از راه‌های ممکن است زیرا در زمینه‌های دیگر، مانند طراحی و تولید، با موفقیت به کار می‌رود. هدف این مقاله ارزیابی نقش اینترنت اشیا صنعتی برای پشتیبانی از عملیات نگهداری و تعمیرات و ارزیابی اینکه آیا اتخاذ ساختار داده کافی و ادغام آن با سیستم دانش مهندسی می‌تواند شکاف‌های واقعی را کاهش دهد.

 معرفی مختصر در مورد اینترنت اشیا صنعتی و رویکردهای نگهداری و تعمیرات داده محور

اینترنت اشیاء صنعتی رویکردی است که شامل زیرساخت‌های اختصاصی و الگوریتم‌ها و طرح‌های خاص برای مدیریت آنها میباشد. اینترنت اشیا صنعتی ادغام وضعیت اشیا با برنامه های کاربردی نرم افزاری برای توسعه فناوری ها و خدمات جدید را در بر دارد.

اینترنت اشیا معمولاً بصورت یک الگوی جدید در نظر گرفته می شود که هدف آن پر کردن شکاف بین دنیای فیزیکی و نمایش آن در دنیای دیجیتال است. اتحادیه بین‌المللی مخابرات اینترنت اشیا را به عنوان یک زیرساخت جهانی برای جامعه اطلاعاتی تعریف می‌کند که خدمات پیشرفته را با به هم پیوستن چیزهای (فیزیکی و مجازی) بر اساس فناوری‌های اطلاعاتی و ارتباطاتی موجود و در حال توسعه امکان‌پذیر می‌سازد. به طور کلی، توسعه چندین فناوری توانمند مانند شناسایی از طریق فرکانس رادیویی (RFID)، میان‌افزار، محاسبات ابری و نرم‌افزار اینترنت اشیا، استقرار زیرساخت‌های اینترنت اشیا را در زمینه روزمره آسان‌تر کرده است. کاربردها و خدمات جدید، به ویژه در حوزه صنعتی، قابل بررسی هستند. در واقع، اینترنت اشیا صنعتی کاربرد اینترنت اشیا در حوزه صنعتی است که مزایای کلی را برای تراکنش‌های تجاری، پردازش اطلاعات در زمان واقعی، و مدیریت موجودی و محصول با شبکه‌های خدمات هوشمندتر به ارمغان می‌آورد که شکاف بین اجزا را در اقتصاد دیجیتال فعلی کاهش می‌دهد. کنسرسیوم اینترنت صنعتی یک سازمان با عضویت آزاد است که توسط برخی از شرکت‌های آمریکایی (ای تی اند تی، سیسکو، جنرال الکتریک و غیره) تأسیس شده است و مفهوم اینترنت صنعتی را تسریع می‌کند که می‌تواند چشم‌انداز تجاری را در سراسر بخش‌های صنعتی متحول کند. صنعت چهارم یک تحول قوی در زمینه ارتقاء سازمان و مدیریت کل فرآیند زنجیره ارزش درگیر در صنعت تولید است .

یکی از ارکان این تحول استفاده از فناوری اینترنت و سیستم‌های فیزیکی-سایبری است. محرک هایی برای افزایش انعطاف پذیری در تولید، سفارشی سازی انبوه و بهره وری. این اصطلاحات محدود های بیشتری را در بر می گیرد که با واقعیت های مختلف تعریف شده اند، اما معنای آنچه به آنها مربوط می شود بسیار شبیه است. کاربردهای زیادی را می توان در چندین بخش صنعتی یافت که بر رشد اقتصادی آنها تأثیر می گذارد. فرآیندهای تولید و طراحی محصولات را می توان تحت تأثیر سیستم‌های فیزیکی-سایبری قرار داد، توانایی نظارت و کنترل فرآیندهای فیزیکی شامل حسگرهای تعبیه شده و روبات های هوشمند. تجزیه و تحلیل کلان داده و محاسبات ابری، که توسط ارتباطات شبکه و فناوری‌های اینترنتی، ماشین‌ها و سیستم‌های پیوند دهنده فعال می‌شوند، قادر به بازیابی، بسط و استفاده مجدد از هر نوع اطلاعات مهم هستند. در تولید نیرو، بسیاری از مفاهیم مانند نگهداری و تعمیرات ،پیش بینی ماشین یا بهینه سازی ناوگان را می توان به منظور تضمین قابلیت اطمینان، افزایش ایمنی، افزایش بهره وری و بهره وری سوخت به کار برد. با اینترنت اشیا صنعتی، همه چیز از بزرگترین ماشین ها گرفته تا ترانسفورماتورها را می توان به اینترنت متصل کرد و به روز رسانی وضعیت و داده های عملکرد را ارائه کرد. به این ترتیب اپراتورها می توانند اقدامات پیشگیرانه را در مورد یک مشکل احتمالی قبل از اینکه میلیاردها دلار برای شرکت و مشتریان هزینه کند، انجام دهند. در مراقبت های بهداشتی، تجزیه و تحلیل های اینترنت اشیا صنعتی و کلان داده می توانند انواع مختلفی از نتایج مثبت مانند بهبود جریان بیمار، ردیابی و نظارت بر استفاده از تجهیزات مراقبت های بهداشتی، ردیابی بالینی، اقدامات مالی و اقدامات عملیاتی و مدیریت بهره وری نیروی کار را به همراه داشته باشند. شرکت سلامت جی ای تخمین می‌زند که این نوآوری‌ها می‌توانند 15 تا 30 درصد هزینه‌های تجهیزات بیمارستانی را کاهش دهند و در هر شیفت یک ساعت بهره‌وری بیشتر به دست آورند.

. در ادامه مروری در مورد رویکردهای نگهداری وتعمیرات ارائه می گردد پردازد. رویکردهای نگهداری وتعمیرات محصول را می توان با رویکردهای مختلف بسته به عوامل متعددی انجام داد: عملیات و استراتژی های تجاری، ارزش ذاتی محصول یا قطعات یدکی، حداقل قابلیت اطمینان تضمین شده و غیره. در پایان دهه 1990 آیزنمن یک طبقه بندی از رویکردهای نگهداری وتعمیرات ارائه داد و بیان کرد که سه روش مختلف وجود دارد: نگهداری وتعمیرات اصلاحی یا نگهداری وتعمیرات واکنشی، نگهداری پیشگیرانه و نگهداری پیش بینی یا نگهداری مبتنی بر شرایط.

نگهداری وتعمیرات واکنشی  به عنوان یک رویکرد آتش نشانی برای نگهداری وتعمیرات توصیف می شود. کل تجهیزات تا زمانی که خرابی رخ دهد کار می کند و سپس دارایی ها تعمیر یا جایگزین می شوند. با این نوع نگهداری وتعمیرات، هزینه‌ای که برای تعمیر خرابی‌ها خرج می‌شود، می‌تواند به روشی غیرقابل پیش‌بینی با توجه به تعداد خرابی‌ها متفاوت باشد، اما اغلب مضرات ناشی از خرابی‌های برنامه‌ریزی نشده، خروجی‌های ناسازگار و هزینه‌های کلی نگهداری می‌تواند بسیار قابل توجه باشد. نگهداری وتعمیرات پیشگیرانه شامل انجام اقداماتی قبل از خرابی تجهیزات است که شامل تعویض یک جزء، تمیز کردن کل سیستم و غیره می شود. معمولاً با استفاده از سنسورها و پرسنل واجد شرایط، قطعات تحت نظارت قرار می گیرند و از شرایط عملکرد آنها اطمینان حاصل می شود. هنگامی که یک جزء به خرابی می رسد، نگهداری وتعمیرات واکنشی انجام می شود و عنصر را به شرایط عملیاتی اولیه باز می گرداند. نگهداری وتعمیرات پیش بینی کننده معمولاً در دو رویکرد طبقه بندی می شود. روش مبتنی بر مدل بر دانش دقیق تجهیزات و فناوری متکی است و باید دقت بالاتری را با استفاده از مدل‌های خاص برای پیش‌بینی خرابی‌های قریب‌الوقوع تضمین کند. روش مبتنی بر داده آسان‌تر برای پیاده‌سازی است و بر کسب حسگرهای واقعی متکی است. سپس داده‌ها به منظور ایجاد پیش‌بینی نقص تجزیه و تحلیل می‌شوند. در حالی که اولین مورد اغلب رفتار کلی تجهیزات را توصیف می کند، اثربخشی دومی باید در موقعیت های خاص تضمین شود زیرا داده ها همیشه به یک شرایط دقیق مربوط می شوند.

مهندسی دانش و مدیریت داده ها در علوم کامپیوتر را می توان به عنوان یک حوزه خاص شامل داده، اطلاعات و خود دانش توصیف کرد. داده ها شامل مجموعه ای از نمادها و علائم هستند که می توانند ویژگی ها، کمیت های فیزیکی و مقادیر آنها را نشان دهند. تفسیر داده ها با مفهوم اطلاعات مرتبط است، در حالی که دانش بیانگر تفسیر داده ها و اطلاعات در مورد راه حل های مشکل قبلی است و دستورالعمل هایی را برای مجموعه قوانین برای حل مشکلات آینده ارائه می دهد. در این شرایط، مهندسی مبتنی بر دانش نتیجه کاربرد فناوری سیستم‌های مبتنی بر دانش است که شامل استفاده از پایگاه‌های دانش به منظور حل مشکلات در حوزه‌های مهندسی است. بسط سیستم مبتنی بر دانش پیچیده است، بنابراین نمایش معماری آنها بسیار مهم می شود و می توان با استفاده از هستی شناسی ها، نمودارها یا کدهای برنامه به دست آورد. به طور کلی، دانش را می توان «ایستا» در نظر گرفت، اگر بازنمایی حقایق در یک حوزه خاص باشد، و اگر بیانگر ادعاها، قواعد و شرایط منطقی باشد، «استنتاج» تلقی شود . دانش بر پایه مهندسی ابتدا توسط محققان به عنوان شاخه ای از هوش مصنوعی برای توسعه سیستم های خبره  قادر به پشتیبانی یا جایگزینی انسان ها در نظر گرفته شد. دانش بر پایه مهندسی رویکرد تاریخی شی گرا را برای توسعه برنامه های کاربردی هوش مصنوعی برای طراحی، سفارشی سازی و تولید انواع راه حل برای مشکلات در نظر گرفته است، که معمولاً مربوط به محصول یا فرآیندهای صنعتی، در نظر گرفته می شود. در این مطالعه، رویکرد دانش بر پایه مهندسی را می توان به عنوان رویکردی در نظر گرفت که از شناسایی تعاملات بین شرکت کنندگان مختلف در فرآیند نگهداری وتعمیرات پشتیبانی می کند و قوانین و هشدارهای نگهداری وتعمیرات را بسته به رفتارهای مختلف سیگنال های به دست آمده مرتبط می کند. ماژول ها یا کلاس ها (دسته های اشیاء) را می توان با استفاده از برنامه نویسی شی گرا و برنامه نویسی تابعی شناسایی و مدیریت کرد و رویکردهای کلاسیک را بر اساس صفحات گسترده یا برنامه نویسی رویه ای بهبود بخشید. دانش بر پایه مهندسی همچنین اجازه تنظیم معماری هایی را با هدف جمع آوری و استفاده مجدد از دانش محصول یا فرآیند می دهد .

رویکرد اینترنت اشیا صنعتی به سیستم هایی مربوط می شود که پیچیدگی آنها زیاد و در حال افزایش است. به همین دلیل، با رویکرد دانش بر پایه مهندسی می‌توان داده‌ها و مدل‌های داده را تعریف کرد، که امکان مرتبط کردن قوانین و بهترین شیوه‌ها را با رفتارهای مختلف سیستم بازیابی شده توسط تجزیه و تحلیل سیگنال فراهم می‌کند. شناسایی داده های مورد نیاز برای پردازش در سیستم و نحوه ساختار آنها، با توجه به استفاده از آنها در برنامه، اساسی است. علاوه بر این، تکنیک‌های محاسباتی پیشرفته می‌توانند برای یافتن طراحی بهینه و همچنین شناسایی الگوهای درون آن داده‌ها مورد استفاده قرار گیرند. به عنوان مثال، شبکه های عصبی مصنوعی ترکیب شده با دانش بر پایه مهندسی با موفقیت در حوزه های مختلف مورد استفاده قرار گرفته اند.

در همین راستا باید اشاره کرد که اپلیکیشن کنترلر هوشمند صنعتی برای بهبود مستمر عملکرد واحدهای کنترل کیفیت و همچنین نگهداری و تعمیرات و واحد HSE طراحی و ساخته شده است. تعریف واحدهای سازمان از دپارتمان‌ها تا ماشین‌آلات مستقر در هر واحد و افرادی که وظیفه بازرسی پارامترهای گوناگون روی هر کدام از تجهیزات را دارند، در اپلیکیشن کنترلر هوشمند صنعتی انجام می‌گیرد.

کنترلر هوشمند، طلیعه دار صنعت هوشمند