CC BY
35Преимущества организации интеллектуального диагностического обслуживания, как элемента промышленного Интернета вещей, на производственном предприятии
Хасанов Амир Рамилевич,
аспирант, Департамент менеджмента, Финансовый университет при Правительстве РФ, ARHasanov@fa.ru
Данная статья является попыткой систематизации и обобщения информации о преимуществах организации интеллектуального диагностического обслуживания на производственном предприятии. Диагностическое обслуживание является элементом промышленного Интернета вещей и позволяет производственным компаниям осуществлять сбор и обработку данных в режиме реального времени. Накопленные данные анализируются, и на их основе строятся прогнозные модели, которые позволяют оценить, когда определенный механизм или конкретная деталь будет нуждаться в замене или ремонте. Очевидным преимуществом такого подхода является продление срока эксплуатации оборудования за счет минимизации рисков поломки и своевременного технического обслуживания. Внедрение диагностического обслуживания способствует также множеству позитивных изменений в операционной и даже стратегической деятельности компании, о которых и ведется речь в данной статье. Примерами таких изменений могут быть сокращение производственных издержек, оптимизация загрузки производственных мощностей и использования складских помещений. Кроме того, автором описывается общий подход к внедрению диагностического обслуживания и условий, в которых оно может быть реализовано наиболее эффективно. Также приводятся фактические показатели, достижение которых обуславливается реализацией стратегии диагностического обслуживания.
Ключевые слова: Индустрия 4.0, Интернет вещей, промышленный Интернет вещей, диагностическое (прогнозное) техническое обслуживание, предиктивная аналитика.
Введение
Расходы компаний на развитие Интернета вещей еще в 2016 году составляли 700 миллиардов, а к 2020 году ожидается увеличение этой суммы до 1,3 триллиона долларов. При этом огромное количество компаний все еще присматриваются к технологиям в этой области, и для этого есть несколько причин.
Во-первых, большое количество компаний обеспокоены безопасностью -около 62% не готовы принять кибер-риски, которые могут нанести ущерб компании как на уроне операционной деятельности, так и на стратегическом уровне. Другие обеспокоены стандартами и протоколами, а половина - проблемами стандартизации информационных систем внутри самой компании. Тем не менее, существует ключевой аспект, который может стать драйвером развития технологий Интернета вещей, особенно в сфере промышленности и производства. Этим драйвером являются новые возможности сбора, обработки и анализа данных, и как следствие формирования аналитики качественно иного уровня. Сегодня, в то время как скорость адаптации компаний по всему миру стремительно увеличивается, более 60% компаний все еще не имеют аналитической возможности использовать данные, собранные с подключенных устройств, и извлекать выгоду для своей деятельности. [1]
Потенциальные преимущества Интернета вещей огромны для производителей, но, чтобы раскрыть его полный потенциал, необходимо реализовать три ключевых компонента. [2]
1. Хранилища данных и инфраструктура. Чтобы быстро начать использовать все преимущества обработки большого массива собираемых данных, производителям необходима надежная аппаратная и программная среда.
2. Усовершенствованная аналитика. Чтобы получить полезную информацию из огромного количества сгенерированных данных, необходимы передовые аналитические методы. Аналитика нового уровня может повысить надежность и качество продукции, а также сократить расходы, связанные с несоответствием.
3. Надежный технический анализ - для преобразования огромных объемов данных в действенные идеи требуются правильные инструменты. Основным инструментом оценки потенциального воздействия и критичности отказов является анализ надежности продукта. Производители могут проверить вероятность того, что устройства будут выполнять свои функции в определенных условиях в течение определенного периода времени.
В данной статье речь пойдет об одном из направлений промышленного Интернета вещей, технологии которого ориентированы на промышленные и производственные компании. Это направление - диагностическое техническое обслуживание, также известное как интеллектуальное обслуживание или прогнозное обслуживание, суть которого состоит в том, чтобы на основе данных, собираемых специальными датчиками непосредственно с производственного оборудования, прогнозировать возможные критические изменения производственной среды. Эти изменения могут быть связаны с поломкой или выходом из строя механизмов в целом или отдельных их частей.
Актуальность данной темы обусловлена распространением технологий промышленного Интернета вещей и спецификой производственной и промышленной деятельности, где издержки на создание интеллектуальных систем, собирающих и обрабатывающих большое количество данных, несравнимо меньше тех возможных потерь, которых компании смогут избежать.
О £
ю
5
2
сч со £
Б
2 о
Основной проблематикой данной статьи является выявление и классификация эффектов от внедрения цифровых технологий в промышленном производстве в целом и диагностического обслуживания в частности.
В основе статьи лежит отраслевой анализ, изучение статей и вторичных кейсов на тему применения технологий диагностического обслуживания. Эта информация была систематизирована и подтверждена примерами российских промышленных компаний, которые занимающимися разработкой интеллектуальных систем сбора, анализа и обработки данных. Также в статье использованы исследования ведущих мировых консалтинговых компаний (McKinsey, EY), изучающих вопросы цифровизации производства.
Ключевые термины
Промышленный Интернет вещей -это подкатегория Интернета вещей, который также включает приложения, ориентированные на потребителя, например носимые устройства, технологии «умного дома» и автомобили с автоматическим управлением. Отличительной чертой обеих концепций являются устройства со встроенными датчиками, станки и инфраструктура, которые передают данные через Интернет и управляются с помощью программного обеспечения. [3] В данной статье речь пойдет о промышленном Интернете вещей, применяемом на производственных предприятиях.
Технология IIoT (от англ. Industrial Internet of Things - промышленный Интернет вещей) состоит из подключенного к Интернету оборудования и платформ расширенной аналитики, которые выполняют обработку данных, получаемых от подключенных устройств. Устройства IIoT могут быть самыми разными - от небольших датчиков погоды до сложных промышленных роботов.
Диагностическое или прогнозное техническое обслуживание (от англ. -predictive maintenance, сокр. PdM) - это деятельность, основанная на данных о процессе, позволяющая избежать проблем с техническим обслуживанием и ремонтом путем прогнозирования возможных видов отказа. [4] На основании анализа собранных непосредственно с машин эксплуатационных данных строятся модели, которые позволяют операторам (или автоматизированным системам, в случае, если отклонения от норм фиксируются компьютерными алгоритмами, а не человеком) прогнозировать, когда потребуется техническое обслужи-
вание какого-либо конкретного устройства или замена какой-либо детали, что позволяет заранее запланировать приостановку работы, сократив таким образом временные затраты.
Уменьшается также риск поломки, что в свою очередь приводит к снижению вероятности непредвиденных затрат. Связано это с тем, что многие производственные компании работают по принципу замены устаревших деталей и механизмов только в случае их поломки. Тем не менее, такая экономия может иметь и обратный эффект, вызванный незапланированным простоем, сроки которого будут определяться исключительно масштабом повреждений. Кроме того, следует учесть вероятность потенциального воздействия локального повреждения (детали или механизма) на другие части оборудования, а также вероятность изготовления бракованной или низкокачественной продукции во время выхода части механизма из строя.
Диагностическое обслуживание зависит от конкретной информации, получаемой с каждой машины, для выявления потенциальных проблем. Примером может служить анализ вибрации. По модели, которая использует в качестве базовых значений собранные данные о работе машины, можно обнаруживать изменения, такие как увеличение вибрации в конкретной детали, которые могут быть вызваны повреждением или попаданием постороннего предмета. Отклонения от базовых значений позволяют операторам своевременно организовывать техническое обслуживание до того, как проблема станет серьезной и приведет к отказу оборудования.
Общий подход к реализации стратегии прогнозного облуживания
Независимо от сектора, в котором функционирует организация, и независимо от ее размера, внедрение стратегии прогнозного обслуживания приведет к большим переменам не только применительно к конкретной компании, но и к отрасли в целом. Такие темы, как Индустрия 4.0, Интернет вещей и большие данные, становятся все более важными, так как технологические достижения в этих областях позволяют компаниям собирать, управлять и использовать большие объемы данных, некоторые из которых помогут эффективно управлять процессами обслуживания.
Однако, реализация стратегии прогнозного обслуживания означает больше, чем просто использование новых технологий сбора данных. Организации дол-
жны определить, какие именно данные следует собирать, как автоматизировать их анализ, и решить, как и когда использовать полученную информацию в целях повышения эффективности управления организацией. Таким образом, прогностическое обслуживание требует технических предпосылок, а также изменений в организации, процессах и навыках персонала.
Процесс настройки диагностического обслуживания начинается с определения проблемы, которая в ближайшем будущем может привести к поломке. В первую очередь необходимо определить допустимые параметры, которые позволят определить целевое состояние оборудования или детали. Эти параметры станут нормативными значениями, с которыми можно сравнивать текущее состояние. Важно, чтобы они были максимально точными, потому что они будут индикаторами для определения того, какие меры обслуживания в конкретный момент времени необходимы. Говоря максимально точными, мы имеем в виду, что параметр может содержать либо одно конкретное значение, либо диапазон значений - это позволит избежать инициации преждевременного технического обслуживания, когда деталь или механизм еще может функционировать без существенного риска поломки. [2]
Контроль предопределенного параметра будет возможен только тогда, когда его состояние будет постоянно измеряться - например, для описания текущего состояния могут быть измерены давление, температура или вибрация.
Частота измерений также определяет точность собранных данных. В то время как хранение больших объемов данных, созданных в результате более частых измерений, может стоить дороже, выбранная меньшая частота увеличивает риск пропуска информации, которая позволила бы спрогнозировать поломку. Следует также иметь в виду, что с увеличением частоты измерений, увеличивается и сложность модели, поскольку увеличивается число зависимостей между значениями, считанными с одного датчика.
Также необходимо определить, как собранные данные будут использоваться для прогнозирования. Важно разработать систематические базовые правила для мониторинга состояния актива с алгоритмами анализа тенденций изменений с целью лучшего прогнозирования состояния оборудования и обнаружения возможных поломок. Эти правила
могут помочь в интерпретации полученной информации и оценке того, следует ли считать допустимым отклонение текущего значения параметра от целевого, или обнаруженная тенденция неизбежно приведет к поломке или сбою, а значит необходимо инициировать меры по замене или ремонту механизма или конкретной детали.
Как уже было отмечено ранее, эти проблемы должны быть обнаружены достаточно рано, чтобы иметь возможность запланировать работы по техническому обслуживанию, но не настолько заблаговременно, чтобы выполнять ненужное техническое обслуживание. Поиск правильного момента времени для работ по техобслуживанию очень важен, если необходимо найти хороший баланс между эффективным и экономичным техобслуживанием, большей надежностью и меньшим риском незапланированных простоев. Определение этих правил очень важно при реализации стратегии прогнозного обслуживания и требует специальных технических и методических знаний.
Следующим шагом является принятие решения о мерах и действиях по техническому обслуживанию с целью предотвращения возможных проблем. Для этого обычно используются каталоги, которые связывают измерения датчиков, результаты осмотра оборудования, данные о сроках обслуживания и информацию об уже проведенных и предстоящих заменах деталей.
С таким большим количеством данных, хранящихся в облаке, безопасность сохранения данных приобретает новую значимость. Такая информация, как ключевые параметры производительности, значения измерений датчиков и основные данные о работе оборудования, должна храниться как можно более надежно, чтобы избежать неправильного использования. Кроме того, следует учесть, что зачастую решения, связанные с диагностическим обслуживанием, предполагают хранение данных в облаке, что также следует учесть при построении такой системы.
Классификация эффектов от внедрения диагностического обслуживания
Рассмотрев общий подход к внедрению систем диагностического обслуживания на промышленных предприятиях, рассмотрим, каких конкретно положительных эффектов может добиться компания за счет использования технологий предиктивной аналитики.
Согласно первой классификации преимущества выделяются на основе эко-
номических выгод компании, включая снижения операционных издержек и повышение выручки. [5]
1. Оптимизация времени запланированного простоя.
Запланированное время простоя может охватывать все: от чистки и смазки машины до замены деталей, которые, как известно, регулярно выходят из строя. Этот вид профилактического обслуживания снижает риск незапланированных простоев.
Благодаря данным, собранным датчиками в процессе эксплуатации оборудования, диагностическое обслуживание может быть спланировано наиболее эффективно, что положительно скажется на производстве заказов в срок. Существует также дополнительное преимущество, заключающееся в том, что адекватное техническое обслуживание такого рода продлит срок службы машины, стоимость которой как правило высока. Максимальное время безотказной работы и срок службы компонента в конечном итоге приведут к значительной экономии средств.
2. Минимизация времени незапланированного простоя.
Согласно сообщению в Wall Street Journal, незапланированные простои обходятся промышленным производителям примерно в 50 миллиардов долларов в год. [6] Использование прогнозного обслуживания для ограничения этих затрат крайне важно в высококонкурентных отраслях обрабатывающей промышленности.
Поскольку прогностическое технологическое обслуживание может обеспечить бесперебойную работу машин большую часть времени, система сбора данных на основе исторических данных формирует шаблоны работы оборудования. Благодаря этому можно идентифицировать машину, которая, вероятно, испытывает сбой, и для которой техническое обслуживание можно планировать заранее.
3. Максимизация срока эксплуатации оборудования.
Те же шаблоны работы механизмов позволят максимизировать сроки эксплуатации оборудования. По мере износа механизмов и в зависимости от уровня их использования график технического обслуживания будет меняться, что можно будет контролировать с помощью прогнозного обслуживания. При этом несмотря на то, что разные части машины будут по-разному реагировать на производственный стресс, автоматизированная система, которая анализирует сово-
купность данных с разных датчиков, позволит точно определить момент, когда машина достигает критической точки соотношения цены и производительности. Необходимость в конечном итоге заменить определенные части оборудования или всей машины в целом становится управляемой благодаря возможности прогнозировать эту потребность и планировать ее как с точки зрения затрат/ бюджета, так и времени/усилий.
4. Оптимизация продуктивности рабочих.
Существует много способов, которыми диагностическое обслуживание оптимизирует производительность сотрудников. Во-первых, очевидно, что благодаря эффективному планированию ремонтных и профилактических работа, а также сокращению случаев непредвиденного ремонта, время работы технических специалистов будет сокращено. Во-вторых, с точки зрения организации рабочего процесса, можно будет добиться повышения безопасности условий труда, поскольку число аварийных ситуаций на производстве напрямую влияет на травматизм рабочих. Диагностическое обслуживание позволит свести к минимуму такие случаи, сократив травматизм в среднем на 10-25%. [7]
5. Максимизация выручки.
Преимущества прогностического обслуживания, которые мы рассмотрели выше, в конце концов, имеют одну и ту же цель: увеличение прибыли. С меньшими затратами на обслуживание пригодных для работы компонентов и более быстрым ремонтом неисправных компонентов, в целом весь процесс обслуживания по оценкам экспертов может подешеветь на 10-40% в зависимости от деятельности компании. [7] Более того, в результате внедрения технологий предик-тивной аналитики производственные компании обнаруживают новые возможности для улучшения своей операционной деятельности. [8]
Согласно другой классификации эффектов внедрения диагностического обслуживания, выделяются 3 преимущества, связанные с оптимизацией бизнес-процессов производственных компаний. [1]
1. Повышение эффективности управления складскими помещениями.
Благодаря возможности подключения к Интернету вещей, компании-производители с правильной аналитической платформой могут оптимизировать свои процессы. В первую очередь это коснётся складских помещений. На примерах, описанных выше, мы уже убедились в том,
О
ю
5
*
со 2
см со £
Б
а
2 ©
что диагностическое планирование позволяет обеспечить лучшее планирование ремонтных работ оборудования -это в свою очередь приведет к правильной производительности без чрезмерного или недостаточного производства, а значит и запасы сырья и материалов будут расходоваться более эффективно. Кроме того, при использовании платформ, использующих машинное обучение, компании смогут добиться еще более точных прогнозов потребления расходных материалов в реальном времени и без участия человека.
2. Трансформация бизнес-моделей.
Диагностическое обслуживание предоставляет дополнительные возможности для расширения сферы деятельности, позволяя производственным компаниям использовать накопленные данные за пределами завода для улучшения процессов внутри компании.
Одним из способов расширения производства может стать сбор данных о потребителях. Благодаря мониторингу и анализу фактического использования потребителями произведенных товаров у компании появятся возможности для более точного планирования производства, предоставления гарантий, инвентаризации запасных частей и улучшения прочих областей послепродажного обслуживания.
Производители могут также расширить область в другом направлении, подключив завод непосредственно к своей цепочке поставок. Поскольку материалы используются, система может проверять их наличие и распределение и редактировать в режиме реального времени графики поставок.
3. Улучшение систем планирования ресурсов предприятия (ERP).
Хотя взаимосвязь ERP-систем и технологий промышленного Интернета вещей достаточно очевидна, многие компании еще не до конца осознали ценность объединения этих двух систем, чтобы позволить ERP-системам использовать возможности подключенных данных. Только 16% менеджеров по маркетингу, менеджеров по контрактам и исполнительных директоров используют данные, накопленные в рамках диагностического обслуживания, в своей системе ERP. [9]
Расширение возможностей ERP с помощью собранных непосредственно с оборудования данных имеет два ключевых преимущества, оба из которых повышают ценность каждой системы. Во-первых, это улучшает доступность данных и обеспечивает ключевых лиц компании
Таблица 1
Результаты использования систем мониторинга
«Диспетчер»
Проблемная ситуация
1. 11сдо ста точный уровень налоговых поступлений В бюджет «следствие низкой эффективности ] i ром ы ш л сн н о го 11 рои • »водства.
2. Недостаточный уровень эффективности промышленного производства в связи:
1. с ни зким качеством системы управления, как следствие;
2. низкий уровень мониторинга производственного никла предприятия;
3. низкий уровень
п ро и зводи тел 1, ностьго прои зводства, высокий уровень брака и простоя оборудования;
4 низкий уровень Цифр они за ци и и автоматизации производства;
5. высокий уровень себестоимости продукции;
6. низкий уровень качества готовой
]] редукции._
Результат цифровизации
Процесс контроля производства автоматизирован, осуществляется в режиме реа льного времени; оптимизированы технологически с процессы, график работы оборудования и персонала; все оборудование и рабочие места подключены в информационную сеть предприятия, передача производственной информации на рабочие места осуществляется в цифровом формате, как следствие:
1. рост качества продукции;
2. сокращение цикла производства, накладных расходов, запасов МТР на складах;
3. рост доли зака:юв «а срок»;
4. снижение себестоимости и повышение доходности производства;
5. высокий уровень управления и эффективности производства.
более точной и своевременно информацией для принятия более обоснованных и более точных бизнес-решений. Благодаря лучшему пониманию того, что непосредственно происходит на производстве, могут быть расширены и другие функциональные области в рамках ERP, такие как обслуживание клиентов, планирование и управление запасами.
Во-вторых, улучшается связь по всему предприятию. Это включает в себя взаимодействие между внутренними заинтересованными сторонами, которые теперь имеют более полное представление о ходе производства. Это также включает в себя улучшенную связь между поставщиками в цепочке поставок, а также клиентами, которые используют продукцию компании и чьи данные могут быть включены в текущий прогноз производства.
Практические аспекты цифровизации промышленного производства
Рассмотрим несколько практических примеров, где цифровизация производства выходит за рамки диагностического обслуживания и оказывает еще более значительное влияние на различные компоненты деятельности компаний.
Система мониторинга промышленного оборудования «ДИСПЕТЧЕР» позволяет повысить эффективность деятельности промышленных предприятий региона, как следствие, создать условия для роста налоговых поступлений в бюджет от предприятий промышленности, за счет применения современных технологий
автоматизации, оптимизации и цифро-визации бизнес-процессов и технологического оборудования. Результаты, которых удалось добиться производственным компаниях с использования новых систем мониторинга представлены в таблице 1.
Как видно из этого примера, описанные ранее эффекты действительно достижимы для производственных компаний, причем положительные эффекты от внедрения обновленных систем мониторинга и анализа данных распространяются не только на конкретное предприятие, но также могут быть масштабированы до уровня региона.
Отдельно следует отметить ряд новых показателей эффективности, не представленных ранее. [10] Среди них:
- рост продолжительности полезной работы по станкам с ЧПУ на 20-30%;
- рост производительности труда до 70%;
- ускорение срока выпуска экспериментальной продукции на 10%.
Другим примером может служить другая российская система - «Цифровой советчик». Она позволяет повысить эффективность деятельности промышленных предприятий региона, обеспечить рост качества продукции, снижение ее себестоимости, увеличение срока эксплуатации оборудования, рост эффективности производства в целом за счет автоматизации сбора и анализа информации о текущем состоянии технологического процесса, системы поддержки при-
Таблица 2
Результаты использования систем «Цифровой советчик»
Проблемная ситуация
1. Низкая эффективность промышленного производства, как следствие, снижение уровня налоговых поступлений в бюджет.
2. Низкая эффективность промышленным ПрОИЗВОДСТВОМ вследствие:
1. низкого качества управления производством, его высокой зависимости ог человеческого фактора;
2. наличия неэффективных технологических процессов и сложности их оптимизации;
3. высокого уровня энергозатрат (топливо, электричество) и вспомогательны х веществ (катализаторы, ингибиторы и пр.) на проведение технологических операций._
3. Высокого уровня брака и низкого качество продукции непрерывных производств, сложности в непрерывном контроле продута.
4. Целевая группа: крупные нефтедобывающие компании, металлургические холдинги, химические холдинги, горно-обогагительные предприятия.
Результат иифровизации
Автоматизирован сбор и анализ информации о текущем состоянии технологического процесса, обеспечена выдача рекомендаций оператору для достижения заданных целевых показателей (энергоэффективность, качество,
производительность) с использованием технологий искусственного интеллекта, как следствие, роста качества продукции, снижение ее себестоимости, увеличение срока эксплуатации оборудования, рост эффективности производства.
нятия решений для оператора для достижения заданных целевых показателей (энергоэффективность, качество, производительность), использования технологий искусственного интеллекта. Результаты, которых удалось добиться производственным компаниях с использования новых систем представлены в таблице 2.
Среди выделенных в таблице результатов следует отдельно отметить повышение энергоэффективности, которое становится возможно за счет более эффективного использования производственных мощностей, а значит и расходования электроэнергии.
Также можно выделить следующие показатели эффективности: [10]
- снижение ошибок операторов установок - до 50%;
- снижение процента брака - на 1020%;
- сокращение процедуры измерения брака - на 30%;
- рост выхода целевого продукта на 2-5 процентных пункта;
- рост выхода целевого продукта на 2-5 процентных пункта.
Таким образом, на основе изученной информации можно сделать вывод о том, что внедрение диагностического обслу-
живания действительно оказывает положительное воздействие на деятельность производственных компаний. Основными преимуществами, которые получают компании, являются:
1) Возможность диагностики оборудования и механизмов на предмет отклонения от нормативных значений в режиме реального времени;
2) Возможность эффективного планирования технического обслуживания машин на производстве;
3) Снижение издержек на обслуживание и ремонт оборудования;
4) Сокращение цикла производства;
5) Оптимизация использования складских помещений;
6) Снижение энергозатрат;
7) Повышение качества продукции;
8) Повышение уровня безопасности условий труда.
Заключение
Диагностическое обслуживание является важной составляющей промышленного Интернета вещей. Внедрение такого типа технического обслуживания промышленного оборудования на предприятии позволить получить явные экономические и неэкономические преимущества, среди которых: оптимизация вре-
мени запланированного простоя, минимизация времени незапланированного просто, максимизация срока эксплуатации оборудования, оптимизация продуктивности рабочих, максимизация выручки, повышение эффективности управления складскими помещениями, повышение энергоэффективности производства и др.
Тем не менее для достижение этих эффектов возможно только при соблюдении ряда условий. Так, например, само оборудование должно быть снабжено рядом датчиков, способных считывать и в режиме реального времени передавать информацию о температуре, вибрации и т.д. При этом должна быть налажена система передачи данный от датчиков в облачные хранилища, а также настроено программное обеспечение для обработки и анализа поступающих данных с целью последующего формирования моделей. Также следует помнить о важности качественного построения этих моделей и, более того, определения нормативных значений, описывающих оптимальное для работы состояние механизма в целом или отдельной его детали. Все это накладывает определенные требования не только на технологическое обеспечение предприятия, но и на персонал.
Отдельно следует отметить, что в данной статье почти не уделяется внимания недостаткам и рискам цифровиза-ции промышленного производства. Очевидно, однако, что с ростом числа подключений различных компонентов производства к сети Интернет повышаются риски кибер-угроз и утечки данных. Это является одним из дальнейших направлений данного исследования.
Литература
1. Immerman, G. The true business value of loT in manufacturing. - 2019. Режим доступа: https://Www.machinemetrics.com/ blog/the-true-business-value-of-iot-in-manufacturing (27.03.2019)
2. What damage could predictive maintenance prevent? - 2016. Режим доступа: https://consulting.ey.com/what-damage-could-predictive-maintenance-prevent/ (26.03.2019)
3. https://www.hpe.com/ru/ru/what-is/ industrial-iot.html
4. ГОСТ Р 51814.1-2009. Системы менеджмента качества. Особые требования по применению ИСО 9001:2008 в автомобильной промышленности и организациях, производящих соответствующие запасные части.
О À
BS
S
i? 2
5. Immerman, G. The impact of predictive maintenance on manufacturing. - 2018. Режим доступа: https:// www.machinemetrics.com/blog/the-impact-of-predictive-maintenance-on-manufacturing (27.03.2019)
6. How Manufacturers Achieve Top Quartile Performance/ Unlocking Performance - The Wall Street Journal. -2018. Режим доступа: https:// partners.wsj.com/emerson/unlocking-performance/how-manufacturers-can-achieve-top-quartile-performance/ (30.03.2019)
7. Predictive Maintenance: In-depth Guide. Режим доступа: https:// blog.aimultiple.com/predictive-maintenance/ (30.03.2019)
8. Dilda, V., Mori, L., Noterdaeme, O., Schmitz С. Manufacturing: Analytics unleashes productivity and profitability/ McKinsey&Company Research. - 2017. Режим доступа: https:// www.mckinsey.com/business-functions/ operations/our-insights/manufacturing-analytics-unleashes-productivity-and-profitability (29.03.2019)
9. McKendrick, J. The rising tension between loT and ERP systems/ Service Oriented. - 2017. Режим доступа: https:// www.zdnet.com/article/the-tension-between-iot-and-erp/ (29.03.2019)
10. База кейсов АНО «Цифровая экономика». Режим доступа: https://data-economy.ru/regions (16.03.2019)
The advantages of organizing Predictive Maintenance, as a part of the industrial Internet of things, in a manufacturing enterprise
Khasanov A.R.
Financial University under the Government of the Russian Federation
This article is an attempt to systematize and summarize information about the benefits of organizing Predictive Maintenance in a manufacturing enterprise. Predictive Maintenance is an element of the industrial Internet of Things, which allows manufacturing companies to collect and process data in real time. The accumulated data is analyzed, and on their basis, predictive models are built. These predictive models allow companies to estimate time, when a certain mechanism or a specific part will need to be replaced or repaired. The obvious advantage of this approach is the extension of the equipment's service life by minimizing the risk of breakage and timely maintenance. The introduction of Predictive Maintenance also contributes to the many positive changes in the operating or even strategic activities of the company, which are discussed in this article. Examples of such changes can be a reduction in production costs, optimization of capacity utilization and use of storage facilities. Besides, the article describes the general approach to the implementation of such a service and the conditions where it can be implemented most effectively. It also provides actual indicators, the achievement of which is determined by the implementation of the diagnostic service strategy.
Keywords: Industry 4.0, Internet of Things, Industrial Internet of Things, diagnostic (predictive) maintenance, predictive analytics.
References
1. Immerman, G. The true business value of IoT in manufacturing. - 2019. Access mode: https:/
/www.machinemetrics.com/blog/the-true-business-value-of-iot-in-manufacturing (03/ 27/2019)
2. What damage could predictive maintenance
prevent? - 2016. Access mode: https:// consulting.ey.com/what-damage-could-predictive-maintenance-prevention/ (03/26/ 2019)
3. https://www.hpe.com/ru/ru/what-is/industrial-
iot.html
4. GOST R 51814.1-2009. Quality management
systems. Specific requirements for the use of ISO 9001: 2008 in the automotive industry and organizations producing the appropriate spare parts.
5. Immerman, G. The impact of predictive
maintenance on manufacturing. - 2018. Access mode: https://www.machinemetrics.com/blog/ the-impact-of-predictive-maintenance-on-manufacturing (03/27/2019)
6. How Manufacturers Achieve Top Quartile
Performance / Unlocking Performance - The Wall Street Journal. - 2018. Access mode: https://partners.wsj.com/emerson/unlocking-performance/how-manufacturers-can-achieve-top-quartile-performance/ (03/30/2019)
7. Predictive Maintenance: In-depth Guide. Access
mode: https://blog.aimultiple.com/predictive-maintenance/ (03/30/2019)
8. Dilda, V., Mori, L., Noterdaeme, O., Schmitz S.
Manufacturing: Analytics unleashes productivity and profitability / McKinsey & Company Research. - 2017. Access mode: https:// www.mckinsey.com/business-functions/ operations/our-insights/manufacturing-analytics-unleashes-productivity-and-profitability (03/29/2019)
9. McKendrick, J. Systems and Service Oriented. -
2017. Access mode: https://www.zdnet.com/ article/the-tension-between-iot-and-erp/ (03/ 29/2019)
10. Case base of ANO Digital Economy. Access mode: https://data-economy.ru/regions (03/ 16/2019)
см
CO £
6
2 ©
