Prediktivní údržba navazuje na vývoj údržby založené na stavu. Vzhledem k prudkému poklesu nákladů na senzory IIot, rostoucímu trhu s různými řešeními a zdokonalování umělé inteligence v oboru
Chytrá továrna
prediktivní údržba zavedla vlastní formu údržby.
Místo toho, aby se při určování potřeby údržby používal stanovený časový rámec nebo frekvence používání, využívá prediktivní údržba data k interpolaci, kdy je pravděpodobné, že se stroj porouchá. Při této údržbě založené na stavu se základem pro plán údržby stává skutečný stav zařízení. K tomu musí být stroje vybaveny senzory, které sbírají potřebná data.
Úspěch tohoto přístupu závisí na kvalitní a cenově dostupné měřicí technologii, ale také na moderních řešeních strojového učení, která jsou schopna data uspokojivě interpretovat. Zde mimo jiné profesionální
Software pro údržbu
je používán software.
Tento typ monitorování umožňuje provádět údržbu podle potřeby, aby se odstranil konkrétní problém a zabránilo se selhání zařízení. Vzhledem k tomu, že údržba je nutná pouze v případě hrozící poruchy, je prediktivní údržba často nákladově efektivnější než preventivní údržba.
Prediktivní údržba navíc umožňuje lepší plánování, což snižuje neplánované odstávky, a tím i náklady. Úkony údržby jsou také často levnější než reaktivní údržba, protože problémy se řeší dříve, než dojde k úplné havárii zařízení.
Prediktivní údržba však vyžaduje velké počáteční investice na pořízení potřebného zařízení pro záznam dat. Provoz této technologie vyžaduje také kvalifikovaný personál, který je schopen s přístroji zacházet a interpretovat údaje. Technici musí rozumět jak zařízení, tak monitorovacímu systému. To může vyžadovat školení zaměstnanců nebo nábor nových pracovníků.
Výhody prediktivní údržby
- Menší složitost díky automatizaci
- vyšší dostupnost rostlin
- Lepší plánovatelnost, a tím i vyšší ekonomická efektivita zařízení.
Problémy prediktivní údržby
- Vyšší investiční náklady, zejména na začátku
- Vyšší poptávka po lépe vyškoleném personálu