2021年に停電が発生し、工場が6時間停止した際、3万枚の半導体ウエハーに影響が及び、同社には約3,385万ドル、1時間あたり564万ドルの損害が発生した。この計画外のダウンタイムは機器の故障によるものではなく、発生したコストは純粋に生産中のウェーハの損失によるものでした。しかし、これは、製造業務の種類によってこのような中断のコストが異なるにもかかわらず、組織が計画外のダウンタイムを回避しようと熱心に取り組んでいる理由を説明しています。
予防保守だけで十分でしょうか?
故障を避けるための予防メンテナンスは、定期的に車をサービス センターに持ち込むことに似ています。サービススケジュールは、通常は1年という定期的な間隔に基づいていますが、車の走行距離に基づいて設定されるのがさらに望ましいです。従来の予防保守は、機器が故障したときや煙が感知されたときに修理するリアクティブ保守に比べて、機器とダウンタイムの両方のコストを節約できるという多くの利点があります。定期的なメンテナンスには、初期費用が高くなり、計画と予算作成に費やす時間も増えますが、その結果得られる予測可能性によって生産効率が向上し、時間に敏感なプロセス中の計画外の停止による損失が減り、機器の寿命が延び、企業がコストと必要な収益性を管理できるようになります。
一見すると予防保守で十分なように思えますが、まだまだ改善の余地があります。車の例えを続けると、メーカーが設定するサービス要件は、せいぜい予想される運転条件の平均値です。これらは、車の運転方法、急停止や急発進の回数、車が通常運ぶ荷重を考慮していません。平均値としては、車に特有の条件など何も満たさずにすべてをカバーします。そのため、製造設備は自動車と同様に、製造工程の途中で故障してしまうのです。予防保守の設定スケジュールによって、せいぜい、機器の不必要な保守が行われ、その結果、予測された不必要なコストとダウンタイムが発生する可能性があります。
状態監視による早期メンテナンス
このリアクティブメンテナンス戦略では、 マイク、 熱センサー、 煙探知機を利用して、生産プロセスやスケジュールに支障が出る可能性がある場合でも、障害が差し迫っていて対応が緊急である場合に企業に警告します。この段階でのメンテナンスでは、多くの場合、よりコストのかかる部品の交換や修理も必要になります。
機器のライフサイクルに対する理解が深まったことで、このコンセプトが改善され、監視用に他のパラメータも追加されました (図1)。故障しやすい産業用機器には通常、コンベア、ロボット、流体供給に使用されるモーターやポンプなどの可動部品が含まれているため、図1に示す故障までの機器の推定寿命段階は、このような機器に密接に関連しています。
組織は、追加のパラメータを監視することで障害状態を早期に把握し、予防保守や予測保守を実施することができます。このような状態監視に広く使用されているセンサーには、以下のものがあります。
IRセンサー/カメラ: IRセンサーは、機器の温度を継続的または頻繁にチェックするために使用される サーモグラフィー機器 の中心です。これにより、ヒューズの故障や、不適切な電気端子や腐食した電気端子からの火花などの障害によって発生する「ホット スポット」を検出できます。低コストの実装では、 RTD と 熱電対が使用される場合があります。
粒子カウンターオイルは油圧システムだけでなく、ほぼすべての産業プロセスにおいてギアボックス、トランスミッション、モーターベアリングの潤滑剤としても使用されます。粒子カウンターは、油が分解したり、移動中に油が汚れを拾ったりするときに発生する汚染物質の検出に役立ちます。したがって、粒子カウントデータは、研磨ベアリングの摩耗など、機器の状態に関する情報を提供します。
自動光学粒子カウンター 最も広く使用されている方法の1つであり、白色光またはレーザーを使用して影や光の散乱を検出し、カウントします。多くの場合、機器はISO 11500の認証を受けており、粒子カウントデータのコード化はISO 4406:99によって決定されているため、一貫した評価が実現されます。
エネルギー監視: モーターの電流、速度、電力の変化は、HVACシステム、ロボット、コンベア、その他の動きが主な用途における電気効率を改善するために業界で使用される可変速ドライブによって生じます。
エネルギー監視 プロセスのさまざまなポイントや特定の機器での傾向分析により、機器の健全性に関する重要な情報が明らかになります。異常なエネルギー消費パターンは、多くの場合、ベアリングの摩耗や電気配線の問題などにより、安全でない動作状態または継続的な障害状態のいずれかを示します。より安価で直接測定されるモーター電流でも、偏心ローター、ローターバーの問題、巻線の問題、ベアリングの問題について知ることができます。
振動センサー: 振動と付随データの分析により、ベアリングの状態、ギアの噛み合い、ポンプのキャビテーション、ローターのずれ、負荷状態に関する重要な情報が提供されます。圧電型または微小電気機械システム（MEMS）加速度計およびセンサーモジュール（3軸加速度計など） ADcmXL3021 MEMSモジュールは、機器に簡単に追加できます。抽出される情報は、根本的な問題に非常に密接に関連しており、障害発生の非常に早い段階で得られるため (図1)、大きなオーバーヘッドなしで機器の寿命を延ばすことができます。
振動の検知と評価は、加速度計の機械的取り付けに関するISO 5348、非回転部品の測定による機械の振動の評価に関するISO 10816、回転シャフトの測定による機械の振動の評価に関するISO 7919など、いくつかの規格によって規定されています。
超音波センサー/マイク: 超音波範囲の音響センサーは、ほとんど気づかない圧力漏れ、ベアリングの問題、ギアのかみ合い、ポンプのキャビテーションを検出できます。これらは、回転機器のわずかな摩擦の増加を検出するなど、潜在的な問題を非常に早い段階で警告するため、第一の防御線と見なされています。
エレクトレットと MEMSマイク それぞれ、過酷な産業環境と比較的穏やかな産業環境で使用できます。
予測のためのセンサーデータの分析
センサーによって提供される測定値は問題の診断に役立ちますが、自動アラートしきい値を設定するのは困難です。たとえば、プロセスや製造レシピの性質に何らかの変化があったり、季節によって気象条件が変化することによって環境条件が変わったりすると、誤報が発生する可能性があります。そのため、業界では複数のセンサーを使用して、機器の寿命全体にわたって追跡するだけでなく、状態監視に情報のギャップがないようにします。
センサーとしきい値アラートは、測定時の機械の状態に焦点を当てています。一方、予知保全は、障害が明らかになる前に障害を検出すること、そして障害が発生する前に徹底的な分析を行って障害を完全に回避できるようにすることに重点を置きます。
たとえば、 iCOMOX のようなプラットフォームは、さまざまなテクノロジーを活用して予測保守戦略の構築に役立ちます。このプラットフォームは、低消費電力の ADuCM4050 ARM Cortex M4 MCU、振動センサーとして低ノイズの ADXL356 3軸加速度計、低gウェイクアップトリガーとしてADXL362加速度計、0.5 C精度の ADT7410 ±温度センサー、Bosch°BMM150 3軸磁場センサー、 IM69D130 デジタルデュアルバックプレートMEMSマイクを活用しています。
iCOMOXに組み込まれた人工知能 (AI) は、センサー データの優先順位付けと合理化を行い、エッジから、通常は大量の分析処理が行われるクラウドまでのデータ フローと消費電力の削減を実現します。
状態とプロセスの履歴データを組み合わせて多変量解析を行うと、障害予測と予知保全の精度が向上します。ディープラーニング アルゴリズムを導入すると、変化する機械、プロセス、環境条件を考慮して、プロセス モデルと機器の健全性/寿命モデルを作成して統合することができます。これにより、製造業者は生産性への影響が最も少ないときにメンテナンスを予測して計画することができます。
自己メンテナンスへ進みますか?
予測保守が主流になりつつある中、大手機器メーカーはすでに、機械の自己監視と中程度の自己保守に注目しています。たとえば、半導体エッチング装置業界では、ツールによってウェハが置かれている静電チャックの存在を検出し、その位置合わせと調整をチェックし、その状態を確認することができます。内蔵ストレージからチャックを新しいものと交換することは、進行中のプロセスと今後の計画的ダウンタイムの機会を考慮して利用される比較的単純な自動化の問題です。
この未来を先導しているのは、センサー、コンピューティング プラットフォーム、クラウド サービスについてエンジニアにアドバイスするだけでなく、予測メンテナンスを可能にすることで最適化された運用をサポートするパートナーの広大なエコシステムを活用するArrowの専門家です。
製造業務をアップグレードするには、Arrow にお問い合わせください。