verticale

Smart Maintenance: piattaforme integrate per la manutenzione preventiva e condition-based

CBM aspetto fondamentale: dati dal campo e loro interpretazione
Che cosa si presenta:
-Gliapprocciallamanutenzione
-Il Sistema di acquisizionee trasmissione dati
-Alcuni esempi di CBM applicate ad una flotta di locomotori
Gli approcci alla manutenzione
Smart maintenance
Classificazione della policy manutentiva

Scarica il PDF Scarica il PDF
Aggiungi ai preferiti Aggiungi ai preferiti


Atti di convegni o presentazioni contenenti case history
MCM ottobre 2018 La digitalizzazione della manutenzione: la sfida per la Manutenzione 4.0

Pubblicato
da Benedetta Rampini
MCM 2018Segui aziendaSegui




Settori: 

Parole chiave: 


Estratto del testo
Veronafiere 17-18 ottobre 2018 Vi aspettiamo a mcT Petrolchimico Milano, 29 novembre 2018 Cogenerazione Termotecnica Industriale Pompe di Calore 27 ottobre Cogenerazione Termotecnica Industriale Pompe di Calore Alimentare Alimentare Petrolchimico Alimentare 28 ottobre Alimentare Petrolchimico Alimentare Alimentare Petrolchimico Visione e Tracciabilit 28 ottobre Luce Energia Domotica LED Luce Energia Domotica LED Petrolchimico Alimentare Petrolchimico Petr Smart Maintenance: piattaforme integrate per la manutenzione preventive e condition-based Micaela Caserza Magro University of Genoa ' Dept. DITEN I contenuti della presentazione Quali gli scenari possibili per la manutenzione ' CBM aspetto fondamentale: dati dal campo e loro interpretazione Che cosa si presenta: - Gli approcci alla manutenzione - Il Sistema di acquisizione e trasmissione dati - Alcuni esempi di CBM applicate ad una flotta di locomotori Che cosa la manutenzione Insieme delle operazioni necessarie per mantenere in buono stato, in piena efficienza qualcosa: m. di strade, di macchine, d'impianti; lavori di m.; spese di m. ' Manutenzione ordinaria, insieme delle operazioni svolte ordinariamente al fine di mantenere qualcosa in efficienza ' Manutenzione straordinaria, complesso di particolari lavori di riparazione Gli approcci alla manutenzione Manutenzione preventiva Interventi a scadenza programmata Manutenzione migliorativa Interventi di ottimizzazione e retrofit Gli approcci alla manutenzione Manutenzione reattiva Interventi programmati per guasti Manutenzione predittiva Analisi del e condizioni attuali per prevedere futuri guasti Manutenzione predittiva Ma nu te nzi on e pre di tti va Infrastruttura di comunicazione Selezione dati Database storico Algoritmi Smart maintenance Smart Maintenance Data approach Asset Management Knowledge & people Management Raccolta dati Elaborazione dati Analisi dati Interpretazione dati Data approach Asset and Knowledge management Asset Management
' Definizione KPI
' Ottimizzazione processo Knowledge management
' Formazione
' Valorizzazione persone Complessit vs. Manutenzione Maintenance processes V eh icl e de sig n Reactive Remote Proactive Predictive KPI per manutenzione - MTTR /MTBF - Quality of Service: disposibilit e Sicurezza for gli utenti diventa affidabilit e puntualit - Life Cycle Cost: ricorrenti e singoli (acquisto, installazione, funzionamento, manutenzione, upgrade, valore residuo) Classificazione della policy manutentiva (1/3) Reattiva
. Livello A: esiste un concetto diagnostic ed implementato;
. Livello B: i dati diagnostici sono disponibili in un database unico;
. Livello C: I dati ambientali sono disponibili in un database unico
Remote
. Livello A: gli allarmi diagnostici ed i dati sono trasferiti attraverso un
modem wireless; . Livello B: I dati ambientali sono trasferiti via wireless modem;
. Livello C: I dati sono raccolti usando un server real time (con un
ritardo di 30 min) che pu essere acceduto da remoto. Proattiva
. Livello A: un significativo numero di segnali diagnostici hanno una
certa occorennza ed chiaro perch compaiono; . Livello B: un certo numero di segnali ha una relazione uno a uno con un modo di guasto; . Livello C: possibili modificare ed aggiornare la logica diagnostica da remoto. Classificazione della policy manutentiva (2/3) Classificazione della policy manutentiva (3/3) Predittiva
. Livello A: possibili attivare contati cumulativi (km, tempo,
numero di cambiamenti, etc.); . Livello B: un concetto di massima di predittiva esiste ed stato implementato includendo appositi sensori;
. Livello C: il veicolo stato progettato per supportare le
funzionalit predittive Infrastruttura per la CBM I sistemi a bordo Il flusso dei dati verso terra Struttura del telegramma - Numero ID del veicolo - Data ed ora del trigger del segnale diagnostico - Nome del sottosistema che ha generato il messaggio diagnostico - Codice del messaggio: una stringa alfanumerica di 4 digit che identifica il messaggio diagnostico Database diagnostico Visualizzazione grafica Tipologie di analisi Analisi ORIZZONTALE Analisi VERTICALE Cercando indicatori di guasto L'analisi dei dati del Interruttore principale del e locomotive ha mostrato una relazione tra il numero ed il tipo di operazioni ed il guasto degli interruttori Cercando indicatori di guasto I compressori del 'aria sono component critici per la Sicurezza dei treni. KMIs per monitorare il loro funzionamento sono: cicli di on/off durante il coasting, profile di pressione durante la frenatura, etc. Analisi dati per i compressori # Vehicle Avg Time ON Avg Time ON coasting Avg % operation # Samples 186111 90,83 74,48 25,30% 6 186112 122,91 73,98 30,05% 4 186113 213,59 126,45 48,46% 6 186114 73,81 64,47 18,58% 4 186115 75,49 59,74 16,98% 14 186116 68,27 54,39 16,13% 4 186117 88,11 71,74 25,36% 8 186118 75,79 60,09 22,77% 8 186119 76,03 60,17 18,64% 9 186120 77,69 64,45 22,42% 10 186121 90,03 75,18 26,03% 6 186122 89,81 67,35 26,89% 3 186144 121,95 92,87 32,81% 5 186236 76,05 63,22 21,18% 5 La comparazione dei KPI dei compressori di lomotori diversi identifica locomotive con un consume di aria anormale # Vehicle Daily working hours Est. remaining life [years] 186111 4,44 7,41 186112 4,54 7,25 186113 9,08 3,62 186114 3,38 9,72 186115 3,07 10,72 186116 1,90 17,27 186117 4,58 7,18 186118 3,79 8,68 186119 3,12 10,54 186120 4,23 7,77 186121 4,16 7,89 186122 4,30 7,64 186144 5,25 6,26 186236 3,39 9,70 Un algoritmo pu calcolare la vita residua Micaela Caserza Magro University of Genoa ' Dept. DITEN Micaela.caserza@unige.it


© Eiom - All rights Reserved     P.IVA 00850640186