Прогнозна поддръжка на активи в индустрията за сигурност

Клиентът

Клиентът е доставчик на услуги по поддръжка, отговорен за рентгенови скенери, разположени в критични инфраструктурни точки, включително пристанища, граници и летища. Бизнесът им зависи от осигуряването на висока наличност на тези активи, като същевременно се спазват стриктни споразумения за ниво на обслужване (SLA). С увеличаването на оперативните изисквания, те се нуждаеха от прогнозен подход към поддръжката, който би намалил времето за престой и би оптимизирал планирането на ресурсите.
 

Предизвикателството

Рентгеновите скенери, използвани в среди за сигурност, са критично важни системи, при които неоперативното време може да наруши работата и да създаде рискове за сигурността. Традиционните подходи за поддръжка – базирани на фиксирани графици или реактивни ремонти – бяха недостатъчни, за да гарантират висока наличност.

Клиентът се сблъска с нарастващ натиск да намали непланираните повреди на оборудването, като същевременно оптимизира натоварването на екипите за поддръжка на място. Без прогнозни анализи, планирането на поддръжката беше неефективно, което често водеше до ненужно обслужване или забавени интервенции.

Предизвикателството изискваше интегриране на разнородни източници на данни, включително данни от сензори в реално време и исторически записи за поддръжка, обхващащи повече от десетилетие. Освен това, решението трябваше да се справи както с краткосрочното прогнозиране на повреди, така и с дългосрочното планиране на жизнения цикъл на активите.

Без рамка за прогнозна поддръжка, клиентът рискуваше увеличени оперативни разходи, прекъсвания на услугите и невъзможност да отговори на нарастващите очаквания на клиентите.

Какво направихме

Подход

Разработихме система за прогнозна поддръжка, комбинираща краткосрочно прогнозиране на повреди, с анализ на жизнения цикъл в дългосрочен план. Подходът имаше за цел да осигури както незабавни оперативни сигнали, така и стратегически анализи за управление на жизнения цикъл на активите.

По време на проучвателната фаза идентифицирахме две различни, но допълващи се нужди: ранни предупредителни сигнали за предстоящи повреди и вероятностни прогнози за дългосрочно влошаване на активите. Това доведе до разработването на отделни слоеве за моделиране, оптимизирани за различни времеви хоризонти.

Ключово решение беше да се интегрират тези модели в унифицирана система за подпомагане на вземането на решения, което да позволи на екипите по поддръжка да действат проактивно, като същевременно се подобри дългосрочното планиране.

Методология

• Оценка на данните:
  Агрегирани бяха 10 години исторически данни, включително показания на сензори, дневници за поддръжка и записи за коригиращо обслужване.
• Избор на подход:
  Бяха комбинирани модели за машинно обучение за краткосрочно прогнозиране на повреди, с анализ на жизнения цикъл на активите в дългосрочен план.
• Разработване на модели:
  Изградени бяха краткосрочни модели за прогнозиране на повреди в рамките на 2-3 седмичен хоризонт и дългосрочни модели за оценка на вероятността от дефекти за период от 6-12 месеца.
• Рамка за валидиране:
  Оценена беше точността на прогнозиране, използвайки исторически събития на повреди и беше тествана производителността на модела при различни видове активи и експлоатационни условия.
• Интеграция:
  Внедрени бяха модели в онлайн система за подпомагане на вземането на решения за поддръжка, базирана на състоянието и прогнозна поддръжка.
• Съответствие:
  Осигурено беше съответствие с оперативните стандарти за критична инфраструктура и политиките за обработка на данни.

Резултатът

Прогнозиране с висока точност на повреди на оборудването до 3 седмици предварително

Системата за прогнозна поддръжка позволи ранно откриване на потенциални повреди, позволявайки на екипите по поддръжка да се намесят преди да възникнат непланирани прекъсвания.
 

Вторични резултати:

• Подобрена наличност на активи в обекти с критична инфраструктура
• Намалени непланирани прекъсвания и разходи за поддръжка
• Оптимизирано планиране на екипите за обслужване на място
• Дългосрочна видимост за нуждите от подмяна на активи (хоризонт 6-12 месеца)

Сблъсквате се с подобно предизвикателство?

Ако управлявате критични активи и трябва да намалите неоперативното време, като същевременно оптимизирате операциите по поддръжка, ние можем да ви помогнем да изградите прогнозни системи, съобразени с вашата инфраструктура.

Резервирайте техническа консултация