چالش نگهداری پیشگیرانه

یک اپراتور ناوگان دیزلی در کانادا می خواست برنامه ریزی تعمیر و نگهداری خودروهایی را که در شرایط آب و هوایی متغیر کار می کنند، بهبود بخشد.

تیم تعمیر و نگهداری متوجه شد که مشکلات مربوط به انژکتور اغلب پس از دوره های طولانی عملیات ظاهر می شود و نه بلافاصله.

تیم به جای اینکه منتظر کاهش عملکرد قابل توجه باشد، شروع به بررسی اطلاعات عملیاتی و تاریخچه تعمیر و نگهداری کرد.

حرکت از تعمیر واکنشی به تحلیل پیشگیرانه

نگهداری سنتی اغلب پس از ظاهر شدن علائم شروع می شود:

• شروع دشوار؛
• دود؛
• دویدن خشن؛
• کاهش قدرت

با این حال، اجزای سیستم سوخت دیزل معمولاً قبل از وقوع یک شکایت بزرگ، تغییرات تدریجی را تجربه می کنند.

تیم تعمیر و نگهداری اطلاعاتی از جمله:

• ساعات کار؛
• سابقه خدمات؛
• بازرسی سیستم سوخت؛
• محیط عملیاتی

بررسی الگوی به کمک هوش مصنوعی

با مقایسه اطلاعات نگهداری تاریخی، تیم می‌تواند الگوهای تکراری را شناسایی کند.

تجزیه و تحلیل بر روی موارد زیر متمرکز شد:

• تغییرات در رفتار عملیاتی؛
• فواصل خدمات مکرر؛
• شرایط محیطی؛
• شدت استفاده

هدف پیش‌بینی تاریخ دقیق خرابی نبود، بلکه شناسایی زمان معقول بودن بازرسی اضافی بود.

محیط برنامه کاربردی کانادا

تغییرات دمای فصلی کانادا می تواند بر شرایط کارکرد دیزل تأثیر بگذارد.

خودروهایی که در زمستان و تابستان کار می کنند ممکن است نیازهای سیستم سوخت متفاوتی را تجربه کنند.

بنابراین، برنامه ریزی تعمیر و نگهداری تنها بر اساس زمان تقویم ممکن است به طور کامل نشان دهنده استفاده واقعی از اجزا نباشد.

نتیجه تعمیر و نگهداری

ناوگان روند بازرسی ساختارمندتری ایجاد کرد.

تکنسین ها می توانند به جای انتظار برای علائم مربوط به انژکتور، روندهای عملیاتی را بررسی کرده و بررسی های هدفمند را برنامه ریزی کنند.

نتیجه گیری مورد

این مورد کانادا دلیل آن را نشان می دهدتجزیه و تحلیل تعمیر و نگهداری به کمک هوش مصنوعی می تواند از مدیریت پیشگیرانه انژکتور دیزل پشتیبانی کند.

استفاده از اطلاعات تاریخی به تیم های تعمیر و نگهداری کمک می کند تا شرایط عملیاتی را قبل از بروز مشکلات غیرمنتظره درک کنند.