鉱業では、資産管理と信頼性が極めて重要であり、特に従業員の安全とダウンタイムによる高コストの回避が重要です。しかし、ワールドクラスのメンテナンスへの障壁は、ほとんどの機器の故障がランダムに発生し、発生前に発見することが困難であることです。実際、ほとんどの故障はランダムな部類に入ると推定されています。
鉱業における設備データの収集は、生産プロセスがサイロ化され分散しているため、歴史的に課題となっていた。データソースは施設や鉱山に分散しており、それらをメインハブに接続する明確な統一ネットワークはありません。その結果、可視性が分断され、手作業によるデータワークフローが発生します。情報技術(IT)と制御技術(OT)は独立して存在し、利用可能なデータはしばしば文脈を欠き、理解や利用が困難となっていました。この接続性の欠如により、特定の産業機器からパフォーマンスメトリクスを引き出す能力が制限されます。
接続性とデータへのアクセスの欠如も、全社的な予知保全ソリューションの導入を困難にしています。たった1台の機器や、ネットワーク化されたごく小規模なグループでのワンオフや概念実証では、信頼できる予知保全ソリューションにはならず、依然として保全の多くを偶然に任せることになります。
有意義な改善の必要性
効率性を向上させるために、メンテナンスが事後対応的なものから脱却すべきであることは明らかですが、そのためには、より包括的なメンテナンスインフラへの投資が必要です。定期的なローテーションでメンテナンスをスケジュールするだけでは、機器の実際の状態を考慮することはできません。
鉱山会社が資産を効果的に管理するには、なぜ、どのように、そしていつ故障するのかを理解しなければなりません。専門職として、また企業実務としてのメンテナンスは、過去50年間で大幅に進化し、テクノロジもそれに伴って進化してきました。しかし、鉱業において予知保全を提供できる技術を採用する上での障壁は、コストと操業の分散性に起因しています。
必要なのは、大規模なデータコンテキスト化を提供し、現在予測保全ソリューションの大規模展開を阻害しているデータアーキテクチャと統合の課題を解決できるソリューションです。そこで、産業用データ･オペレーション･システムの出番となります。
産業用データオペレーション
産業用データオペレーション(DataOps)は、鉱業用の予知保全ソリューションの開発をサポートする。DataOpsで使用されるテクノロジは、予測モデルを開発するためのデータサイエンスに焦点を当てています。従来は時間のかかる手作業であったデータ収集と照合を自動化することができます。ロックウェル･オートメーションのFactoryTalk® DataMosaix™プラットフォーム上に構築された鉱業用アセットインテリジェンスのようなシステムを通じてOTとITを統合することで、予知保全が実現可能になります。
データサイエンティストは、データを読取り、機械の健全性と性能の傾向を認識するために、より多くの時間を使えるようになります。この洞察により、各機器の適切なメンテナンスケーデンスを決定することができ、タブレット、ラップトップ、またはデスクトップ上の読みやすいダッシュボードで、オペレーション全体の関連担当者がその情報を利用できるようになります。高価なシャットダウンの原因となる機器の故障が発生する前に、貴重なほぼリアルタイムの情報を適切な担当者に届けることができます。
産業用DataOpsは、これまでバラバラだったデータ間に意味のある関係を追加･管理し、予知保全のような機械学習アプリケーションの開発と展開を加速します。別の言い方をすれば、鉱山会社が複雑な産業データから価値を引き出す方法を単純化します。
まとめ
リアルタイムのセンサデータと、工学の第一原理(単純なものから複雑なものを作ることができるという考え方)に基づくアセットモデルを組み合わせることで、鉱業用アセットインテリジェンスの運用方法の多くを支える、あらかじめ構築されたモデルが提供されます。DataOpsはこれらのモデルを運用します。
予知保全は、メンテナンスに費やす工数を削減し、予定外のダウンタイムを減らし、生産性を向上させます。
詳細は産業用DataOpsおよび、ロックウェル･オートメーションの産業用ソリューション - 鉱業用アセットインテリジェンスについてご覧ください。
