<font color="e6007e">Pemeliharaan<br>prediktif <br>FAQ</font>

Pemeliharaan Prediktif: definisi, manfaat, contoh ... semua dalam sekali klik

Semua pertanyaan dan jawaban mengenai pemeliharaan prediktif dengan igus® - smart plastics

Apa yang dimaksud dengan pemeliharaan prediktif?
Apa hubungan pemeliharaan prediktif dengan Industri 4.0?
Apa tujuan dari pemeliharaan prediktif? Apa yang diperlukan untuk menggunakannya?
Apa saja keuntungan dan nilai tambah pemeliharaan prediktif dalam praktiknya?
Apa saja persyaratan yang harus dipenuhi untuk pemeliharaan prediktif?
Apa saja contoh aplikasi dari igus?
Apa saja strategi pemeliharaan selain pemeliharaan prediktif?
Di mana saya dapat menemukan materi tambahan tentang topik ini?

Pertanyaan demi pertanyaan - kami memberikan jawabannya!
Di sini Anda akan menemukan semua yang perlu Anda ketahui tentang pemeliharaan prediktif, dirangkum, disusun berdasarkan topik, dan dijelaskan secara konkret. Jelajahi dunia pemeliharaan prediktif dan temukan manfaat teknologi smart plastics kami untuk diri Anda sendiri.

Umum

► Apa itu pemeliharaan prediktif?

Pemeliharaan prediktif secara umum merujuk pada upaya mendeteksi dan mencegah kerusakan pada peralatan mesin atau komponennya secara dini, berkat informasi tentang kondisi mereka. Hal ini dicapai melalui metode berbasis data yang menganalisis kondisi mesin Anda dan membantu memprediksi gangguan, kerusakan, serta waktu yang tepat untuk melakukan pemeliharaan yang diperlukan.

► Apakah ada perbedaan antara "pemeliharaan prediktif" dan "pemeliharaan cerdas"?

Tidak. Kedua istilah tersebut kini digunakan secara sinonim dalam terminologi Industri 4.0. Istilah-istilah berikut juga sinonim:

pemeliharaan prediktif
perawatan berbasis perkiraan

Untuk kesederhanaan, istilah umum "pemeliharaan prediktif" akan digunakan dalam pembahasan selanjutnya.

► Apa hubungannya pemeliharaan prediktif dengan Industri 4.0?

Industri 4.0 menjanjikan efisiensi produksi yang lebih tinggi melalui mesin yang terhubung jaringan, analisis data, dan ketersediaan mesin yang lebih baik. Dalam konteks ini, pemeliharaan prediktif, yaitu proses pemeliharaan berdasarkan kondisi yang didasarkan pada analisis data proses dan mesin, merupakan komponen kunci.

► Apa tujuan dari pemeliharaan prediktif?

Downtime produksi yang tidak direncanakan dapat menyebabkan kerugian finansial dan mengurangi keuntungan secara signifikan dalam jangka panjang. Yang pasti, kegagalan mesin dan sistem merupakan ancaman serius bagi sektor industri. Pemeliharaan prediktif seharusnya menghasilkan penghematan biaya dibandingkan dengan proses pemeliharaan preventif yang didasarkan pada rutinitas, interval, atau waktu, karena pekerjaan hanya dilakukan ketika diperlukan.

► Apa yang dibutuhkan?

Pertama-tama, diperlukan berbagai sensor untuk merekam data yang relevan secara fungsional pada mesin, seperti kecepatan, suhu, kebisingan, getaran bearing, atau konsumsi daya. Selanjutnya, diperlukan kombinasi teknologi analisis real-time dan basis data untuk menginterpretasikan dan menganalisis data sensor secara bermakna. Jika semua ini berhasil, akan mungkin untuk memperbaiki masalah mesin sebelum masalah tersebut benar-benar terjadi.

► Apakah pemeliharaan prediktif hanya untuk perusahaan MRO tradisional?

Tidak. Pemeliharaan prediktif tidak hanya menarik bagi industri manufaktur atau bidang MRO terkait (Maintenance, Repair & Operations), tetapi juga untuk semua layanan mobilitas - baik di udara, di kendaraan, maupun di rel.
Hal ini biasanya bermanfaat bagi perusahaan yang sering menggunakan jenis mesin yang sama atau tidak ingin menggunakan pemeliharaan prediktif untuk produksi mereka sendiri, tetapi untuk mesin yang mereka jual.

Pilihan i.Sense yang berbeda dalam sekilas

Informasi umum tentang pemeliharaan prediktif

Keuntungan dari pemeliharaan prediktif

► Keuntungan dan nilai tambah bagi perusahaan - ringkasan

Peningkatan ketersediaan sistem akibat penurunan downtime
Peningkatan masa pakai sistem dan mesin
Optimasi penugasan teknisi pemeliharaan
Waktu pemeliharaan terjadwal
Peningkatan kinerja dan produktivitas mesin

► Selain keuntungan yang jelas, apakah ada juga kelemahan?

Tentu saja, ada biaya investasi awal untuk hardware dan software sensor yang digunakan untuk menganalisis dan mengevaluasi data. Selain itu, setiap metode baru tentu memerlukan biaya revisi awal dan pelatihan. Namun, dengan solusi smart plastics siap pasang dari igus i.Cee, biaya-biaya ini dapat dikurangi seminimal mungkin.

► Berapa potensi penghematan yang dapat dicapai?

Antara 50 hingga 70% downtime tak terduga (% ) dapat dikurangi, serta penghematan biaya pemeliharaan sebesar 20 hingga 40% tergantung pada studi mana yang Anda percayai dari dua firma konsultan terkemuka, McKinsey atau Accenture. Roland Berger juga mengklaim bahwa dengan pemeliharaan prediktif, hanya 15% waktu yang dihabiskan untuk pemeliharaan. Dengan pemeliharaan reaktif konvensional, angka ini mencapai 40% dari waktu yang tersedia.

Apakah OEE juga meningkat?

Menurut para penulis survei yang dilakukan oleh konsultan teknologi lain, Bearing Point, di antara para ahli dalam bidang pemeliharaan, produksi, logistik, dan TI, lebih dari 80% pengguna mengharapkan pemeliharaan prediktif dapat meningkatkan ketersediaan pabrik, yaitu OEE (Overall Equipment Effectiveness).

Cari tahu lebih lanjut tentang hubungan antara pemeliharaan prediktif dan OEE di sini

Persyaratan untuk pemeliharaan prediktif

►Bagaimana cara memulai dengan segera?

Pengumpulan dan analisis data mesin merupakan inti dari pemeliharaan cerdas ini. Data tersebut dapat digunakan untuk menghitung waktu optimal untuk pemeliharaan guna menghindari gangguan. Data mesin biasanya direkam menggunakan sensor yang terpasang pada mesin atau komponen sistem, sering disebut sebagai sensor pemeliharaan prediktif. Dalam sistem igus energy chain, tugas ini dilakukan oleh sensor pemantauan kondisi i.Sense dari smart plastics. Teknologi sensor cerdas ini secara terus-menerus merekam berbagai kondisi operasi suplai energi.

Cari tahu lebih lanjut tentang teknologi i.Sense

► Data apa saja yang diperlukan untuk perkiraan perawatan yang paling akurat?

Persyaratan utama untuk perkiraan waktu operasi tanpa gangguan yang paling akurat adalah informasi penggunaan yang seakurat mungkin. Hal ini mencakup informasi tentang lokasi penggunaan beserta kondisi cuaca dan suhu, jarak lintasan yang ditempuh, jumlah siklus, dan sebagainya. Berkat pengetahuan yang diperoleh di laboratorium uji igus dan data kondisi terkini, igus dapat memprediksi data masa pakai dengan presisi tinggi. Penggantian komponen yang diperlukan kemudian dapat diindikasikan secara tepat waktu, sehingga memungkinkan pemeliharaan yang direncanakan dan efisien dalam penggunaan sumber daya.

Pelajari lebih lanjut tentang laboratorium uji igus untuk energy chain

►Apakah Anda selalu membutuhkan perangkat lunak atau alat IT baru?

Persyaratan utama untuk pemeliharaan prediktif adalah mesin-mesin terhubung dalam jaringan, yaitu semua mesin mengirimkan data mereka untuk disimpan dan dianalisis dalam basis data. Hal ini dijamin dengan protokol OPC UA.
Dengan solusi igus i.Cee untuk pemeliharaan prediktif, tidak diperlukan sistem atau hardware tambahan. Semua data yang diperlukan disediakan melalui sensor i.Sense yang terkait, dan algoritma AI khusus diimplementasikan dalam modul i.Cee. Dan dashboard i.Cee yang terkait dapat diakses dengan PC standar apa pun.

Pelajari lebih lanjut tentang i.Cee dari igus

Smart maintenance dalam sekilas:

Diagram ini secara skematis menunjukkan cara kerja i.Sense dan i.Cee serta opsi yang tersedia.

Area aplikasi

► Contoh pemeliharaan prediktif

Dalam praktiknya, pemeliharaan prediktif seringkali relevan untuk mesin-mesin di mana kegagalan operasional dapat menyebabkan kerugian penjualan yang besar atau kerusakan yang berakibat fatal. Mesin-mesin modern umumnya sudah dilengkapi dengan sensor pengukuran yang diperlukan. Model-model lama dapat dilengkapi dengan sensor-sensor tersebut. Contohnya antara lain:

Pengukuran getaran pada sistem, memberikan informasi tentang ketidakseimbangan, kerusakan bearing yang awal, dll.
Pengukuran suhu, memberikan informasi tentang kerusakan bearing atau masalah pendinginan
Pengukuran konsumsi arus pompa, motor, dll., memberikan informasi tentang motor yang lambat, kopling, dll.
Pengukuran sifat transmisi kabel data memberikan informasi tentang sisa masa pakai
Sensor gaya atau beban membantu menentukan tingkat pemanfaatan kapasitas saat ini

Dalam bidang aplikasi manajemen energi dinamis, igus sudah memiliki portofolio produk yang luas dengan smart plastic.

Pelajari lebih lanjut tentang solusi igus

► Di industri mana pemeliharaan prediktif paling relevan?

Pemeliharaan prediktif terutama digunakan di industri-industri di mana kegagalan sistem, mesin, atau komponen dapat menyebabkan kerusakan yang signifikan dan biaya downtime yang tinggi:

Aviasi: Maskapai penerbangan menggunakan sensor di pesawat mereka untuk mengganti bagian-bagian yang rentan aus, seperti turbin atau pompa, secara tepat waktu dan menghindari downtime di darat.
Otomotif: Perusahaan otomotif mengoperasikan beberapa taman robot terbesar di dunia, memproduksi secara tepat waktu, dan memiliki supply chain yang terintegrasi dengan ketat. Gangguan produksi, misalnya downtime yang tidak direncanakan, dapat mengganggu seluruh supply chain.
Turbin angin: Analisis getaran kini hampir sepenuhnya dapat mencegah kegagalan turbin angin.
Pelabuhan: Kerusakan crane menyebabkan waktu tunggu yang lama bagi kapal dan penurunan kapasitas throughput pelabuhan.

Solusi pemeliharaan prediktif dari igus smart plastics sudah digunakan di sebagian besar industri ini.

Pelajari lebih lanjut tentang bidang-bidang aplikasi yang potensial

Operasi prediktif tanpa kejutan: energy chain cerdas untuk pencucian kereta api paling modern di Eropa

Studi kasus
Dalam studi kasus ini, kita membahas bagaimana CFL, perusahaan kereta api nasional Luxembourg, menggunakan beberapa energy chain dari igus® bersama dengan teknologi sensor cerdas dari smart plastics untuk mengatasi berbagai tantangan:

Bagaimana tepatnya kegagalan dicegah?
Komponen mana yang menjadi penyebab kegagalan?
Bagaimana proyek ini diimplementasikan dan dengan alat apa saja?
Dan bagaimana kondisinya saat ini?

Untuk mengunduh PDF

Studi kasus i.Cee di stasiun pencucian kereta CFL

White paper tentang pemeliharaan prediktif

Meningkatkan ketersediaan sistem dan memastikan kesesuaian proses

Dalam white paper ini, Anda dapat mengetahui hal-hal berikut:

Apa perbedaan antara kedua konsep tersebut?
Teknologi apa yang mendasari masing-masing sistem?
Apa yang ditawarkan kedua sistem tersebut untuk suplai energi di industri?

Download white paper disini!

Strategi pemeliharaan lainnya

► Apa saja strategi pemeliharaan lainnya?

Dalam standar DIN EN 13306 - Istilah dan definisi pemeliharaan, German Institute for Standardisation mendefinisikan strategi pemeliharaan sebagai prosedur untuk mencapai tujuan pemeliharaan, seperti mempertahankan kondisi tertentu atau memperpanjang masa pakai mesin. Biasanya, tiga pendekatan berbeda dibedakan sebagai berikut:

Strategi pemeliharaan reaktif / Strategi pemeliharaan berdasarkan kerusakan
Strategi pemeliharaan preventif
Strategi pemeliharaan prediktif

► Apa yang membedakan pemeliharaan reaktif?

Dalam bentuk pemeliharaan reaktif, kerusakan pada mesin diperbaiki dan bagian-bagian produksi diganti hanya ketika terjadi masalah mendesak. Hal ini berarti perusahaan harus bertindak cepat saat terjadi kerusakan agar dapat melanjutkan produksi secepat mungkin dan menghindari downtime yang tinggi serta biaya yang besar. Strategi ini umumnya digunakan pada mesin yang tidak memerlukan perbaikan yang sering atau yang dapat diperbaiki atau diganti dengan biaya rendah.

► Apa perbedaan antara pemeliharaan preventif dan pemeliharaan prediktif?

Pemeliharaan preventif adalah strategi pemeliharaan di mana tindakan dilakukan pada interval tertentu. Interval ini dapat didasarkan pada waktu atau jumlah. Dengan kata lain, Anda tidak menunggu hingga sistem atau bagian mesin rusak, tetapi secara sistematis melakukan inspeksi preventif dan tindakan pemeliharaan. Derajat keausan aktual pada mesin dan sistem tidak relevan. Dalam pemeliharaan prediktif, di sisi lain, data proses dan mesin direkam, disimpan, dan dianalisis selama operasi menggunakan sensor dan antarmuka.