予兆保全は、ビッグデータやIIoT、スマート製造など、今、注目されているコンセプトに基づいた現在最も重要なアプリケーションのシナリオです。これは、前述にあげたコンセプトを理解するための代表的な事例としよく用いられます。
実際、予兆保全は機械学習や感覚の収集といったコアなキーテクノロジーに関わってくるため、必要となる装置や機器の稼働データは非常に重要です。データは情報量が多いのもやリアルタイム性または正確性が重要とされるものがあります。
メンテナンス管理は、事後保全や予防保全から始まり、状態を基にした保全を経てインテリジェントな予兆保全の段階に向かいます。
よって、真の予兆保全が実現すれば、潜在的な障害を早期に発見でき、事故を回避するための予防策を講じることができます。これにより、設備の安全な運用を確保できるだけでなく、将来の障害を予測し、適切なメンテナンス計画を立案できます。その結果、余計なメンテナンスを行うことがなくなるので、メンテナンスコストを削減することができます。特に、状態を基にした保全と予兆保全については、機器自体の稼働情報に関する情報やデータが、高度なメンテナンスを行うための基礎となると考えられています。
データの蓄積
機器から様々な種類と量のステータスデータをリアルタイムで蓄積することは、機器のメカニズムモデルや障害モデルの確率に不可欠であり、装置のセルフラーニングを完璧に行うための絶対条件です。
一般的に呼ばれる「機器の状態監視」とは、振動やノイズ、電流、温度、オイルの品質など、稼働中の機器の状態パラメータを定期的または継続的に監視し、関連するパラメータを分析することです。これにより、効果的なシステムの自動監視分析や機器の稼働状態に沿ったマニュアル操作が可能です。つまり、適切な自己診断情報を解析・理解し、メンテナンス作業を明確に導くことができます。
統計によると、予兆保全によって全体的な生産性を2～40%増加し、メンテナンスコストを7～60%削減したというデータがあります。また、機器の寿命を1～10倍延長させ、保守品の在庫を10～60%減らし、エネルギー消費を5～15%削減したいという結果もあります。さらに、ダウンタイムを最大70%削減した事例もあります。
1. 振動; 2. 接触温度; 3. 湿度; 4.気圧
BCM - データ収集の武器
まず最初に、バルーフの状態監視センサ BCMは振動や温度、相対湿度、気圧などの様々なデータを収集するマルチファンクションを備え、物理的な値の変化を検出できます。そのため、状態監視のためのデータの種類や量を減らすことができます。
次に、BCMは1つのセンサ内部で大量の生データをエッジ処理し、評価と分析の基準を提供します。
さらに、必要なデータのみをメインシステムに送信し、かんたんなパラメータ設定でデータ評価を行えるよう、BCMはIO-Linkで双方向通信をサポートしています。
AIやビックデータ、IoTの発展に伴い、予兆保全は新たな規範となるでしょう。FAのセンサと検査の専門家として、バルーフはこの方向性への強力な技術的サポートを提供します。
