More Related Content Similar to Industry 4.0 (20) Industry 4.01. The impact of IoT and Industry 4.0 on Predictive
maintenance and condition monitoring
Mahdieh Sedghi
2. کنند؟می استفاده هاداده از حدی چه تا هاشرکت حاضر حال در
http://www.mckinsey.com/
هافرایند و افرادگسترش و توسعه زیرساخت هاداده ثبت
0% < 1% < 1% ~ 1% 60% 100%
داده مدیریتداده تحلیل
4. Ubiquitous Independent Logistics Grid
Supply Chain Big Data Analytics
Wearable User Interface in Logistics
Transportation Forecasting
Warehouse Robots
Warehouse Resource Planning and Scheduling
Community Management
Supply Chain Execution Predictive Analytics
Mobile Asset Optimization
SCM BPO
3D Printing in Supply Chain
Real-Time (Mobile-Synchronized) Route Optimization
Supply Chain Execution Convergence
TMS Multimodal/International
Warehouse Control Systems
Dock Scheduling
Mobile Technology
Business Process Networks
Track-and-Trace and Serialization
Carrier/Supplier Appointment Scheduling
Global Logistics Visibility
Enterprise Manufacturing Intelligence
Information Hubs for SCE
Railcar Fleet Management Solutions
Transportation Benchmarking Services
Over-the-Road Carrier-Centric TMS Suites
Distributed Order Management
RFID for Logistics and Transportation
SCM BPaaS
MDM of Product Data
Foreign/Global Trade Compliance
Sourcing Optimization
SaaS Supply Chain Execution
Shipper-Centric Multimodal TMS
Slotting Optimization Workforce Management Systems for
Logistics Yard Management
Yard Management
Innovation
Trigger
Peak of
Inflated
Expectation
Through of
Disillusionment
Slope of Enlightenment Plateau of
Productivity
Hype Cycle for Supply Chain Execution Technologies, 2015
http://www.gartner.com/technology/home.jsp
6. ایرانی صنایع تعمیرات و نگهداری هایفعالیت تعالی میزان سنجش هدف با پرسشنامهحوزه در
است شده توزیع و تهیه ارتباطی های تکنولوژی و اطالعات فناوری.تح این انجام از هدفقیق
تع جهت موجود های زیرساخت تحلیل و اطالعاتی های سیستم از استفاده میزان ارزیابیو الی
است بوده پیشگویانه وتعمیرات نگهداری مفاهیم سمت به حرکت.ح برای پرسشنامهدود500
تعداد این از که است شده ارسال صنعت فعاالن از نفر50اندگفته پاسخ آن به نفر.
اطالعات فناوری حوزه در ایرانی صنایع بلوغ سطح ارزیابی
7. 4%
7%
11%
4%
2%
9%
4%
4%
2%
7%
31%
9%
4%
0% 5% 10% 15% 20% 25% 30% 35%
انرژی
دریایی نقل و حمل
ریلی نقل و حمل
خودروسازی
دارویی صنایع
غذایی صنایع
عمرانی
فوالدی
معدنی
نظامی
پتروشیمی و گاز ،نفت
نیروگاهی
خدماتی
سنجی نظر در کننده شرکت صنایع درصد
9. 60 80 82 83 84 85 86 87 88 89 90 91 92 93 94
0
1
2
3
4
5
6
60 80 82 83 84 85 86 87 88 89 90 91 92 93 94
0
5
10
15
20
25
30
35
40
سالی چه از ،استفاده صورت درCMMSاید؟نموده نصب را
تجمعی روند
سال در سازی پیاده تعداد
سازی پیاده سالCMMS
10. 49%
37%
14%
بله
خیر
هستیم آن تهیه برای ریزی برنامه حال در
مانند هوشمند مانیتورینگ و کنترل هایسیستم از آیاSCADA،PLCوDCSنمایید؟می استفاده
هوشمند مانیتورینگ و کنترل های سیستم از استفاده میزان
12. از استفاده میزان
و کنترل های سیستم
هوشمند مانیتورینگ
و تغییرات روند
آینده های تکنولوژی
http://www.gartner.com/technology/home.jsp
13. +
پیشرفت
تکنولوژی
تجهیزات
هوشمند
Industry 1.0
استفاد با مکانیکی تولیداز ه
بخار و آب نیروی
Industry 2.0
تقس مبنای بر انبوه تولیدکار یم
انرژی از گیریبهره با و
الکتریکی
Industry 3.0
و اطالعات فناوری از استفاده
برای الکترونیکی ابزارهای
تولید اتوماسیون افزایش
Industry 4.0
فیز سایبر تولید سیستمیکی
امروزدهه70بیست قرنمقرن
هفدهم
Industry 4.0-صنعتی انقالب چهارمین
https://www.accenture.com/gb-en/blogs/blogs-digital-industry- 4-0
14. هوشمند هایکارخانه
سازند می محقق را هوشمند هایکارخانه که نوین هایتکنولوژی:
•اشیاء اینترنت
•قدرتمند تحلیل ابزارهای و ها داده کالن
•ارتباطی های زیرساخت
Industry 4.0-صنعتی انقالب چهارمین
18. انطباق
تامین/تقاضا
حضور زمان
بازار در
منابع/فرآیند
از استفاده
دارایی
انسانی نیروی
موجودی
کیفیت
مصرف
هوشمند
انرژی
سازی بهینهreal
time
مسیر انعطاف
پذیری انعطاف
االت ماشین
کنت و مانتیتورینگرل
دور راه از
تعمیرات و نگهداری
بینانه پیش
Augmented reality
for MRO1
ماشین همکاری-
انسان
و مانتیتورینگ
راه از کنترل
دور
اتوماسیون
کاری دانش
پرینت
3D
سازی بهینه
Real time
اندازه
Batch
فرآیند کنترل
آماری
فرآیند کنترل
پیشرفته
تقاضا بینی پیش
داده اساس بر
ارزش خلق طراحی
داده برمبنای
با مشترک خلق
مشتری-نوآوری
مهندسی
همزمان
و آزامایشات
سازیشبیه
سریع
و نگهداری
تعمیرات
بینانه پیش
و نگهداری
تعمیرات
دور راه از
مجازی هدایت
سلف خدمات
سرویس
Lots
هوشمند
عملکرد مدیریت
دیجیتال
کیفیت مدیریت
دیجیتال
خمات/
فروش از پس
دیجیتال نمای قطب
شرکتMcKinsey
http://www.mckinsey.com/
23. کنت و مانتیتورینگرل
دور راه از
تعمیرات و نگهداری
بینانه پیش
پرینت
3D
بر بررسی موررد حوزه
نمای قطب مبمای
شرکت دیجیتال
McKinsey
انطباق
تامین/تقاضا
حضور زمان
بازار در
منابع/فرآیند
از استفاده
دارایی
انسانی نیروی
موجودی
کیفیت
مصرف
هوشمند
انرژی
سازی بهینهreal
time
مسیر انعطاف
پذیری انعطاف
االت ماشین
کنت و مانتیتورینگرل
دور راه از
تعمیرات و نگهداری
بینانه پیش
Augmented reality
for MRO1
ماشین همکاری-
انسان
و مانتیتورینگ
راه از کنترل
دور
اتوماسیون
کاری دانش
پرینت
3D
سازی بهینه
Real time
اندازه
Batch
فرآیند کنترل
آماری
فرآیند کنترل
پیشرفته
تقاضا بینی پیش
داده اساس بر
ارزش خلق طراحی
داده برمبنای
با مشترک خلق
مشتری-نوآوری
مهندسی
همزمان
و آزامایشات
سازیشبیه
سریع
و نگهداری
تعمیرات
بینانه پیش
و نگهداری
تعمیرات
دور راه از
مجازی هدایت
سلف خدمات
سرویس
Lots
هوشمند
عملکرد مدیریت
دیجیتال
کیفیت مدیریت
دیجیتال
خمات/
فروش از پس
http://www.mckinsey.com/
25. تعالی های اولویت
در تعمیرات و نگهداری
ایرانی صنایع
است؟ مواد کدام شما سازمان برای اطالعات فناوری حوزه در تعمیرات و نگهداری تعالی هایاولویت
84%
49%
56%
18%
11%
سیستم بهبود و تعمیرات و نگهداری های داده ثبتCMMS
مختلف های سامانه در ها داده سازی یکپارچه
تحلی طریق از پیشگویانه تعمیرات و نگهداری سمت به حرکتداده ل
آالرمینگ و ها
سامان در ارتباطی های تکنولوژی و هوشمند کنترل سطح افزایشه
مانند هاییSCADA
اشیاء اینترنت مفاهیم سمت به حرکت(IOT)
26. های داده تحلیل میزان
توسط شده آوری جمع
و کنترل های سامانه
صنایع در مانیتورینگ
ایرانی
گیرد؟ می قرار تحلیل مورد دیگری سامانه توسط ها سنسور توسط شده تولید اطالعات ایا
46%
47%
7%
استفاد مورد و دارد وجود ها داده تحلیل برای ای سامانهه
گیرد می قرار.
خیر.شوند نمی تحلیل ها داده.
آن از عمل در ولی دارد وجود تحلیل برای ای سامانه
شود نمی استفاده
27. داده تحلیل راهکار
دارایی مدیریت در
(تعمیر و نگهداری
بینانه پیش)
نگهداریوتعمیراتبینانهپیش(Predictive maintenance)یکیازهایتکنیکنوین
نگهداریوتعمیراتاستکهدرطیسالهایاخیربهطورگستردهدرصنایعمختلفمورد
استفادهقرارگرفتهاست.نگهداریوتعمیرات،بینانهپیشهمانگونهکهنامآنبیانمی،کند
زمانخرابیتجهیزاتوخدماتموردنیازرابراساسشواهدپیشبینینمایدمی.بهبیاندیگر
نگهداریوتعمیراتبینانهپیشدربرگیرندهمجموعههاییفعالیتاستکهکارکرداجزاء
تجهیزاترادرحینبرداریبهرهموردبازرسیوتحلیلقراردهدمیتازمانونوعفعالیت
نگهداشتموردنیازرابرحسبوضعیتتجهیزتعییننماید.
بدونانجامتحلیلمناسبنمیتوانمعنایدقیقدادههایینظیردادههایعملکردتجهی،زات
نتایجبازرسیوخرابیهایرخدادهرادرکنمود.الگوهاییدراینشواهدوحقایقنهان
اندشدهکهکشفآنهانگهداریوتعمیراتبینانهپیشراازروشهایسنتیمبتنیبرزمانو
عملکردمجزامتمایزمیسازد.
28. تعمیر و نگهداری
بینانهپیش
تعمیرات و نگهداری
زمان بر مبتنی
تعمیرات و نگهداری
وضعیت بر مبتنی
پیشگیرانه دارایی سازی بهینه
•عادی غیر های حالت تشخیص:بند دسته چگونگیی
بد و خوب حالت دو به کنونی وضعیت
•تغییر نقاط تعیین:تغ نقاط شناسایی چگونگیییر
سیستم
•برا شده تعیین زمان مدت از استفادهی
تعویض
•به منجر که منتظره غیر های خرابی
شوند می جانی و مالی ضررهای
•تجهیز وضعیت اساس بر هشدار اعالم
•لح از کلی طور به دقیق وضعیت پایشاظ
است انگیز چالش فنی.
http://www.IBM.com/
29. پیشگیرانه تحلیل موتور
Decision management
ها دستگاه
های سیستم
مدیریتی
داده
های
مالی
های داده
الگ
عملکرد
های داده
سنسور/وضعیت
های داده
رخدادها الگ
های داده
محیطی
های داده
نگهداشت الگ
های داده
مشتریان
های شبکه
اجتماعی
Analytical
Data Store
Business analytics
Statistical analytics
Event RulesModelsWork Flows
داشبورد
ها آالرم
و گزارشات
ها تحلیل
های مشخصه
پیشرفته
تصویری
http://www.IBM.com/
32. پیش تحلیل مدل
بینانه
و نگهداری در
تعمیرات
سامانهمدلتحلیلپیشبینانهدرنگهداریوتعمیراتپسازدریافتهایدادهمتنوعاز
عملکرد،تجهیزاتهایگزارش،بازرسیسوابقنگهداریوتعمیراتوسنسورهایمحی،طی
باپیشپردازشحجموسیعیازهادادهمدلتحلیلدادهراشکلدهدمی.برایکاربران
مختلفسیستممانند،تحلیلگرانمدیرانمیانیوارشد،سازمانهایماژولمختلفیجهت
پیادهسازیسیستمنگهداریوتعمیراتپیشبینانهوفعالیتهاییمانندمدیریتو
کنترلهوشمندقطعاتیدکیوتحلیلپیشرفتهعللریشهایخرابیبایستیتوسعهداده
شوند.ساختارکلیسامانهوارتباطمابینهایماژولمختلفدرشکلاسالیدبعدنمایش
دادهشدهاست.
34. از استفاده هایگام
بینان پیش تحلیله
و نگهداری در
تعمیرات
تحلیل پارامترهای شناسایی
جهتطراحیسامانههوشمندنگهداریوتعمیراتبینانهپیشبرحسبهایخروجیمورد،نیازبایستی
پارامترهایپایشوضعیتتجهیزاتتعیینشوند.پارامترهایانتخابشدهعواملاثرگذاربررخداد
خرابیهستندکهباشناساییمهمترینپارامترهامیتوانخرابیهاراپیشازوقوعتشخیصداد.به
عنوانمثالجهتطراحیسیستمنگهداریوتعمیراتبینانهپیشبراییکتوربینبادیپارامترهای
زیرراتوانمیانتخابنمود:
گیربکسگیربکس ورودی شفت دمایگیربکس خروجی شفت دمایگیربکس روغن دمایگیربکس کننده خنک آب دمای
ژنراتورژنراتور پیچی سیم دمایژنراتور بلبرینگ دمایژنراتور کننده خنک هوای دمای
کنترل سیستم
سیستم کننده خنک آب دمای
تبدیل
کن تبدیل کننده کنترل دمایندهباالیی کابین دمای
37. تجهیز سالمت هایشاخص تدوین
درجهسالمتتجهیزوهایشاخصموردنیازجهتمحاسبهآندراینفازطراحیمیشوند.این
درجهبهتحلیگراناینامکانرامیدهدکهعالوهبرپایشوضعیتتجهیزمیزاناثربخشیفعالیت
هاینگهداریوتعمیراتانجامشدهراارزیابینمایند.درحقیقتبامقایسهشاخصسالمتتجهیز
پیشوپسازانجامفعالیتهاینگهداریوتعمیراتوتحلیلروندهاتوانمیمیزاناثربخشیفعالیت
هاینگهداریوتعمیراتراارزیابینمود.
از استفاده هایگام
بینان پیش تحلیله
و نگهداری در
تعمیرات
38. اطمینان قابلیت و خرابی احتمال محاسبه
جهتمحاسبهاحتمالخرابیقطعاتویاکلتجهیزمیتوانازهایروشمختلفیاستفادهنمود.به
عنوانمثالبازرسیبرمبنایریسکواستانداردAPI 581دستورالعملیبرایمحاسبهاحتمال
خرابیوقابلیتاطمینانتجهیزتدویننمودهاست.رویکردهایآماریواحتمالینیزبرایمحاسبه
احتمالخرابیبااستفادهازتحلیلدادههاتوسعهدادهشدهانددراینفازروشمناسببرحسب
هایمولفهسازمانوخروجیهایموردنیازطراحیمیشود.
از استفاده هایگام
بینان پیش تحلیله
و نگهداری در
تعمیرات
39. تجهیزات باقیمانده مفید عمر بینی پیش محاسباتی مدل طراحی(RUL)
قطعاتهاتوربینکهدردمایباالکارمی،کنندتحتتاثیرعواملتخریبمختلفیازجملهخ،زش
،خستگیخوردگیداغواکسیداسیونونیزاندرکنشاینعواملبا،یکدیگرعمرمفیدخودراازدست
میدهند.ازاینروپیشبینیعمرمفیدقطعاتوتجهیزاتدرجلوگیریازخرابیهایفاجعهبار
نقشبهسزاییدارد.جهتبرآوردمیزانپیشرفتتخریبدریکقطعهمیتوانازروشهای
محاسبانیمانندزنجیرهمارکوفاستفادهنمود.دراینفازمدلپیشبینیعمرمفیدباقیماندهتجهیز
براساسروشهایمحاسباتیپیشرفتهطراحیمیشود.
از استفاده هایگام
بینان پیش تحلیله
و نگهداری در
تعمیرات
42. ب پیش تحلیل نتایجینانه
تعمیرات و نگهداری در
•جویی صرفه30تا40درصد
•بازگشت10سرمایه برابری(ROI)
•حدود تعمیرات و نگهداری هزینه کاهش25تا30درصد
•تا ها خرابی کاهش75درصد
•از توقف زمان کاهش35تا40درصد
•از تولید میزان افزایش20تا25درصد
http://reliabilityweb.com/articles/entry/unleash_the_power_of_predictive_analytics/