Predictive Maintenance: การทำนายหรือคาดการณ์การเสียของเครื่องจักร


Share this article

https://www.viziya.com/resource/reactive-vs-preventive-vs-predictive-maintenance/

 

การบำรุงรักษาเชิงพยากรณ์ หมายถึงการทำนายหรือคาดการณ์การเสียของเครื่องจักร โดยใช้ข้อมูลในอดีตและข้อมูลจากการวัดผลของเครื่องจักรโดยใช้เครื่องมือต่าง ๆ ซึ่งทำให้ได้ข้อมูลที่สามารถนำมาใช้ในการทำนายระยะเวลาที่เครื่องจะเสีย หรือความน่าจะเป็นที่เครื่องจักรจะเสียในระยะเวลาที่กำหนด เพื่อให้สามารถจัดการวางแผนการซ่อมบำรุงเครื่องจักรได้ก่อนเวลาที่เครื่องจักรจะชำรุด และทำให้เจ้าของเครื่องจักร ไม่จำเป็นต้องเสียเงินจำนวนมากในการซ่อมบำรุงแบบกะทันหัน (break-down maintenance) การบำรุงรักษาเชิงพยากรณ์ อาจมีความคล้ายคลึงกับ การบำรุงรักษาเชิงป้องกัน (preventive maintenance) แต่ความแตกต่างคือ การบำรุงรักษาเชิงป้องกัน อาจจะทำการบำรุงรักษาเครื่องจักรตามระยะเวลาที่กำหนดขึ้นเท่านั้นก็ได้ ซึ่งระยะเวลาดังกล่าวนั้นอาจจะได้มาจากประสบการณ์หรือคู่มือการใช้งานของเครื่องจักร โดยไม่จำเป็นต้องอิงข้อมูลสถานะเครื่องจักรในปัจจุบัน

 

 

ความสำคัญของการบำรุงรักษาเชิงพยากรณ์ ตัวอย่างเช่น หากมีบริษัทหนึ่งต้องใช้เครื่องจักรเป็นจำนวนมากในการผลิตสินค้าเพื่อนำไปขายให้กับลูกค้า แต่ว่าเครื่องจักรที่ใช้มีปัญหาชำรุดอยู่บ่อยครั้งทำให้ต้องเสียเงินในการซ่อมบำรุงเครื่องจักรที่เสียอย่างกะทันหันตลอดเวลา และยังส่งผลไปถึงการผลิตสินค้าเพื่อนำไปขายให้ลูกค้าได้ช้าลงทำให้ลูกค้าไม่พอใจ ซึ่งในกรณีนี้หากนำเอากระบวนการการบำรุงรักษาเชิงพยากรณ์มาใช้ จะทำให้บริษัทสามารถคาดการณ์ได้ว่า เมื่อไหร่ที่บริษัทจะต้องทำการซ่อมบำรุงเครื่องจักรก่อนที่จะชำรุด รวมไปถึงการกำจัดชิ้นส่วนไม่จำเป็นที่ส่งผลต่อการเสียของเครื่องจักร นอกจากนี้ยังสามารถเพิ่มระยะเวลาการใช้งานของเครื่องจักร โดยการใช้ผลลัพธ์ที่ได้จากการบำรุงรักษาเชิงพยากรณ์ กระบวนการนี้ทำให้บริษัทลดความเสี่ยงในกระบวนการผลิต ลดเวลาที่ใช้ในการซ่อมบำรุง ควบคุมค่าใช้จ่ายในการซ่อมบำรุง พัฒนาภาพลักษณ์ขององค์กร ลดค่าใช้จ่ายในการกักตุนวัสดุโดยการทำนายเวลาที่จะสั่งซื้อ รวมถึงค้นพบรูปแบบต่างๆ ที่เกี่ยวข้องกับปัญหาการซ่อมบำรุง

 

สำหรับขั้นตอนในการทำการบำรุงรักษาเชิงพยากรณ์ มีทั้งหมด 5 ขั้นตอน

1. ติดตั้งอุปกรณ์ตรวจวัดผลเพื่อเก็บข้อมูลจากเครื่องจักร และ สร้างแผนภาพและรายการเพื่อทำให้รู้ตำแหน่งของอุปกรณ์

2. รวบรวมข้อมูลการชำรุดของเครื่องจักรเพื่อที่จะนำไปใช้ในการคาดการณ์

3. เมื่อข้อมูลมีจำนวนมากพอแล้วจึงทำการตรวจสอบข้อมูลและปรับข้อมูลให้เหมาะสม

4. ขั้นตอนนี้ถือเป็นขั้นตอนที่เป็นหัวใจของ กระบวนการการบำรุงรักษาเชิงพยากรณ์ เพราะจะต้องสร้างแบบจำลองการทำนายพร้อมกับการเรียนรู้ของเครื่อง (Machine learning) สำหรับอัลกอลิทึมที่นำมาใช้ในการทำนายมีอยู่หลากหลาย เช่น โมเดลวิเคราะห์การถดถอย (Regression model) เพื่อใช้ในการทำนายอายุการใช้งานที่เหลืออยู่ โมเดลการจำแนกประเภทข้อมูล (Classification model) เพื่อทำนายความล้มเหลวภายในช่วงเวลาที่กำหนด โมเดลวิเคราะห์การอยู่รอด (Survival model) สำหรับการทำนายความน่าจะเป็นความล้มเหลวเมื่อเวลาผ่านไป

5. การประเมินผลการทำงานของแบบจำลองการทำนาย และปรับปรุงแบบจำลองการทำนายเพื่อให้การทำนายมีความแม่นยำมากยิ่งขึ้น แล้วสามารถทำขั้นตอน 3-5 ซ้ำ เพื่อพัฒนาการทำนายให้ทันต่อเหตุการณ์และแม่นยำในสถานการณ์ที่เปลี่ยนไปได้

Reference

(Article) What is the predictive maintenance?

(Article) What are the goals of predictive maintenance?

(Article) Difference Between Preventive Maintenance vs Predictive Maintenance

(Article) 5 Steps to Reaching Smart Predictive Maintenance

(Medium) Machine Learning for Predictive Maintenance: where to start?

READ  U-Net: Convolutional Networks for Biomedical Image Segmentation

ลงทะเบียนรับข่าวสาร

ไม่พลาดทุกการอัพเดทจาก Big Data Experience Center

Big Data Experience Center (BX)

ชั้น 14 อาคาร Knowledge Exchange Center (KX)
110/1 ถนนกรุงธนบุรี, แขวงบางลำภูล่าง เขตคลองสาน กรุงเทพฯ 10600
อีเมล์: [email protected]

ABOUT

SERVICES