5. březen 2020 4 min. čtení

Piloty Průmyslu 4.0: Neinvazivní prediktivní údržba

Není horší situace ve výrobním podniku, než když dojde k neočekávanému výpadku výrobní linky či jiného stroje. Ekonomický dopad takové poruchy bývá většinou obrovský, zejména ve chvíli, kdy nedokážete okamžitě reagovat.

Piloty Průmyslu 4.0: Neinvazivní prediktivní údržba

Není horší situace ve výrobním podniku, než když dojde k neočekávanému výpadku výrobní linky či jiného stroje. Ekonomický dopad takové poruchy bývá většinou obrovský, zejména ve chvíli, kdy nedokážete okamžitě reagovat, protože:

  • musíte zavolat servisního technika,
  • ten musí diagnostikovat místo problému,
  • nemáte k dispozici potřebné náhradní díly.

Výsledkem je zastavení výroby, odložení termínů a v neposlední řadě ušlý zisk a vysoké náklady na opravu. Digitální transformace a možnosti IoT však přináší možnosti, jak se těmto problémům vyhnout.

Údržba v době čtvrté průmyslové revoluce

Prevencí výpadků je plánovaná údržba. Jedním z možných přístupů k jejímu plánování je tzv. preventivní údržba. Tu pravděpodobně dobře znáte z vašeho života. Výrobce vašeho auta předepsal v servisní knížce intervaly, kdy musíte zajet do servisu, aby vaše vozidlo zkontrolovali a vyměnili, případně doplnili provozní kapaliny. Ani to však vždy nezabrání tomu, aby v období mezi jednotlivými servisy nedošlo k nějaké poruše. Úplně stejně můžete naplánovat ve vaší firmě preventivní údržbu strojů. TPCA manufacture

Propracovanějším přístupem, který se začal častěji prosazovat s příchodem Průmyslu 4.0 a digitální transformace, je zavedení prediktivní údržby. Její snahou je předvídat selhání na základě statistické analýzy dat ze senzorů, které monitorující stroje a jejich dílčí částí. Příkladem může být monitoring vibrací stroje nebo teploty motorů. Z dlouhodobého hlediska přináší prediktivní údržba oproti reaktivní a preventivní údržbě výraznou úsporu nákladů a zabraňuje neočekávanému výpadku výroby.

Jak začít s prediktivní údržbou?

Nejčastějším argumentem proti zavedení prediktivní údržby, se kterým se setkáváme, jsou očekávané vysoké náklady - jak do strojů, tak do lidí, kteří se budou o vyhodnocování starat. Moderní doba však přináší možnosti, jak data sbírat neinvazivně a bezdrátově. Díky IIoT a LPWAN technologiím není nutné kupovat nové stroje nebo náročně inovovat ty stávající a nemusíte na místa, kde to doposud nebylo nutné, zavádět kabeláž pro připojení k internetu nebo intranetu a napájení.

Ze svých zkušeností se můžeme podělit o případovou studii automobilky TPCA v Kolíně, kde pomáhají zabránit výpadkům výroby IoT stavebnice HARDWARIO a investice do projektu nepřesáhly 500 EUR.

Tým, který měl projekt ve společnosti na starost, přišel s jednoduchým plánem - měřit teplotu motorů osazovací linky a na základě vývoje teploty a dynamiky jejího růstu naplánovat včasný servis motoru.

Samotná linka nedisponovala senzory pro měření teploty motorů a nahrazení linky nebo její inovace výrobcem byly obrovským nákladem. Využilo se proto neinvazivního přístupu k prediktivní údržbě formou IoT stavebnice HARDWARIO.

obrázek: teplotní senzor, přesně takový monitoruje teplotu motorů osazovací linky

Každý z motorů byl opatřen teplotním senzorem připojeným ke stavebnici HARDWARIO uložené v průmyslové krabičce. K žádnému z motorů zároveň nebylo potřeba přivést internetové připojení, data jsou odesílána vlastní rádiovou sítí do průmyslového minipočítače, na kterém běží vizualizační platforma Grafana. V té jsou zároveň nastaveny automatická emailová upozornění, pokud teplota překročí nastavené meze.

Využitím vlastní rádiové sítě je důležitým prvkem bezpečnosti. Díky tomu běží projekt v oddělené síťové vrstvě a je tak odstíněn od podnikového internetu.

S prediktivní údržbou můžete začít už zítra

Pro pilot prediktivní údržby můžete začít na několika málo strojích ve vaší firmě a nebudete potřebovat složitou infrastrukturu. Ve většině případů vám pro ověření užitečnosti bude stačit pár senzorů a google sheet nebo jiný způsob vizualizace, například výše uvedená Grafana.

data jsou vizualizována a vyhodnocována v Grafaně

Zahájení prediktivní údržby v 7 krocích:

  1. Vyberte stroj a veličinu, kterou chcete monitorovat. Inspirujte se například u TPCA a začněte s teplotou motoru. Inspirovat se můžete také našim portfoliem senzorů nebo případovými studiemi a vzorovými projekty průmyslu 4.0.
  2. Rozhodněte se, jakým způsobem chcete přenášet data - můžete, stejně jako TPCA, využít vlastní rádiovou síť nebo některou z LPWAN (sítě pro internet věcí - NB-IoT, LoRa, Sigfox). V případě LPWAN nebudete potřebovat žádný počítač pro sběr dat, protože budou odesílána přímo do cloudu.
  3. Vyberte platformu, kde budete data ukládat, vizualizovat a vyhodnocovat.
  4. Pořiďte stavebnice HARDWARIO podle toho, co a na kolika místech budete měřit.
  5. Nainstalujte zařízení na váš stroj a začněte měřit.
  6. Nastavte si upozornění pro limitní hodnoty.
  7. Vyhodnoťte projekt a rozhodněte o jeho úspěšnosti.


Po ověření pilotu můžete následně rozšířit měření na další stroje a jiné veličiny a postupně tak pokrýt všechny kritické části výroby. Využít můžete i pokročilých nástrojů pro vyhodnocování dat - například BitSwan, který dokáže data vyhodnocovat v reálném čase a hledat vzorce chování a odchylky od normálního chování.

Pomůžeme vám s pilotem

Nechcete se do prvního projektu prediktivní údržby 4.0 pouštět sami? Napište nám, najdeme vám partnera HARDWARIO, který vám pomůže s implementací i vyhodnocením.