Predictive Maintenance
Predictive Maintenance คือ มักจะเป็นกระบวนการที่ต่อเนื่องมาจากการบำรุงรักษาตามสภาพหรือเชิงคาดการณ์ ซึ่งข้อมูลต่าง ๆ ที่ได้จากระบบการตรวจวัดและเฝ้าระวัง จะถูกเก็บสะสมและนำมาวิเคราะห์อย่างต่อเนื่องถึงความเป็นไปได้ที่จะเกิดอาการเสียหายของเครื่องจักรในอนาคต ชนิดและรูปแบบของข้อมูลอาจเปลี่ยนไปตามประเภท และการใช้งานเครื่องจักร ข้อดีของการบำรุงรักษาเชิงพยากรณ์คือ ความสามารถในการวางแผนการหยุดเครื่องจักรเพื่อซ่อมบำรุงได้ก่อนที่เครื่องจักรนั้นจะแสดงอาการเสียหายออกมา ซึ่งเป็นส่วนหนึ่งของการคงคุณลักษณะของชิ้นงานที่ถูกผลิตออกมาจากเครื่องจักรนั้น เป็นการลดความเสี่ยงของการถูกคัดออกของชิ้นงานที่ไม่เป็นไปตามข้อกำหนด ช่วยลดต้นทุนของเสียของสายการผลิต ความสำเร็จของการบำรุงรักษาเชิงพยากรณ์เกิดจากการเก็บข้อมูลจากเครื่องจักรอย่างถูกต้องและเพียงพอ ต้องมีการนำข้อมูลมาวิเคราะห์โดยผู้เชี่ยวชาญ หรือโดยระบบเครื่องมือพิเศษ
วิธีการทำ
- การติดตามการสั่นสะเทือนและวิเคราะห์ผล (Vibration monitoring and Analysis)
- เทอร์โมกราฟฟี (Thermography)
- การศึกษาเกี่ยวการแรงเสียดทานบนเครื่องจักรและ การหล่อลื่น (Tribology)
- การตรวจสอบด้วยสายตา (Visual inspections)
- อุลตร้าโซนิคส์ (Ultrasonic)
- เทคนิคอื่น ๆ (Other technique)
การรวบรวมข้อมูลจากอุปกรณ์ IoT
การที่เราจะทำ Predictive Maintenance ได้นั้นจะเห็นว่าต้องมีการรวบรวมข้อมูลจำนวนมาก ซึ่งขบวนการรวมข้อมูล จะเป็นไปได้ก็ต้องอาศัยอุปกรณ์ IoT เป็นตัววัดค่าต่างๆ ที่เราต้องการ หลังจากเราได้ข้อมูลมาแล้วการนำข้อมูลไปจัดเก็บ และ วิเคราะห์ เป็นอีกเรื่องที่ต้องมีระบบมารองรับ
ระบบ Azure IoT สามารถจัดเก็บข้อมูลจากอุปกรณ์ IoT ด้วยการทำ Config ที่ใช้เวลาไม่มาก ประหยัดค่าใช้จ่าย
ระบบ AI ( Machine Learning ) จะมาช่วยนำเข้อมูลที่เก็บไว้มาทำการวิเคราะห์ต่อไป
