Anlagenmanagement und Zuverlässigkeit sind in der Bergbauindustrie von entscheidender Bedeutung, insbesondere im Hinblick auf die Sicherheit der Mitarbeiter und die Vermeidung der hohen Kosten von Ausfallzeiten. Das Hindernis für eine erstklassige Instandhaltung ist jedoch, dass die meisten Ausrüstungsfehler zufällig auftreten und schwer zu erkennen sind, bevor sie eintreten. Tatsächlich wird geschätzt, dass die meisten Ausfälle in die Kategorie der zufälligen Ausfälle fallen.
Die Datenerfassung von Ausrüstungen in der Bergbauindustrie war historisch gesehen aufgrund der isolierten und verteilten Natur des Produktionsprozesses eine Herausforderung. Die Datenquellen sind über die gesamte Anlage und die Minen verteilt, ohne dass ein klares, einheitliches Netzwerk besteht, das sie mit einem Hauptknotenpunkt verbindet. Dies führt zu einer fragmentierten Transparenz und manuellen Datenworkflows. Informationstechnologie (IT) und Betriebstechnologie (OT) existieren unabhängig voneinander, und die verfügbaren Daten sind oft kontextlos, was das Verständnis und die Nutzung erschwert. Dieser Mangel an Konnektivität schränkt die Möglichkeit ein, Leistungskennzahlen von bestimmten Industrieanlagen abzurufen.
Fehlende Konnektivität und der eingeschränkte Zugang zu Daten erschweren auch die Implementierung unternehmensweiter Lösungen für die vorausschauende Wartung. Ein einmaliger Test oder ein Machbarkeitsnachweis an nur einem Gerät oder in einer sehr kleinen, vernetzten Gruppe ist keine zuverlässige Lösung für die vorausschauende Wartung und lässt immer noch viel Raum für Zufälle.
Der Bedarf an sinnvollen Verbesserungen
Es ist klar, dass die Instandhaltung von einer reaktiven zu einer effizienteren, proaktiven Vorgehensweise übergehen muss. Dies erfordert jedoch eine Investition in eine umfassendere Instandhaltungsinfrastruktur. Die bloße Planung von Instandhaltungsarbeiten in regelmäßigen Abständen berücksichtigt nicht den tatsächlichen Zustand der Ausrüstung.
Um Anlagen effektiv verwalten zu können, muss ein Bergbauunternehmen verstehen, warum, wie und wann sie ausfallen. Die Instandhaltung als Beruf und als Unternehmenspraxis hat sich in den letzten 50 Jahren erheblich weiterentwickelt, und die Technologie hat sich parallel dazu weiterentwickelt. Die Hindernisse für die Einführung von Technologie, die eine vorausschauende Wartung im Bergbau ermöglichen kann, sind jedoch auf die Kosten und die weit verstreuten Betriebsstätten zurückzuführen; es gibt keine Lösung, die für alle passt.
Es wird eine Lösung benötigt, die eine Datenkontextualisierung in großem Maßstab ermöglicht und die Herausforderungen der Datenarchitektur und -integration löst, die derzeit die groß angelegte Bereitstellung von Lösungen für die vorausschauende Wartung behindern. Hier kommen industrielle Datenoperationssysteme ins Spiel.
Industrielle Datenoperationen
Industrial Data Operations (DataOps) unterstützt die Entwicklung einer Lösung für die vorausschauende Wartung im Bergbau. Die in DataOps verwendeten Technologien konzentrieren sich auf Data Science, um ein Vorhersagemodell zu entwickeln. Sie können die Datenerfassung und -abstimmung automatisieren, was früher ein zeitaufwändiger manueller Prozess war. Durch die Zusammenführung von OT und IT über ein System wie Asset Intelligence for Mining, das auf der Rockwell Automation FactoryTalk® DataMosaix™ Plattform basiert, wird die vorausschauende Wartung möglich.
Datenwissenschaftler haben nun mehr Zeit, die Daten zu lesen und Trends in der Maschinenleistung und -gesundheit zu erkennen. Diese Erkenntnisse ermöglichen es ihnen, die richtige Wartungskadenz für jedes Gerät zu bestimmen, und sie können diese Informationen dem relevanten Personal im gesamten Betrieb über übersichtliche Dashboards auf Tablets, Laptops oder Desktops zur Verfügung stellen. Wertvolle Informationen in nahezu Echtzeit können die richtige Person erreichen, bevor ein Gerät ausfällt und einen kostspieligen Stillstand verursacht.
Industrial DataOps fügt sinnvolle Beziehungen zwischen zuvor getrennten Daten hinzu und verwaltet sie, wodurch die Entwicklung und Bereitstellung von maschinelles Lernen-Anwendungen wie der vorausschauenden Wartung beschleunigt wird. Anders ausgedrückt: Es vereinfacht die Art und Weise, wie ein Bergbauunternehmen aus komplexen Industriedaten einen Mehrwert ziehen kann.
Alles zusammenfügen
Die Kombination von Echtzeit-sensor Daten mit Anlagenmodellen, die auf den grundlegenden Prinzipien des Ingenieurwesens basieren (die Idee, dass man komplexe Dinge aus einfacheren Dingen bauen kann), liefert vorgefertigte Modelle, die die Grundlage für die Funktionsweise von Asset Intelligence for Mining bilden. DataOps operationalisiert diese Modelle.
Vorausschauende Wartung kann den Personalaufwand für die Wartung verringern, nicht geplante Ausfallzeiten reduzieren und die Produktivität steigern.
Erfahren Sie mehr über Industrial DataOps und die Rockwell Automation Industry Solution – Asset Intelligence for Mining.
