Harmonogramy konserwacji zapobiegawczej działają w stałych odstępach czasu — olej należy wymieniać co 90 dni, niezależnie od stanu faktycznego. Czujniki IoT umożliwiają konserwację opartą na stanie: należy wymienić olej, gdy analiza drgań wykaże zużycie łożysk, czujniki temperatury wykryją nadmierne ciepło lub monitorowanie prądu wykaże degradację silnika. Połączenie danych z czujników IoT z systemem CMMS automatycznie zamyka tę pętlę: gdy odczyt czujnika przekroczy próg, system CMMS natychmiast tworzy zlecenie robocze, zamiast czekać na kolejną planowaną konserwację zapobiegawczą lub poważną awarię. AWS IoT Core i Azure IoT Hub to dwie dominujące platformy chmurowe IoT w produkcji, agregujące dane z tysięcy czujników i maszyn w procesie przetwarzania. Integracja CMMS z tymi platformami zapewnia zautomatyzowane wyzwalanie zleceń roboczych, które przekształca inwestycję w IoT w działania konserwacyjne. Producenci z wdrożonymi systemami IoT, ale bez integracji z systemem CMMS, zbierają dane z czujników bez przekształcania ich w decyzje konserwacyjne — najczęstszy powód, dla którego programy IoT w produkcji nie przynoszą zwrotu z inwestycji (ROI).
Standardowa architektura integracji IoT-CMMS składa się z czterech warstw. Warstwa czujników: czujniki drgań, sondy temperatury, monitory prądu, czujniki stanu oleju i podobne urządzenia podłączone do urządzeń produkcyjnych. Warstwa brzegowa: brama przemysłowa (AWS IoT Greengrass, Azure IoT Edge lub urządzenia innych firm) wstępnie przetwarza dane z czujników lokalnie, zmniejszając przepustowość chmury i umożliwiając pracę offline podczas przerw w łączności. Warstwa chmurowego IoT: AWS IoT Core lub Azure IoT Hub agreguje strumienie danych z czujników, stosuje reguły progowe i wyzwala alerty. Warstwa integracji CMMS: gdy platforma chmurowego IoT wykryje anomalię lub przekroczenie progu, wywołuje interfejs API REST systemu CMMS w celu utworzenia zlecenia konserwacji predykcyjnej z identyfikatorem zasobu, odczytem z czujnika, przekroczeniem progu i zalecanym działaniem. Większość chmurowych platform IoT obsługuje wychodzące webhooki lub funkcje Lambda/Azure, które mogą bezpośrednio wywoływać interfejsy API systemu CMMS. Zlecenie pracy CMMS powinno obejmować: identyfikator zasobu, typ i odczyt czujnika, normalny zakres roboczy, klasyfikację ważności oraz zalecane działania konserwacyjne na podstawie trybu awarii powiązanego z danym wzorcem czujnika.
Najczęstszym błędem w integracji IoT-CMMS jest przekroczenie zakresu pierwszego wdrożenia. Zacznij od trzech do pięciu krytycznych zasobów, których historia awarii potwierdza tryby awarii wykrywane przez czujniki IoT. Przypisz każdy typ czujnika do określonego trybu awarii i konkretnego szablonu zlecenia roboczego CMMS. Przetestuj łańcuch od progu do zlecenia roboczego przed instrumentacją kolejnych zasobów. Praktyczne kroki integracji dla AWS IoT Core: skonfiguruj reguły IoT w celu wyzwalania funkcji Lambda w przypadku przekroczenia progu, napisz funkcję Lambda do wywoływania interfejsu API REST CMMS ze strukturalnym ładunkiem zlecenia roboczego, skonfiguruj CMMS w celu akceptacji integracji i przypisz zlecenia robocze do odpowiedniego technika lub zespołu ds. konserwacji. W przypadku Azure IoT Hub: użyj usługi Azure Stream Analytics lub Azure Functions wyzwalanych przez zdarzenia IoT Hub, napisz funkcję do wywoływania interfejsu API CMMS. W przypadku producentów korzystających z systemu Fabrico zintegrowana architektura OEE i CMMS łączy dane dotyczące wydajności produkcji z danymi z czujników — spadek dostępności OEE w połączeniu z anomalią drgań tego samego zasobu powoduje, że zlecenie robocze ma wyższy priorytet niż każdy z tych sygnałów osobno, co usprawnia selekcję prac konserwacyjnych i ogranicza liczbę niepotrzebnych interwencji na sprzęcie, którego wydajność spada, ale który jeszcze nie ma wpływu na produkcję.
Login
Blog
