SVĚTOVÝ, EVROPSKÝ A ČESKÝ AUTOMOBILOVÝ PRŮMYSL A TRH S AUTOMOBILY :: Šaroch a kol.

Implementační přístup PdM 4.0 Zavedení prediktivního modelu (PdM) představuje důležitý krok pro moderni zaci strategie údržby průmyslových aktiv. Technické jádro implementace PdM 4.0 se zaměřuje na postupné budování prediktivních modelů údržby pro vybraná aktiva. Tento přístup k implementaci je založen na následujících sedmi krocích: 1. Hodnocení hodnoty aktiv a studie proveditelnosti hraje klíčovou roli při identifikaci vhodných kandidátů pro implementaci Predictive Maintenance (PdM) 4.0 s cílem zvýšení spolehlivosti aktiv. Při identifikaci těchto aktiv je důležité zaměřit se na vysoce kritická a případně středně kritická aktiva, která jsou schopna ospravedlnit požadovanou investici. Pouze tato aktiva, pro která lze získat požadovaná data, jsou vhodnými kandidáty pro imple mentaci PdM 4.0. Tento selektivní přístup k výběru aktiv pomůže vybudo vat počáteční pozitivní obchodní případ, který by měl být součástí studie proveditelnosti. 2. Výběr aktiv pro PdM 4.0 je kritickým krokem při implementaci moder ního řízení údržby. Je důležité udržovat proces zvládnutelný a nesnažit se pokrýt celý vozový park nebo továrnu najednou. Namísto toho je vhodné vybrat aktiva, která lze řešit v rámci pilotních projektů. Tímto způsobem lze získat potřebná ponaučení a aplikovat je na zavádění Predictive Maintenan ce (PdM) 4.0 podle typu aktiv. Pilotní projekty slouží jako testovací pole pro nové technologie a procesy a umožňují organizacím získat ucelené poznatky o implementaci PdM 4.0. Tato metodika umožňuje systematické vyhodno cování výsledků a identifikaci klíčových faktorů úspěchu, což je klíčové pro úspěšné nasazení PdM 4.0. 3. Modelování spolehlivosti je klíčovým prvkem při hodnocení a zlepšování spolehlivosti systémů a zařízení. Pro dosažení úspěchu v modelování spoleh livosti je nezbytné použít analýzu hlavních příčin (RCA) a analýzu účinků režimu selhání (FMEA) pro jednotlivé typy aktiv. Pro sledování hlavních příčin a režimů selhání je nezbytné mít k dispozici relevantní data. Senzo rická data, jako jsou teplota, tlak, vibrace a další provozní parametry, hra jí klíčovou roli při monitorování stavu zařízení. Tyto informace umožňují identifikovat potenciální problémy a umožňují provádět preventivní údržbu, což v konečném důsledku může vést k redukci výpadků a nákladů na opra vy. 4. Návrh algoritmu PdM 4.0 představuje skutečné umění analýzy dat, které se stává stále důležitějším v průmyslových aplikacích. Výběr správného al goritmu je klíčovým faktorem při určování kvality predikcí a předpovědí. Navrhnout nejlepší algoritmus může být relativně jednoduché, pokud již byl vytvořen vhodný model pro spolehlivost aktiv v předchozím kroku. Nicmé ně, v mnoha případech vyžaduje tento proces zapojení více vědců speciali zujících se na různé oblasti, jako jsou statistika, strojové učení a informační technologie. Kombinace odborných znalostí z oblastí statistiky, matemati ky, informatiky a oboru, ke kterému algoritmus bude aplikován, je klíčová pro vytvoření efektivního a spolehlivého algoritmu. Důkladná analýza dat

184