בינה מלאכותית לתחזוקה חזויה במפעל

תחזוקה מונעת ותחזוקה חזויה הן שתי דרכים פרואקטיביות לניטור מצבם של ציוד ומכונות במפעל. במודל של תחזוקה מונעת, חברות מעריכות את מצב המכונות במרווחי זמן קבועים, ללא קשר להיקף או לתדירות השימוש בציוד. לוחות הזמנים מבוססים בדרך כלל על נתונים היסטוריים והמלצות מהספקים, ונבנים לפי כללים קבועים מראש. המשתנה היחיד הוא פרק הזמן שחלף מאז הבדיקה הקודמת.

הגישה הזו עדיפה על תחזוקה תגובתית בלבד, אך נשענת על המלצות כלליות המבוססות על מאגר נתונים צר. למשל, היא עלולה להמליץ להחליף רכיב חשוב (ויעל) בלי להתחשב בגורמים עדינים שעשויים ללמד שחיי הרכיב עוד לא הסתיימו. כמו בתחזוקה תגובתית, גם כאן עלולה להיות תחזוקת־יתר שגורמת השבתות מיותרות והוצאות שאינן נחוצות.

לעומת זאת במודל של תחזוקה חזויה, הציוד מנוטר באופן רציף בעזרת נתונים שמועברים מחיישני המכונה לתוכנות לניטור ביצועים. אלגוריתמים של בינה מלאכותית מנתחים כמויות עצומות של נתונים - טמפרטורה, רטט, לחץ ורמות נוזלים - כדי לבנות מודלים מדויקים של בריאות המכונה וביצועיה. בעקבות זאת אפשר לחזות תקלות ברמת ודאות גבוהה יותר ולקבל המלצות מועילות יותר לגבי מה לתקן ומתי. בניגוד לתחזוקה מונעת המודרכת על ידי כללים נוקשים, תחזוקה חזויה נשענת על ניטור בזמן אמת ומסוגלת להגיב באופן דינמי, לאתר בעיות צפויות, להבין את הסיבות השורשיות ולספק המלצות לתיקונים.

יצרן אחד המתמחה בהזרקת פלסטיק משתמש בתחזוקה חזויה כדי לאתר אנומליות ברובוטים ובמכונות ההזרקה ולטפל בהן. על ידי ניטור קפדני של מצב המכונה ואיכות החלקים, החברה מצליחה לצמצם את זמן התחזוקה ולהפנות עובדים לפיתוח מוצרים חדשים ולשיפור תהליכי עבודה.

באופן טיפוסי, חברות נוטות ליישם תחזוקה חזויה בציוד שבו כשל עלול לגרום נזק כבד בזמן השבתה או לפגוע בעובדים או בחיי אדם. לדוגמה, אם הפסקת פעילות של תחנת משנה חשמלית תשאיר אלפי אנשים ללא חשמל, חברת החשמל עשויה להשקיע בתחזוקה חזויה מתקדמת תוך שימוש בכלי בינה מלאכותית. לעומת זאת בציוד פחות קריטי נוטים להישאר עם תחזוקה מונעת, ולעיתים משכללים את הכללים כדי להפיק נתונים מדויקים יותר לטובת תכנון תחזוקה.

בינה מלאכותית מניעה את עולם התחזוקה החזויה בתחומים כגון ייצור, ניהול ציים, משלוחים, כרייה, מיחזור ואנרגיה, תחומים הנשענים על מכונות מתוחכמות. חברות יכולות לבנות מודלים אוטומטיים לניטור מצב הציוד, גילוי חריגות, חיזוי תקלות והשבתות, תיעדוף ותכנון של תחזוקה, אופטימיזציה של שימוש באנרגיה והמלצה על פעולות מתקנות.

מניעת השבתות

באמצעות איסוף נתונים, כולל ביצועים היסטוריים ונתונים בזמן אמת מנכסים מחוברים, תחזוקה חזויה מבוססת AI מצמצמת השבתות יקרות. האלגוריתמים מנתחים נתונים בזמן אמת ושולחים דוחות לצוותי המפעל, עם התרעות על סימני כשל. למשל, התחממות יתר של מכונות או תנודות מתח חריגות.

חברת אלומיניום גדולה פרסה כלי AI לניטור רובוטים וציוד במפעלי ההתכה. העובדים מקבלים התרעות תחזוקה שבועיים מראש לפחות, למשל על מנועי מסור שמאבדים ביצועים עקב רכיבים רופפים. בכל מקרה כזה נמנעות 12 שעות של השבתה בלתי מתוכננת.

יצרנים חייבים לנטר את מצב הציוד כדי להבטיח פעולה חלקה. אלגוריתמים של בינה מלאכותית מזהים מצבים רגילים וחריגים במהירות ובדיוק גבוה יותר מטכנולוגיות ישנות. המערכות מנתחות נתונים בזמן אמת, חושפות תבניות רלוונטיות וחוזות כשלים כדי להקדים השבתות. הן גם מסייעות לקבוע סדרי עדיפויות בתחזוקה על סמך המצב ברגע נתון, ולא על בסיס לוח זמנים קבוע מראש.

עד לא מזמן זוהו חריגות באמצעות מערכות מבוססות כללים שהשתמשו בספים קבועים כדי לאתר חריגות ולחזות תקלות. למשל, אם רמת הרטט של מכונה חרגה מהתקן שנקבע ב־ISO, הדבר דווח והומלצה תחזוקה. אך ציוד מורכב מייצר כמויות אדירות של נתונים, לא רק רטט אלא גם טמפרטורה, לחץ, חום ועוד, מה שמקשה על מערכות ישנות לפרש נכון את המידע.

לעומתן מערכות AI לא רק אוספות ומנתחות את הנתונים אלא גם לומדות מהם. במקום להסתפק בדיווח על חריגה קיימת, אנליטיקה מבוססת AI עשויה לזהות גם את האות הקלוש ביותר להסטה בביצועים, ולחוש בבעיה מתפתחת עוד לפני שתגרום הפרעה ממשית.

הבינה המלאכותית מתבססת על ביצועים היסטוריים ועל נתוני חיישנים בזמן אמת כדי ליצור מודלים חזויים של שחיקת ציוד, וכך לסייע לחברות להימנע מכשל מוחלט של מכונה. ככל שהמודל "ניזון" מנתונים נוספים, כך הוא משתפר, מסתגל ומנבא בדיוק רב יותר. למידת עומק לחיזוי תקלות מוצאת קשרים שאינם מתגלים בשיטות ישנות או בתצפיות אנושיות.

חברת שילוח בינלאומית גדולה משתמשת במערכת AI לחיזוי כשלים ביותר מ־30 סוגי מכונות במיתקני המיון שלה, כולל תקלות בתיבות הילוכים, קרעים ברצועות ובעיות יקרות נוספות. החברה מעריכה כי המערכת חוסכת לה מיליוני דולרים בשנה.

תיעדוף, חיזוי וחיסכון אנרגטי

AI משפרת את תחזוקת התכנון על ידי איתור בעיות, קביעת סדרי עדיפויות והתאמת לוחות זמנים, והכול בזמן אמת. במקום להתמקד בבעיות קיימות או בלוחות זמנים המבוססים על העבר, תחזוקה חזויה מונעת AI מלמדת מה צפוי לקרות אם המצב הנוכחי יישאר כפי שהוא, ומציגה צעדים פרואקטיביים שאפשר לנקוט כדי להגיע לתוצאות טובות יותר.

ככל שמכונות מתיישנות, היעילות האנרגטית שלהן פוחתת והן צורכות יותר אנרגיה לאותה תפוקה. בארה"ב למשל מערכות אוויר דחוס לא יעילות מבזבזות 3.2 מיליארד דולר בשנה, כך לפי מכון האוויר והגז הדחוס. באמצעות תחזוקה חזויה מבוססת AI, יצרנים יכולים לאתר ליקויים בציוד ולתזמן תיקונים שימנעו בזבוז אנרגיה או לפחות ידחו את הצורך בגריטה ובתיקונים חוזרים. פורד מוטור למשל מסתמכת על AI לאופטימיזציית אנרגיה במפעליה, תוך שילוב בינה מלאכותית ותאומים דיגיטליים לאיתור בזבוז וחיפוש דרכים לצמצומו.

טכנולוגיות ראייה ממוחשבת מאפשרות למחשבים "לראות". כך יצרן יכול לאמן כלי AI לנתח סרטונים המנטרים את מצב המכונות. באמצעות אלגוריתמים לעיבוד תמונה, התמונות נהפכות למידע שמעשיר את הנתונים הקיימים. למשל, לאתר סימני שחיקה עדינים, חלקים שאינם מיושרים, רכיבים חסרים ואפילו אריזות פגומות על מדפים. המידע החזותי מסייע הן לזהות את שורש הבעיה והן להציע דרכי טיפול מיטביות.

לפרטים נוספים