يتوقف خط إنتاج في منشأة تصنيع كبيرة بشكل مفاجئ. فقد تعطلت مضخة حاسمة في نظام التبريد دون سابق إنذار. ومع ارتفاع درجة حرارة حزام الإنتاج، يضطر المشغلون إلى إيقاف العملية بأكملها. وما يلي ذلك هو سلسلة من التفاعلات المتتالية، تبدأ بتوقف العمال عن العمل وتأخر مواعيد التسليم، لتبلغ ذروتها في طلب قطع غيار عاجلة وتصاعد الضغوط.
هل تعلم أن مثل هذه فترات التوقف غير المخطط لها تكلف الشركات المصنعة الأمريكية ما يصل إلى $207 مليون في الأسبوع؟ ويواجه ما يصل إلى 55% من الشركات هذه السيناريوهات مرة واحدة كل عام.
ماذا لو كان من الممكن التخطيط لفترات التوقف هذه؟ تضم استراتيجيات العديد من الصناعات التي تعتمد بشكل كبير على الأصول بالفعل فترات توقف مخططة. وعادةً ما تكون هذه الفترات مخصصة للصيانة المخططة عندما تكون الأصول خارج الخدمة أو في حالات مشابهة. ومع ذلك، يمكن للمؤسسات أيضًا منع فترات التوقف غير المخططة من خلال التخفيف من حدة الأحداث غير المتوقعة. وهنا يأتي دور مراقبة الحالة.
إذا كنت تتساءل عن معنى «مراقبة الحالة»، فهي عملية تتبع حالة الآلات أو المعدات بشكل مستمر أو دوري. ويتم ذلك بمساعدة أجهزة استشعار تلتقط البيانات المتعلقة بعوامل حالة الأصول، مثل الاهتزاز والزيت ودرجة الحرارة والضغط. وبناءً على هذه البيانات، يمكن لفرق الصيانة اكتشاف أي انحرافات عن السلوك التشغيلي الطبيعي.
كيف تغير «المراقبة القائمة على الحالة» مفهوم الصيانة
لا يمكن أبدًا التنبؤ بحالة المعدات، ومع ذلك، فقد بُنيت معظم الاستراتيجيات التقليدية على أساس قابلية التنبؤ. فقد اعتمدت الفرق على جداول زمنية ثابتة تستند إلى إمكانية التنبؤ بالأعطال. على سبيل المثال، كانت الآلة الأكثر عرضة للأعطال تخضع للصيانة مرتين شهريًّا. أما قطع مثل المحمل، فكان يتم استبدالها كل ستة أشهر.
ورغم أن هذا النهج يوفر إطارًا منظمًا، إلا أنه ينطوي أيضًا على أوجه قصور. فماذا لو تم استبدال أحد مكونات النظام قبل انتهاء العمر الافتراضي المتوقع له؟ أو ماذا لو تعطل أحد المكونات بسبب عدم تقييم حالته في الوقت الفعلي؟
تُحدث مراقبة الحالة تغييرًا جذريًّا في هذا الأمر. وببساطة، فإنها تحول التركيز بالكامل من «متى يجب إجراء الصيانة» إلى «لماذا يجب إجراؤها».
يُقدِّم هذا التحول معيارًا مرجعيًّا للتوقعات التشغيلية من أي آلة أو أصل. ومع مرور الوقت، تساعد أجهزة الاستشعار في تتبع الانحرافات عن هذا المعيار المرجعي، مما يمكّن فرق الصيانة من اتخاذ إجراءات استباقية. وبدلاً من انتظار حدوث العطل ثم الاستجابة له، يمكن بدء أعمال الصيانة فور ظهور المشكلات.
ونتيجة لهذا التحول، يتزايد الطلب على أنظمة مراقبة الحالة على الصعيد العالمي. ووفقًا لـ فورتشن بيزنس إنسايتس، بلغت قيمة السوق $3 مليار في عام 2025. ومع معدل نمو سنوي مركب يبلغ 9.7% في الفترة من 2026 إلى 2034، من المتوقع أن تتضاعف قيمتها بأكثر من الضعف لتصل إلى $6.8 مليار.
لا يقتصر هذا التحول على الانتقال من الصيانة القائمة على التقويم إلى الصيانة القائمة على الحالة فحسب، بل يشمل أيضًا التحول من المؤشرات المتأخرة إلى المؤشرات الاستباقية، ومن الصيانة التفاعلية إلى التخطيط الاستباقي.
يوضح الجدول أدناه كيف تؤدي المراقبة القائمة على الحالة إلى إحداث تغيير جذري في منظومة الصيانة بأكملها:
| ميزة | الرصد التقليدي | المراقبة القائمة على الحالة |
|---|---|---|
| السبب الرئيسي | تستند عملية المراقبة هذه إلى جداول زمنية محددة، لذا فإن إجراء الفحص خلال إحدى تلك الدورات أو حدوث عطل كامل سيكون هو نقطة التحريك | تستند المشغلات إلى عتبات في الوقت الفعلي |
| المعرفة بالأصول | يتم إعداد خطط الصيانة وفقًا للتوصيات العامة الصادرة عن الشركة المصنعة | يتم جمع المعلومات المتعلقة بالمؤشرات الحيوية لكل أصل في الوقت الفعلي |
| ثقافة الفريق | تُكافأ الفرق على سرعة إصلاح المشكلات | هنا، المكافأة ليست مقابل الإصلاح، بل مقابل الحفاظ على سير الأمور |
| المخزون | تم تخزينها استنادًا إلى أنماط الشراء السابقة | يتم تحسين المخزون في الوقت المناسب بناءً على حالة الأصول وتوقعات الأعطال |
نظرة متعددة المعايير لمراقبة الأصول
على الرغم من أنه من الممكن أن تتعطل المعدات لسبب واحد، إلا أن هذا ليس هو الحال في أغلب الأحيان. فقد تحدث التغيرات الميكانيكية والحرارية والكيميائية في آن واحد. ولهذا السبب، يصبح من المهم النظر في جوانب متعددة لحالة الأصول في وقت واحد. وتسهل مراقبة حالة الأصول ذلك من خلال تتبع معايير الحالة المختلفة.
تُعطي كل من هذه المعلمات لمحة عن كيفية عمل الآلة في الوقت الفعلي. فالدرجة الحرارة، على سبيل المثال، تُبرز الإجهاد الحراري وفقدان الطاقة، وتُعد إحدى أولى علامات حدوث عطل. فهي تشير إلى زيادة الاحتكاك في المحامل، أو المقاومة الكهربائية في المحركات، أو انخفاض كفاءة التبريد.
من ناحية أخرى، يوفر الضغط معلومات مفيدة عن تدفق السوائل. فعلى سبيل المثال، يشير انخفاض الضغط إلى وجود تسرب في مكان ما، في حين أن الارتفاع المفاجئ في الضغط قد يعني وجود مقاومة أو انسداد.
كما تُعد معايير جودة الزيت وسيلة تشخيصية للحصول على أدلة مباشرة من داخل الماكينة. فاللزوجة تؤثر على أداء التشحيم، وتشير الجسيمات المعدنية إلى التآكل، بينما يؤدي تلوث الماء إلى تسريع عملية التآكل. ونظرًا لأن كل حالة من حالات عدم التوازن، أو عدم المحاذاة، أو الارتخاء، أو عيب المحمل تولد أنماطًا ترددية فريدة، فإن الاهتزاز يصبح عاملاً آخر غنيًّا بالمعلومات.
يمكن أن توفر جميع هذه المعلمات معلومات مفيدة حول أعطال الماكينات في مرحلة مبكرة. ومع ذلك، فمن الأفضل تفسير هذه الإشارات مجتمعةً. فهذا سيمنحك رؤية شاملة للمشكلة. ومن خلال هذه الرؤية، يمكنك التعاون مع فرق الصيانة والهندسة لتحديد المشكلات ومعالجتها من جذورها.
تقنيات مراقبة الحالة
كما ورد في القسم السابق، هناك العديد من معلمات المعدات التي يجب عليك مراقبتها. ولهذا الغرض، تُستخدم تقنيات مختلفة، يعتمد كل منها على نوع مختلف من أجهزة الاستشعار لجمع المعلومات ذات الصلة. إن فهم التقنية الأنسب لاكتشاف الحالات الشاذة يجعل عملية المراقبة القائمة على الحالة أسهل بكثير.
مراقبة الاهتزازات
يُعد تحليل اهتزازات الآلات الدوارة إحدى أقدم تقنيات مراقبة الحالة وأكثرها استخدامًا في إطار المراقبة القائمة على الحالة. ووفقًا لـ رؤى السوق المستقبلية، وتستحوذ على حوالي 30.6% من الحصة الإجمالية لسوق أنظمة مراقبة الحالة.
تُسمى أجهزة الاستشعار المستخدمة في تقنية المراقبة هذه «مقاييس التسارع». وهي تجمع بيانات الاهتزاز التي يمكنك معالجتها باستخدام تحليل طيف التردد، بالإضافة إلى الكشف عن الغلاف الترددي.
الهدف الرئيسي لهذه الأنظمة هو الكشف عن عدم التوازن، واختلال محاذاة العمود، والمشكلات الميكانيكية الأخرى في مراحلها المبكرة.
المراقبة الكهرومغناطيسية
تتتبع المراقبة الكهرومغناطيسية التغيرات في المجال المغناطيسي، ولهذا السبب فهي لا تعمل إلا مع المعدات الكهربائية. وترتبط نتائج التحليل المستمدة من هذه التقنية بتدفق التيار في المحرك، أو بكيفية تفاعل الدوار مع الجزء الثابت.
تقوم المستشعرات المستخدمة هنا بجمع بيانات أنماط التدفق والانبعاثات الكهرومغناطيسية الصادرة عن آلة قيد التشغيل. ويمكن بعد ذلك تحليل هذه الإشارات للكشف عن أي عدم تناسق أو تشوه.
تُعد المراقبة الكهرومغناطيسية هي الأفضل في الكشف عن:
- قضبان الدوار المكسورة
- أعطال لفات الجزء الثابت
- انحراف الفجوة الهوائية
- اختلال التوازن الكهربائي
تُعد هذه التقنية مفيدة في الحصول على رؤية شاملة، لأنها تكتشف الأعطال الداخلية في المحركات دون الحاجة إلى إيقاف التشغيل أو التفكيك.
التصوير الحراري بالأشعة تحت الحمراء
تتيح لك هذه التقنية تصور توزيع درجات الحرارة، وهو مؤشر رئيسي على حالة الماكينة. فعندما تضطر إحدى المعدات إلى بذل جهد إضافي لتحقيق المخرجات القياسية، تبدأ في ارتفاع درجة حرارتها. ويمكن أن يشير الكشف المبكر عن هذا الارتفاع في الحرارة إلى وجود مشكلات كامنة محتملة قد تؤدي إلى تعطل الماكينة إذا لم يتم التعامل معها على الفور.
إلى جانب أجهزة الاستشعار، تُستخدم الكاميرات أيضًا لجمع بيانات التصوير الحراري بالأشعة تحت الحمراء. تلتقط هذه الكاميرات الحرارية صورًا حرارية لتحديد الأماكن التي تتولد فيها الحرارة بأكبر قدر. وإذا تجاوز مستوى الحرارة عتبة معينة، يمكن لحل مراقبة الحالة إرسال تنبيه آلي إلى فريق الصيانة.
باستخدام هذه التقنية، يمكنك الكشف عن تدهور العزل، وارتفاع درجة حرارة المحامل، وانسداد تدفق الهواء، أو مشاكل التبريد.
التداخل الليزري
وكما يوحي الاسم، تستخدم هذه التقنية أشعة الليزر للكشف عن أي انحرافات في الأنماط المختلفة. ونظرًا لأنها تعتمد على إنشاء الأنماط ومراقبتها باستخدام أشعة الليزر، فإنها تُعد واحدة من أكثر تقنيات مراقبة الحالة دقةً.
يمكنك تتبع التغيرات بدقة تصل إلى الميكرون أو النانومتر. ولهذا السبب، تحظى هذه التقنية بشعبية في الصناعات التي تؤثر فيها الدقة على جودة المنتج، مثل صناعة أشباه الموصلات أو صناعة الطيران. ولكن على الرغم من فعاليتها ودقتها العالية، فإن تكلفة تطبيقها مرتفعة بعض الشيء.
عند تركيبه بشكل صحيح، يمكن لهذا الجهاز الكشف عن اختلال محاذاة العمود، والاهتزازات الدقيقة، والتشوهات الهيكلية تحت الحمل.
تحليل الزيت
إذا كنت ترغب في التحقق من الأداء الداخلي للآلة، فإن تحليل الزيت يوفر طريقة مباشرة للقيام بذلك. فهو يفحص سائل التشحيم أثناء انتقاله عبر النظام. ولهذا السبب، يحمل الزيت أيضًا جميع الأدلة على التآكل والتآكل في جميع أجزاء الآلة.
تتطلب معظم التقنيات الأخرى الواردة في هذه القائمة استخدام أجهزة استشعار، لكن هذا لا ينطبق على تحليل الزيت. ففي هذه الحالة، يتم جمع عينات الزيت ومعالجتها في المختبرات. ومع ذلك، قد توجد أجهزة استشعار مدمجة في خط الإنتاج، ويمكنها رصد معلمات مثل اللزوجة وعدد الجسيمات.
تُعد هذه التقنية الأفضل في الكشف عن:
- تآكل التروس والمحامل
- التلوث
- تحليل مواد التشحيم
- الأضرار الداخلية في المراحل المبكرة
اختبار الانبعاثات الصوتية
تدور علم الصوتيات حول الترددات، وهذا هو بالضبط ما يكتشفه اختبار الانبعاثات الصوتية. فكل آلة تولد ترددات معينة، سواء كان ذلك بسبب الاحتكاك أو الدوران أو تشوه المواد. وبغض النظر عن السبب، يمكن مراقبة الترددات المتولدة ومقارنتها بالبيانات المرجعية باستخدام أجهزة استشعار تكتشف الموجات المرنة العابرة.
تُعد هذه المستشعرات الأفضل في الكشف عن تشكل الشقوق أو الاحتكاك السطحي. وبالإضافة إلى ذلك، فإنها تكتشف أيضًا العيوب المبكرة في المحامل وتركيز الإجهاد الهيكلي.
التحليل بالموجات فوق الصوتية
يركز التحليل بالموجات فوق الصوتية على الموجات الصوتية عالية التردد التي لا يمكن للإنسان سماعها. ويمكن أن تكون أجهزة الاستشعار المستخدمة في هذه التقنية إما محمولة باليد أو ثابتة. وهي تلتقط الموجات فوق الصوتية، التي يتم تحويلها بعد ذلك إلى صيغ صوتية أو مرئية من أجل تحليلها.
أفضل تطبيق للتحليل بالموجات فوق الصوتية هو الكشف عن الحالات الشاذة في كل من الأنظمة الميكانيكية والكهربائية. ويمكنه الكشف عن الهواء المضغوط، وتسربات الغاز، وتسربات البخار، والقوس الكهربائي.
تحليل الصور الشعاعية
يستخدم التصوير الإشعاعي الأشعة السينية أو أشعة جاما للكشف عن أي مشكلات داخل الجهاز دون الحاجة إلى تفكيكه. وكما هو الحال في التصوير الطبي، يتم إنشاء الصور بناءً على كيفية مرور الأشعة عبر الجهاز. ويتيح ذلك الكشف عن أي تباينات من خلال مقارنة النتائج مع البيانات المرجعية.
الأفضل في الكشف عن:
- الشقوق الداخلية
- الفراغات والشوائب
- عيوب اللحام
- المخالفات الهيكلية
تحظى هذه التقنية بشعبية واسعة في التطبيقات عالية المخاطر التي تتطلب سلامة داخلية حاسمة، مثل أوعية الضغط وخطوط الأنابيب.
تحليل البصمة الكهربائية
تؤدي أعطال الدوار، واختلالات التوازن في الحمل، واضطرابات جودة الطاقة، وغيرها من العيوب إلى ظهور أشكال موجية كهربائية متنوعة. ويمكن لتحليل البصمة الكهربائية مراقبة كل هذه العوامل للكشف عن أي حالات شاذة. وتتيح هذه الطريقة مراقبة المعدات دون الحاجة إلى تركيب مستشعرات ميكانيكية إضافية.
بالإضافة إلى التقنيات المذكورة في هذه القائمة، هناك تقنيات أخرى لرصد الحالة يمكنك استخدامها. على سبيل المثال، هناك رصد نبضات الصدمات لقياس موجات الصدم، وتحليل بقايا التآكل استنادًا إلى الجسيمات الموجودة في مواد التشحيم، ورصد التفريغ الجزئي للكشف عن التفريغات الكهربائية الصغيرة داخل أنظمة العزل.
كيف تعمل مراقبة الحالة؟
تبدأ مراقبة الحالة عند الواجهة المادية بين جهاز الاستشعار والأصل الذي يراقبه. ومع ذلك، فهذا ليس كل شيء. فبعد تركيب أجهزة الاستشعار وجمع البيانات، يتعين على فرق الصيانة والإصلاح والتجديد (MRO) الاستفادة من تلك البيانات ومعالجة الإشارات وإدخالها في نظام إدارة الأصول (EAM) أو نظام إدارة صيانة المرافق (CMMS).
تتيح هذه العملية لفرق الإدارة مراقبة حالة الأصول والاستفادة من هذه المعلومات لإطالة عمرها التشغيلي، وذلك من خلال إصدار أوامر عمل تلقائيًّا للآلات التي لا تعمل بكفاءة مثلى.
الاستشعار وجمع البيانات
كل معلومة يتم التوصل إليها، وكل أمر عمل يتم تنفيذه، وكل عطل يتم اكتشافه مبكرًا، تعود أصولها إلى هذه الطبقة. وكما رأينا في القسم السابق، هناك أنواع مختلفة من تقنيات مراقبة الحالة، ويتطلب كل منها نوعًا مختلفًا من أجهزة الاستشعار.
وبالتالي، فإن مهمتك الأولى والهامة هي اختيار وتركيب أجهزة الاستشعار المناسبة على الأصول التي ترغب في تتبعها. على سبيل المثال، ستقوم أجهزة استشعار الاهتزاز بجمع بيانات الإزاحة والسرعة والتسارع.
تُعد قيمة الإزاحة هي الأكثر فائدة في حالة الآلات الكبيرة، مثل مصانع الورق أو الحفارات. وينطبق هذا بشكل خاص على الترددات المنخفضة، مثل ما دون 10 هرتز. أما السرعة، فتُستخدم للترددات المتوسطة، التي تتراوح بين 10 هرتز و1 كيلوهرتز، في حين تُستخدم التسارع للتشخيص في الترددات العالية التي تزيد عن ذلك.
يوضح الجدول أدناه أنواع المستشعرات المختلفة المستخدمة لجمع بيانات الاهتزاز المختلفة:
نوع المستشعر | نطاق التردد | الحساسية | مستوى الضوضاء الأساسي | أفضل تطبيق |
|---|---|---|---|---|
كهرضغطية (IEPE) | 0.5 هرتز – 20 كيلوهرتز | 10–1000 مللي فولت/غرام | منخفض جدًّا | المحامل أو أي آلة دوارة |
MEMS (الأنظمة الكهروميكانيكية الدقيقة) السعوية | تيار مستمر – 5 كيلوهرتز | 100–1000 مللي فولت/غرام | معتدل | الآلات ذات السرعة المنخفضة |
مسبار القرب الذي يعمل بالتيارات الدوامة | تيار مستمر – 10 كيلوهرتز | 7.87 فولت/مم | منخفض | وهذا مفيد لإزاحة العمود ومحامل الأعمدة |
مقياس الاهتزاز بالليزر | تيار مستمر – 1 ميجاهرتز فأكثر | قد تختلف بشكل كبير | منخفض جدًّا | يمكن مراقبة الأسطح الساخنة أو التي يتعذر الوصول إليها |
مستشعر السرعة (جيوفون) | 1 هرتز – 1 كيلوهرتز | 20–80 فولت/(م/ث) | منخفض | المراقبة الهيكلية للترددات المنخفضة |
وبالمثل، توجد أنواع مختلفة من أجهزة الاستشعار لجمع أنواع مختلفة من البيانات. وإذا لم تكن متأكدًا تمامًا، فيمكنك اتباع إطار عمل المعيار ISO 17359:2018، الذي يوفر إرشادات لإنشاء برامج مراقبة الحالة، بما في ذلك اختيار أجهزة الاستشعار. وتتمثل الخطوات الأساسية في إعداد قائمة بأنماط الأعطال الخاصة بأحد الأصول، وتحديد المعلمات القابلة للقياس التي تتغير مع تطور كل نمط من أنماط الأعطال، ثم اختيار تقنية أجهزة الاستشعار القادرة على قياس تلك المعلمات.
الاتصال ونقل البيانات
ويتمثل التحدي التالي في نقل البيانات من أجهزة الاستشعار إلى نظام قادر على تحليلها. فإشارات أجهزة الاستشعار الأولية هي مجرد قيم يمكن أن تتغير مئات المرات في غضون ثانية واحدة في الصناعات التي تعتمد على الأصول الثقيلة. كما أن نقل هذه البيانات يمثل تحديًا أكبر بكثير في بيئة تتسم بالتشويش الكهربائي وتتميز ببنية تحتية شبكية أبعد جغرافيًا مقارنةً، على سبيل المثال، بشركة تكنولوجيا المعلومات.
والآن، يمكن تفعيل هذا النقل عبر بنية تحتية سلكية أو لاسلكية.
شبكة الحافلات الميدانية السلكية ونقل الإشارات التناظرية
يُعد استخدام الأسلاك لنقل البيانات أقدم الطرق، ولا يزال من أكثرها موثوقية. وتستخدم هذه الطريقة حلقة تيار تناظري تتراوح قيمتها بين 4 و20 مللي أمبير. وهذه الحلقة التي تتراوح قيمتها بين 4 و20 مللي أمبير هي حلقة تيار تناظري مستمر، حيث يقوم جهاز الإرسال بتحويل الإشارات المقاسة. وهنا، يمثل التيار 4 مللي أمبير الحد الأدنى لنطاق القياس، أو 0%، بينما يمثل التيار 20 مللي أمبير الحد الأقصى، أو 100%. ويجعل نقل البيانات على شكل تيار مستمر بدلاً من الجهد الكهربائي الإشارة محصنة ضد انخفاض الجهد عبر الأسلاك الطويلة.
ثم يتم نقل هذه المعلومات ومعالجتها عبر نظام مثل نظام «HART» (Highway Addressable Remote Transducer). ويقوم نظام HART بإضافة معلومات ذات صلة إلى الإشارات، مثل حالة المستشعر، ومعرّف العلامة، ومتغيرات ثانوية أخرى.
الشبكات الصناعية اللاسلكية
يُعد تركيب أجهزة الاستشعار السلكية في المصانع الكبيرة أمراً مكلفاً. ولذلك، يختار الكثيرون اللجوء إلى الخيارات اللاسلكية، مثل WirelessHART أو ISA100.11a.
كما يوحي الاسم، فإن WirelessHART هو الامتداد اللاسلكي لبروتوكول HART. وهو يعمل في نطاق ISM بتردد 2.4 جيجاهرتز باستخدام أجهزة إرسال واستقبال تعمل وفق معيار IEEE 802.15.4. ويستخدم شبكة شبكية تعمل بنظام الوصول المتعدد بتقسيم الوقت. وفي هذه الشبكة، يُعد كل جهاز بمثابة موجه أيضًا، مما يوفر بنية شبكية ذاتية التنظيم والترميم.
يُعد معيار ISA100.11a ببساطة بديلاً عن معيار WirelessHART ويؤدي نفس الوظيفة.
فيما يلي كيفية اختيار البروتوكولات المختلفة عبر الشبكات السلكية واللاسلكية المختلفة بناءً على حالات الاستخدام المختلفة:
البروتوكول | الطبقة المادية | عرض النطاق الترددي | معدل التحديث | حالة الاستخدام |
|---|---|---|---|---|
4-20 مللي أمبير | إنه سلك نحاسي ثنائي الأسلاك | متغير واحد (تناظري) | مستمر | أجهزة إرسال بسيطة للعمليات |
HART | يعمل وفقًا لدائرة تيار 4-20 مللي أمبير | 1200 بت في الثانية (تراكب رقمي) | حسب الطلب | التشخيص على الأجهزة الحالية التي تعمل بتيار 4-20 مللي أمبير |
PROFIBUS PA | ناقل ثنائي الأسلاك | 31.25 كيلوبت في الثانية | 100-1000 مللي ثانية | ناقلات البيانات الميدانية لأتمتة العمليات |
EtherNet/IP | يمثل شبكة إيثرنت الصناعية القياسية | 100 ميجابت في الثانية – 1 جيجابت في الثانية | 1-100 مللي ثانية | إدخال/إخراج عالي السرعة بين وحدة التحكم والجهاز |
WirelessHART | شبكة متداخلة 2.4 جيجاهرتز 802.15.4 | 250 كيلوبت في الثانية (مشترك) | 1-60 ثانية | أجهزة إرسال لاسلكية للعمليات |
ISA100.11a | شبكة متداخلة 2.4 جيجاهرتز 802.15.4 | 250 كيلوبت في الثانية (مشترك) | 1-60 ثانية | أجهزة إرسال لاسلكية للعمليات |
5G NR (خاص) | أقل من 6 جيجاهرتز / الموجات المليمترية | تصل سرعتها إلى 1 جيجابت في الثانية | < 1 مللي ثانية | المراقبة المكثفة على مستوى شكل الموجة |
بمجرد وصول هذه البيانات إلى شبكة المصنع، يجب أن تكون متاحة للأنظمة الأعلى مستوى، مثل أنظمة إدارة الأصول (EAM) أو أنظمة إدارة صيانة المرافق (CMMS). ومع ذلك، لكي تتمكن هذه الأنظمة من الوصول إلى البيانات، يجب أن تكون هذه البيانات بتنسيق موحد. وهنا يمكن لمقدمي الخدمات مثل «فيردانتيس» أن يكونوا عونًا في هذا الصدد.
أصبحت «البنية الموحدة لـ OPC» (OPC Unified Architecture)، التي تم نشرها تحت رقم المعيار IEC 62541، المعيار المعتمد لضمان اتساق هذه البيانات. وهي تدعم خيارات الترميز «OPC-UA Binary» و«OPC-UA XML». ثم يتم نقل البيانات المشفرة عبر بروتوكول إنترنت الأشياء (IoT)، مثل بروتوكول نقل القياس عن بُعد عبر طابور الرسائل (MQTT)، الذي تم توحيده في المعيار ISO/IEC 20922.
تحويل الإشارات الأولية إلى سمات تشخيصية
البيانات التي يمتلكها فريقك حاليًا لا تمثل سوى كميات فيزيائية أولية. وهي لا توضح مباشرة لمهندس الصيانة ما هو العطل الذي أصاب الآلة. ولتحقيق ذلك، يجب معالجتها وتحويلها إلى قياسات ذات دلالة تشخيصية. على سبيل المثال، ينبغي أن تساعد في تحديد المكان الذي ينشأ فيه التغيير داخل الآلة، وآلية العطل التي يمثلها.
فيما يلي بعض طرق التحليل الأكثر شيوعًا لتحويل الإشارات الأولية إلى سمات تشخيصية:
التحليل في المجال الزمني
إن أبسط طريقة لتحليل الإشارات، لا سيما تلك المتعلقة بالاهتزازات، هي التعامل مباشرةً مع الشكل الموجي الزمني. وتغني طريقة التحليل هذه عن الحاجة إلى تحويل الإشارات إلى ترددات لمراقبتها على الطيف. وبدلاً من ذلك، تعتمد على مقاييس إحصائية أساسية يمكن حسابها من هذه الإشارة واستخدامها لرصد حالة الماكينة.
- RMS (الجذر التربيعي المتوسط) تتعلق هذه الطريقة بقياس الطاقة الإجمالية للاهتزاز. وتشير القيم الأعلى إلى انتقال كمية أكبر من الطاقة، مما قد يدل على وجود تآكل أو تلف. وتُعد هذه الطريقة أكثر فعالية في الكشف عن المشكلات المستمرة، وأقل فعالية في الكشف عن الأعطال في مراحلها المبكرة.
- القيمة القصوى ومعامل الذروة يساعد في رصد التأثيرات القصيرة التي لا يلتقطها متوسط الجذر التربيعي (RMS). عامل الذروة هو نسبة القيمة القصوى إلى قيمة متوسط الجذر التربيعي. وعندما تحدث تأثيرات حادة، ترتفع القيمة القصوى بينما يظل متوسط الجذر التربيعي منخفضًا. وهذا يؤدي إلى ارتفاع عامل الذروة وقد يشير إلى وجود مشكلة محتملة. وبالتالي، فإنه مفيد في الكشف المبكر عن عيوب المحامل.
- التكوير يقيس شدة القمم. ومثل معامل القمة، فإنه يُعد أداة فعالة للكشف المبكر عن الأعطال. ومع ذلك، فإنه يميل إلى الانخفاض كلما اتسع نطاق التلف.
فيما يلي جدول يوضح استخدامات التحليل في المجال الزمني:
| النظام المتري | النطاق الصحي | عتبة مرتفعة | حساسية الأعطال |
|---|---|---|---|
| النظام المتري | النطاق الصحي | عتبة مرتفعة | حساسية الأعطال |
| RMS | خاص بالآلة | حدود منطقة ISO | درجة شدة الاهتزاز العامة |
| معامل الذروة | 2.5 – 3.5 | > 6 | عيوب المحامل المبكرة |
| التكوير | ~3 | > 6 (تنبيه)، > 10 (إنذار) | عيوب المحامل في مرحلة مبكرة جدًّا |
| من القمة إلى القمة | خاص بالآلة | وفقًا لمعايير ISO/الشركة المصنعة | إزاحة العمود، الخلوص |
التحويل السريع لفورييه (FFT)
كما يوحي الاسم، يقوم «التحويل السريع لفورييه» بتحويل الإشارة الزمنية إلى بيانات ترددية. فبدلاً من مراقبة كيفية تغير الاهتزاز بمرور الوقت، يمكنك معرفة مقدار الطاقة الموجودة عند كل تردد. وتكمن الفائدة في ذلك في أنه يمكنك تحديد أعطال الماكينة بسهولة، لأن العديد من المشكلات تحدث عند ترددات يمكن التنبؤ بها.
تعتمد دقة التحويل السريع فورييه (FFT) على كمية البيانات التي يتم جمعها. وهي تتبع العلاقة التالية:
الدقة (هرتز) = عدد العينات / معدل أخذ العينات
وبالتالي، فإن الإشارة الأطول توفر تفاصيل ترددية أفضل. لكن الجانب السلبي هو أنها تتطلب وقتًا أطول وقد تؤدي إلى ظهور تباينات غير مرغوب فيها.
فيما يلي بعض أنماط الأعطال الشائعة التي يمكنك تحديدها في التردد باستخدام هذا التحليل:
- التوافقيات المحورية، التي تظهر على شكل مضاعفات لسرعة الدوران
- يمكن تحديد عيوب المحامل، حيث إنها تولد ترددات محددة بناءً على تصميمها وسرعتها. وتشمل هذه الترددات تردد الحلقة الخارجية (BPFO)، وتردد الحلقة الداخلية (BPFI)، وتردد دوران الكرات (BSF)، وتردد القفص (FTF).
- تظهر أعطال التروس عند تردد تشابك التروس (GMF)، الذي يُحسب بناءً على سرعة العمود وعدد أسنان التروس. وفي هذه الحالة، تعني زيادة سعة تردد تشابك التروس (GMF) تآكلًا منتظمًا، بينما تمثل النطاقات الجانبية المحيطة بتردد تشابك التروس (GMF) تلفًا موضعيًّا.
تحليل المغلف
يُعرف تحليل الغلاف أيضًا باسم تقنية الرنين عالي التردد (HFRT). ويتمثل الاستخدام الرئيسي لهذا التحليل في الكشف المبكر عن عيوب المحامل. حيث يُصدر المحمل التالف نبضات صدمية دقيقة في كل مرة يمر فيها عنصر الدوران فوق العيب.
ونظرًا لأن هذه النبضات قصيرة جدًّا، فإنها لا تظهر عند تردد العيب. بل تظهر العيوب في رنينات ذات ترددات أعلى (2-20 كيلوهرتز).
ومع ذلك، للحصول على تحليل مغلف صحيح، من المهم اختيار النطاق الترددي المناسب. ويمكن القيام بذلك باستخدام «التكوير الطيفي». حيث يقوم «التكوير الطيفي» بمسح الترددات لتحديد الموضع الذي تكون فيه الإشارة أكثر اندفاعية.
تحليل الموجات الصغيرة والتحليل الزمني-الترددي
يعمل تحويل فورييه السريع (FFT) بشكل جيد مع الآلات التي تعمل بسرعة قياسية، لأنه يفترض أن الإشارة تظل ثابتة. ولكن ماذا لو كانت المعدات تعمل بسرعات مختلفة أو تعرضت لأعطال مفاجئة أو توقفات أو عمليات تشغيل؟ في جميع هذه السيناريوهات، يفشل تحويل فورييه السريع (FFT) في تلبية المتطلبات، وهنا يأتي دور تحويل فورييه قصير المدى (STFT) لإنقاذ الموقف.
يقوم التحليل الزمني القصير (STFT) بتقسيم الإشارات إلى مقاطع قصيرة متداخلة. ويُظهر الطيف الترددي الناتج كيف يتغير المحتوى الترددي بمرور الوقت. ومع ذلك، فإن هذه الطريقة تنطوي على قيد يتمثل في أن تحسين التفاصيل الزمنية يؤدي إلى انخفاض دقة التردد، والعكس صحيح.
تستخدم تحويلات الموجات الصغيرة (Wavelet) دوال مرنة تضبط حجمها وفقًا للتردد للتغلب على هذا القيد. وعندما يتم التقاط المكونات عالية التردد باستخدام نوافذ زمنية قصيرة، بينما تستخدم المكونات منخفضة التردد نوافذ أطول، فإن الموجات الصغيرة قادرة على اكتشاف الأحداث القصيرة، مثل الصدمات أو إشارات الأعطال المبكرة.
تحليل الطلبات للآلات ذات السرعة المتغيرة
يمكن للعديد من الأصول، مثل نظام الدفع في المركبات أو توربينات الرياح، أن تعمل بسرعات متفاوتة. وبالتالي، قد تتغير أيضًا الاهتزازات الناتجة أو الإشارات الأخرى. وهذا يجعل الرسوم البيانية للتردد غير واضحة وصعبة القراءة لأن الإشارات تتباعد عن بعضها. لكن هذا التغيير لا يشير بالضرورة إلى وجود مشكلة في المعدات.
يحل تحليل الترتيب هذه المشكلة من خلال تتبع الإشارات عبر المجال الزاوي — مثل الإشارات لكل دورة — بدلاً من المجال الزمني. ثم تتم مراقبة الإشارات باستخدام مقياس سرعة الدوران، الذي يقيس السرعة اللحظية للعمود.
وبهذه الطريقة، تُعرض الترددات بالترتيب بدلاً من الهرتز. ونتيجة لذلك، تظل المشكلات المرتبطة بدوران الآلة في نفس الموضع على الرسم البياني، حتى لو تغيرت السرعة. وهذا يجعل قراءة وفهم الطيف النهائي أسهل بكثير بالنسبة لمهندسي الصيانة.
تخزين وإدارة بيانات الحالة على نطاق واسع
لنفترض أن مصنعًا متوسط الحجم يحتاج إلى المراقبة المستمرة لـ 200 عنصر من الأصول. ويحتوي كل عنصر على جهاز قياس مزود بقناتين لقياس الاهتزاز وقناتين لقياس درجة الحرارة. ومن شأن ذلك أن يؤدي إلى أخذ عينات من حوالي 25,000 إشارة في الثانية، وتوليد ما يقارب 160 جيجابايت من البيانات الأولية يوميًا من قياسات الاهتزاز وحدها.
تخيل الآن مصفاة كبيرة تضم 2,000 عنصر خاضع للمراقبة، كل منها مزود بأجهزة استشعار متعددة. سيكون حجم البيانات التي يتم توليدها وإدارتها هائلاً. ولهذا السبب، فإن البنية التحتية لتخزين البيانات الخاصة بمراقبة الحالة ليست مسألة ثانوية، بل مشكلة هندسية أساسية تتعلق بالنظم. فهي تحدد بشكل مباشر نوع التحليلات الممكنة، ومدى إمكانية الرجوع إلى الوراء في التحقيق في الأسباب الجذرية، وتكلفة تشغيل البرنامج.
نظرًا للكم الهائل من البيانات، لن تكون قواعد البيانات العلائقية مثل PostgreSQL وOracle وSQL Server مناسبة لهذا الغرض. فقد صُممت قواعد البيانات هذه لتخزين البيانات المعاملاتية التي يتم تسجيلها وفقًا لمخطط ثابت وبكميات معتدلة.
تم تصميم قواعد بيانات السلاسل الزمنية خصيصًا لهذا النوع من أنماط الوصول. وهي تستفيد من تقنيات الضغط، وتحسين عمليات الكتابة، وتحسين استعلامات النطاقات الزمنية لتخزين وإدارة البيانات الشرطية على نطاق واسع.
يُعد وضع البيانات في سياقها أحد العوامل الأخرى التي تساعد في الحفاظ على البيانات. وهي عملية ربط البيانات التسلسلية الزمنية بالبيانات الأساسية للمعدات. وتحدد البيانات الأساسية الخصائص المادية للأصل، مثل نوعه وموقعه ومعايير تصميمه والمكونات المركبة فيه وسجل صيانته. وهذا الربط هو ما يتيح لنموذج التحليل حساب تواتر حدوث العيوب.
إليكم الشكل الذي تبدو عليه سلسلة التكييف السياقي:
| طبقة | النظام | كائن البيانات | مثال |
|---|---|---|---|
| القياس الميداني | جهاز استشعار / نظام التحكم الرقمي (DCS) | القيمة الأولية للعلامة | 4.8 ملم/ثانية في الساعة 14:32:07 |
| المؤرخ | PI / InfluxDB | وضع علامة مع الطابع الزمني | PMP-223.BRG-DE.VEL.RMS = 4.8 |
| إطار الأصول | PI AF / نظام إدارة الصيانة (CMMS) | ربط العلامات بالأصول | العلامة تخص المضخة رقم 223، موضع المحمل DE |
| سجل المعدات | SAP PM / EAM | سجل المعدات | المضخة رقم 223 = مضخة طرد مركزي، طراز XYZ-300، تم تركيبها عام 2017 |
| سجل المكونات | SAP / CMMS قائمة المواد (BOM) | سجل المكون | محمل DE = SKF 6312، زاوية التلامس 15 درجة، 8 عناصر تدحرج |
| سجل الصيانة | SAP PM / نظام إدارة الصيانة (CMMS) | سجلات أوامر العمل | آخر مرة تم فيها استبدال المحمل: 14 مارس 2022، WO 4500123456 |
على الرغم من وجود فريق متخصص في إدارة قواعد البيانات، فإن تخزين البيانات وصيانتها على هذا النطاق قد يمثل تحديًا. ويمكن للصناعات التي تعتمد بشكل كبير على الأصول أن تلجأ إلى مزودي الخدمات الخارجيين للمساعدة في تنقية البيانات الأساسية، وتوحيد البيانات الجديدة وتنظيمها، وتركيز كل شيء في مكان واحد لضمان تدفق سلس من طبقة أجهزة الاستشعار إلى نظام إدارة الأصول (EAM).
وضع خطوط أساس إحصائية باستخدام التحليل
بمجرد الانتهاء من إنشاء البنية التحتية اللازمة لتحويل بيانات أجهزة الاستشعار ونقلها إلى نظام التحليلات، تكون مشكلة التخزين والاسترجاع قد حُلّت. غير أن المشكلة الأصعب تكمن في تحديد خطوط الأساس أو قيم العتبة. تؤثر خطوط الأساس على ما إذا كان برنامج مراقبة الحالة سيمنع حدوث الأعطال أم سيكتفي بإصدار سيل من الإنذارات.
يمكنك تحديد القيم المرجعية استنادًا إلى معايير الخطورة. على سبيل المثال، تحدد المواصفة ISO 10816 — التي تم دمجها الآن في المواصفة ISO 20816 — حدودًا مطلقة لخطورة سرعة الاهتزاز الإجمالية المقاسة بمقياس RMS. ومع ذلك، فإن هذه الحدود تنطوي على قيود موثقة جيدًا.
وهي تنطبق فقط على متوسط الجذر التربيعي (RMS) لسرعة النطاق العريض، لكنها لا تتطرق إلى محتوى تردد الاهتزاز. وهذا يعني أنها لا تستطيع التمييز بين عدم التوازن، وعيوب المحامل، والرنين. وقد تنتج جميعها نفس القيمة الإجمالية لمتوسط الجذر التربيعي (RMS)، لكنها تتطلب إجراءات صيانة مختلفة.
وبالتالي، تعتمد العديد من فرق الصيانة والإصلاح والعمليات (MRO) على خطوط الأساس الديناميكية بدلاً من إطار عمل «التحكم الإحصائي في العمليات» (SPC). فبدلاً من الحدود الثابتة، يقوم نظام SPC بإنشاء خطوط أساس استناداً إلى البيانات التاريخية الخاصة بالآلة نفسها. ويقوم هذا النظام في المقام الأول بتتبع معلمتين رئيسيتين هما:
- المتوسط (μ): القيمة المتوسطة
- الانحراف المعياري (σ): التباين الطبيعي
وبناءً على ذلك، يمكن لفرق الصيانة حساب القيم المرجعية باستخدام μ±3σ. وإذا تجاوزت القراءات هذا المستوى، فهذا يشير إلى وجود عطل. ومن خلال ذلك، يقلل التحليل الإحصائي للعمليات (SPC) من الإنذارات الكاذبة باستخدام الطرق الشائعة التالية:
- مخطط شوهرت: يساعد في تحديد التغيرات الكبيرة المفاجئة
- CUSUM: يكتشف التآكل البطيء والتدريجي
- EWMA: تكتشف هذه الطريقة التغيرات الصغيرة المستمرة
- نطاق الحركة: يُستخدم نطاق الحركة لتحديد الزيادات في التباين
لإنشاء خطوط أساس ديناميكية، يتعين على المهندسين تتبع مؤشرات الأداء التي تستند إلى معايير متعددة. فالمؤشر الواحد لا يكفي لتوضيح الصورة الكاملة وراء العطل. ومن ناحية أخرى، فإن النظرة الشاملة التي يوفرها التحليل القائم على معايير متعددة ستساعد في ذلك إجراء تحليل فعال للأسباب الجذرية لمنع تكرار نفس الإخفاقات.
التكامل بين نظام إدارة الأصول (EAM) ونظام إدارة صيانة المعدات (CMMS) لإكمال الدورة
تتمثل الخطوة الأخيرة في سير عمل مراقبة الحالة في إغلاق الحلقة التي بدأت باسترداد بيانات أجهزة الاستشعار. فإذا اضطر الإنسان إلى مراقبة كل إنذار وإنشاء أوامر عمل لكل منها، فستصبح العملية مستهلكة للموارد. كما سيؤدي ذلك إلى حدوث ثغرات من شأنها أن تقلل من كفاءة مراقبة حالة الأصول بناءً على الحالة.
يجب دمج نموذج مراقبة الحالة مع نظام إدارة أصول المؤسسة (EAM). على سبيل المثال، يُعد نظام SAP PM (صيانة المنشآت) المنصة السائدة لإدارة أصول المؤسسة في الصناعات التي تعتمد بشكل مكثف على الأصول. وباعتبار نظام مراقبة الحالة المصدر، يمكن أتمتة نظام SAP PM من أجل دورة مستمرة لرصد حالة الأصول.
عندما يتم إصدار تنبيه صحي، يمكن للنظام إرساله إلى SAP PM عبر واجهة برمجة التطبيقات REST API من خلال SAP Integration Suite. سيؤدي ذلك إلى إنشاء إشعار في SAP PM يتضمن جميع التفاصيل المتعلقة بالأصل والمشكلة ذات الصلة. ثم يقوم النظام تلقائيًا بإنشاء أمر عمل حتى تتمكن فرق الصيانة من اتخاذ الإجراءات اللازمة.
| كائن SAP PM | الغرض من التكامل | بسبب | المجالات الرئيسية |
|---|---|---|---|
| إشعار رئيس الوزراء (M2) | تنبيه بشأن حالة السجل | حدث مراقبة الحالة | الموقع التشغيلي، وصف العطل، الأولوية |
| أمر رئيس الوزراء | تخطيط أعمال الصيانة وإصدار التصاريح اللازمة لها | مراجعة المخطط / الإنشاء التلقائي | مركز العمل، المهام المخطط لها، مكونات قائمة المواد، التواريخ |
| وثيقة القياس | تخزين قراءات الحالة في نظام SAP | المزامنة الدورية لبيانات الحالة | نقطة القياس، قيمة القراءة، الطابع الزمني |
| بند الصيانة | اربط قائمة المهام بالمعدات الخاصة بالمهام الدورية المتعلقة بحالة المعدات | الإعداد الأولي | المعدات، قائمة المهام، العداد |
| سجل المعدات | سجل المعدات مع البيانات الفنية | الإعداد الأولي / المزامنة المستمرة | فئة المعدات، الشركة المصنعة، المكونات المركبة |
كما يمكن لفرق الصيانة والإصلاح والعمليات (MRO) استخدام نظام «IBM Maximo» أو أنظمة إدارة الصيانة (CMMS) الأخرى لهذا الغرض.
وبهذا الشكل، تساعد مراقبة الحالة أيضًا في وضع جدول زمني مخطط لصيانة قطع الغيار. فلنفترض أن نموذج تدهور المحمل يتنبأ بحدوث عطل خلال 3 إلى 6 أسابيع بدرجة معقولة من الثقة. في هذه الحالة، يمكن لفرق المشتريات والصيانة العمل معًا لتجهيز قطع الغيار حتى قبل إصدار أمر العمل.
تربط سلسلة التكامل الخاصة بهذه الإمكانية منصة مراقبة الحالة بنظام إدارة مخزون الصيانة والإصلاح والتجديد (MRO)، مثل نظام MRO360 من شركة Verdantis.
تُعد هذه الحلقة المغلقة التجسيد العملي للصيانة التنبؤية. فهي تُحوّل تقييم الحالة الفنية للمعدات إلى إجراء ضمن سلسلة التوريد دون الحاجة إلى تدخل يدوي في كل خطوة. ومع ذلك، فإن ضعف البيانات الأساسية للمعدات — مثل أرقام قطع الغيار الخاطئة في قائمة المواد (BOM) أو الروابط غير المُحدَّثة بين سجلات المعدات وسجلات المواد الأساسية — قد يؤدي إلى انقطاع هذه السلسلة تمامًا.
المراقبة الآلية للحالة
هناك العديد من المهام التي يؤديها نظام مراقبة الحالة لتقييم حالة الأصول. لكن هذه المهام لا تؤتي ثمارها إلا عندما تُنفَّذ بطريقة منسقة ومستمرة. فإذا تم تنفيذ أي من هذه العمليات بمعزل عن غيرها، فلن تكون ذات فائدة تذكر.
لذلك، تستفيد أنظمة المراقبة الحديثة القائمة على الحالة من الأتمتة المعتمدة على الذكاء الاصطناعي. فهي تجمع بيانات أجهزة الاستشعار، وتقيّمها، وتحدد الأعطال الناشئة، وتُطلق إجراءات الصيانة دون الحاجة إلى قيام مهندس بشري بمراجعة كل تدفق بيانات يدويًّا يوميًّا.
هناك طرق مختلفة يمكن من خلالها للذكاء الاصطناعي (AI) أن يساعد ليس فقط في جمع البيانات وتخزينها، بل أيضًا في تحليلها للكشف عن أي حالات شاذة في الأنماط.
الكشف عن الحالات الشاذة دون إشراف
يُعد الكشف عن الحالات الشاذة دون إشراف إحدى الطرق لتحقيق ذلك. وفي هذه الحالة، لا تكون البيانات المستخدمة لتدريب نظام مراقبة الحالة مصنفة.
المشفرات الذاتية هي بنى شبكات عصبية تتألف من مشفر ومفكك. وبعد تدريبها على بيانات تشغيلية سليمة وأخرى ضعيفة، يمكن لهذه الشبكات اكتشاف أنماط في إشارات أجهزة الاستشعار في الوقت الفعلي. وإذا تجاوزت الإشارات أي عتبة، تستخدم المشفرات الذاتية هذه الإشارات لتشغيل إنذار آلي.
وبالمثل، هناك خوارزمية «غابة العزل» (Isolation Forest)، التي تستخدم الكشف عن الحالات الشاذة القائم على الأشجار وآلة المتجهات الداعمة أحادية الفئة (OCSVM). وجميع هذه النماذج هي نماذج ذكاء اصطناعي غير خاضعة للإشراف يمكن استخدامها في إطار المراقبة الآلية للحالة التشغيلية.
| الطراز | البيانات التدريبية المطلوبة | قابلية التفسير | قابلية التوسع | ضبط الحساسية |
|---|---|---|---|---|
| المشفّر الذاتي | بيانات المعدات الطبية فقط | منخفض (داخل الفضاء الكامن) | معتدل | عتبة خطأ إعادة البناء |
| المشفّر الذاتي التوافقي | بيانات المعدات الطبية فقط | منخفض | معتدل | عتبة خطأ إعادة البناء |
| غابة معزولة | قد تكون البيانات الواردة هنا مستمدة من أجهزة طبية أو من مصادر متنوعة | معتدل | مرتفع | معامل التلوث |
| OCSVM | بيانات المعدات الطبية فقط | منخفض إلى متوسط | منخفض (O(n²)) | المعلمة ν |
| قائم على تحليل المكونات الرئيسية (PCA) | بيانات المعدات الطبية فقط | مرتفع | مرتفع جدًّا | عتبة SPE / T² |
| المشفّر الذاتي LSTM | بيانات المعدات الطبية فقط | منخفض | معتدل | خطأ في إعادة بناء التسلسل |
تصنيف الأعطال تحت الإشراف
يتم إجراء تصنيف الأعطال الخاضع للإشراف باستخدام بيانات تدريب مصنفة. ويمكن أن يكون هذا الإجراء أكثر دقة في حال توفر بيانات مصنفة محددة لكل من ظروف التشغيل السليمة والسيئة. وهذا هو السبب أيضًا في أن وجود بيانات أساسية منظمة للصيانة أمر ضروري لكي تعمل هذه الأنواع من نماذج الذكاء الاصطناعي في أنظمة المراقبة الآلية للحالة التشغيلية.
تتوفر ثلاثة نماذج أساسية خاضعة للإشراف تُستخدم في مختلف القطاعات:
- الغابة العشوائية: تقوم تقنية «الغابة العشوائية» (Random Forest) بتدريب مجموعة من أشجار القرار على مجموعات فرعية عشوائية من بيانات التدريب ومساحة السمات. ثم تقوم بتجميع تنبؤاتها عن طريق التصويت. وبناءً على هذا التدريب، يمكن لـ«الغابة العشوائية» إخراج درجات الأهمية. وتُعد هذه الدرجات المؤشرات الأكثر تنبؤًا لكل نوع من أنواع الأعطال.
- آلات المتجهات الداعمة (SVMs): تُظهر آلات الدعم (SVMs) أداءً جيدًا بشكل خاص مع مجموعات البيانات المصنفة الأصغر حجمًا. وينطبق هذا بشكل خاص عندما يكون عدد السمات كبيرًا مقارنةً بعدد عينات التدريب، وهو أمر شائع في مجال مراقبة الحالة.
- الشبكات العصبية التلافيفية (CNNs): تُستخدم هذه الشبكات العصبية لتوليد صور استنادًا إلى إشارات أجهزة الاستشعار. كما يمكنها مطابقة هذه الصور مع البيانات المرجعية لتحديد الحالات الشاذة. تصف دراسة نُشرت في ScienceDirect إطارًا لرصد الحالة يدمج بيانات الاهتزاز في الوقت الفعلي مع الشبكات العصبية التلافيفية (CNN) لتمكين الكشف الآلي عن الأعطال والصيانة التنبؤية. ويقوم النظام المدرب بالكشف عن الأعطال في النظام المادي وتصنيفها بدقة. وهذا يدل على موثوقية وتعميم قويين.
توقع العمر الافتراضي المتبقي (RUL)
يمكن للذكاء الاصطناعي التنبؤ بالمدة التي يمكن أن يظل فيها الأصل صالحًا للاستخدام قبل حدوث عطل مؤقت أو تعطل كامل. ويتطلب التنبؤ بعمر الخدمة المتبقي (RUL) وضع نموذج لمسار التدهور بدءًا من الحالة الصحية الحالية وصولاً إلى العطل. وقد يكون هذا المسار غير مؤكد إلى حد كبير لأنه قد يختلف من آلة إلى أخرى.
بفضل تحليل البقاء على قيد الحياة وفقًا لنموذج ويبول، ونماذج المخاطر النسبية، وشبكات الذاكرة الطويلة والقصيرة المدى (LSTM)، يمكن للذكاء الاصطناعي المساعدة في رسم هذا المسار بدقة.
مراقبة الحالة وإنترنت الأشياء الصناعي (IIoT)
بالإضافة إلى الذكاء الاصطناعي، يُعد «إنترنت الأشياء الصناعي» (IIoT) تقنية أساسية للمراقبة الآلية القائمة على الحالة. وفي الواقع، فإن جميع أجهزة الاستشعار المستخدمة لجمع بيانات المعدات ومشاركتها تُعد بالفعل جزءًا من «إنترنت الأشياء».
يتيح استخدام هذين العنصرين معًا نقل البيانات بسلاسة عبر الأنظمة المتكاملة. وبفضل إنترنت الأشياء الصناعية (IIoT)، يمكن أن تصبح جميع الأصول ذكية ومترابطة. ويمكنها تبادل البيانات فيما بينها عبر منصات قائمة على السحابة لتوفير رؤية مركزية وشاملة لفرق الصيانة والإصلاح والعمليات (MRO).
علاوة على ذلك، يتيح إنترنت الأشياء الصناعي (IIoT) أيضًا التحكم في الآلات عن بُعد. لذا، إذا كانت إحدى الآلات على وشك التعطل قريبًا، فيجب على فرق الصيانة إيقاف تشغيلها عن بُعد لمنع حدوث مشكلات تتعلق بالسلامة وتعطل الآلة تمامًا.
كيفية وضع برنامج لمراقبة الحالة
يبدأ برنامج مراقبة الحالة بتقييم الأصول التي يجب تتبعها. وفي مرحلة ما، قد ترغب في تغطية أكبر عدد ممكن من الآلات. ومع ذلك، فمن الأفضل البدء على نطاق صغير والتوسع بكفاءة، بدلاً من محاولة تنفيذ مشروع ضخم ثم الفشل.
بمجرد أن تتعرف على المعدات التي يجب مراقبتها، إليك كيفية المضي قدمًا:
تركيب أجهزة الاستشعار
بمجرد تحديد الأصول التي يجب مراقبتها، ستحدد أيضًا المؤشرات الحيوية التي يجب تتبعها. وبناءً على ذلك، يجب عليك أولاً اختيار أجهزة استشعار قادرة على قياس المعلمات المطلوبة. وبالإضافة إلى عملية الاختيار، ركز على تحديد مواقع أجهزة الاستشعار لضمان التقاط الإشارات بدقة.
جمع البيانات
المهمة التالية التي يتعين القيام بها هي جمع البيانات. وتتمثل مهمتك الأولى في جمع البيانات الخاصة بالآلات التي تعمل في حالة صيانة مثالية. وسيساعد ذلك في وضع خطوط أساس أو معايير مرجعية للمقارنة أثناء عملية المراقبة القائمة على الحالة.
بمجرد حصولك على البيانات الأساسية، اضبطها بحيث يتم جمع البيانات بشكل مستمر أو على فترات منتظمة. ومن المهم ضمان الاتساق في هذا الصدد، حيث إن وجود ثغرات في البيانات قد يقلل من دقة التحليل.
| العملية | ماذا يحدث | لماذا هذا مهم؟ |
|---|---|---|
| جمع البيانات | ستقوم أجهزة الاستشعار المثبتة على الآلات والمتكاملة مع أنظمة مراقبة الحالة بإرسال إشارات أولية | وهذا أمر مهم للحصول على رؤية مستمرة لحالة الأصول |
| مزامنة الوقت | يقوم النظام بمواءمة البيانات الواردة من أجهزة استشعار وأصول متعددة | يتيح إجراء تحليل متعدد المعلمات للحصول على رؤية شاملة |
| التحقق من صحة البيانات | يقوم بتصفية الضوضاء والقراءات الخاطئة | يساعد في منع الإنذارات الكاذبة التي قد تؤدي إلى إهدار الوقت والموارد |
| التخزين | يخزن البيانات في الوقت الفعلي في النظام الخلفي لتحليلها واستخدامها في المستقبل | يدعم حلقة التغذية الراجعة، وتحليل الاتجاهات التاريخية، والنمذجة |
إنشاء منحنى P-F
يُعبَّر عن الفاصل الزمني بين نقطة الفشل الوظيفي (F) والنقطة التي يصبح عندها الفشل المحتمل قابلاً للكشف (P) من خلال منحنى P-F. ونظرًا لأنه يحدد مدى مبكَّرة اكتشاف العيب والمدة الزمنية المتاحة لاتخاذ الإجراءات اللازمة، فإنه يُعد فكرة أساسية في المراقبة القائمة على الحالة.
تم طرح هذا المفهوم لأول مرة في سبعينيات القرن الماضي لصالح شركة «يونايتد إيرلاينز» ووزارة الدفاع الأمريكية. ولكي تكون المراقبة القائمة على الحالة فعالة، يجب أن تتم خلال الفترة الزمنية الفاصلة بين العطل المحتمل والعطل المتوقع.
مراقبة الأصول
بمجرد تشغيل النظام، ابدأ في تنفيذ المراقبة القائمة على الحالة. وبناءً على البيانات التي تم جمعها، يمكن أن تشكل المعايير المرجعية عوامل تنبيه. وبناءً على هذه العوامل، يمكن للنظام إخطار الفرق المعنية وإصدار أوامر العمل.
تأثير مراقبة الحالة على الأعمال
تؤثر مراقبة الحالة بشكل مباشر على صافي أرباح الشركة.
- تقليل فترات التعطل: يُعد التوقف عن العمل من بين أكثر العواقب تكلفةً الناجمة عن تعطل المعدات. وتقلل مراقبة الحالة من احتمالية حدوث ذلك من خلال الكشف المبكر عن المشكلات المحتملة في الآلات.
- تحقيق نتائج أفضل في تخطيط الصيانة: بدلاً من الاعتماد على الافتراضات، يتم إصدار أوامر العمل استناداً إلى بيانات مرجعية تكشف عن أي انحرافات عن الظروف المثلى للعمل.
- زيادة العمر الافتراضي للأصول: مع تركيز فرق الصيانة والإصلاح والتجديد (MRO) على سلامة الأصول بدلاً من الجداول الزمنية الثابتة، يزداد العمر التشغيلي للآلة.
- تعزيز السلامة: أ مقال في صحيفة «ديكان هيرالد» تفيد التقارير بأن خمسة أشخاص أصيبوا بحروق جراء التعرض للبخار في مصنع بوكارو للصلب التابع لشركة SAIL. وهناك العديد من الحوادث المماثلة التي يؤدي فيها عطل في إحدى الآلات أو الأنظمة إلى وقوع إصابات، ويمكن لمراقبة الحالة أن تمنع حدوثها.
- تقليل التكاليف: خسائر الإنتاج، والإصلاحات الطارئة، وقطع الغيار العاجلة، وتعويضات العمال عن الإصابات، وما إلى ذلك، كلها تكاليف مختلفة يمكن تقليلها إلى أدنى حد.
ورغم أن مراقبة الحالة يمكن أن توفر كل هذه المزايا، فإن النتائج تعتمد على الطريقة التي تتبعها الشركات في جمع بيانات الماكينات وتخزينها. ويمكنك التعاون مع مزودي خدمات إدارة البيانات من الجهات الخارجية إذا كانت الخبرة الداخلية لدى شركتك غير كافية.
أ شركة كبيرة لإنتاج الأخشاب وقد حققت الشركة، التي تعمل عبر 25 مصنعًا، ذلك من خلال التعاون مع شركة «فيردانتيس». وبإيرادات بلغت $7 مليار، وقوة عاملة عالمية تتجاوز 13,000 موظف، سعت الشركة للحصول على المساعدة في مجالي تنقية البيانات وإدارتها.
ساعدت شركة «فيردانتيس» في توحيد وإدارة أكثر من 300,000 وحدة تخزين (SKU). كما قامت بتنفيذ نظام «فيردانتيس هارموني» من أجل إدارة البيانات آليًّا في المستقبل.
نظرة عامة على المراقبة القائمة على الحالة في الممارسة العملية
بمساعدة أجهزة الاستشعار والمعايير الأساسية، يمكن للأنظمة الآلية إصدار تنبيهات. لكن ما يبدو كتنبيه بسيط على لوحة التحكم هو في الواقع نتيجة لتضافر عدة مستويات من هندسة البيانات ومعالجة الإشارات ومنطق اتخاذ القرار، التي تعمل معًا في الخلفية.
ببساطة، تعمل أنظمة المراقبة القائمة على الحالة كحلقة مغلقة. حيث يتم جمع البيانات ومعالجتها وتحليلها، ثم إدخالها في سير عمل الصيانة. وبالتالي، فإن الأداء يعتمد على مدى جودة تكوين هذه الطبقات وتكاملها.
لنتخيل خط تعبئة عالي السرعة في مصنع يضم العديد من المحركات والناقلات وعلب التروس. وفي هذه الحالة، يُعد نظام تشغيل الناقل أحد أهم الأصول. وهو عبارة عن محرك كهربائي متصل بعلبة تروس ومجموعة أحزمة تعمل على تشغيل هذا النظام. وحتى أي عطل بسيط هنا يمكن أن يؤدي إلى توقف الخط بأكمله.
في النظام التقليدي، يكون لدى فريق الصيانة جداول زمنية محددة لفحص الحزام وعلبة التروس بالكامل. لكن بين هذه الفحوصات، يعمل النظام دون رقابة. لذا، إذا بدأ أحد المحامل داخل علبة التروس في التلف مباشرة بعد إجراء الفحص، فلن يُلاحظ ذلك حتى الفحص التالي أو حتى حدوث عطل.
على العكس من ذلك، لنفترض أن مستشعرات الاهتزاز قد تم تركيبها على المحرك وعلبة التروس. وبالمثل، توجد مستشعرات درجة الحرارة على المحامل، ومستشعرات جودة الزيت في نظام تزييت علبة التروس، ومستشعرات كهربائية تراقب حمل المحرك. في هذه الحالة، سيتم تغذية البيانات بشكل مستمر إلى أنظمة المراقبة. وسيتمكن فريق الصيانة من الاطلاع على مستوى الخطورة، ونوع العطل المحتمل، والإجراء الموصى به.
| المرحلة | ماذا يحدث | مثال من نظام النقل |
|---|---|---|
| جمع البيانات | ستقوم أجهزة الاستشعار بجمع الإشارات في الوقت الفعلي | تزداد سعة الاهتزاز بشكل طفيف في علبة التروس |
| معالجة الإشارات | في هذه الحالة، سيقوم النظام بتصفية التشويش وتثبيت الإشارات | سيتم إزالة الضوضاء الخلفية الناتجة عن إشارة الاهتزاز من أجل فهم أفضل |
| استخلاص السمات | يتم حساب المؤشرات الرئيسية | يمكن زيادة اهتزاز نظام RMS |
| مقارنة القيم الأساسية | مقارنة بين البيانات المجمعة في الوقت الفعلي بواسطة أجهزة الاستشعار والملف الطبيعي | تم الكشف عن انحراف عن النمط القياسي لاهتزاز علبة التروس |
| الارتباط | يتم تقييم عدة معلمات معًا | ومن الأمثلة على ذلك الارتفاع الطفيف في درجة الحرارة مصحوبًا بزيادة في الاهتزاز |
| الكشف عن الحالات الشاذة | يقوم النظام بالإبلاغ عن أي سلوك غير طبيعي يتم رصده في هذه المرحلة | قد يشير التحليل إلى وجود تآكل في المحامل في مرحلة مبكرة |
| إنشاء التنبيهات | تحتوي معظم الأدوات الحديثة على ميزة التنبيه التلقائي التي ترسل إشعارًا إلى فريق الصيانة | سيتم تشغيل تنبيه تحذيري في لوحة التحكم |
| إنشاء أمر العمل | سيقوم فريق الصيانة بإصدار أمر عمل لإجراء الإصلاح أو الفحص | يتم تحديد موعد الفحص بناءً على درجة الخطورة والإلحاحية |
لمن تُعد مراقبة الحالة؟
تحقق مراقبة الحالة أفضل النتائج في الصناعات التي تعتمد بشكل كبير على الأصول، مثل:
الصناعات التحويلية الثقيلة
تعتمد منشآت التصنيع الثقيل على آلات ضخمة ومترابطة، مثل المطاحن وناقلات البضائع والمعدات الدوارة. وحتى مصانع التصنيع الصغيرة قد تطورت لتستخدم بعض الآلات إما لأتمتة العمل بالكامل أو للمساعدة في الأعمال اليدوية. وبالتالي، تُعد الأصول عنصراً أساسياً في صناعة التصنيع لضمان استمرار الإنتاج.
تقوم عملية مراقبة الحالة بتتبع الاهتزازات ومستويات الزيت ودرجة الحرارة وغيرها من العوامل في جميع هذه الأنظمة. ويساعد ذلك في الكشف المبكر عن المشكلات التي قد تؤدي لاحقًا إلى حدوث أعطال وتوقف الإنتاج.
الأطعمة والمشروبات
وعلى عكس القطاعات الأخرى، ترتبط موثوقية المعدات في قطاع الأغذية والمشروبات أيضًا بجودة المنتج وامتثاله للمعايير. فيجب أن تستوفي الخلاطات والمضخات ووحدات التبريد وأنظمة التعبئة والتغليف معايير النظافة الصارمة مع ضمان تشغيلها بأفضل كفاءة ممكنة. وتتمثل إحدى طرق ضمان ذلك في تتبع ما إذا كانت المعدات تعمل ضمن المعايير المحددة، ويمكن أن تساعد مراقبة الحالة في تحقيق ذلك.
النفط والغاز
تتعرض المعدات المستخدمة في صناعة النفط والغاز لأعلى مخاطر التعطل بسبب ظروف التشغيل. فالضواغط والتوربينات وخطوط الأنابيب وآلات الحفر تعمل في ظروف خطرة وبعيدة عن المراكز السكنية. بل إنه من المستحيل على فرق الصيانة فحص هذه المعدات بانتظام أثناء تشغيلها.
توفر مراقبة الحالة رؤية مستمرة لحالة الأصول دون الحاجة إلى إجراء فحص مادي مستمر. ونظرًا لأن العديد من الأصول تعمل في ظروف قاسية، فإن الكشف المبكر يعد أمرًا بالغ الأهمية في هذا القطاع.
توليد الطاقة
تشمل الأصول الرئيسية لقطاع توليد الطاقة التوربينات والمولدات والمحولات وأنظمة التبريد. ويكشف تحليل الاهتزازات عن أعطال التوربينات والمولدات، بينما تكتشف المراقبة الحرارية حالات ارتفاع درجة الحرارة الزائدة في المكونات الكهربائية. وتضمن المراقبة المستمرة الكشف المبكر حتى عن الانحرافات الطفيفة.
العائد على الاستثمار من تطبيق نظام مراقبة الحالة
لا يقتصر حساب عائد الاستثمار (ROI) الناتج عن تطبيق نظام مراقبة الحالة على مجرد مقارنة التكاليف بالوفورات. بل ينبغي أن يركز بشكل أكبر على القيمة التي يولدها هذا النظام. تفشل معظم الشركات في حساب العائد الحقيقي على الاستثمار بسبب تركيزها المفرط على الوفورات في تكاليف الصيانة. إلى جانب ذلك، يجب أيضًا مراعاة عوامل أخرى مثل تقليل فترات التعطل، وتحسين حالة الأصول، وزيادة الطاقة الإنتاجية، وغيرها.
يجب أن تبدأ بنموذج أساسي يشمل تكلفة التوقف عن العمل، وتكرار الأعطال، وتكاليف العمالة الخاصة بالصيانة، ومشكلات الجودة. يمكنك بعد ذلك تحويل المقاييس الفنية إلى نتائج مالية.
إليكم الشكل الذي تبدو عليه سلسلة التكييف السياقي:
| المقياس الفني | الترجمة المالية |
|---|---|
| انخفاض معدل الأعطال | سيؤدي ذلك إلى زيادة وقت التشغيل والقدرة الإنتاجية |
| الكشف المبكر عن الأعطال | يمنع الكشف المبكر حدوث أعطال كارثية وما يترتب عليها من تكاليف إصلاح أو استبدال |
| تخطيط أفضل لأعمال الصيانة | يقلل من تكاليف العمل الإضافي والصيانة الطارئة |
| تحسين حالة الأصول | وهذا يوفر المال من خلال زيادة عمر الأصول |
ومن الأمور المهمة الأخرى التي يجب أخذها في الاعتبار هنا أن عائد الاستثمار يزداد مع توسع نطاق العمل ونضجه. فمع مرور الوقت، يمكن أن توفر مراقبة الحالة عائد استثمار بنسبة 5:1 أو 10:1، ليرتفع إلى 25:1 على مدى ثلاث إلى خمس سنوات. ورغم أن هذا النطاق تقريبي، إلا أن عائد الاستثمار الفعلي قد يختلف بناءً على مدى كفاءة تنفيذك لمراقبة الحالة والاستفادة منها.
مشكلة أساس البيانات وحلها
إن مجرد تركيب أجهزة الاستشعار على الأصول واستخراج البيانات في الوقت الفعلي لن يمنحك أفضل النتائج في مجال مراقبة الحالة. ورغم أن معظم عمليات التخطيط تتم بالاعتماد على البيانات في الوقت الفعلي، إلا أن هناك حاجة أيضًا إلى تنظيم هذه البيانات وتوحيد معاييرها من أجل تخزينها واستخدامها في المستقبل.
على سبيل المثال، لنفترض أن أحد حلول المراقبة القائمة على الحالة اكتشف خللاً في الاهتزاز. ومع ذلك، لا يستطيع النظام تحديد المحمل الذي تسبب في إطلاق التنبيه لأن قائمة المواد (BOM) الخاصة بالمعدات تتضمن رقم قطعة غيار خاطئًا. وهذا لن يؤدي إلا إلى زيادة التكرار بدلاً من المساعدة في منع تعطل المعدات.
تعد تقنية المستشعرات وخوارزميات معالجة الإشارات ونماذج التعلم الآلي ومسارات OPC-UA أمورًا ضرورية جميعها، لكنها تقوم جميعًا على أساس من البيانات الدقيقة.
تعد عدم اكتمال البيانات الأساسية للمعدات إحدى أكثر المشكلات انتشارًا. ففي الواقع العملي، قد تحتوي السجلات الأساسية للمعدات في نظام SAP PM وأنظمة إدارة الأصول (EAM) المماثلة على حقول سمات غير مكتملة. وبالمثل، فإن تكرار قطع غيار الصيانة والإصلاح والتجديد (MRO)، وعدم دقة قوائم المواد (BOM)، والتناقضات في البيانات بين المواقع المختلفة، كلها عوامل يمكن أن تؤثر على جودة البيانات وتؤثر بدورها على نتائج المراقبة القائمة على الحالة.
يمكن لشركة «فيردانتيس» المساعدة في التغلب على هذه التحديات بفضل حلولها التي تستند إلى سنوات من الخبرة والتميز. فعلى سبيل المثال، يمكن لبرنامج «فيردانتيس هارمونايز» معالجة مشكلة تنقية البيانات التاريخية.
تقوم المنصة القائمة على السحابة باستيعاب سجلات البيانات الرئيسية القديمة من أنظمة SAP وOracle وIBM Maximo وأنظمة تخطيط موارد المؤسسات (ERP) وإدارة الأصول المؤسسية (EAM) الأخرى. ثم تُطبق مزيجًا من المعالجة المدعومة بالذكاء الاصطناعي والمراجعة من قِبل خبراء بشريين لتوحيد تلك السجلات وإثرائها وإزالة التكرارات منها وتصنيفها وفقًا لنظام تصنيف محدد مسبقًا.
في حين أن «Verdantis Harmonize» يحل مشكلة البيانات التاريخية، فإن «Verdantis Integrity» يعالج مسألة الحوكمة المستمرة. يعمل «Integrity» كطبقة حوكمة إضافية مدمجة مع أنظمة تخطيط موارد المؤسسة (ERP) وإدارة الأصول (EAM) الخاصة بكم. فعندما يكون هناك سجل مادة جديد على وشك الإنشاء في نظام SAP، يقوم «Integrity» باعتراض طلب الإنشاء وتطبيق سير عمل للتحقق من الصحة قبل أن يتم تسجيل السجل في نظام تخطيط موارد المؤسسة (ERP).
كل هذا يتجسد في منصتنا MRO360. وتشتمل حزمة MDM الخاصة بها على كل من «Harmonize» و«Integrity» لضمان الحصول على بيانات نظيفة ودقيقة. وهذا يمكّن فرق الصيانة والإصلاح والعمليات (MRO) من الاستفادة من قاعدة بيانات نظيفة للمراقبة القائمة على الحالة، مما يدعم اتخاذ قرارات تشغيلية مستنيرة.
الخلاصة
تعد مراقبة الحالة أحد أكثر التخصصات تطلبًا من الناحية التقنية في العمليات الصناعية. ورغم ما تقدمه من فوائد عديدة، فإنها تتطلب أيضًا كفاءات تشمل علوم القياس الفيزيائي، ومعالجة الإشارات عالية التردد، والنمذجة الإحصائية، والتعلم الآلي، والشبكات الصناعية، والبنية التحتية للبيانات، وتكامل أنظمة المؤسسات.
قلة قليلة جدًا من المؤسسات تمتلك كل هذه القدرات مجتمعة في مكان واحد. وهناك عدد أقل من ذلك بكثير من المؤسسات التي تمتلكها مجتمعةً على أساس بيانات نظيف بما يكفي لضمان الأداء الأمثل.
هذه هي مشكلة البنية التحتية التي أمضت شركة «فيردانتيس» عقدين من الزمن في حلها لصالح المؤسسات التي تعتمد بشكل مكثف على الأصول. فبرامج مراقبة الحالة التي تستند إلى بيانات أساسية نظيفة وخاضعة للرقابة ومُثريّة تتفوق باستمرار في أدائها على البرامج التي لا تستند إلى مثل هذه البيانات.
تواصل مع خبرائنا لتتعرف على الكيفية التي يمكن أن تساعدك بها شركة «فيردانتيس» في إنشاء قاعدة بيانات أساسية لتنفيذ حلول مراقبة الحالة.
الأسئلة الشائعة (FAQs)
ما هي العناصر الخمسة لرصد الحالة؟
العناصر الخمسة الأساسية لرصد الحالة هي: جمع البيانات، وتحليل البيانات، وإصدار التنبيهات، وتخطيط الصيانة، والتحسين المستمر. وتتيح هذه العناصر مجتمعة اتباع نهج استباقي لرصد حالة الماكينة بشكل مستمر من أجل تحقيق التشغيل الأمثل.
ما الفرق بين PdM وCBM؟
يُعد كل من الصيانة التنبؤية (PdM) والمراقبة القائمة على الحالة (CDM) نهجين للصيانة الاستباقية. ومع ذلك، فإنهما يختلفان من حيث التوقيت والتكنولوجيا. حيث تقوم الصيانة التنبؤية بجمع بيانات أجهزة الاستشعار والتنبؤ بحدوث الأعطال من خلال تحليلها. من ناحية أخرى، تركز المراقبة القائمة على الحالة (CDM) على مقارنة البيانات في الوقت الفعلي بقيمة عتبة محددة للكشف عن اللحظة التي تنخفض فيها حالة الماكينة أو قطعة المعدات عن المستوى الأمثل.
ما هي أنواع المراقبة الخمسة؟
في مجالات الصيانة والإصلاح والعمليات، تشمل الأنواع الشائعة لتقنيات المراقبة مراقبة الاهتزازات ودرجة الحرارة والضغط ومستويات الزيت والموجات فوق الصوتية. ومع ذلك، هناك العديد من الجوانب الأخرى للأصول التي يمكن لفرق الصيانة والإصلاح والعمليات (MRO) مراقبتها.
