AI Summary & Key Takeaways
AI InsightThus, it plans and optimizes maintenance by using preventive maintenance policies, real-time data usage and predictive machine learning algorithms in environments where equipment will be exposed to unplanned downtime.
📌 3 Key Takeaways
Abstract
The increasing competition with the globalization of the production ecosystem increases the demand for intelligent factories in the industry day by day. This situation is forcing bringing with it a major challenge to the manufacturing sector to produce the next step. Therefore, manufacturers should increase their efficiency and productivity to become more competitive. To this end, they need to adopt advanced analytical approaches. Internet of Things (IoT) is used to collect and store data systematically and to make sense of this data by analyzing it. The collected large data can be interpreted by means of analytical methods to bring new perspectives to the old problems and to allow for new areas of research. Few researches and compilations have been made to inform companies about how they can profitably integrate with the IoT through strategic or operational processes. In this study, predictive maintenance has been investigated to dynamically manage the potentials and trends of maintenance management by means of large data generated in the industrial environment. Predictive maintenance; monitoring of the condition of the equipment and its components before failure and analyzing the data by analytical methods, evaluating the life expectancy and evaluating the possibility of failure and evaluating the data. Thus, it plans and optimizes maintenance by using preventive maintenance policies, real-time data usage and predictive machine learning algorithms in environments where equipment will be exposed to unplanned downtime.
Özet
Üretim ekosisteminin küreselleşmesi ile artan rekabet koşulları endüstride akıllı fabrikalara duyulan talebi gün geçtikçe artırmaktadır. Bu durum büyük bir zorluğu beraberinde getirerek imalat sektörünü bir sonraki adım olan tahmine dayalı üretime zorlamaktadır. Dolayısıyla üreticiler daha rekabetçi hale gelebilmek için verimliliklerini ve üretkenliklerini artırmalıdır. Bunun için gelişmiş analitik yaklaşımları benimsemeleri gerekmektedir. Nesnelerin İnterneti (Internet of Things: IoT) sistematik olarak veri toplamak, depolamak ve bu veriyi analiz ederek anlamlandırmak için kullanılmaktadır. Toplanan büyük veri analitik yöntemler vasıtasıyla yorumlanarak eski sorunlara yeni bakış açıları getirmeye ve tamamen yeni araştırma alanlarına olanak tanır. Şirketleri, IoT ile stratejik veya operasyonel süreçlerle nasıl karlı bir şekilde bütünleşebilecekleri konusunda bilgilendiren çok az araştırma ve derleme yapılmıştır. Bu çalışmada, endüstri ortamında üretilen büyük veri vasıtasıyla bakım yönetiminin potansiyellerini ve eğilimlerini dinamik olarak yönetmek için kestirimci bakım araştırılmıştır. Kestirimci bakım; ekipmanın ve bileşenlerinin arızalanmadan önce durumlarının izlenmesi ve verilerin analitik yöntemlerle analiz edilmesiyle yaşam ömürlerinin öngörülüp arıza çıkarma ihtimallerini değerlendirmek ve önlem almaktır. Böylece, ekipmanın plansız duruşlara maruz kalacağı ortamlarda önleyici bakım politikaları, gerçek zamanlı veri kullanımı ve tahmine dayalı makine öğrenimi algoritmalarının kullanılması yoluyla bakımı planlamakta ve optimize etmektedir.